En fråga med ert eget namn mäter igenkänning och hur ni beskrivs. En kall fråga visar om ni dyker upp innan köparen känner till er. Ni behöver båda, men för olika saker.
Tre minuter. Jämför svaren och notera vad den namngivna frågan säger om er beskrivning och vad den kalla frågan säger om upptäckbarheten.
När ert bolagsnamn står i frågan testar ni främst om AI-tjänsten känner igen och kan beskriva er. Det är användbart som kontroll, men säger mindre om ni dyker upp när en kund ännu inte känner till er.
Det är ett vanligt misstag eftersom en namngiven fråga ofta ger ett utförligt och korrekt svar. Vi har samtidigt mätt bolag som beskrevs väl när namnet stod i frågan men inte nämndes alls i de generiska köparfrågorna. De två resultaten mäter olika saker.
En namngiven fråga mäter igenkänning och beskrivning. En kall fråga mäter upptäckbarhet i en kategori eller ett problem. Ni behöver båda, men till olika saker.
Ett tredje läge: använd som källa, men inte nämnd
Kapitel 2 beskrev två vanliga orsaker till låg synlighet. När ni dessutom tittar på citerade källor kan ni hitta ett tredje läge: er sajt används som underlag, men ert bolag nämns ändå inte som ett alternativ.
Ett svenskt B2B-bolag vi mätte var den näst mest använda källan i hela mätningen. Nära sex procent av alla källhänvisningar i svaren pekade på deras sajt. Samtidigt nämndes bolaget i noll av svaren på frågor utan namn. Modellerna hämtade fakta från bolagets sajt och rekommenderade sedan andra bolag.
Det här läget syns först när ni jämför två saker: vilka sajter svaret använder som källor och vilka bolag som faktiskt nämns. En hög källandel är alltså inte samma sak som hög varumärkessynlighet.
Konto, plats och modellens egen variation kan påverka svaret. Ni kan minska två av dem och behöver mäta runt den tredje.
Tidigare samtal, minne och andra kontosignaler kan påverka vissa svar. För en jämförbar mätning bör ni använda en dokumenterad rutin med nytt samtal och så lite personalisering som möjligt.
Svaren kan skilja sig mellan marknader och språk. Mät därför under så lika geografiska och språkliga förutsättningar som möjligt och dokumentera dem.
Samma fråga kan ge olika svar mellan körningar. Därför behöver ni upprepa frågan och titta på mönster, inte på ett enda svar.
Den tredje saken är den som gör mätning för hand tidskrävande. Svaren ändras dessutom när modellerna uppdateras och när nya artiklar publiceras. En enda körning visar hur svaret såg ut just då, inte hur det brukar se ut.
För att mäta upptäckbarhet ska ert bolagsnamn normalt inte stå i frågan. Värdeladdade ord som "bästa" eller "ledande" kan vara relevanta om kunder faktiskt använder dem, men de bör behandlas som en egen sökintention eftersom de ofta styr svaret mot listor och jämförelser.
| Fungerar inte | Varför | Fungerar |
|---|---|---|
| Vad gör [Bolagsnamn]? | Namnet gör att modellen bara läser er sajt. | Vem hjälper svenska bolag med [problemet]? |
| Bästa leverantören av [er kategori] | Ordet bästa styr svaret mot listor och rankningar. | Hur väljer man leverantör av [er kategori]? |
| Ledande aktörer inom rörsystemslösningar | Ingen kund skriver så. Frågan träffar bara säljtexter. | Vad kostar det att byta kopparrör mot plast i ett flerbostadshus? |
| Varför är [Bolagsnamn] bra på hållbarhet? | Både namnet och ordet bra. Frågan innehåller sitt eget svar. | Hur redovisar mindre bolag sin klimatpåverkan? |
Fråga på det språk kunderna frågar på
Språket påverkar både hur frågan tolkas och vilka källor som blir relevanta. Säljer ni i Sverige bör därför en stor del av mätningen göras på svenska och formuleras som svenska kunder faktiskt frågar.
Allt här går att göra utan verktyg. Det tar tid. Nästa kapitel visar hur ni gör det på samma sätt varje gång.
Ha med en namngiven fråga för att se hur AI-tjänsten beskriver er och om grundfakta stämmer. Om svaret är fel behöver ni undersöka både den egna sajten och de externa källorna innan ni bestämmer orsaken.
Nytt samtal, minnet avstängt, inga egna instruktioner, utloggad, inkognito. Skriv ner rutinen, annars mäter nästa person på ett annat sätt.
Räkna bara de bolag som nämns i minst två av tre svar. Ett bolag som nämns en gång av tre kan vara slump.
Säljer ni i Sverige bör en betydande del av frågesetet vara på svenska och skrivet som svenska kunder faktiskt frågar. Om resultaten skiljer sig mellan språk är språkversionerna en möjlig förklaring att undersöka, inte ett bevis i sig.
Skriv upp både vilka bolag som nämns och vilka sajter som används som källor. Om er sajt citeras men ert bolag sällan nämns behöver ni undersöka hur tydligt ert innehåll kopplar ihop organisationen, frågan och de externa beläggen.
Mätverktyg föreslår frågor automatiskt. Förslagen är allmänna, eftersom verktyget inte känner er bransch. Vi har sett förslag som lade ett bolag i helt fel bransch. Då mäter man noggrant på fel fråga.
Ni har mätt på rätt sätt. Spara resultatet som er första mätning och bestäm hur ofta ni ska mäta om. Kapitel 5.
Det finns en tydlig felkälla. Rätta den, mät om och använd den nya mätningen som er jämförbara utgångspunkt.
Mätningen har flera felkällor och är svår att jämföra över tid. Gör om den med en dokumenterad rutin.
Mätningen har flera felkällor och är svår att jämföra över tid. Gör om den med en dokumenterad rutin.
Mätningen har flera felkällor och är svår att jämföra över tid. Gör om den med en dokumenterad rutin.
Tjugo frågor i två modeller, tre gånger vardera, blir 120 körningar per mätning. Det går att göra för hand i liten skala, men verktyg är praktiska när ni vill följa fler modeller och perioder. Frågedesign och kvalitetskontroll behöver ni fortfarande äga.