Como os profissionais de marketing podem se adaptar à pesquisa com LLM

Para milhões de consumidores em todo o mundo, o Google é o ponto de acesso à Internet e, como resultado, a empresa desfruta hoje de uma participação de 91% no mercado de US$ 50 bilhões para anúncios de pesquisa. No entanto, graças ao advento dos modelos de linguagem de grande porte (LLMs), uma mudança parece agora possível pela primeira vez em duas décadas. Por que isso acontece? Porque os LLMs proporcionam uma experiência de pesquisa muito diferente da experiência do navegador da Web. A maior diferença é a seguinte: Os LLMs prometem responder às consultas não com links, como fazem os navegadores da Web, mas com respostas. Cada vez mais, usando aplicativos como o ChatGPT ou o Perplexity, ou portais de pesquisa como o Search Generative Experience do Google (agora AI Overviews) ou o Copilot do Bing, os clientes aprenderão sobre produtos e marcas por meio de resultados em linguagem natural. E esse processo, que será altamente consultivo e conversacional, criará um novo pipeline de informações que os profissionais de marketing precisarão monitorar para garantir que suas marcas sejam apresentadas para prompts relevantes e descritas com precisão. Para enfrentar esse desafio, os profissionais de marketing precisarão medir e monitorar (1) se suas marcas aparecem nos resultados do LLM e quando é mais provável que isso aconteça; (2) o quanto suas marcas são representadas favoravelmente e quais pontos negativos são atribuídos a seus produtos; e (3) a visibilidade de seus produtos e marcas, em comparação com a concorrência, em prompts altamente relevantes. Isso exigirá que os profissionais de marketing não apenas testem e desenvolvam métricas relevantes, mas também desenvolvam novos fluxos de trabalho para gerenciar a complexidade adicional. Uma busca por "melhores bicicletas de estrada para iniciantes" destaca o novo desafio. Quando perguntamos à Perplexity, ela nos recomendou a Aventon Level 2 como a melhor bicicleta para iniciantes, citando uma geometria relaxada, pneus largos e componentes de qualidade a um preço razoável. O Google SGE, por sua vez, nos recomendou a Giant Contend 3 ou a Specialized Allez E5. Ambas as experiências de pesquisa nos orientaram sobre o que considerar ao comprar uma nova bicicleta de estrada e nos ofereceram uma maneira fácil de fazer perguntas complementares. Mas o mais importante é o seguinte: tudo isso aconteceu antes de sermos expostos ao site de qualquer marca. Se um LLM não mencionar a sua marca nessa etapa do processo de pesquisa, os usuários talvez nem a considerem. Otimização do LLM Com novos desafios, surgem novas oportunidades. Assim como a ciência da otimização de mecanismos de pesquisa, ou SEO, surgiu durante a era da pesquisa baseada em navegador, uma nova ciência de otimização de LLM, ou LLMO, surgirá agora - e os profissionais de marketing precisam tirar proveito dela. Os algoritmos que alimentam os LLMs não são os mesmos que os algoritmos de pesquisa tradicionais. O Google SGE opera em um conjunto diferente de fatores de classificação do que o algoritmo tradicional do Google. O algoritmo de pesquisa tradicional foi otimizado para promover links considerados autorizados, abrangentes e relevantes. Os sites que priorizavam metadados, densidade de palavras-chave e backlinks obtinham classificações elevadas. Os LLMs, entretanto, são otimizados para compilar rapidamente uma resposta precisa e convincente. Eles extraem conteúdo de várias modalidades (texto, imagem, vídeo) e vários tipos de conteúdo (avaliações, conteúdo do site da marca, conteúdo gerado pelo usuário) para criar uma resposta. Acompanhando os usuários à medida que eles passam da consulta inicial para as perguntas de acompanhamento, as respostas do LLM estão todas implicitamente cientes de onde o usuário está no processo de compra. Portanto, sites com conteúdo facilmente indexado pelo LLM têm maior probabilidade de serem citados na resposta. Um componente crucial da pesquisa do LLM é conhecido como geração aumentada por recuperação, ou RAG (retrieval-augmented generation), em que um LLM usa contexto adicional, como um conjunto de documentos da empresa ou conteúdo da Web, para aumentar seu modelo básico ao responder a prompts. Isso tem implicações importantes para qualquer pessoa que queira se envolver na otimização de LLMs: Se o senhor quiser alterar o texto produzido pelos LLMs em resposta a uma consulta, precisará pensar estrategicamente sobre como alterar as várias fontes das quais é provável que ele extraia informações. Um novo documento de trabalho de pesquisadores de Harvard demonstra que a inserção de uma "sequência de texto estratégico" - texto adicionado a uma página de informações sobre produtos para aumentar as chances de um produto ser recomendado - pode alterar significativamente as informações fornecidas pelos LLMs em resposta à consulta de um consumidor. Em seu experimento, a equipe de Harvard inseriu uma sequência de texto estratégica para enfatizar o preço acessível de uma máquina de café, a ColdBrew Master, e aumentou significativamente a probabilidade de ela ser mencionada pelo LLM em resposta a um prompt que pedia conselhos sobre máquinas de café acessíveis. No cenário de linha de base, a ColdBrew Master nunca foi recomendada pelo LLM, mas usando sua sequência estratégica de texto, os pesquisadores conseguiram transformá-la no produto recomendado com mais frequência. (Outro exemplo de pesquisa acadêmica que discute a otimização do conteúdo da Web para pesquisa baseada em LLM está aqui). Acreditamos que o LLMO desempenhará um papel fundamental na evolução de novas experiências de pesquisa. O tempo dirá como as grandes empresas de tecnologia escolherão monetizar os LLMs em seus ecossistemas. Algumas empresas escolherão um modelo de assinatura, enquanto outras poderão optar pela monetização de anúncios. No entanto, diferentemente de hoje, em que há um único participante dominante que controla grande parte da experiência de pesquisa on-line, esperamos que o estado futuro inclua várias opções para os consumidores escolherem. Isso significa que é provável que surjam novas oportunidades de trabalho para pessoas na área de LLMO. Empregos, empregos, empregos A TI geradora foi recebida com grande ansiedade entre os trabalhadores e os formuladores de políticas devido ao seu potencial de deslocar milhões de trabalhadores do conhecimento. Em geral, os economistas respondem a essas preocupações ressaltando que as inovações revolucionárias do passado sempre resultaram em mais empregos e melhores empregos do que tínhamos antes. A visão otimista sobre LLMs e empregos é que o mesmo acontecerá desta vez. TI é verdade que, nos próximos anos, os especialistas em SEO de hoje verão muitas de suas atividades atuais serem amplamente automatizadas. Recentemente, foi comprovado que os LLMs são mais eficazes do que os especialistas humanos na tarefa de otimização de conteúdo, além de serem muito mais baratos. Esperamos que, no futuro, as empresas possam realizar suas atividades de SEO usando um número menor de funcionários, o que, naturalmente, gera preocupações com relação a empregos. Mas também é verdade que a função de SEO está se tornando muito mais complexa. Os profissionais de SEO - que em breve serão profissionais de LLMO - precisarão gerenciar a representação da marca em várias plataformas de LLM, sob um novo conjunto de metodologias de otimização e em um ritmo que acompanhe o cenário de LLM em rápida evolução. Os especialistas em SEO que estiverem dispostos a aprender, adaptar e experimentar continuamente novas técnicas que aumentem a visibilidade e a favorabilidade de suas marcas junto aos LLMs serão muito procurados. Em resumo, eles se tornarão especialistas em LLMO - uma nova função de importância vital para as empresas e para as empresas de serviços de marketing que as apóiam. Quando uma nova e poderosa tecnologia começa a afetar a economia, as pessoas normalmente sabem quais empregos estão ameaçados, mas não quais empregos serão criados. Hoje, como em revoluções tecnológicas passadas, uma importante fonte de preocupação reside, portanto, em nossa capacidade limitada de detectar as formas que surgem no horizonte - os novos empregos que serão criados pelos LLMs. Para os profissionais de marketing, as formas no horizonte ainda estão embaçadas, mas podemos começar a ver o contorno de pelo menos uma delas.

Como os profissionais de marketing podem se adaptar à pesquisa com LLM

Resumo.

Partner Center