ChatGPT рекомендует ваш fashion-бренд. Почему нет продаж?

Это Маша. Маша продаёт дизайнерскую обувь за $400.

Каждое утро она открывает ноутбук, проверяет заказы, отвечает покупателям, ругается с поставщиком из-за очередной задержки и пытается понять, куда исчез бюджет на маркетинг. Сегодня у неё хорошее настроение: ChatGPT рекомендует её бренд. В отчёте появились упоминания, графики ползут вверх. Кажется, всё работает.

Но вечером Маша снова садится за ноутбук и проверяет продажи. Ничего особенного. Она закрывает вкладку, заваривает остывший кофе и думает: что, чёрт возьми, происходит?

А происходит вот что: Маша знает, что ChatGPT рекомендует её бренд. Но не знает, рекомендует ли он его людям, которые действительно готовы купить обувь за $400.

У одного бренда три разных покупателя

Представим обычный рабочий вторник.

Анна ищет удобные дизайнерские туфли для долгих прогулок. Она устала покупать красивую обувь, которую хочется снять уже через час.

Елена — персональный стилист. Ей нужно подобрать обувь клиентке, которая любит минимализм, но не готова платить за громкое имя на коробке.

Михаил закупает товары для бутика. Его интересуют оптовые цены, маржа и сроки поставки. Красивые фотографии он тоже любит, но аренду помещения ими не оплатишь.

Все трое могут заинтересоваться обувью Маши. Но вопросы ChatGPT они зададут совершенно разные.

Анна спросит: «Какие дизайнерские туфли удобны для долгих прогулок и стоят до $500?»

Елена: «Какие независимые обувные бренды подходят для минималистичного гардероба?»

Михаил: «Какие небольшие обувные бренды предлагают выгодные оптовые условия для бутиков?»

А теперь представьте, что Маша отслеживает только запросы вроде «лучшие fashion-бренды».

Она измеряет видимость своего бизнеса, но не знает, присутствует ли он в разговорах, которые приводят к покупке.

Проблема не обязательно в количестве отслеживаемых запросов. Возможно, Маша просто задаёт не те вопросы.

Откуда берутся правильные вопросы?

Маше нужно разобраться в своей аудитории. Не нарисовать идеального клиента по фотографии из Pinterest, а понять, кто покупает её обувь, какую задачу решает покупка и как принимается решение.

Для начала пригодятся несколько методик.

Five Levels of Awareness помогает разобраться, насколько покупатель осознаёт свою потребность и как меняются его вопросы по мере приближения к покупке.

В статье Harvard Business Review Know Your Customers’ Jobs to Be Done объясняется, как понять, какую задачу человек решает с помощью продукта.

Материалы HubSpot о вопросах для Buyer Persona помогут структурировать информацию о целевых покупателях.

Маша может использовать эти подходы, изучить отзывы и поговорить с реальными клиентами. Постепенно она поймёт, какие потребности объединяют покупателей, кто участвует в выборе и что мешает покупке.

Три типа вопросов к AI

Есть три типа вопросов, соответствующих разным этапам принятия решения.

Market-shaping: человек осознаёт проблему.

«Как найти качественную обувь, которая не натирает ноги?»

Demand-serving: человек ищет решение.

«Какие независимые бренды выпускают удобные кожаные туфли до $500?»

Head-to-head: человек сравнивает конкретные продукты.

«Что лучше по качеству и долговечности: Brand A или Brand B?»

На первом этапе покупатель разбирается в проблеме. На втором ищет подходящие варианты. На третьем выбирает между конкурентами.

Если Маша измеряет только последний этап, она упускает часть раннего спроса. Если ограничивается первым, не понимает, появляется ли её бренд в рекомендациях людям, уже готовым покупать.

Эксперимент: 20 вопросов вместо бесконечного списка промптов

Маша может начать с простого упражнения.

Шаг 1. Описать свой продукт: что она продаёт, кому, по какой цене и чем отличается от конкурентов.

Шаг 2. Определить несколько типов покупателей и роли, участвующие в принятии решения. Для Маши это могут быть конечные покупатели, стилисты и байеры.

Шаг 3. Составить вопросы, которые каждый из них действительно мог бы задать ChatGPT.

Шаг 4. Распределить вопросы по трём группам: Market-shaping, Demand-serving и Head-to-head.

Шаг 5. Отобрать 20 приоритетных вопросов и зафиксировать точные формулировки.

Последний шаг важнее, чем кажется. Если сегодня Маша спрашивает AI об удобных дизайнерских туфлях, а завтра — о лучших модных брендах мира, сравнивать результаты будет непросто. Она изменила не только условия измерения, но и сам вопрос.

Пусть Маша задаёт выбранные вопросы одним и тем же AI-ассистентам, фиксирует рекомендации и присутствие конкурентов, а затем повторяет проверку в сопоставимых условиях.

Двадцать вопросов — не магическое число. Это отправная точка, которую можно поддерживать и анализировать.

Для более подробного разбора того, как работать над видимостью бренда в AI, можно обратиться к руководству How to Improve Your Brand’s Visibility in AI.

В конце концов, важны покупатели

Маше не нужно, чтобы ChatGPT рекомендовал её обувь абсолютно всем. Ей нужно, чтобы его рекомендации приводили к покупателям.

Поэтому в конечном счёте важны не графики видимости и не количество упоминаний бренда в ответах AI, а то, сколько людей после этих рекомендаций пришли в магазин и купили обувь за $400.

Видимость — промежуточный показатель. Продажи — результат, ради которого Маша вообще занимается маркетингом.

Маше нужно не просто чаще появляться в ответах ChatGPT. Ей нужно понимать, сколько новых покупателей принесло это присутствие.