Essere citati dalle intelligenze artificiali non basta per mantenere la propria posizione nella selezione degli acquirenti. Secondo un consulente di GEO (ottimizzazione per i motori generativi), un’azienda con una presenza molto forte nelle risposte delle IA vedeva comunque ridursi il proprio pipeline di potenziali clienti. Lo studio che riporta affronta questa apparente contraddizione.
Il consulente ha costruito 38 query dettagliate, basate su criteri, che coprono diverse categorie di prodotti e segmenti di acquirenti. Queste query sono state valutate su cinque interfacce di IA, per un totale di 190 risposte. Riprendevano i criteri che un acquirente utilizza per restringere una lista di fornitori: adeguatezza ai flussi di lavoro, integrazioni, requisiti normativi, interoperabilità o analisi. Secondo l’autore, alcune query si sono rivelate ancora più lunghe dopo scambi con responsabili acquisti.
I risultati di visibilità erano elevati. L’azienda era menzionata nel 98,4% delle risposte valutate e figurava come raccomandazione principale o in una preselezione nel 93,2% dei casi. Tuttavia, quando queste stesse risposte sono state confrontate con i criteri decisionali, il 73,7% di esse conteneva prove deboli o assenti a sostegno di affermazioni importanti. Nel 15,8% dei casi, è stata rilevata una lacuna qualificata come « significativa » o « critica ».
Una visibilità che non basta a decidere
Per l’autore, esiste una differenza netta tra chiedere quali fornitori operano su un mercato e chiedere quali possono rispondere a una combinazione precisa di requisiti tecnici, operativi, normativi e commerciali. Un modello può conoscere un’azienda e inserirla in una preselezione senza disporre delle informazioni necessarie non appena l’acquirente interroga il funzionamento di un’integrazione o i limiti di un prodotto. Queste domande, secondo lui, non riguardano semplici parole chiave ma esigenze di prova.
Le cifre quindi non si contraddicono: misurano due fasi diverse del processo decisionale. La visibilità fa entrare l’azienda nella discussione, mentre la capacità di decidere determina se l’IA dispone di elementi sufficienti per mantenerla.
Prove piuttosto che capacità
Secondo lo studio, una debolezza nelle prove non significa necessariamente che l’azienda non possieda la capacità in questione. In molti casi, questa sembrava esistere, ma le informazioni disponibili non la spiegavano abbastanza per soddisfare il livello di fiducia dell’IA. Una promessa di processo end-to-end, ad esempio, non è supportata se il processo, le connessioni o i flussi di dati non sono descritti. L’informazione può anche essere frammentata, costringendo il modello a collegare diverse pagine prima di concludere.
L’autore precisa che la documentazione del prodotto di origine interna può costituire la migliore prova che una funzionalità esiste. Al contrario, le affermazioni di superiorità, efficacia, adozione o risultati misurabili guadagnano a essere corroborate da clienti, analisti o terze parti indipendenti. Aggiunge che la generalizzazione di contenuti simili, che chiama « parità di contenuto », può far entrare un’azienda nella categoria senza permetterle di resistere a una valutazione approfondita.
Infine, mette in guardia contro la tentazione di produrre contenuti « modellati per le prove »: pagine più lunghe, schemi superficiali, indagini poco solide o case study generati da IA. Lo scopo, secondo lui, è fornire informazioni reali che riducano l’incertezza dell’acquirente. Se un’informazione non aiuterebbe un cliente esperto a decidere meglio, non dovrebbe esistere solo per migliorare un punteggio GEO.
Misurare l’acquirente fino in fondo
Il consulente stima che misurare solo la prima risposta di un’IA non basti. Le query di tipo « domande frequenti » sono utili per stabilire una lista di opzioni, ma gli strumenti attuali non seguono la sequenza delle domande che un utente pone successivamente. Chiama « prompt math » questa combinazione multivariata che risulta da questi scambi successivi. Stima che la misura del GEO debba integrare sia la visibilità che la capacità decisionale.
