Это третья статья из серии из трех частей о том, как бренды могут измерить эффективность и рентабельность инвестиций в мониторинг с помощью ИИ.
- Часть 1: Прямая окупаемость инвестиций
- Часть 2: Поиск Halo
- Часть 3: Ореол субъединиц
Один из застройщиков, с которым мы сотрудничали, обладал сильным материнским брендом.
Оно регулярно появлялось в ответах ИИ. Брендовый поиск демонстрировал хорошие результаты. На первый взгляд, видимость, обеспечиваемая ИИ, выглядела эффективной.
Но когда мы изучили их индивидуальные проекты в сфере недвижимости, обнаружилось нечто более показательное.
Некоторые проекты рекомендовались по названию. Искусственный интеллект показывал их конкретно, с учетом их местоположения, характеристик и позиционирования.
Другие же не были таковыми. На них ссылались лишь как на «проект от [бренда]». Никакого названия проекта. Никакого независимого признания. Просто материнский бренд использовал их в качестве источника ответа.
Этот разрыв имел значение, но не только потому, что один тип покупателей ближе к совершению покупки, чем другой.
Более глубокая проблема заключается в следующем: Если ИИ знает только бренд, но не конкретный проект, он не сможет сопоставить этот проект с конкретным запросом пользователя..
Когда пользователь задает вопрос:
«Какой кондоминиум находится поблизости [Локация] имеет [конкретные характеристики/требования]? »
Для ответа на этот вопрос искусственному интеллекту необходимо знать местоположение, характеристики и позиционирование проекта. Если он знает только о существовании головного бренда, проект не будет рекомендован.
Не потому, что это не подходит. А потому, что у ИИ недостаточно информации, чтобы знать, подходит ли это.
Проект теряет не просто возможность привлечения клиента. Его полностью исключают из обсуждения именно в тот момент, когда квалифицированный покупатель задает именно тот самый вопрос.
Данные показывали нам не только эффективность ИИ, но и то, какие проекты накопили достаточно независимых сигналов, чтобы существовать самостоятельно… а какие — нет.
Это вопрос архитектуры бренда. И данные о видимости дочерних предприятий, полученные с помощью ИИ, дали на него ответ.
Вот тут-то и пригодится Sub-Entity Halo.
Почему измерения на уровне бренда недостаточны
Измерение показателей на уровне бренда полезно. Но оно может скрывать именно такие пробелы.
Компания может владеть несколькими суббрендами продуктов (iPhone, Xbox) или услуг (AWS, YouTube, Apple Music). Даже если основной бренд постоянно фигурирует в ответах ИИ, это не говорит о том, какие конкретные предложения ИИ понимает достаточно хорошо, чтобы рекомендовать, а какие он не может сопоставить с фактическим запросом пользователя.
Пользователи зачастую задают гораздо более конкретные вопросы, чем это учитывается при оценке на уровне бренда. Они не всегда спрашивают ИИ о бренде. Они спрашивают о:
- продукт со специфическими характеристиками
- услуга, подходящая для конкретных сценариев использования
Если у ИИ недостаточно информации о конкретном продукте или услуге, он не сможет отобразить ни бренд, ни его продукт/услугу в соответствующих запросах, даже если головной бренд хорошо известен. Подразделение остается невидимым именно в тот момент, когда оно наиболее актуально.
И эта невидимость не проявляется на уровне головного бренда. В целом, бренд может выглядеть стабильным в ответах ИИ, в то время как отдельные предложения систематически исключаются из запросов, наиболее важных для бизнеса.
Вот почему брендам необходим третий уровень измерения.
Что означает «гало субъединицы» простыми словами?
Sub-Entity Halo отвечает на два взаимосвязанных вопроса:
- Выявляет ли ИИ наши конкретные продукты или услуги в тех поисковых запросах, где они наиболее релевантны?
- А когда ИИ выявляет такие предложения, приводит ли это к изменению поисковых запросов и конверсиям именно по этому товару?
Это явление называется ореолом, потому что, как и в случае с поисковым ореолом, ИИ не всегда контролирует конечный клик. Он формирует осведомленность и влияет на принятие решения на более ранних этапах. Это влияние впоследствии проявляется в поисковом поведении, специфичном для конкретного продукта, и в конверсиях на страницах товаров.
Путешествие выглядит следующим образом:
- Пользователь запрашивает у ИИ наилучший вариант в конкретной категории или для конкретного сценария использования.
- Искусственный интеллект обладает достаточной конкретной информацией о вашем продукте/услуге, чтобы сопоставить его с запросом и рекомендовать по названию.
- Пользователь покидает интерфейс ИИ.
- Пользователь ищет конкретное название товара или услуги.
- Пользователь попадает на страницу соответствующего товара или услуги.
- Пользователь совершает конверсию.
Если второй этап не удается — если у ИИ недостаточно информации для сопоставления продукта с запросом — остальная часть процесса никогда не происходит. Вместо него эту нишу занимает конкурент.
Это слой Sub-Entity Halo. Измерительный слой, который делает это видимым.
Эффект ореола субъединиц на практике
Концепция становится понятнее на примере реальных брендов. Вот два примера, один для физического продукта, другой для услуги, которые показывают, как проявляется эффект «ореола субъединицы» в зависимости от того, что вы продаете.
ВниманиеЭто не реальные результаты, а лишь пример, иллюстрирующий концепцию.
Пример 1: Nike (физический товар)
Родительский бренд: Nike
Подсубъединица (наименованный продукт): Найк Эйр Макс 270
Nike — один из самых узнаваемых брендов в мире. Но когда пользователь обращается к ИИ с конкретным вопросом, одной лишь узнаваемости бренда может быть недостаточно для рекомендации товара.
Запрос пользователя: «Какие кроссовки подойдут на каждый день с максимальной амортизацией для длительных прогулок?
Чтобы ответить на этот вопрос, ИИ необходимо знать, что Air Max 270 оснащены самой большой воздушной подушкой в пятке от Nike, что они разработаны для комфорта в течение всего дня и что они находятся в определенном ценовом диапазоне. Им нужно знать именно этот поддиапазон цен, а не просто название бренда.
Когда сигнал от дочерней организации сильныйИскусственный интеллект рекомендует кроссовки Air Max 270 по названию, описывает технологию амортизации и подбирает их в соответствии с потребностями пользователя. Затем пользователь выполняет поиск по запросу «Nike Air Max 270и сразу переходит на страницу товара.
Когда сигнал от дочернего объекта слабыйИскусственный интеллект знает только, что Nike производит кроссовки. Он упоминает Nike в общем виде, но не может сопоставить конкретную модель с запросом. Вместо этого ИИ может предложить продукт конкурента, для которого доступна более четкая информация о характеристиках.
Страница Air Max 270 может привлекать значительный прямой и платный трафик. Однако Sub-Entity Halo появляется только тогда, когда ИИ может его точно определить, а для этого ИИ должен достаточно хорошо его знать, чтобы подобрать подходящий вариант.
Что это значит для NikeЕсли данные об использовании ИИ показывают, что Air Max 270 не упоминаются в запросах, связанных с амортизацией или комфортом, это проблема качества сигнала, а не проблема продукта. Решение заключается в создании более качественного и специфичного контента об этом продукте, чтобы ИИ мог точно представлять его в тех обсуждениях, где он должен лидировать.
Пример 2: HubSpot (Сервис/Решение)
Родительский бренд: HubSpot
Вспомогательная сущность (именованное решение): HubSpot Marketing Hub
HubSpot широко известен как CRM-платформа и платформа для маркетинга. Однако платформа состоит из отдельных хабов, каждый из которых ориентирован на определенную команду, проблему и покупателя. Пользователь, оценивающий решения, редко спрашивает именно о бренде HubSpot. Он спрашивает о конкретном решении для конкретной проблемы.
Запрос пользователя: «Какой инструмент лучше всего подходит для управления email-кампаниями, целевыми страницами и взращиванием лидов в одном месте для компании среднего размера, работающей в сегменте B2B?
Чтобы ответить на этот вопрос, ИИ необходимо знать, что Marketing Hub охватывает email-маркетинг, создание целевых страниц, рабочие процессы взращивания лидов и маркетинговую аналитику. ИИ также должен понимать, что он создан специально для команд, которые хотят интегрировать эти возможности в CRM-систему. Ему нужно знать Marketing Hub, а не просто HubSpot.
Когда сигнал от дочерней организации сильныйИскусственный интеллект рекомендует HubSpot Marketing Hub по названию, объясняет, что он включает в себя, и подбирает его в соответствии с контекстом B2B-бизнеса для средних компаний пользователя. Пользователь вводит в поиск «HubSpot Marketing Hub» и попадает на страницу с описанием решения.
Когда сигнал от дочернего объекта слабыйИскусственный интеллект знает, что HubSpot — это маркетинговая платформа, но не может достаточно подробно описать конкретные возможности Marketing Hub, чтобы сопоставить их с запросом. Он упоминает HubSpot в общем виде или рекомендует конкурента, страница решения которого лучше представлена в знаниях ИИ.
Общий имидж бренда HubSpot силен. Но если Marketing Hub недостаточно представлен как самостоятельное подразделение со своим четким позиционированием, подробным описанием функций и охватом сценариев использования, его могут обойти стороной именно те запросы, для которых он и был создан.
Что это значит для HubSpotКаждый центр должен рассматриваться как отдельная задача обеспечения видимости ИИ. Центры маркетинга, продаж и обслуживания имеют разных покупателей, разные запросы и разные сигналы, необходимые ИИ для выработки точных рекомендаций. Сильный материнский бренд не гарантирует автоматической видимости дочерних компаний. Каждая из них должна заслужить свое место в ответах ИИ.
А что, если одного бренда недостаточно, чтобы вступить в разговор?
Приведенные выше примеры показывают, что происходит, когда ИИ знает бренд, но недостаточно хорошо разбирается в его дочерних предприятиях, чтобы подобрать подходящий вариант. Бренд все равно может быть рекомендован, хотя и в более широком/общем смысле.
Но существует и более масштабная, незаметная версия этой проблемы.
Иногда запрос пользователя слишком специфичен для головного бренда, чтобы на него ответить, но один из его дочерних подразделений как раз подходит. Однако, поскольку ИИ недостаточно хорошо знает это дочернее подразделение, у него нет ничего достаточно конкретного, чтобы предложить решение.
Таким образом, ни сам бренд, ни его дочерняя компания вообще не участвуют в обсуждении. Именно здесь опора исключительно на узнаваемость материнского бренда становится стратегическим «слепым пятном».
Отслеживание дочерних компаний позволяет выявлять их. Оно точно показывает, какие дочерние компании теряют запросы, которые должны были бы приносить прибыль, и где целенаправленные инвестиции действительно могли бы изменить ситуацию.
ВниманиеЭто не настоящее выступление, а лишь пример для иллюстрации концепции.
Пример: отели Moxy Hotels by Marriott (физический/локационный продукт)
Родительский бренд: Марриотт
Подсубъединица (наименованный продукт)Отели Мокси
Marriott — одна из крупнейших в мире гостиничных групп, владеющая широким спектром отелей класса люкс, деловых и комфортабельных номеров. Пользователь, задающий общий вопрос об отеле, вполне может получить в ответ Marriott.
Но не каждый запрос носит общий характер.
Запрос пользователя: «Какие есть интересные и недорогие отели для одиночной поездки в Амстердам в возрасте 20 с небольшим лет?
Данный запрос предъявляет определенные требования: доступные цены, дружелюбная атмосфера, современный дизайн и целевая аудитория — молодые независимые путешественники.
Бренд Marriott слишком широк, чтобы дать однозначный ответ. Искусственный интеллект не знает, подходит ли какой-либо конкретный объект Marriott под эти критерии, поэтому он выдает бренды и объекты, которые, как он знает, четко соответствуют этим критериям.
Что происходит без знания о подсистеме: Ни Marriott, ни какие-либо из её объектов не упоминаются. Искусственный интеллект выявляет хостелы, бюджетные бутик-отели или бренды, ориентированные на определённый образ жизни, чья позиция явно соответствует запросу. Возможность полностью исчезает.
Что должно произойти: Сеть отелей Moxy Hotels — это ответ Marriott именно на этот запрос. Созданная специально как доступный, дизайнерский, ориентированный на молодых путешественников бренд отелей, он имеет отели по всей Европе, включая Амстердам. Он точно соответствует требованиям пользователей.
Но если ИИ не знает, что Moxy Hotels — это отдельная дочерняя компания со своим позиционированием, ценовым диапазоном, целевой аудиторией и подробными характеристиками на уровне отдельных объектов, то у него нет возможности определить, подходит ли ему дочерняя компания Marriott. Один только бренд не может дать этот ответ.
Что показывает отслеживание дочерних предприятий: Запросы о доступных отелях для комфортного отдыха, социальном жилье и бюджетных путешествиях в городах, где есть отели Moxy, представляют собой категорию упущенных возможностей. Отслеживание Moxy как дочерней компании делает эти упущения видимыми — и показывает, где инвестиции в контент и PR действительно могли бы изменить ситуацию, вместо того чтобы вкладывать средства в более широкое присутствие бренда Marriott, которое никогда не смогло бы привлечь эти запросы.
Почему эффект «ореола субъединицы» важен для брендов
Это особенно важно для брендов, обладающих следующими характеристиками:
- названные продуктовые линейки или предложения услуг
- целевые страницы по категориям
- специализированные решения для различных целевых аудиторий или сценариев использования
Обратите внимание на часть «названный». Потому что без названия это не тот объект, который пользователь сможет легко найти или с которым ИИ сможет легко установить связь.
А если оценивать влияние ИИ только на уровне головного бренда, то есть существует риск упустить из виду, где создается ценность, а где она теряется.
Бренд может демонстрировать стабильную общую производительность ИИ, в то время как один конкретный продукт незаметно исключается из всех релевантных запросов. Или же высокорентабельный продукт постоянно рекомендуется, и никто в команде об этом не знает, потому что они анализируют только сигналы бренда на верхнем уровне.
Искусственный интеллект не обеспечивает равномерного распределения ценности по всему портфелю. Он может отдавать предпочтение:
- один продукт лучше другого
- одна линия обслуживания поверх другой
- один суббренд по сравнению с остальными
Разница часто сводится к тому, сколько конкретной, структурированной информации ИИ располагает о каждом подразделении. Те, у кого более сильные сигналы, получают больше запросов. Те, у кого их нет, остаются невидимыми независимо от того, насколько известен головной бренд.
Как бренды могут измерять эффект «ореола субъединиц» на практике
Логика аналогична модели Search Halo, но применяется на уровне продукта или услуги. Модель работает в три этапа.
Шаг 1: Изолируйте подобъект.
Определите продукт, услугу или бизнес-направление, которое вы хотите измерить. Вам потребуется четкое название и специальная целевая страница.
Чем точнее это определение, тем лучше измерение.
Шаг 2: Измерьте поисковый запрос для данного подразделения.
В Google Search Console просмотрите поисковый трафик, непосредственно связанный с этим продуктом или предложением, используя как целевую страницу, на которую перешли пользователи, так и название продукта или услуги в поисковом запросе.
Это позволяет выделить посещения, где поисковый запрос действительно был связан с конкретным предложением, а не просто с любым посещением страницы.
Шаг 3: Оценка влияния на конверсию
В GA4 измерьте органические конверсии на конкретной целевой странице. Затем примените коэффициент соотношения продукта и намерения пользователя из шага 2, чтобы оценить, сколько из этих конверсий было вызвано реальными поисковыми запросами, связанными с конкретным продуктом.
«Гало субъединицы» = доля органического трафика, соответствующая намерениям пользователя относительно продукта, × количество органических конверсий на странице этого продукта.
Таким образом, если 30% органических переходов на страницу товара приходится на поисковые запросы, явно относящиеся к этому товару, и страница генерирует 50 органических конверсий, то предполагаемый эффект от конверсий составляет 15.
Суть не в том, что каждая из этих 15 конверсий однозначно произошла благодаря ИИ. Суть в том, что если видимость ИИ для конкретного продукта возрастает, и количество поисковых запросов по намерениям использования продукта и конверсий на страницах продуктов увеличивается вместе с этим, у вас появляется практический способ оценить его влияние на последующие процессы и отслеживать его во времени.
На что следует обращать внимание брендам
- Основной вход: Информирование об использовании ИИ для конкретного продукта или услуги по названию.
- Покрытие запроса: Отображение в запросах, специфичных для конкретных функций и местоположения.
- Сигнал спроса: Поиск лифта по названию конкретного продукта или услуги.
- Сигнал светофораОрганический трафик на соответствующую целевую страницу
- Сигнал намеренияДоля органического трафика на эту страницу, соответствующая намерениям пользователя относительно продукта.
- РезультатОценка конверсии ореола на уровне продукта с течением времени.
Наиболее важен первый сигнал: появляется ли данный подобъект в конкретных запросах на уровне характеристик и местоположения, где он наиболее актуален?
Если это не так, то показатели, отражающие это отсутствие, будут учитываться независимо от того, насколько силен сигнал от основного бренда.
Когда все сигналы синхронизируются (растет видимость ИИ, увеличивается количество поисковых запросов по продукту, за этим следуют конверсии на страницах продуктов), вы видите, где ИИ создает ценность на уровне предложения, а не только на уровне головного бренда.
Более глубокие последствия эффекта ореола субъединиц
Модель «гало субъединиц» — это не просто модель измерения. Она носит диагностический характер.
Когда застройщик увидел, какие проекты получили названия от ИИ, а какие нет, он получил ответ на более сложный вопрос:
Какие из наших проектов накопили достаточно независимых сигналов, чтобы существовать самостоятельно? А какие полностью зависят от головного бренда, который должен использовать их для получения ответов от ИИ?
Это различие имеет прямые коммерческие последствия. Проект, который ИИ не может описать достаточно подробно (его местоположение, характеристики, возможности подключения, позиционирование), будет исключен из каждого запроса, где эти детали соответствуют тому, что ищет покупатель. Он не будет отображаться, потому что сам бренд недостаточно релевантен, чтобы его рассматривать.
Понимание этого изменило направление инвестиций разработчика. Больше контента и PR-кампаний было направлено на поддержку более слабых брендов проектов, не на основе инстинкта, а на основе данных об уровне видимости, полученных с помощью ИИ, которые показывали, какие дочерние компании имели возможность конкурировать самостоятельно, а какие — нет.
Именно это и обеспечивает Sub-Entity Halo. Не просто атрибуция. Стратегическая приоритизация, основанная на том, как ИИ фактически обнаруживает и рекомендует конкретные предложения.
Как подразделение Halo завершает серию исследований по измерению видимости ИИ
Часть 1 (Прямая окупаемость инвестиций) ответил: Привел ли искусственный интеллект к прямым конверсиям, которые можно было бы отнести к результатам?
Часть 2 (Поиск Halo) ответил: Привело ли использование ИИ к увеличению спроса на брендовую продукцию, что впоследствии отразилось на поисковом и косвенном трафике?
Ответы на часть 3 (Гало субъединиц): Выявляет ли ИИ конкретные подобъекты (названные продукты и услуги) в запросах там, где они наиболее релевантны, и приводит ли это к измеримому спросу и конверсиям именно для этих предложений?
Вместе эти три уровня создают полную картину рентабельности инвестиций в ИИ: прямое влияние на конверсию, косвенное влияние на имидж бренда и косвенное влияние на имидж продукта.
Это значительно более совершенная модель, чем полагаться исключительно на трафик по последнему клику.
Заключительная мысль
В эпоху поиска с использованием искусственного интеллекта атрибуция уже не ограничивается лишь указанием источника клика.
Речь идёт о понимании того, откуда возник спрос, обладал ли ИИ достаточной конкретной информацией, чтобы сопоставить ваши предложения с правильными запросами, и какие части бизнеса действительно изучаются, а какие незаметно исключаются.
Функция Sub-Entity Halo важна, потому что она обеспечивает брендам необходимую точность. Она переводит разговор с «Помогает ли нам искусственный интеллект?"К"В чём именно ИИ помогает нам продавать, и что он недостаточно хорошо знает, чтобы рекомендовать?
Именно здесь измерения приобретают подлинно стратегический характер.
Автор: Эйприл Чонг
Директор по продуктам, соучредитель Zicy.com
Руководитель отдела AEO/GEO, Growth.pro
