Die meisten Teams prüfen KI-Antworten, indem sie den eigenen Firmennamen eingeben. Über die Shortlist eines Einkäufers entscheidet aber, ob ein Assistent Sie nennt, ohne dass der Einkäufer Ihren Namen eingibt.
Stellen Sie zehn Fragen ohne Markennamen, wie sie ein Einkäufer stellen würde, bevor er einen Anbieter kennt. Stellen Sie sie in ChatGPT, Claude, Gemini und Perplexity, jeweils dreimal, und zählen Sie die Antworten, die Ihr Unternehmen nennen. Torke nennt diesen Anteil Machine Recall, die KI-Version der ungestützten Markenbekanntheit. Er zeigt, ob ein Einkäufer, der bei einem Assistenten beginnt, je Ihren Namen hört.
Fragen Sie die meisten Marketingteams, ob ChatGPT ihr Unternehmen empfiehlt: Sie tippen den Firmennamen ein, lesen eine vernünftige Beschreibung und schliessen daraus, dass es so ist. Diese Prüfung misst etwas Reales. Sie kann aber nicht zeigen, ob ein Assistent Sie einem Einkäufer gegenüber erwähnen würde, der noch nie von Ihnen gehört hat, und genau das entscheidet, ob Sie überhaupt auf eine Shortlist kommen. Wer fragt, welche Unternehmen Inspektionssysteme für Halbleiterfabriken herstellen, nennt Ihren Namen nicht in der Frage. Es zählt also, ob der Assistent ihn in der Antwort nennt.
Wir nennen das Machine Recall: den Anteil der Kategoriefragen ohne Markennamen, in denen ein KI-Assistent Ihr Unternehmen nennt, ohne dass Ihr Name in der Frage vorkommt. Es ist die maschinelle Version der ungestützten Markenbekanntheit. Dieses Umfragemass lässt Personen die Marken einer Kategorie nennen, die sie kennen, bevor ihnen eine Liste gezeigt wird. Das Gegenstück ist Answer Fidelity: Es prüft, was der Assistent sagt, wenn Ihr Name bereits in der Frage steht. Die beiden Kennzahlen betreffen verschiedene Probleme, denn ein Unternehmen kann auf Nachfrage perfekt beschrieben werden und trotzdem nie erwähnt werden, wenn niemand nach ihm fragt.
Ein Assistent nennt ein Unternehmen in einer Antwort ohne Markennamen, wenn seine Trainingsdaten oder die Seiten, die er im Moment der Frage abruft, dieses Unternehmen mit dem Problem verbinden, und zwar in den Worten, die der Einkäufer verwendet hat. Diese Verbindung entsteht aus Vergleichsartikeln, Verzeichnissen, Konferenzprogrammen, Fachpresse und Ihren eigenen Seiten, sofern diese klar sagen, was Sie tun und für wen. Beschreiben diese Quellen Sie in Produktsprache, während der Einkäufer in Problemsprache fragt, ist die Verbindung schwach. Der Assistent greift dann zu den Anbietern, deren Namen am häufigsten neben den Worten des Einkäufers stehen. In einer kleinen Kategorie sind das oft zwei oder drei Unternehmen.
Die Prüfung passt in einen Nachmittag. Schreiben Sie zehn Fragen, die ein Mitglied Ihres Buying Centers stellen würde, bevor es einen Anbieter kennt, in seinen Worten statt in Ihren. Etwa: Welche Lieferanten können eine bestehende Linie um eine optische Inspektion ergänzen? Oder: Worauf sollte man bei einem System zur Umfelderkennung für Gabelstapler achten? Stellen Sie jede Frage in ChatGPT, Claude, Gemini und Perplexity, abgemeldet oder mit einem neuen Konto, damit frühere Gespräche die Antwort nicht beeinflussen. Stellen Sie jede Frage dreimal, weil die Antworten zwischen Durchläufen variieren. Notieren Sie jedes Unternehmen, das in einer Antwort genannt wird, und teilen Sie dann die Antworten, die Sie nennen, durch das Total.
Nehmen Sie zehn Fragen, vier Assistenten und je drei Durchläufe: Das ergibt 120 Antworten. Erscheint Ihr Unternehmen in 18 davon, beträgt Ihr Machine Recall 15% für dieses Fragenset an diesem Datum. Die Zahl allein sagt wenig. Halten Sie deshalb daneben fest, welche Mitbewerber wie oft erschienen sind. Ein Mitbewerber, der in 70 der 120 Antworten genannt wird, zeigt Ihnen, wie die Assistenten die Kategorie derzeit beschreiben und in welchen Quellen Sie erscheinen müssen, um das zu ändern.
Die Prüfung hat Grenzen, die man nennen sollte. Antworten ändern sich, wenn Modelle aktualisiert werden und wenn sich die Seiten ändern, die sie abrufen. Ein Nachmittag liefert Ihnen also einen Messwert für dieses Datum und nicht mehr. Die wiederholbare Version mit einem Fragenset, das von Monat zu Monat gleich bleibt, beschreiben wir als AI Retrievability. Zehn Fragen sind zudem eine kleine Stichprobe: Ein Unterschied von zwei oder drei Antworten zwischen zwei Prüfungen ist Rauschen. Und in einer Kategorie, die noch keinen etablierten Namen hat, bedeutet ein tiefer Wert oft, dass die Worte der Einkäufer bisher mit niemandem verbunden sind. Das Vokabular steht dann dem offen, der es zuerst liefert.
Für Marketingverantwortliche verändert Machine Recall, was in den Content-Plan kommt. Nennen die Assistenten Mitbewerber und nie Sie, schliesst eine weitere Produktseite auf Ihrer eigenen Website die Lücke selten, weil die Assistenten die Problemsprache des Einkäufers mit vielen Quellen gleichzeitig abgleichen. Die Arbeit besteht darin, in den Worten des Einkäufers zu beschreiben, was Sie tun, und zwar auf den Seiten, die er und die Assistenten lesen. Dazu kommt, in den Quellen Dritter genannt zu werden, die die Assistenten für Ihre Kategorie bereits zitieren. Das ist die Arbeit des Bereichs Visibility in Torke Service.
Recall in KI-Antworten funktioniert so, wie Recall in den Köpfen von Menschen immer funktioniert hat: Das Unternehmen, das einem zuerst einfällt, erhält den ersten Anruf. Dieselbe Prüfung funktioniert in jeder Kategorie, in der Einkäufer fragen, bevor sie suchen. Schreiben Sie diese Woche Ihre zehn Fragen in den Worten, die Ihre letzten drei Neukunden in ihrer ersten E-Mail verwendet haben. Stellen Sie sie in vier Assistenten und zählen Sie, wie oft Sie erscheinen, ohne dass Ihr Name in der Frage stand. Diese Zahl sagt Ihnen, ob ein Einkäufer, der bei einem Assistenten beginnt, je von Ihnen hören wird.
Jede Antwort steht für sich. Sie können sie also an eine Kollegin oder einen Kollegen weiterleiten, und ein Assistent, dem dieselbe Frage gestellt wird, kann sie unverändert zitieren.
Meist, weil die Quellen, auf die sich der Assistent stützt, Ihre Mitbewerber in den Worten des Einkäufers mit seinem Problem verbinden, etwa über Vergleichsartikel, Verzeichnisse und Fachpresse. Ihre Seiten dagegen beschreiben Sie in einer Produktsprache, die der Einkäufer nicht verwendet.
Verwenden Sie eine abgemeldete Sitzung oder ein neues Konto. Gedächtnis und frühere Gespräche können einen Assistenten zu Unternehmen lenken, über die Sie früher gesprochen haben. Die Prüfung würde dann Ihre eigene Historie messen und nicht das, was ein neuer Einkäufer sieht.
Zehn Fragen, dreimal in vier Assistenten gestellt, ergeben 120 Antworten, genug, um zu sehen, welche Unternehmen eine Kategorie dominieren. Ein Unterschied von wenigen Antworten zwischen zwei Prüfungen ist zu klein, um ihn als Veränderung zu lesen.
Schildern Sie uns, was Ihr Team verkauft, wer es kauft und wo Deals stocken. Sie erhalten eine schriftliche Antwort, welche Art der Zusammenarbeit zu Ihnen passt oder ob eine Diagnose sinnvoll ist. Passt beides nicht, nennen wir Ihnen den Grund.