De opkomst van kunstmatige intelligentie: de noodzaak om betaalde en organische geografische zoekmachines te verbeteren

De afgelopen twee jaar was het advies aan merken grotendeels hetzelfde: zorg ervoor dat je genoemd en aanbevolen wordt in AI , en de gewenste resultaten zullen worden behaald.

Of het nu zoekmachineoptimalisatie (GEO) of kunstmatige intelligentie-zoekmachineoptimalisatie (AEO) wordt genoemd, het doel blijft hetzelfde: ervoor zorgen dat AI uw merk begrijpt, accurate informatie erover kan vinden en het kan aanbevelen wanneer een klant ernaar vraagt.

Deze situatie duurde voort totdat Amazon in alle stilte cijfers publiceerde over het tweede kwartaal die dit advies begonnen te ondermijnen.

Andy Jassey onthulde dat shoppers die op een gesponsorde melding in Alexa for Shopping klikken, ruim 48% meer kans hebben om een ​​aankoop te doen en 21% meer uitgeven, vergeleken met shoppers die dat niet doen.

Hoewel deze gegevens afkomstig zijn van Amazon zelf en geen onafhankelijke industriestandaard vormen, is het een van de duidelijkste aanwijzingen tot nu toe dat betaalde advertenties een integraal onderdeel worden van de door AI aangedreven winkelervaring , in plaats van er slechts naast te bestaan.

Dit is belangrijk omdat AI-gestuurd winkelen zich begint op te splitsen in twee zeer verschillende modellen: open assistentiesystemen die ernaar streven de beste beschikbare producten weer te geven, en gesloten ecosystemen die de zakelijke omgeving rondom de aanbevelingen controleren.

Voor merken creëren deze modellen zeer verschillende percepties over de waarde van zichtbaarheid.

Waarom lopen AI-gestuurde winkelplatformen uiteen?

Tot voor kort was het logisch om de opkomst van kunstmatige intelligentie als één geheel te beschouwen. Een merk hoopte dat het model het merk zou begrijpen, dat de assistent het zou onthouden en dat het het merk zou aanbevelen wanneer een klant een relevante vraag stelde. Maar deze aanname is moeilijk vol te houden wanneer het platform dat de aanbevelingen doet ook een advertentietak heeft die het wil monetiseren.

Amazon is hiervan het duidelijkste voorbeeld. Een gesponsorde melding kan verschijnen binnen hetzelfde gesprekspad waarin een klant besluit wat hij of zij wil kopen. Google beweegt zich in een vergelijkbare richting door advertenties te integreren in steeds meer op conversatie gerichte zoek- en winkelervaringen.

De commerciële drijfveer is glashelder. Als betaalde aanbevelingen binnen een door AI gestuurd gesprek betere conversieratio's opleveren dan traditionele advertenties, zullen platformen een sterke rechtvaardiging vinden om Plus-advertenties in die gesprekken te integreren.

Bij onbeperkte hulpverlening ligt de situatie echter anders. De waarde ervan hangt grotendeels af van de perceptie dat aanbevelingen worden gedaan op basis van hun relevantie, en niet omdat iemand ervoor betaald heeft.

Dit zorgt voor een veel lastiger evenwicht tussen omzetgeneratie en vertrouwen . Het resultaat is niet één enkel AI-gestuurd winkelkanaal, maar meerdere ecosystemen die zich ontwikkelen rond verschillende zakelijke drijfveren.

Zijn het verbeteren van de geografische zichtbaarheid (GEO) en het verbeteren van de kunstmatige intelligentie-ervaring (AEO) nog steeds voldoende?

De fundamentele principes achter geografische zichtbaarheidsoptimalisatie (GEO) en optimalisatie van de gebruikerservaring met kunstmatige intelligentie (AEO) blijven onveranderd. Nauwkeurige, specifieke en goed georganiseerde informatie geeft AI-systemen een betere kans om het product te begrijpen en de relevantie ervan te bepalen.

Maar er komt een belangrijk verschil naar voren: hoewel GEO en AEO het zichtbaarheidsprobleem oplossen, lossen ze niet per se het zakelijke probleem op.

Een merk kan weliswaar een hoge zichtbaarheid hebben in AI-aanbevelingen, maar er toch niet in slagen die zichtbaarheid om te zetten in omzet. Evenzo kan betaalde zichtbaarheid niet oneindig compenseren voor zwakke productinformatie. AI heeft nog steeds betrouwbare gegevens nodig over wat het product is, wie de doelgroep is en hoe het zich verhoudt tot alternatieven.

De vraag voor merken gaat daarom verder dan alleen of hun producten worden aanbevolen. Ze moeten begrijpen hoe aanbevelingen op elk platform werken, wat er gebeurt wanneer reclame wordt geïntegreerd in het besluitvormingsproces en of de zichtbaarheid ervan uiteindelijk leidt tot klantwerving.

Wat is de rol van Agent-Operated Trade Improvement (ACO)?

Dit is waar Agentic Commerce Optimization (ACO) belangrijk wordt.

GEO en AEO zijn er primair op gericht om het merk begrijpelijk, vindbaar en zichtbaar te maken door middel van kunstmatige intelligentie. ACO tilt dit probleem echter naar een hoger bedrijfsniveau, waar AI aankoopbeslissingen gaat nemen of beïnvloeden.

Voor een intelligente agent is de productinhoud slechts een deel van de vergelijking. Veel andere factoren zijn cruciaal, zoals prijs, beschikbaarheid, specificaties, varianten, levering, retourmogelijkheden en de mogelijkheid om transacties af te ronden. Een product kan dus weliswaar goed geoptimaliseerd zijn voor AI, maar het blijft een slechte keuze voor de agent als de informatie die nodig is om te handelen onvolledig of inconsistent is.

Om deze reden kan ACO worden begrepen aan de hand van de principes van de 5 C's: Volledigheid, Context, Citaten, Correctheid en Klantenwerving.

De eerste vier principes helpen bepalen of een AI-systeem een ​​product kan begrijpen en met vertrouwen kan aanbevelen. Het vijfde principe stelt een zakelijke vraag die alleen met zichtbaarheidsstatistieken niet te beantwoorden is: Heeft die aanbeveling geleid tot klantwerving?

ACO vertegenwoordigt daarom het operationele antwoord op de volgende fase van AI-gestuurd winkelen: continue monitoring van hoe producten worden weergegeven op AI-platformen, en het corrigeren van onderliggende gegevens voor content, catalogus en commercie wanneer deze systemen beginnen af ​​te wijken van de verwachte koers.

Dit wordt steeds belangrijker naarmate platforms verschillende advertentie- en aanbevelingsmethoden ontwikkelen. Een merk kan niet optimaliseren voor één enkele versie van AI-gestuurd winkelen, terwijl de onderliggende platforms uiteenlopende bedrijfsstrategieën hanteren.

Wat moeten merken nu doen?

Het antwoord is niet om geografische zoekmachineoptimalisatie (GEO) of AI-gestuurde zoekmachineoptimalisatie (AEO) te laten varen ten gunste van een nieuwe term. De basisprincipes blijven hetzelfde: accurate productinformatie, een duidelijke structuur, consistente data en content die antwoord geeft op de vragen die klanten daadwerkelijk stellen. Het verschil is dat merken tegenwoordig moeten monitoren wat er gebeurt na de eerste aanbeveling.

Welke producten worden door AI-platforms onder de aandacht gebracht? Welke concurrenten winnen terrein? Waar is productinformatie onnauwkeurig of ontbreekt deze? Hoe verschilt dit tussen verschillende hulpprogramma's? Welke rol speelt betaalde exposure in dit proces? En leidt deze exposure uiteindelijk tot meer klanten?

Het conversiepercentage van 48% van Amazon is significant, omdat het suggereert dat verschijnen binnen een AI-gesprek op het moment van aankoopintentie commercieel gezien iets anders kan zijn dan ernaast verschijnen . Als andere platforms dit voorbeeld volgen, zal het onderscheid tussen AI-aanwezigheid, betaalde advertenties en commercie nog vager worden.

De kans ligt dus niet in het vervangen van geo-zoekmachineoptimalisatie (GEO) of optimalisatie van de gebruikerservaring met kunstmatige intelligentie (AEO), maar in het verder ontwikkelen ervan. Naarmate AI zich ontwikkelt van het beantwoorden van winkelvragen naar het beïnvloeden van aankoopbeslissingen, wordt zichtbaarheid het uitgangspunt in plaats van het uiteindelijke doel.

De merken die van deze situatie zullen profiteren, zijn de merken die de basisprincipes van GEO/AEO combineren met ACO – om de vijf elementen (5 C's) te verbeteren en uiteindelijk AI niet alleen te meten aan de hand van hoe vaak ze genoemd worden, maar ook aan de hoeveelheid extra omzet die het helpt genereren.