מחקר התנהגות מעיד שמשתמשי AI Mode בגוגל סומכים על סיכומי הבינה המלאכותית, בעוד שאלו המחפשים בגוגל בצורה רגילה יוצרים סיכומים לעצמם.
גוגל AI Mode מקצר משמעותית חלק מהשלבים במסע הלקוח. המחקר מראה ש-74% מרשימות ההמלצות של משתתפי המחקר, הגיעו ישירות מהבינה המלאכותית, ללא בדיקה חיצונית או חוות דעת שנייה.
המשמעות היא ששלב ההשוואה קרס לחלוטין בכל הנוגע לחיפוש בגוגל AIM. מה זה אומר עבור עסקים ומותגים, ומהם 3 הפרמטרים שקובעים האם העסק שלכם יופיע בתשובות? הכל בהמשך.
הסיבות למחקר
בינה מלאכותית הופכת את החיפוש מרשימת תוצאות לרשימת המלצות קצרה. עד כה, אין לנו מושג כיצד משתמשים מתייחסים לרשימות קצרות כאלה. האם הם מקבלים אותן כפשוטן או מאמתים את המידע ביסודיות?
מחקר השימושיות בוצע עם 48 משתתפים שהשלימו 185 משימות רכישה, והוא מגלה ש-AIM בגוגל פועל כסביבת המלצה ולא כסביבת השוואה. ההבדל קריטי.
בחיפוש מסורתי, אנשים מקליקים על תוצאות ומשווים בין מקורות שונים כדי ליצור רשימת מועמדים. במצב AIM, המחפשים פשוט סומכים על המלצות הבינה המלאכותית וממשיכים הלאה.
74% מרשימות המומלצים ב-AIM הגיעו ישירות מהבינה המלאכותית ללא בדיקה נוספת של המחפשים. לעומת זאת בחיפוש מסורתי, יותר ממחצית מהמשתמשים בנו רשימה קצרה משלהם מאפס.
ממצאים עיקריים
88% סמכו על תשובות AIM
כאשר המשתמשים חיפשו בשתי השיטות (חיפוש רגיל וחיפוש AI Mode), הפער היה בולט לטובת אמון בתשובות AIM:
- 88% סמכו על רשימת ההמלצות של AIM ללא שינויים או אימות חיצוני, לעומת 21% שסמכו על תוצאות החיפוש האורגניות הרגילות בגוגל.
- 5% התעלמו מהצעות AIM ו-56% התעלמו מתוצאות גוגל, והרכיבו רשימת המלצות משלהם באמצעות מקורות עצמאיים.
- 5% ממשתמשי AIM ו-18% ממשתמשי גוגל התחילו עם התוצאות שהוצעו להם, אך אימתו אותן מול מקור חיצוני (אתר העסק, ביקורת אונליין, יצרן) לפני שבחרו.
- 2% ממשתמשי AIM ו-6% ממשתמשי גוגל שילבו בין ההצעות שקיבלו ובין הצעה אחת לפחות שמצאו באופן עצמאי.
בחיפוש קלאסי, 56% מהמשתתפים בנו רשימה קצרה משלהם ממקורות מרובים. ב-AIM רק 5.5% יצרו רשימה קצרה שנבנתה באופן עצמאי באמת. תהליך ההשוואה של המשתמש לא רק הצטמצם בעת שימוש ב-AIM – עבור רוב המשתתפים, הוא לא התרחש כלל.
64% ממשתמשי AIM לא הקליקו כלל במהלך המשימה שלהם. הם קראו את תשובת ה-AI, לפעמים גללו בין קטעי מוצר והכריזו על המועמדים שבחרו. שיעור אי-הלחיצות השתנה לפי קטגוריית החיפוש, כאשר ממוצע אפס הקליקים ב-AIM היה 64 אחוז.
מי שכן הקליקו רצו לקבל מידע נוסף בשל אילוצי המוצר שאותו חיפוש (מידות, למשל), דבר ש-AIM לא תמיד פתר. מתוך כל אלה שהקליקו, 36% עשו זאת בתוך AIM עצמו ובלי לצאת החוצה; אחרים ביקשו חידוד של החיפוש, שוב בלי לצאת החוצה. 23% כן יצאו לאתר אחד לפחות, כדי לאשר תוצאות שכבר קיבלו – ולא כדי למצוא משהו חדש.
מתוך אלו שסמכו על תשובות AIM, כ-85% לא עשו שום אימות. לעומת זאת, אלו שבנו רשימות משל עצמם המשיכו 89 שניות יותר וחיפשו ביותר מפי 2 מקורות. בחיפוש הקלאסי הדפוס התהפך: כמעט 89% מהמשתתפים לחצו על משהו. ספקנות אקטיבית כלפי נתונים מצטברים לא התקיימה ב-AIM.
74% סמכו על המקום הראשון בתשובות AIM
בדיוק כמו בחיפוש קלאסי, לתשובה במקום הראשון יש משקל יתר. 74% מהמשתתפים בחרו בפריט שדורג ראשון בתשובת ה-AIM כבחירה המובילה שלהם. רק 10% בחרו משהו שדורג שלישי או נמוך יותר.
למקום הראשון ב-AIM יש יתרון יתר בגלל מיקומו: בתוך תשובה שהוכנה במיוחד, שבדרך כלל מכילה 2 עד 5 פריטים, לאחר שהבינה המלאכותית כבר ביצעה את הסינון.
הפריט הראשון הוא הבחירה המובילה של הבינה המלאכותית. כאשר אנשים משתמשים ב-AIM, אנו יודעים שהם קוראים כמעט את כל הפלט: המחקר מצא שמשתמשים מקדישים 50 עד 80 שניות לקריאת פלט AIM, יותר מפי שניים מזמן השהייה ב-AI Overviews. המשתמשים קוראים בעיון; הם פשוט עושים זאת בתוך תשובה שהבינה המלאכותית כבר צמצמה.
עם זאת, 26% מהמשתתפים במחקר זה התעלמו מסדר המיקומים. הם זיהו מותג שנמצא נמוך יותר ברשימה, והעדיפו אותו ללא קשר למקום בו הבינה המלאכותית הציבה אותו. זה קרה בעיקר בקטגוריות טלוויזיה ומחשבים ניידים, כאשר המשתתפים הגיעו עם העדפות למותגים קיימים.
למרות זאת, התעלמות מהמיקומים אין משמעו התעלמות מתשובת הבינה המלאכותית: 81% מהמשתתפים שהתעלמו מהמיקום עדיין בחרו פריטים מתוך הרשימה.
תשובת ה-AI הופכת למדד האמון
הפורמט שבו מוגשת התשובה, משפיע על קבלת ההחלטה. לדוגמה, מי שקיבל מחיר במספרים העדיף את המותגים הללו על פני מותגים שסיפקו אחוזי הנחה.
מסגור ה-AI (האופן שבו הבינה המלאכותית מדברת על המוצר) וכן זיהוי המותג, היו 2 גורמי האמון המובילים ב-AIM. הם פועלים כמעט באותה מידה:
- זיהוי מותג הוביל כאשר המשתתפים הגיעו עם העדפות מותג.
- ניסוח הבינה המלאכותית מילא את הפערים כאשר למשתתפים לא היו העדפות.
בחיפוש קלאסי, מנגנון האמון הדומיננטי היה ריבוי מקורות: המשתתפים בדקו האם מקורות בלתי תלויים מרובים הסכימו ביניהם.
התנהגות זו כמעט לא קיימת ב-AIM. מסגור הבינה מלאכותית וזיהוי מותג היו שני גורמי האמון המובילים.
כאשר משתמש מגיע ללא הנחות מוקדמות, תשובת ה-AI הופכת למדד האמון עצמו. כאשר מדובר בגוגל AIM, סינתזת התשובה מהווה את אימות הנתונים. משתתפי הניסוי התייחסו לסיכום ה-AI כאילו כבר בוצעה בדיקת הצלבה ממקורות שונים.
גוגל AI Mode מתאים בין כוונת החיפוש לאתר, מציג מותגים לפי השאילתות וסוקר אתרים להשוואות. כאשר הבינה המלאכותית מציגה מותג שהמשתמש כבר מכיר, זיהוי המותג מניע את ההחלטה. כאשר זה לא המצב, פורמט התשובה עצמו ממלא תפקיד זה. התאמת סוג האתר ומנגנון האמון מחזקים זה את זה.
אם אתה לא שם – אתה לא קיים
ב-AIM שלושה מותגים תפסו 93% מכלל הבחירות הסופיות. בחיפוש קלאסי, ההתפלגות הייתה רחבה יותר, נשקלו מותגים אחרים שלא נשקלו ב-AIM.
שתי בעיות ברורות צצו:
- מותגים שלא הופיעו כלל בתשובת ה-AI – לא נלקחו בחשבון. המשתתפים לא ראו אותם, ולכן לא יכלו להעריך אותם. הבינה המלאכותית החליטה מי נכנס לרשימה, לא הקונה.
- מותגים שכן הופיעו אך לא זכו להכרה – לא נלקחו בחשבון ברצינות. מה הכוונה ב"הכרה"? לדוגמה, באחד המקרים לא היה קישור למותג ולכן נזנח.
הבינה המלאכותית לא ציינה מי מהמותגים טוב יותר. המשתתף הסיק זאת מהיכרות מוקדמת עם המותג.
משתמשים יוצאים מה-AI כדי לקנות, לא כדי לחקור
23% מהמשימות ב-AIM כללו ביקור באתר חיצוני. בחיפוש רגיל, נתון זה היה 67%.
ההבדל בנפח פחות חשוב מההבדל בכוונה:
- משתמשי AIM שיצאו החוצה פנו לאתרי קמעונאים ולדפי יצרנים כדי לאמת מחיר או מפרט עבור מועמד שכבר בחרו.
- משתמשי חיפוש רגיל יצאו החוצה כדי לגלות מועמדים: אתר רדיט, אתרי ביקורות ודעות מומחים, אתרי אגרגטורים להשוואה.
במחקר אחר, שבדק את AI Overviews, נמצא שרכישות משמעותיות מובילות משתמשים יותר לאימות טענות של AI, ולהתייחס לתשובות של משתמשים אחרים בפלטפורמות חברתיות (כגון רדיט). לעומת זאת, במחקר הנוכחי יש פחות פנייה לאתרים כגון רדיט כאשר מדובר בחיפוש AIM.
יש אירוניה בדפוס הזה. גוגל (חו"ל) נשען במידה רבה על תוכן של רדיט כדי לאמן את המודלים שלו. עם זאת, מקור זה כמעט אף פעם לא בשימוש כאשר הבינה המלאכותית מסנתזת את המקורות עבור המשתמש.
גם במחקר הקודם נראה דפוס דומה: רוב הקליקים שיצאו החוצה נבעו מחיפושים עסקיים למטרות קנייה, לעומת מיעוט מהם כאשר היה מדובר בחיפושי השוואה. המשמעות היא שכאשר משתמשים יוצאים מ-AIM, הם יוצאים כדי לבצע קנייה. אין להם צורך במידע נוסף.
הפרמטרים החשובים: נראות, מסגור ומחיר
מנתוני המחקר ניתן להסיק מספר דברים:
- המיקום חשוב גם ב-AIM ולא רק בתוצאות גוגל הרגילות. רוב המשתמשים בוחרים את המוצר הראשון. ניתן ליישם זאת על ידי התמקדות בפרומפטים שיוצרים רשימות קצרות, לצד התמקדות במיקום שלנו בגוף התשובה.
- אמון גובר על מיקום – מחקר זה מחזק את החשיבות של בניית אמון עם משתמשים לפני שהם מחפשים. זה הפקטור האולטימטיבי.
- קונים סומכים על המלצות AI – ברור שיש כאן סיכון גבוה אם הבינה המלאכותית טועה, אך העובדה שאנשים רבים מקבלים את ההמלצות כפשוטן מעידה על מהירות האימוץ של בינה מלאכותית בקרב צרכנים. זהו באמת עתיד החיפוש.
חשוב לזכור:
נראות בתוך התשובה היא גורם מכריע. אם AIM בגוגל לא מציג את המותג שלכם, יש לכם בעיית נראות. חפשו כפי שקהל היעד שלכם היה מחפש ("ביטוח הרכב הטוב ביותר למשפחה עם נהג מתבגר", "מכונת הכביסה הטובה ביותר מתחת ל-2,000 שקל") – ותעדו אילו מותגים מופיעים, באיזה סדר ועם איזה מסגור (ההקשר). עשו זאת עם מספר ואריציות של פרומפטים באופן קבוע, מכיוון שהתשובות משתנות כל הזמן.
האופן שבו הבינה המלאכותית מתארת אתכם חשוב לא פחות מהאופן שבו אתם מופיעים. מותגים המצוטטים עם תכונות קונקרטיות (דגם ספציפי, מחיר ספציפי, שימוש בשם) בלטו יותר ממותגים המתוארים באופן כללי. התוכן באתר שלכם, שממנו הבינה המלאכותית שואבת מידע, לא רק משפיע על האם אתם מופיעים, אלא גם באיזו דרגת אמינות וספציפיות אתם מוצגים. מותג עם מחירים, מפרט ברור ומקרי שימוש ספציפיים – נותן לבינה המלאכותית חומר טוב יותר לעבוד איתו.
תשובות עם מחירים תלויי הקשר, יוצרות תחושת ביטחון כוזב במשתמשים. כאשר המחיר מצוטט במפורש כאילו הוא מדויק ואמין, בלי לבדוק האם הוא חל על מצבכם האמיתי, הדבר יוצר בלבול אבל גם ביטחון בכך שהמחיר נכון לכם. נתוני תמחור דרך פידים של מרצ'נט סנטר וסימוני סכמה, הם הגורם הישיר החשוב ביותר עבור מותגים המוכרים מוצרים פיזיים. עבור ספקי שירותים, הגורם החשוב הוא עריכה: ודאו שדפי הנחיתה והשאלות הנפוצות מתארים את המחיר כמותנה בגורמים נוספים ("המחיר שלכם תלוי ב-X, Y, Z").
