Hvorfor lokale virksomheder skal tænke på AI-optimering

Den første misforståelse: "det her er for de store"

Når vi taler med ejeren af en lille lokal virksomhed om AI-synlighed, er den første reaktion næsten altid den samme. "Det her er sikkert vigtigt for Coca-Cola eller Mærsk, men jeg har en frisørsalon i Vejle. Det rammer ikke mig."

Det rammer dig. Det rammer dig før det rammer Mærsk. Det rammer dig fordi din kunde, i modsætning til Mærsks kunde, bruger ChatGPT eller Google AI Overviews lige nu, i denne uge, til at vælge mellem dig og din konkurrent to gader væk.

Den danske bruger der søger efter "bedste tandlæge i Aarhus," eller "VVS-firma der kommer i dag i Odense," får ikke længere kun ti blå links. De får tre navne. Tre anbefalinger, leveret som et tip fra en ven. Hvis dit firma ikke er ét af de tre, er du usynlig i den situation. Uanset hvor god din mund-til-mund reputation er.

Det er en omvending af det vi normalt tænker om enterprise-teknologi. Den her rammer den lokale først. Den rammer dem med færrest ressourcer først. Og den rammer i den situation, hvor afstanden mellem ja og nej er kortest, når en frustreret eller travl person leder efter en hurtig løsning.

Hvad lokale kunder spørger AI om

Vi har brugt det seneste halve år på systematisk at se hvad danske brugere stiller af spørgsmål til AI-assistenter. Det er spændende læsning. Lad mig nævne et par typer.

"Den billigste tandlæge i Aarhus N." Et menneske med et akut behov og pres på pengepungen. ChatGPT giver tre navne. Det første navn får besøget.

"Bedste bager på Frederiksberg der har sourdough." Et menneske med en konkret præference og en geografisk begrænsning. Modellen krydser to filtre og kommer ud med en kort liste.

"Jeg leder efter en hjemmebrygsforretning der ikke er for nørdet, i nærheden af Nørrebro." Et menneske med vag intention men klar lokalitet. Modellen skal afgøre tone og placering. Vinderforretningen er ikke nødvendigvis den nærmeste, det er den der signalerer "ikke for nørdet" tydeligst i sit publicerede sprog.

"Hvilken arkitekt i Aalborg kan tegne et lille hus med stor kælder." Sammensatte krav, lokalt søgeområde. Modellen finder navne fra arkitekternes egne hjemmesider, fra dækning i lokalaviser, fra kundecitater.

Tilbage til pointen: lokale brugere stiller meget specifikke spørgsmål i AI-assistenter. Spørgsmål Google ikke kan besvare lige så godt, fordi modellen kan kombinere flere kriterier på en gang. Det er præcis grunden til at AI-andelen i lokale søgninger er vokset hurtigere end nogen havde forventet.

Hvorfor det rammer lokale virksomheder hårdere

Der er tre grunde til at den her udvikling rammer den lokale forretning hårdere end den rammer det internationale brand.

Antallet af kandidater modellen vælger imellem er mindre. Hvis en bruger i Aarhus spørger om en tandlæge, har modellen måske 40 til 80 mulige kandidater i området. Tre af dem ender i svaret. Det er kun en lille brøkdel. For en global søgning om software er der måske 500 kandidater. Toppen i en lokal kategori er kort.

Lokale firmaer mangler den dækning der bygger signal. Mærsk har presseomtale, analytikerrapporter, dokumentation og tusinder af artikler skrevet om dem. En kiropraktor i Slagelse har sin egen hjemmeside, en Google Maps profil, og måske et par anmeldelser. Når modellen skal danne sig et billede, har den langt mindre at arbejde med, hvilket betyder at hver enkelt kilde vejer mere.

Konsekvenserne af at være usynlig er mere direkte. En usynlig softwarevirksomhed mister en demo-booking. En usynlig lokal tandlæge mister patienten i den lille tidsperiode, hvor de havde brug for at finde en. Konkurrenten to gader væk får besøget. Næste gang en tandlæge er aktuel, husker patienten allerede konkurrenten.

AI-synlighed rammer lokale forretninger først, ikke senere.

Hvad små lokale virksomheder kan gøre lige nu

For at gøre noget brugbart ud af det her, er her det vi anbefaler en lille lokal virksomhed at fokusere på de næste 30 dage. Det her er ikke playbook'en, det er udgangspunktet.

Først, sørg for at de basale strukturerede data findes. Google Business profil komplet udfyldt med åbningstider, kategori, og en god kort beskrivelse. Det lyder banalt, men 60 procent af de lokale virksomheder vi tjekker, har en ufuldstændig eller forældet profil. Modellerne læser de her data, og uden dem er du anonym.

Bagefter, tjek hvilke kategorispørgsmål din egen hjemmeside besvarer. Hvis du er bager, og ordet "sourdough" ikke står nogen steder på din side, vil modellen ikke matche dig på "bager med sourdough." Det skal ikke være søgemaskine-optimeret tekst. Det skal være ærlige, klare beskrivelser af hvad du laver, til hvem, og hvor.

Tredje, tjek hvad anmeldelserne reelt siger. Kundecitater er en af de stærkeste signaler en model bruger om dig. Hvis dine anmeldelser alle siger "god service," giver det modellen meget lidt at arbejde med. Hvis de siger "kom hurtigt en søndag aften da rørene sprang i kælderen," giver det modellen noget konkret at matche på.

Fjerde, lyt til dit eget kategorivokabular. Hvilke ord bruger de bedste anbefalinger i din kategori? Hvad mangler du? Det handler ikke om at kopiere, det handler om at bruge det sprog modellen forventer at se.

Det er fire ting. Ingen af dem koster meget. Alle kan en lille virksomhed gøre uden et bureau. De er udgangspunktet, ikke målet.

Hvor man begynder

Det første skridt er ikke at gøre noget af det ovenstående. Det er at finde ud af hvor stor afstanden er mellem din nuværende synlighed og lederen i din lokale kategori.

Den afstand er forskellig fra firma til firma, og fra by til by. Nogle lokale virksomheder har et godt udgangspunkt og skal kun korrigere små ting. Andre starter helt fra bunden. Du har brug for at vide hvilken af de to du er, før du investerer en time.

Signal er bygget til at give dig præcis det svar. Vi spørger de fire store AI-modeller om de kategorispørgsmål en kunde i dit område ville stille, sammenligner svarene med dine konkurrenter, og leverer en rapport på 10 til 15 sider, der fortæller dig hvor du står, hvorfor, og hvad du skal fixe først. Hvert fund gennemgås sammen med dig på en 30 minutters samtale inden for én arbejdsdag.

For de fleste små lokale virksomheder er Signal det mest øjenåbnende dokument de har set i deres marketingarbejde de seneste fem år. Ikke fordi rapporten er kompliceret. Fordi det er første gang de ser hvad en model faktisk siger om dem.

Hvis du vil se hvor du står i dag, kør Signal. 4.900 kr. for rapporten og gennemgangen, og det er det første du bør gøre før noget andet.