بر اساس تحلیل جدیدی از دیدگاههای رهبران بازاریابی و درآمد در بریتانیا، بخش عمدهای از مسیر خرید در بازارهای کسبوکار به کسبوکار (B2B) اکنون از موتورهای جستجوی مبتنی بر هوش مصنوعی آغاز میشود. این تغییر رفتار خریداران، چالشهای جدیدی را برای دیده شدن برندها و هدایت مسیر مشتری ایجاد کرده است، در حالی که بسیاری از تیمهای بازاریابی هنوز در حال ارزیابی نحوه واکنش به این تحول هستند.
سهم غالب هوش مصنوعی در تحقیقات اولیه خریداران
تحلیل ۵۵۵,۹۷۳ دیدگاه آنلاین از مدیران بازاریابی و درآمد B2B در بریتانیا نشان میدهد که ۶۷ درصد از آنها معتقدند خریداران معمولاً پیش از برقراری ارتباط با تیم فروش، راهحلهای مورد نظر خود را از طریق ابزارهای جستجوی هوش مصنوعی بررسی میکنند. در مقایسه با این آمار، تنها ۱۳ درصد به رویدادها و وبینارها اشاره کردهاند و ۹ درصد نیز موتورهای جستجوی سنتی را مسیر اصلی تحقیق خریداران میدانند.
این تغییر به این معناست که بخش رو به رشدی از مسیر خرید خارج از کانالهایی رخ میدهد که تیمهای بازاریابی بهطور سنتی قادر به رصد آنها بودهاند. خریداران اکنون میتوانند از پلتفرمهای هوش مصنوعی برای درک یک مسئله، بررسی راهحلهای احتمالی و شکلدهی به دیدگاه اولیه خود درباره تامینکنندگان استفاده کنند، پیش از آنکه حتی به وبسایت شرکت سر بزنند یا تماس مستقیمی برقرار کنند.
با این حال، ۷۷ درصد از مدیران اظهار داشتهاند که نسبت به توانایی سازمان خود برای تطبیق استراتژیهای بازاریابی با تغییرات جستجوی هوش مصنوعی و حفظ رقابتپذیری و دیده شدن در این فضا، اطمینان کافی ندارند.
پلتفرمهای محبوب و چالش عدم نظارت برندها
در میان ابزارهای مورد استفاده خریداران، پلتفرم ChatGPT با ۴۲ درصد بیشترین سهم را به خود اختصاص داده است. پس از آن، ابزار Gemini گوگل با ۱۷ درصد در رتبه دوم قرار دارد، در حالی که ابزارهای Claude و Perplexity سهمهای کوچکتری را در این فرآیند تحقیقاتی دارند.
این پلتفرمها بستر اولین مواجهه خریداران با برندها را تغییر میدهند. خریدار ممکن است بپرسد کدام راهحلها برای یک چالش خاص مناسبترند، کدام تامینکنندگان در حوزه کاری آنها فعال هستند یا ارائهدهندگان مختلف چه تفاوتهایی با هم دارند. پاسخهایی که خریداران دریافت میکنند، مستقیماً بر تصمیم آنها برای بررسی بیشتر یک برند تاثیر میگذارد.
با وجود اهمیت فزاینده هوش مصنوعی در فرآیند تحقیق، نظارت بر نحوه نمایش برندها در این ابزارها همچنان نامنظم است. ۶۸ درصد از مدیران اعلام کردهاند که عملاً نحوه حضور سازمان خود را در ابزارهایی مانند ChatGPT یا Perplexity رصد نمیکنند، در حالی که تنها ۹ درصد تا حدی این نتایج را زیر نظر دارند. این عدم نظارت میتواند منجر به شکلگیری تصویر نادرست از برند پیش از هرگونه تماس مستقیم شود.
تاثیر بر ترافیک ارگانیک و نگرانی از بازنمایی نادرست
بسیاری از سازمانها هنوز مطمئن نیستند که جستجوی هوش مصنوعی چه تاثیری بر معیارهای سنتی مانند ترافیک ارگانیک (organic traffic) گذاشته است. ۵۹ درصد از آنها تاثیر این ابزارها را در ۱۲ ماه گذشته بهطور دقیق ردیابی نکردهاند. در میان شرکتهایی که این ارزیابی را انجام دادهاند، ۱۱ درصد گزارش دادهاند که ترافیک وبسایت آنها تا حد زیادی پایدار بوده، ۱۱ درصد شاهد افزایش بودهاند و ۱۸ درصد نیز کاهش ترافیک را ثبت کردهاند.
علاوه بر این، نحوه نمایش برند در نتایج هوش مصنوعی به اندازه دیده شدن آن اهمیت دارد. ۵۴ درصد از مدیران بهشدت نگران هستند که ابزارهای جستجوی هوش مصنوعی اطلاعات نادرستی درباره برند یا راهحلهای آنها ارائه دهند و معتقدند این موضوع پیش از این بر جریان جذب مشتری (pipeline) آنها تاثیر منفی گذاشته است. همچنین ۲۲ درصد دیگر تا حدودی در این زمینه ابراز نگرانی کردهاند.
ظهور بهینهسازی موتورهای مولد (GEO)
در پاسخ به این تغییرات، ۲۳ درصد از رهبران بازاریابی توسعه یک استراتژی قوی برای جستجوی هوش مصنوعی را حیاتی میدانند و ۲۴ درصد دیگر آن را یک اولویت بالا تلقی میکنند. با این حال، ۵۵ درصد میگویند سازمان آنها با مفهوم «بهینهسازی موتورهای مولد» یا همان GEO (Generative Engine Optimization) آشنایی دارد اما هنوز اجرای استراتژیهای مربوط به آن را آغاز نکرده است.
با این حال، سرمایهگذاریها در حال شکلگیری است؛ ۶۳ درصد اعلام کردهاند که بودجه مشخصی را برای بهبود دیده شدن در جستجوی هوش مصنوعی اختصاص دادهاند و ۲۹ درصد دیگر برنامهریزی کردهاند تا ظرف ۱۲ ماه آینده بودجهای را به GEO اختصاص دهند. در حال حاضر، ۵۶ درصد از مدیران از شاخصها و داشبوردهای اختصاصی برای سنجش تاثیر جستجوی هوش مصنوعی بر جریان فروش و درآمد استفاده میکنند و ۴۱ درصد دیگر در حال ایجاد این زیرساخت هستند. با این حال، ۳۸ درصد هماهنگ شدن با تغییرات رفتار جستجوی هوش مصنوعی را یک چالش میدانند و ۸۳ درصد معتقدند دسترسی به ابزارهای بهتر برای نظارت بر نحوه نمایش برند در هوش مصنوعی میتواند عملکرد آنها را بهبود بخشد.