Компания Moburst создала новое подразделение – Answerburst, которое полностью посвящено оптимизации ответов в поисковых системах. Идея создания этого отдела возникла из внутренних потребностей агентства, которые стали ощутимыми еще до появления общепринятого термина для этой области.
История создания
Эта практика не возникла как самостоятельный запуск нового продукта. Как утверждают разработчики, все началось с вопросов, которые возникали у клиентов, и на которые традиционные методы App Store Optimization и SEO-отчетности не могли дать полноценного ответа. Было выяснено, что паттерны установки и трафика меняются, и это не соответствует ни одному из отслеживаемых каналов. Расследование этих аномалий привело команду к использованию искусственного интеллекта для рекомендаций, задолго до того, как AEO стал общепринятым термином в индустрии.
«Мы пытались разобраться в какой-то проблеме, а не разрабатывать продукт», — сказал один из основателей команды. «Название и оформление появились уже после того, как мы начали заниматься этой работой».
Изменения в процессе работы: как Google, OpenAI и Copilot меняют правила игры
Для реализации этой практики необходимо было разработать собственную систему измерения, которая ранее не использовалась. Эта система должна была отслеживать частоту упоминаний в различных AI-ассистентах, отличать эти упоминания от обычной сезонной активности и связывать их с функциями поиска, специфичными для каждого канала. При исключительно веб-ориентированном подходе такие функции были бы недоступны.
Команда также отметила, что внутренние ожидания менялись в процессе разработки этой практики. Изначально, когда речь шла лишь о небольшом улучшении отчетов, стало понятно, что измерение эффективности AEO требует отдельной дисциплины, тесно связанной с существующими работами агентства в области органического и платного привлечения, но имеющей собственный, четко определенный масштаб.
Проблемы с ранней интеграцией: как Google, OpenAI и Copilot пытаются решить задачу внедрения новых инструментов
Одна из причин, замедливших начальные исследования, заключалась в отсутствии подходящего инструмента для получения конкретной информации, необходимой команде. Речь шла не о том, как работает система ранжирования сайтов, а о том, упоминает ли искусственный интеллект конкретный бренд в ответ на соответствующий запрос, и если да, то почему. Для получения такого ответа требовалось вручную обращаться к нескольким помощникам и обрабатывать полученные данные по установленному графику, до появления автоматизированных средств. Некоторые этапы этого ручного процесса до сих пор являются основой методологии, несмотря на то, что некоторые из них были автоматизированы. Команда отмечает, что этот ручной труд, хоть и был трудоемким, позволил получить очень детальный и ранний обзор того, как цитирование разнится в разных системах искусственного интеллекта, что впоследствии не удалось воспроизвести с помощью более поздних инструментов.
Уроки, извлеченные из опыта использования новых инструментов
Главный вывод, к которому пришли специалисты, заключается в том, что критически важно, чтобы информация, поступающая из различных источников, была последовательной. Система искусственного интеллекта, принимающая решение о том, стоит ли упоминать конкретный бренд, похоже, уделяет больше внимания согласию, полученному из множества источников, чем качеству отдельного источника. Это заставило команду пересмотреть свои первоначальные представления о приоритетах.
Второй урок – это важность объективной оценки. Ранние внутренние отчеты, в значительной степени, завышали влияние AEO, пока команда не разработала надежный способ отделить его от сезонных и платформенных факторов. В настоящее время методология предполагает более осторожный подход к приписыванию результатов работе AEO.
Третий, менее очевидный урок касается внутренней координации. Команде удалось убедить существующие отделы, занимающиеся органическим продвижением, App Store и платными рекламными кампаниями, рассматривать AEO как единую дисциплину, а не как отдельный бюджет. По словам специалистов, это потребовало больше времени, чем разработка инструментов для измерения, и потребовало изменения подходов к планированию и ценообразованию проектов.
ИИ-ассистент Copilot: что дальше?
Moburst объявила о создании отдельного направления под названием Answerburst, которое будет специализироваться на автоматизированной оценке эффективности (AEO). Новое направление будет обслуживать как новые проекты, ориентированные на AEO, так и текущих клиентов, желающих расширить использование искусственного интеллекта для повышения видимости в поисковых системах.
Команда считает, что запуск Answerburst является формализацией деятельности, которую они уже осуществляли до его создания.
В ближайшее время приоритетом является публикация внутренней методологии оценки результатов, как для укрепления доверия в конкурентной среде, так и для создания единого стандарта оценки эффективности AEO.
Также команда признает, что название Answerburst еще тестируется внутри компании перед широким внедрением. Вопрос о том, станет ли Answerburst постоянным внешним брендом или внутренним названием направления, тесно связанного с общей деятельностью Moburst в области AEO, остается открытым. Команда заявляет, что предпочла бы дать на этот вопрос четкий ответ, чем быстро принять решение. Пока название используется в качестве рабочего обозначения.
Moburst – это агентство цифрового маркетинга, специализирующееся на мобильных технологиях, предлагающее полный спектр услуг. Компания была основана в 2013 году генеральным директором Гиладом Бехаром и операционным директором Лиором Элданом. Штаб-квартира находится в Нью-Йорке, но у компании есть офисы и в других странах, включая Израиль. Moburst помогает как начинающим, так и крупным компаниям (в числе которых Google, Uber, Samsung и Reddit) расширять свою деятельность, используя маркетинговые решения на основе искусственного интеллекта.
