Forskning visar hur man optimerar för Google AIO och ChatGPT
Data visar skillnader i varumärkescitering mellan AIO och ChatGPT, och föreslår hur man kan öka synligheten i båda.
Ny forskning visar att Google AI Overviews, AI Mode och ChatGPT rekommenderar olika varumärken nästan 62 % av tiden. Man drar slutsatsen att varje AI-sökplattform tolkar data på olika sätt, vilket tyder på olika sätt att tänka kring varje AI-plattform.
Metodik och resultat
Analysen genomfördes med AI Catalyst-verktyg, med tiotusentals av samma sökfrågor på ChatGPT, Google AI Overviews (AIO) och Google AI Mode. Undersökningen dokumenterade en total andel oenigheter på 61,9 %, där endast 33,5 % av sökfrågorna visade exakt samma varumärken på alla tre AI-plattformar.
Google AI Overviews hade i genomsnitt 6,02 varumärkesomnämnanden per sökfråga, jämfört med ChatGPT:s 2,37. Sökfrågor med kommersiell avsikt som innehöll fraser som ”köp”, ”var” eller ”erbjudanden” genererade varumärkesomnämnanden 65 % av tiden på alla plattformar, vilket tyder på att den här typen av sökordsfraser med hög avsikt fortsätter att vara tillförlitliga för e-handel, precis som i traditionella sökmotorer. Förståeligt nog uppnådde e-handels- och finansvertikaler 40 % eller mer täckning av varumärkesomnämnanden på alla tre AI-plattformar.
Tre plattformar skiljer sig åt
Inte alla var överensstämmande mellan de tre AI-plattformarna i studien. Många identiska frågor ledde till väldigt olika varumärkesrekommendationer beroende på AI-plattformen.
Forskningen delar med sig av följande:
- ChatGPT citerar betrodda varumärken även när det inte bygger på sökdata, vilket indikerar att det förlitar sig på LLM-träningsdata.
- Google AI Overviews citerar varumärken 2,5 gånger mer än ChatGPT.
- Google AI Mode citerar varumärken mer sällan än både ChatGPT och AIO.
Forskningen indikerar att ChatGPT gynnar betrodda varumärken, Google AIO betonar bredd i täckningen med fler varumärkesomnämnanden per fråga, och Google AI Mode rekommenderar selektivt varumärken.
Nästa steg är att reda ut varför dessa mönster existerar.
Skillnader finns
Forskningen hävdar att denna uppdelning mellan de tre plattformarna inte är slumpmässig. Jag håller med om att det finns skillnader, men jag håller inte med om att ”auktoritet” har något med det att göra och erbjuder en alternativ förklaring senare.
Detta är slutsatserna man drar från data:
- ”Varumärkesauktoritetsstrategin:
ChatGPT:s beroende av träningsdata innebär att etablerade varumärken med stark historisk närvaro kan fånga omnämnanden utan att behöva nya citat. Detta skapar en ”auktoritetsutdelning” som många varumärken inte inser att de redan tjänar – eller skulle kunna tjäna med rätt positionering.- Volymmöjligheten:
Google AI Overviews hunger efter varumärkesomnämnanden innebär att det finns 6+ tillgängliga platser per relevant fråga, med tydliga citeringsvägar som visar exakt hur man får synlighet. Medan konkurrenter fokuserar på traditionell SEO, bakåtkonstruerar innovativa varumärken dessa citeringsnätverk.- Kvalitetströskeln:
Google AI Modes selektivitet innebär att färre varumärken klarar sig, men de som gör det gynnas av starkt citeringsstöd som förstärker deras auktoritet över hela webben.”
Inte auktoritet – det handlar om träningsdata
Man hänvisar till ”auktoritetssignaler” inom ChatGPT:s underliggande LLM. Min åsikt skiljer sig åt när det gäller en LLM:s genererade utdata, inte hämtningsförstärkta svar som drar in livecitat. Jag tror inte att det finns några signaler i betydelsen rankingrelaterade signaler. Enligt min mening sträcker sig LLM:en helt enkelt efter den enhet (varumärke) som är relaterad till ett ämne.
Det som ser ut som ”auktoritet” för någon med sina SEO-glasögon på handlar mer sannolikt om frekvens, framträdande plats och kontextuell inbäddningsstyrka.
- Frekvens:
Hur ofta varumärket förekommer i träningsdata. - Framträdande plats:
Hur centralt varumärket är i dessa sammanhang (rubrik kontra fotnot). - Kontextuell inbäddningsstyrka:
Hur tätt varumärket är associerat med vissa ämnen baserat på modellens träningsdata.
Om ett varumärke förekommer i stor utsträckning i lämpliga sammanhang inom träningsdata, är det enligt min mening mer sannolikt att det genereras som ett varumärkesomnämnande av LLM:en, eftersom detta återspeglar mönster i träningsdata och inte auktoritet.
Med det sagt håller jag med forskningen om att det är viktigt att vara auktoritativ, och att kvalitet inte bör minimeras.
Mönster framträder
Forskningsdata tyder på att det finns unika mönster över alla tre plattformar som kan fungera som varumärkesciteringsutlösare. Ett mönster som alla tre delar är att sökordsfraser med hög kommersiell avsikt genererar varumärkesomnämnanden i nästan två tredjedelar av fallen. Branscher som e-handel och finans uppnår högre varumärkestäckning, vilket enligt min mening återspeglar alla tre plattformarnas förmåga att korrekt förstå de starka kommersiella avsikterna för sökord som är inneboende i dessa två vertikaler.
Lite solsken i en delvis molnig publiceringsmiljö är upptäckten att jämförelsefrågor för ”bästa” produkter genererar 43 % varumärkesciteringar över alla tre AI-plattformar, vilket återigen återspeglar dessa plattformars förmåga att förstå användarnas frågekontext.
Citation Network Effect
Forskningen visar en intressant insikt om att skapa närvaro på alla tre plattformar som de kallar en citeringsnätverkseffekt. Man hävdar att citeringar på en plattform kan påverka synligheten på de andra.
Man delar:
”En välskriven text… kan:
Få auktoritetsomnämnanden på ChatGPT genom varumärkesigenkänningGenerera 6+ konkurrenskraftiga omnämnanden på Google AI Overview genom omfattande bevakning
Säkra selektiv, kraftigt citerad placering på Google AI Mode genom tredjepartsvalidering
Citeringsnätverkseffekten innebär att omnämnanden på en plattform ofta skapar den validering som behövs för en annan.”
Optimering för traditionell sökning kvarstår
Ändå håller jag med forskningen om att det finns en strategisk möjlighet i att skapa innehåll som fungerar i alla tre miljöer, och jag vill tydligt betona att SEO, som optimerar för traditionell sökning, är den grundpelare som hela strategin bygger på.
Traditionell SEO är fortfarande sättet att bygga synlighet i AI-sökning. Forskningens data indikerar att detta är direkt effektivt för AIO och har en mer indirekt effekt för AI-läge och ChatGPT.
ChatGPT kan citera varumärken direkt från träningsdata och från livedata. Den citerar också varumärken direkt från LLM, vilket tyder på att det kan vara bra att generera stark varumärkessynlighet kopplad till specifika produkter och tjänster, eftersom det är det som så småningom hamnar i AI-träningsdatan.
Forskningens slutsats om data lutar sig starkt mot idén att AI skapar möjligheter för företag som bygger varumärkeskännedom inom de ämnen de vill synas i.
Man delar:
”Vi bevittnar framväxten av AI-baserad varumärkesupptäckt. Med denna grundläggande förändring bestäms varumärkessynlighet inte av sökrankningar utan av AI-rekommendationsalgoritmer med distinkta personligheter och preferenser.
De varumärken som vinner denna övergång är inte nödvändigtvis de med de största SEO-budgetarna eller mest innehåll. Det är de som inser att AI-oenighet skapar fler vägar till synlighet, inte färre.
I takt med att AI blir den primära upptäcktsmekanismen inom olika branscher är det inte valfritt att förstå dessa plattformsspecifika utlösare – det är skillnaden mellan att fånga omfattande varumärkessynlighet och att se konkurrenter göra anspråk på de möjligheter du inte visste fanns.
Oenighetsklyftan på 62 % bryter inte ner systemet. Den skapar ett – och smarta varumärken lär sig redan att använda det.”
Behöver du professionell hjälp med digital marknadsföring?
Kontakta oss!
