חוויית מחקר הקניות החדשה של OpenAI משנה באופן מהותי את האופן שבו אנשים שואלים שאלות על מוצרים.
במקום שיחות מזדמנות, הקונים נמשכים כעת ל... זרימת גילוי מודרכת בסגנון אשף שאוסף פרמטרים לפני הצגת המלצות. התוצאה היא התרחבות זנב ארוך, הורחב באופן דרמטי גרפי ציטוטיםו יקום מוצרים מותאם אישית ביותר מעוצב על ידי זיכרון, פרסונה והקשר.
יש לכך השלכות משמעותיות על AEO:
כמה ימים לפני בלאק פריידי-סייבר מאנדיי, OpenAI השיקה בשקט את האפליקציה החדשה שלה ניסיון במחקר קניות, ובדקתי את זה ברגע שזה הופיע.
זה לא שיפור קטן בחוויית המשתמש.
זוהי דרך שונה לחלוטין לתקשר עם ChatGPT בעת קניות.
ברגע שאתם שואלים שאלה על מוצר, כל הממשק משתנה:
זה כבר לא "צ'אט עם בינה מלאכותית". זה אנליסט קניות ויזואלי ומובנה.
OpenAI מתאר את חוויית מחקר הקניות כדרך שקופה יותר, מותאמת אישית יותר ומבוססת יותר על ראיות לקניות, מבלי להתעסק עם מספר כרטיסיות.
זה מציג:
כדי לבדוק עקביות בכל מצבי הצ'אט, שאלתי את אותה שאלה בשלוש דרכים ב-Normal ChatGPT, בחוויית המחקר החדשה של קניות, וב-Prompt מובנה עשיר בפרמטרים. השאלה?
"מהן נעלי הכדורסל הטובות ביותר עבורי?"
שלושת המצבים החזירו יקומי מוצר שונים לחלוטין.
Normal ChatGPT יצר רשימה רחבה, המונחית על ידי פופולריות, של בערך שמונה מודלים, כלליים ולא מותאמים אישית.
חוויית מחקר הקניות צמצמה את התחום לכשש אפשרויות פרימיום ממוקדות, המתמקדות ביציבות, שעוצבו ישירות על ידי האשף המודרך שלה.
וההודעה העשירה בפרמטרים בצ'אט הסטנדרטי? היא צפו כמעט עשרה מודלים שהושפעו במידה רבה מאתרי בדיקות ביצועים וממקורות נישתיים לביקורות.
לאורך כל שלושת הריצות, רק נעל אחת או שתיים הופיעו באופן עקבי, בדרך כלל דגמי חתימה מהשורה הראשונה, שמציגים ביצועים טובים בקטגוריות שונות. כל השאר היה שונה.
הופיעו כמה אפשרויות רק ברשימה הכללית הרחבה, אחרים רק באשף המובנה, וכמה מודלים נישה הופיעו רק כאשר פרמטרים סופקו במפורש.
בסך הכל, המערכת צצה 22 דגמים ייחודיים על פני שלוש השיחות.
ובאופן ייחודי בממשק המשתמש של מחקר קניות, ChatGPT מציג רק כמה המלצות אחרונות, אך לאחר מכן מאפשר לך לפתוח את סט מלא שנחקר, אשר מכיל לעתים קרובות עשרות של מודלים.
במספר בדיקות, הסט המורחב הזה אפילו כלל הזיות, כגון Apple Watch רשומה כאחת מ"נעלי הכדורסל שנבדקו".
התנהגות הציטוט מראה גם התרחבות מסיבית במצב מחקר קניות – זרימת מחקר הקניות חרגה 100 ציטוטים (צ'אטGPT רגיל הסתמך על 8-12 ציטוטים וההנחיה המובנית הסתמכה על כ-38 מקורות), ומשכה PDPs, בודקים מומחים, קמעונאים, דיונים קהילתיים, סרטונים, מדיה חברתית ועוד.
זוהי טביעת הרגל הגדולה ביותר של ציטוטים שראיתי עבור שאילתה של מוצר צריכה ללא שימוש במצב הישן של "מחקר מעמיק" שאינו מותאם לקניות.
כאשר מספר הציטוטים גדל מ-10 ל-100+ מקורות, מותגים מרוויחים עוד שבילים שיופיעו, אבל הנרטיבים הופכים מקוטע יותר, קשה יותר לשליטה, ותלוי יותר באיכות התוכן מחוץ לאתר.
כדי לבדוק את ההתאמה האישית, ביקשתי בעבר מ-ChatGPT לזכור שאני מעדיפים נעלי כדורסל ורודות.
בפגישת מחקר קניות חדשה, שאלתי בדיוק את אותה השאלה "מהן נעלי הכדורסל הטובות ביותר עבורי?"מבלי להזכיר צבע, המערכת:
זה מראה:
זיכרון לטווח ארוך יכול לעצב את משפך המוצר לפני שהקונה מזכיר במפורש את העדפותיו.
In מקידום אתרים אורגני (SEO) לניהול פוטנציאלי (AEO), חקרנו כיצד בינה מלאכותית הופכת את נראות המוצר מ-SERP יחיד למערכת אקולוגית דינמית ורב-משטחית של תשובות.
חוויית מחקר הקניות מאיצה את השינוי הזה.
הנה למה זה חשוב:
מבחינה היסטורית, נראות ארוכת זנב הייתה תלויה בשני דברים: האם משתמש ידע באופן טבעי כיצד לשאול שאלה מפורטת, או האם ChatGPT הניעה שאלות הבהרה לאחר המלצות ראשוניות.
תהליך מחקר הקניות החדש הופך את זה לגמרי.
העוזר אוסף כעת פרמטרים של זנב ארוך לפני מראה תוצאות כלשהן. זה מבנה את מרחב ההחלטות מראש, ומניע את הקונים לצרכים עמוקים וצרים יותר כברירת מחדל. יש לכך את ההשפעה החזקה ביותר ב ראש המשפך/שלב הגילוי, שבו קונים חוקרים במקום להחליט.
עבור מותגים, זוהי הזדמנות עוצמתית.
אם המוצר שלכם מצטיין בתכונות ספציפיות כמו יציבות הקרסול, פרופיל ריפוד, תאימות לצורת כף הרגל, התאמת המשטח, תוכלו לזכות בעשרות מיקרו-כוונות שהקונה אולי לא ניסח בעצמו. הזנב הארוך הופך לא רק למשטח גילוי, אלא לנתיב מודרך שמעוצב על ידי ChatGPT עצמו.
תפקיד הזיכרון מציג סוג חדש של גורמי דירוג: העדפה אישית מתמשכת.
קונה עם העדפות שמורות רואה יקום מוצרים שונה מאדם ללא זיכרון. העוזר שואל שאלות הבהרה שונות, שוקל תכונות בצורה שונה, ולעתים קרובות מוביל את הקונה לנתיב חשיבה שונה לחלוטין. שני משתמשים עם שאילתות זהות יכולים לקבל המלצות שונות מהותית, לא בשל כוונה או פרמטרים, אלא בשל ההיסטוריה האישית שלהם.
מנקודת מבט של AEO, זוהי תחילתה של נראות אישיתמותגים עשויים להיות נוכחים מאוד בפרופיל זיכרון אחד ונעדרים באחר.
כמתמחה ב-AEO, אני מחשיב את הרחבת הציטוטים לאחד השינויים המשמעותיים ביותר. כאשר ChatGPT שואב מידע מיותר ממאה מקורות במקום בערך עשרה שהיינו רגילים אליהם במצב הרגיל, כל מרכז הכובד משתנה. המותג שלך מעוצב לפתע על ידי מערכת אקולוגית רחבה הרבה יותר של קולות, בודקים מומחים, קמעונאים, סוקרים מפורטים, קהילות משתמשים, יוצרים חברתיים, שכל אחד מהם מספר סיפור מעט שונה על המוצר שלך. ומכיוון שמקורות אלה לעתים רחוקות מתארים דברים באופן עקבי, הנרטיב הופך מקוטע מטבעו: סוקרים מומחים מתמקדים בביצועים, קמעונאים מדגישים צבעים וזמינות, קהילות מדברות על מידות ועמידות, ויוצרי וידאו מתמקדים באחיזה, חומרים או תחושה מהעולם האמיתי.
עם טביעת רגל של עשרה מקורות, הבנת המודל את המוצר שלך הייתה יחסית מבוקרת. עם טביעת רגל של מאה מקורות, כל פער הופך לחלק מההיגיון של המודל. ChatGPT מסנתז את הנרטיבים הסותרים הללו לתשובה אחת, כלומר "הסיפור" של המותג שלך כבר לא מעוגן ל-PDP שלך או אפילו לקומץ ביקורות סמכותיות, הוא מופץ כעת על פני רשת שלמה של דומיינים חיצוניים מעבר לאתר שלך. הרחבה זו מגדילה באופן דרמטי הן את מספר הדרכים שבהן המותג שלך יכול להופיע והן את מספר הדרכים בהן ניתן לייצג אותו בצורה שגויה או לדלל אותו. ככל שהמודל רואה יותר, כך ניטור ציטוטים, מוכנות לראיות, והאיכות וההתאמה הכוללת של תוכן מחוץ לאתר הופכים לחשובים יותר.
מסע הקנייה מעוצב כעת על ידי הקשר. מתחיל רואה שאלות ומשקלים שונים מאשר מומחה. קונה המתמקד בפרימיום מקבל נימוקים שונים מאשר קונה המתמקד בתקציב. משתמש אמריקאי עשוי לראות זמינות מוצרים וראיות שונות מאשר מישהו מיפן או בריטניה. אפילו הבדלים עדינים, כמו טון שיחה, האם מצב מחקר הקניות הופעל, או האם הזיכרון הופעל, יכולים ליצור עולם מוצרים נפרד.
אני רואה זאת כאחד האתגרים המבניים של גילוי עידן הבינה המלאכותית: אנחנו כבר לא מבצעים אופטימיזציה לתשובה אחת. אנחנו מבצעים אופטימיזציה ל... מרחב תשובות רב-ממדי, כאשר הנראות משתנה בהתאם לפרסונה, מיקום, היסטוריית העדפות, טון ומצב ממשק.
אופי קומבינטורית זה הוא בדיוק מה שמייחד באופן מהותי את ה-AEO המודרני מ-SEO.
חוויית מחקר הקניות של OpenAI מסמנת את אחד השינויים הגדולים ביותר בתחום הבינה המלאכותית גילוי מוצרים מאז השקת ChatGPT.
זה משנה את האופן שבו קונים מביעים כוונה, כיצד העוזר מעצב את הכוונה הזו, כיצד נאספות ראיות, כיצד מוצרים צצים, כיצד היסטוריה אישית משפיעה על דירוגים, וכיצד עולמות שלמים של מוצרים נבנים מאחורי הקלעים. גילוי הופך למודרך. הזנב הארוך הופך לברירת המחדל. ציטוטים הופכים נרחבים. זיכרון הופך למשפיע. פרסונות יוצרות עולמות מקבילים.
AEO הופך לתחום המסייע למותגים להבין ולעצב את נוכחותם בנוף החדש הזה של תשובות בינה מלאכותית זורמות, קונטקסטואליות ומותאמות אישית.
האם חוויית מחקר הקניות החדשה משנה את כל סוגי השאילתות?
זה בעיקר מעצב מחדש שאלות בסגנון גילוי, שבהן ChatGPT מושך קונים לזרימה מודרכת, ארוכה-זנבית, לפני הצגת תוצאות. שאלות שיקול וקבלת החלטה עדיין מתנהגות קרוב יותר לשאלות ותשובות מסורתיות.
מדוע ההמלצות היו שונות בין שלושת המצבים?
מכיוון שכל מצב מעבד את הכוונה בצורה שונה: צ'אט רגיל נשאר רחב, ההנחיה המובנית נשענת על מקורות בדיקה, וחוויית מחקר הקניות בונה נתיב חשיבה משלה המבוסס על השאלות שהיא שואלת מראש.
למה היו כל כך הרבה יותר ציטוטים בזרימה החדשה?
חוויית מחקר הקניות שואבת מידע מגרף ראיות רחב הרבה יותר. במקום תריסר מקורות, היא שואבת מידע מיותר ממאה מ-PDPs, מומחים, סרטונים וקהילות, מה שמעצב מחדש את האופן שבו המותג נתפס.
האם זיכרון באמת יכול לשנות את נראות המוצר?
כן. העדפות מאוחסנות משפיעות על השאלות ש-ChatGPT שואל ועל המאפיינים שהוא נותן עדיפות, מה שאומר ששני קונים עם אותה שאילתה יכולים לראות מוצרים שונים בהתבסס על ההיסטוריה שלהם.
מדוע שינוי זה כה חשוב עבור AEO?
מכיוון שנראות אינה מעוגנת עוד ב-PDP יחיד או בתשובה אחת. היא מעוצבת על ידי שאלות מונחות מסוג "זנב ארוך", פרופילי זיכרון מותאמים אישית, משטחי ציטוט מורחבים וההקשר המתפתח של כל שיחה.
האם שינויים אלה יוצרים הזדמנויות עבור מותגים?
הם כן. על ידי התאמה לתכונות שהעוזר שואל כעת לגבי התחלה, יציבות, ריפוד, חומרים, משטח והתאמה, מותגים יכולים לזכות ברגעים של הכללה מוקדמת בעשרות מיקרו-כוונות ארוכות-זנב מתפתחות.
