Brukere snakker i hele setninger, legger til begrensninger og behandler systemet som en ansatt.
Den gamle søkemodellen lærte folk å være kortfattet. Skriv "Løpesko" og klikk rundt til noe ser riktig ut. AI-søk snur denne atferden. Brukere snakker i hele setninger, legger til begrensninger og behandler systemet som en ansatt.
Tonen i promptene i materialet er rett på sak om hva folk ønsker. Personer gir AI-en sine krav og prioriteringer, og lar den gjøre "alt det nødvendige" for å komme med anbefalinger. Det er ikke surfing, det er delegering.
Dette er der "søk" begynner å se mindre ut som informasjonsinnhenting og mer som outsourcet dømmekraft. Folk spør hva de skal kjøpe, når de skal kjøpe, og hvordan de skal forsvare valget. De vil ha en liste pluss begrunnelsen, i samme pust.
Hvordan folk ber om kjøpsråd
En gruppe forskere bygde en database med spørsmål brukere stiller AI-er ved å samle innlegg og kommentarer fra fem spesifikke AI-fokuserte subreddits (inkludert samfunn som ChatGPTCoding, ChatGPTPromptGenius og PromptEngineering)1. Promptene samler seg rundt støtte til produktbeslutninger. Brukere spør ikke etter en definisjon av en kategori. De ber om å matche et produkt til en livssituasjon, et budsjett, en begrensning og et sett med prioriteringer, og deretter rettferdiggjøre resultatet.
I kategorien produktevaluering og anbefaling overleverer brukeren personlige begrensninger. En person spør etter joggesko som ligner på det de liker, og med formålet de skal brukes til. "Lette løpesko for et maraton under 150$". AI-en blir bedt om å fungere som en spesialisert salgsmedarbeider som kjenner varelageret. Et annet eksempel som "den perfekte gavemaskinen"-prompten går enda lenger. Den ber AI-en om å intervjue kjøperen om budsjett og interesser, og deretter beregne en "ideell" gave. Det er en kjøpsbeslutning utformet som et veiledet intervju.
I produktvalg og sammenligning blir promptene mer mekaniske. Folk vil at AI-en skal kryssreferere butikksider, hente priser og sammenligne flere artikler før de forplikter seg. En prompt ber om en AI som kryssrefererer butikksider med eBay. En annen ber AI-en om å trekke ut rå fakta fra internett, som dimensjoner, nettovekt, om noe er elektronisk og om batterier er inkludert. Det er en eksplisitt forespørsel om strukturerte produktdata. Det leses som et regneark, bortsett fra at brukeren vil ha det bygget på forespørsel.
Deretter er det kvalitetsvurdering, der AI-en blir bedt om å lese anmeldelser og gi en dom. En person beskriver å be AI-en om å undersøke nettet og analysere anmeldelser for å gi en "ærlig mening" om produktet. Den formuleringen betyr noe fordi den signaliserer hva brukeren mener AI-en er god for: å skjære gjennom markedsføringsspråk og oppsummere sentimentet.
Til slutt går promptene fra råd til handling. Forespørsler om handlekraft og automatisering er ikke subtile. De ber den skrape nye produkter og tilbud fra e-handelsbutikker. En person setter en regel om å sjekke priser før de gir et tilbud eller overslag. En annen vil lime en handleliste inn i AI-en, nevne et supermarked og få en totalpris. En annen vil laste opp bilder av en ukesavis og få AI-en til å planlegge måltider ved hjelp av tilbudsvarer. Dette er arbeidsflyter. De krever at systemet henter sanntidsverdier som pris, tilgjengelighet og garantivilkår, og deretter utfører beregninger og planlegging.
Fellesnevneren er at AI blir behandlet som grensesnittet til markedet. Lenker er sekundært. Resultatet brukeren ønsker er en beslutning og en begrunnelse, eller en beslutning og en transaksjon.
Dette tvinger frem endringer for å forbli synlig
Hvis brukere ber AI-en om lister og begrunnelser, er innhold som leses som en brosjyre dødt materiale. Det kan ikke støtte et svar som må nevne avveininger og forsvare en anbefaling.
Det første kravet er eksplisitt dekning av intensjon. Hvis folk spør "beste løpesko for sprint" eller "letteste maratonsko under 300$", må siden inneholde seksjoner som direkte svarer på disse spørsmålene i klart språk, med tall inkludert. Hvis AI-en trenger å veie pris mot garanti, kan ikke garantivilkårene dine ligge begravet i en PDF eller bak et kontaktskjema. Hvis AI-en skal sammenligne komfort mot ytelse, må innholdet forklare hva "komfort" betyr i din kategori på en måte som kan gjenbrukes som en grunn, ikke bare en følelse.
Det andre kravet er skannbart sammenligningsmateriale. AI-systemer trenger å rettferdiggjøre et valg. Det betyr tabeller, merkede spesifikasjoner og klare utsagn som skiller påstander fra målinger. Når prompten ber om å kryssreferere butikksider eller trekke ut dimensjoner og vekt, er et avsnitt som sier "kompakt og lett" ubrukelig. En tabell som sier "Skostørrelse: 42" og "Vekt: 220g" er enkel å trekke ut og stole på. Når prompten spør hvor garantier og vedlikeholdsplaner "ga mening", kan ikke dekningen din stoppe ved "3 års garanti". Den må definere hva som er dekket, hva som er ekskludert, og hva vedlikeholdsplanen endrer, i termer som kan sammenlignes.
Det tredje kravet er beredskap for agent-atferd. Hvis en bruker ber AI-en om å sjekke priser før et tilbud, eller om å skrape gode kjøp, trenger AI-en rene, utvetydige data på nettstedet ditt. Materialet beskriver dette som å gjøre merkevaren "API-klar". Den praktiske betydningen er enkel: pris, tilgjengelighet, frakt, retur og garanti må være eksponert på en måte som en maskin kan hente uten å gjette. Hvis disse verdiene er inkonsistente på tvers av sider, eller låst bak interaktive elementer som ikke rendres rent, vil AI-en gå utenom deg og bruke noen andre. Den enkleste og beste måten å muliggjøre dette på er å bruke Schema Markup
Det er også endringer nå som brukere ofte utfører "anmeldelse eller analyse av dette produktet"-prompter. De fleste LLM-er er trent til å foretrekke earned media for dette, så nettstedets tekst er ikke den viktigste slagmarken for tillit. Slagmarken er hva tredjepartsanmeldelser sier, hvor konsekvente de er, og om AI-en kan oppsummere dem til en klar dom. Hvis AI-en allerede blir bedt om en "ærlig mening", vil den finne de tøffe delene like lett som rosen.
Byttet fra SEO til AEO, som beskrevet her, er ikke bare en ny sjekkliste. Det er en endring i atferd på forbrukernivå: folk går fra å søke til å tildele oppgaver. Modellen blir kjøperens fullmektig, og innholdet ditt blir en datakilde og en stabel med brukbare grunner.
