Egy új kutatás eredménye arra utal, hogy a B2B márkák AI-láthatóságában egyre nagyobb szerepet kapnak azok a munkatársak, akik saját szakértelmüket, tapasztalataikat és piaci megfigyeléseiket megosztják a felületen.

A Meltwater és a LinkedIn új kutatásukban 9,5 millió, B2B kategóriákból és jelentős AI-platformokról származó hivatkozást elemeztek, a LinkedIn ezek alapján az AI által készített válaszok egyik legfontos információforrása, azonban nem mindegy, milyen formában: a meglepetést a hivatkozások eredete okozta: 75 százalékuk ugyanis egyéni felhasználói profilokra, míg 25 százalékuk vállalati oldalakra vezethető vissza.

De miért bizonyulhatnak értékesebbnek az egyéni profilok? A kutatás szerint az AI-rendszerek alapvetően olyan információkat keresnek, amelyek szakértelmet, kontextust, hitelességet és konkrét válaszokat kínálnak. A LinkedIn erre természetes környezetet biztosít, hiszen valódi emberek osztanak meg szakmai tapasztalatokat, iparági elemzéseket, gyakorlati tanácsokat és első kézből származó megfigyeléseket. Egy vállalati oldal hivatalos márkaüzenete ehhez képest kevésbé részletes kontextust adhat. Egy tapasztalt vezető, kutató, termékfelelős, stratéga, tanácsadó vagy technikai szakember saját példái sokkal konkrétabb információt tartalmaznak amelyből az AI-alapú keresések során a nagy nyelvi modellek könnyebben építenek összefoglaló választ.

A marketing számára az adatok ismeretében új feladat következik: a kutatást készítő cégek szerint fel kell térképezni a vállalaton belüli szakértőket, majd támogatni kell őket abban, hogy tudásukat strukturált, nyilvánosan hozzáférhető tartalommá alakítsák át.

A forma is eldöntheti, hogy idéz-e az AI

A kutatás a leggyakrabban idézett LinkedIn-tartalmak közös jellemzőit is azonosította: a vizsgált, legjobban teljesítő cikkek mindegyike használt felsorolásokat vagy számozott listákat. 92 százalékuk világos struktúrával rendelkezett, 67 százalékuk pedig statisztikákat vagy konkrét adatokat is tartalmazott. Emellett kiváltképp jól teljesítettek a gyakorlati, döntéstámogató formátumok: a hogyan-kell útmutatók, a választást segítő keretrendszerek, az összehasonlítások, a rangsorok és a vásárlási döntéseket támogató magyarázatok. Volt olyan posztfajta, ami viszont nem hozott olyan jó számokat: a pusztán véleményalapú thought leadership önmagában kevésbé bizonyult hatékonynak.

Egy AI számára könnyen idézhető LinkedIn-cikk ezért érdemes, hogy tartalmazzon kérdésre épülő címet, pontos fejezetstruktúrát, felsorolásokat vagy ellenőrzőlistákat, konkrét vállalatokat és eszközöket, adatokat, példákat, eredeti megfigyeléseket, valamint gyakorlati ajánlást.

Az employee advocacy új szerepe

Mindez az alkalmazotti tartalmakról alkotott korábbi marketinglogikát is átírja. A munkatársak tömegesen megosztott, előre elkészített vállalati posztjai helyett nagyobb értéket képviselhet, ha a szakértők saját hangjukon készítenek eredeti tartalmakat, ezzel lényegében B2B influenszerré avanzsálva. A kommunikációs és social csapatok feladata így részben szerkesztői szereppé alakul: irányelveket, adatokat, szerkesztési segítséget és rendszeres támogatást adhatnak a vezetőknek és szakértőknek. Workshopokkal azt is megmutathatják, hogyan lehet a szakmai tapasztalatot hasznos LinkedIn-tartalommá formálni.

A LinkedIn és a Meltwater szerint a leghasznosabb témák között lehetnek gyakorlati útmutatók, iparági elemzések, adatokra épülő megfigyelések, összehasonlítások, eredeti kutatások értelmezései, valamint ügyfél- és piaci trendekből levont tanulságok.

A kutatásból kirajzolódó trendek egyértelműek: a vállalati oldal továbbra is fontos a márka láthatóságához, miközben az egyéni szakértői profilok egyre fontosabb szerepet tölthetnek be az AI-alapú keresésben, a márkáknak ezért érdemes azonosítaniuk saját szakértőiket, segíteniük őket a strukturált tartalomkészítésben, majd követniük, hogyan jelenik meg a vállalat, annak munkatársai és szakterületei az AI által generált válaszokban.

A teljes kutatás itt érhető el!

via SocialMediaToday