L’Answer Engine Optimisation (AEO) è la disciplina interfunzionale che si occupa di strutturare i metadati del marchio, le basi tecniche e l’autorità esterna, affinché i modelli linguistici di grandi dimensioni (LLM) citino un’azienda durante le ricerche basate su prompt. A differenza della tradizionale ottimizzazione per i motori di ricerca, che punta ad attirare visite sul sito web, l’AEO garantisce l’inclusione tempestiva del marchio all’interno dei consigli generati dall’intelligenza artificiale. Durante la nostra recente tavola rotonda B2Breakfast a Copenaghen, alcuni dirigenti senior del marketing si sono riuniti davanti a un caffè per analizzare come l’intelligenza artificiale stia spostando il comportamento d’acquisto B2B al di fuori dei siti web. Insieme al mio collega Alexander Borgvall Björk, a Ben Fröhlich di Peec AI, a Henrik Fabrin di Dansk Industri e a Jennifer Montague di Cerivo, abbiamo discusso degli adeguamenti strategici necessari per rimanere visibili quando i funnel di ricerca non funzionano più. Ecco una sintesi editoriale dei temi principali e delle realtà pratiche discusse sul palco.  

La ricerca B2B si è spostata verso motori di ricerca a risposta chiusa

Quando il sessanta per cento degli acquirenti individuali utilizza strumenti come ChatGPT o Gemini durante la valutazione dei fornitori, al vostro pubblico di riferimento vengono fornite risposte sintetizzate molto prima ancora che raggiunga il vostro sito web. I risultati di ricerca tradizionali su Google registrano ormai tassi di “zero-click” che sfiorano il settanta per cento, mentre i tassi di clic diretti all’interno degli strumenti di IA si attestano intorno al cinque per cento. Una ricerca di G2 rivela che gli acquirenti di software che iniziano la loro ricerca iniziale all’interno degli strumenti di IA sono aumentati di oltre il settanta per cento in meno di un anno. Inoltre, un’analisi condotta sul nostro portafoglio clienti B2B mostra che i lead influenzati dai consigli dei modelli di linguaggio a grande scala (LLM) registrano tassi di conversione da quattro a sei volte superiori e generano transazioni di importo maggiore. Come ha sottolineato Alexander Borgvall Björk, l’ottantadue per cento degli acquirenti seleziona una soluzione dalla propria lista ristretta stilata fin dal primo giorno. Se un motore di IA omette il vostro marchio durante quel primo suggerimento, venite di fatto esclusi dall’intero processo di valutazione prima ancora che il vostro team di vendita si accorga dell’esistenza di un’opportunità.  

I dati proprietari e la gestione del sentiment determinano la visibilità dell'IA

I modelli linguistici di grandi dimensioni non valutano le pagine web in base alla densità delle parole chiave; analizzano invece il markup dello schema, ne valutano l’accessibilità e analizzano il sentiment esterno relativo al marchio su domini neutri come Reddit, Wikipedia e siti di recensioni di settore. I crawler web non Google incontrano difficoltà quando si imbattono in configurazioni JavaScript complesse, rendendo il rendering lato server e i dati strutturati essenziali per l’accessibilità dell’IA. Henrik Fabrin ha sottolineato che i motori generativi danno grande priorità alle fonti recenti e autorevoli: il settanta per cento dei contenuti citati è stato aggiornato negli ultimi dodici mesi. Questa realtà offre un punto di ingresso pratico per i marchi B2B di medie dimensioni che non dispongono di budget editoriali di livello enterprise. Anziché generare grandi quantità di articoli generici, la pubblicazione di un singolo lavoro di ricerca esclusivo e proprietario o di un sondaggio verificato tra i clienti fornisce una fonte di dati esclusiva che i modelli di IA citano naturalmente.  

Misurare l’influenza immediata è più importante che monitorare i clic diretti

I modelli di attribuzione tradizionali non tengono conto delle ricerche off-site che avvengono all’interno dei motori di risposta. Durante la nostra tavola rotonda, Jennifer Montague ha presentato lo “Share of Prompt” come una metrica di monitoraggio fondamentale, sostenendo la necessità di effettuare verifiche periodiche dei prompt standard del settore su ChatGPT, Gemini, Perplexity e Claude per monitorare l’inclusione del marchio nel tempo. I team di marketing devono passare dall’affidarsi esclusivamente all’attribuzione basata sulle fonti alla valutazione della pipeline influenzata, utilizzando l’attribuzione auto-dichiarata nei moduli di lead per portare alla luce il “dark research funnel”. Ben Fröhlich ha dimostrato come le affermazioni inesatte generate dall’IA – come nel caso di una piattaforma che segnala erroneamente che un prodotto è privo di integrazioni di sicurezza essenziali – possano essere corrette aggiornando i blog editoriali di terze parti e le pagine di recensioni che alimentano i modelli. Quando i potenziali acquirenti arrivano già informati grazie ai consigli dell’IA, la velocità di vendita migliora notevolmente poiché gli acquirenti passano dalla fase di lead a quella della pipeline molto più rapidamente.  

I contenuti autentici creati dall'uomo rappresentano la principale difesa contro il "rumore" generato dall'IA

Un ricorso eccessivo agli strumenti automatizzati ha inondato i canali digitali di materiale ripetitivo e di scarso valore. Jennifer Montague ha sostenuto che i contenuti generati in massa dall’IA creano un rumore di fondo eccessivo sul mercato, che i decisori di alto livello filtrano attivamente. L’antidoto consiste nel puntare con decisione sulle competenze umane attraverso podcast, eventi dal vivo, studi proprietari e interazioni autentiche con la comunità. Henrik Fabrin ha sconsigliato ai leader aziendali di trattare l’IA come un’iniziativa isolata, raccomandando invece ai team di applicare l’apprendimento automatico per risolvere problemi commerciali ben definiti. Per evitare distrazioni, Jennifer Montague ha raccomandato di implementare un programma pilota di tre mesi per qualsiasi nuova tecnologia di marketing, potenziando gli strumenti che producono risultati aziendali chiari e abbandonando quelli che generano solo ulteriori attriti.  

Misure concrete per la tua strategia di ricerca B2B

• Verifica mensilmente i prompt relativi alle tue categorie su ChatGPT, Gemini, Perplexity e Claude per monitorare la presenza del tuo marchio nell’elenco dei suggerimenti del primo giorno.  
• Implementa un markup strutturato e percorsi di scansione puliti, in modo che gli agenti IA non appartenenti a Google possano analizzare il tuo dominio senza ostacoli legati a JavaScript.  
• Monitorare le piattaforme di recensioni esterne e i siti editoriali, poiché i modelli di linguaggio di grandi dimensioni (LLM) si basano sul sentiment espresso da terze parti per elaborare sintesi comparative.  
• Introdurre l’attribuzione basata sulle dichiarazioni degli utenti nei moduli web per rilevare la pipeline influenzata dalla ricerca “zero-click” all’interno dei motori di intelligenza artificiale.  
• Introdurre un periodo di valutazione di tre mesi per tutti gli strumenti di IA attivi, al fine di valutare le loro prestazioni rispetto agli obiettivi commerciali.  

Se domani il tuo marchio scomparisse dai suggerimenti generati dall’intelligenza artificiale, il tuo pubblico di riferimento riuscirebbe mai a trovarti?

Per partecipare alle nostre prossime tavole rotonde sul marketing, consulta la nostra sezione dedicata agli eventi o iscriviti alla newsletter di Precis. Puoi anche leggere il nostro rapporto di sintesi sulle strategie relative all’intelligenza artificiale.