Problemet med en ud af fire: AI vælger din konkurrent

Sådan startede det

Det startede, som så meget andet brugbart, ved et tilfælde.

I foråret kørte vi en ny audit pipeline igennem en test for et københavnsk softwarefirma. Produktet var fremragende. Det sagde anmeldelserne. Det sagde kunderne. Det sagde brancheanalytikerne. Så da vi bad ChatGPT, Claude, Gemini og Perplexity om at anbefale værktøjer i den kategori, og vores klient dukkede op i en ud af fire svar, sad stifteren og kneb øjnene sammen mod skærmen i et langt sekund.

"Hvad med de andre tre?"

Det spørgsmål er det vi har brugt året på at besvare for os selv. En ven, der leder kommunikation hos en Series B finansvirksomhed, stillede det på samme måde i marts. Det samme gjorde vækstchefen i et sundhedsbrand med ti års kategoridominans og en væg fyldt med priser. Det samme gjorde en håndværker med et enmandsværksted, der ville vide hvorfor en model anbefalede hans konkurrents bænk, når den lige to beskeder tidligere havde beskrevet hans eget arbejde i de mest rosende vendinger. Samme spørgsmål. Forskellig skala. Samme form på svaret.

Fra ti blå links til tre navne

For tre år siden fik en B2B køber, der søgte efter et værktøj, ti blå links. De skimmede. De dannede deres egen rangering. De skændtes om den med en kollega over kaffe. Købere tog deres egen dømmekraft med ind på siden, og siden var en lang side.

I dag spørger den samme køber ChatGPT. Eller Claude. Eller Perplexity. De får tre navne. Ikke ti. Ikke en sorteret liste at forhandle med. Tre selvsikre anbefalinger, leveret som en ven der hvisker et svar.

Tre navne. Så en beslutning.

Konsekvenserne, når man sætter sig med dem, er ubehagelige. Modellen laver kandidatlisten. Ikke køberen. Køberen laver kontrakterne, opkaldene, demoen. Listen, det marketingteams før kæmpede med næb og kløer om at komme på, sker tidligere, og et sted hvor et brand ikke får lov at være med.

Hvad er signal

Det mærkelige er, at de anbefalede brands ikke altid er de bedste produkter. Vi har set det udspille sig på tværs af mange kategorier nu. Lederen på omsætning bliver anbefalet, nogle gange. Lederen på anmeldelsesscore bliver anbefalet, nogle gange. Lederen på signal bliver anbefalet næsten hver gang.

En model der anbefaler dig kender dig ikke. Den har ikke brugt dit produkt. Den har ikke mødt dig. Det den har, er et korpus af sprog: ting du har udgivet, ting kunder har skrevet om dig, ting journalister har skrevet om dig, struktureret metadata og den måde tredjeparter taler dit navn ud i verden på. Når modellen overvejer et spørgsmål som "hvad er det bedste X til Y," gennemgår den korpusset på sin egen stille måde og leder efter brands, hvis tilstedeværelse i korpusset tegner et genkendeligt billede mod spørgsmålet.

Signal er formen på det billede dit udgivne sprog tegner. Det er hvad korpusset samlet siger om dig.

Hvorfor to lige gode produkter får forskellige anbefalinger

To brands kan have identisk produktkvalitet og meget forskelligt signal. Vi har set det mange gange nu, ofte indenfor samme kategori. Vinderen har konsistent kundesprog, en klar struktureret beskrivelse af hvad produktet er til, dækning udefra som triangulerer med virksomhedens egen stemme, og et kategorivokabular som modellen kan kortlægge mod. Taberen har spredt sprog, et fraværende mellemlag af forklaring, og en tung afhængighed af vendinger som konkurrenterne også bruger.

Når en model møder den taber, afviser den dem ikke. Den rækker bare ikke ud efter dem.

Du kan se det direkte. Åbn ChatGPT i dag, bed den anbefale tre virksomheder i din kategori, og se hvad den gør. Læg mærke til sproget den bruger. Læg mærke til hvilke navne der kommer først, andet, tredje. Læg mærke til hvilke navne der slet ikke dukker op, selvom du ville forvente det. Asymmetrien mellem brand A og brand B i samme rum er nogle gange enorm. Produktkvalitetsforskellen mellem brand A og brand B er nogle gange ingen.

Hvad vi udgiver her

Så det er en ud af fire problemet. De fleste brands bliver anbefalet i en ud af fire svar i deres område. Lederne bliver anbefalet i tre. Forskellen vil vokse, efterhånden som købere ruter flere beslutninger gennem modeller, hvilket de vil, fordi alternativet er at læse ti blå links og skændes over kaffe, og folk er begyndt at finde det trættende.

Den behagelige nyhed er, at signal er noget man kan arbejde med. Den frustrerende nyhed er, at ingen, før nu, har fortalt dig præcis hvilket signal du skal arbejde med, hvad dine konkurrenter gør som du ikke gør, og hvilken fix der betyder mest.

Signal er auditten. Den kører live forespørgsler mod ChatGPT og Gemini i din rigtige kategori, scorer dig på fem søjler, sammenligner dig med tre konkurrenter, og leverer en PDF på 10 til 15 sider med en handlingsplan. Hvert fund bliver gået igennem sammen med dig på en 30 minutters samtale inden for én arbejdsdag. Vi har sendt nok af dem ud nu til at vi er begyndt at genkende mønstre, som vi vil skrive om, og det er formålet med dette journal.

Noget af det vi udgiver her vil være diagnostisk: sådan ser godt signal ud, sådan ser dårligt signal ud, sådan adskiller de fire store modeller sig i hvordan de vægter det. Noget vil være taktisk: den billigste fix vi har set rykke en score, den dyreste, og den ene som ingen gider men som betaler sig mest. Noget vil være meningstungt. Vi prøver at holde det meningstunge ærligt.

Næste uge går vi igennem de fire signalkarakteristika, som deles af de brands der kommer først i deres kategori. De er ikke hvad de fleste marketingteams forventer.

Hvis du hellere vil se din egen score først, kør Signal. Det koster 4.900 kr. for rapporten og gennemgangen.