Egy vállalat belső prezentációjában minden rendezett lehet: megvan az új pozicionálás, a friss szolgáltatási portfólió, a jóváhagyott bemutatkozás és a stratégiai fókusz. A weben közben több korszak él egymás mellett. Egy ötéves interjú a korábbi üzleti modellt mutatja, egy konferenciaoldal régi munkakört használ, egy partneranyagban még az előző terméknév szerepel, egy cégadatbázis pedig azóta is egy régi címet őriz.

Ezek közül egyik sem feltétlenül tragédia önmagában. Együtt viszont más történetet rajzolhatnak ki, mint amit a cég ma szeretne elmondani magáról. Az AI számára ráadásul nem mindig egyértelmű, hogy a friss főoldal felülírja-e a korábbi húsz külső forrást, vagy egyszerűen csak egy újabb állítás került a halom tetejére.

A digitális lenyomat nem a saját weboldal

A márka digitális lenyomata nem egyszerűen azoknak a felületeknek az összessége, ahol a név megjelenik. Inkább azoknak a kapcsolatoknak a hálózata, amelyek a márkához témát, kategóriát, szakértőt, eredményt, helyszínt, véleményt vagy kockázatot rendelnek. Ebben a saját weboldal fontos értelmezési központ, de messze nem az egyetlen forrás.

Médiacikkek, szakértői profilok, LinkedIn-oldalak, konferenciabemutatkozások, podcastleírások, videók, értékelések, partneroldalak, adatbázisok és régi PDF-ek egyaránt alakíthatják a képet. A vállalat ezek egy részét kontrollálja, más részét csak befolyásolni tudja, és lesz olyan is, amelyhez alig fér hozzá. Ettől lesz a feladat reputációs kérdés, nem egyszerű weboldal-karbantartás.

Először azt kell megérteni, mi a hiba

Nem minden furcsa AI-válasz ugyanaz. Lehet egyszerű tényhiba, például rossz alapítási év vagy elavult vezető. Lehet értelmezési hiba, amikor a helyes adatokból rossz kategória áll össze. Előfordulhat entitáskeverés két hasonló nevű cég vagy szakértő között, és létezik a legnehezebb változat is: a válasz nem hamis, csak annyira elavult vagy hiányos, hogy a mai vállalatról már félrevezető képet ad.

A javítást ezért nem azzal érdemes kezdeni, hogy „a ChatGPT rosszat mond rólunk”. Pontosan rögzíteni kell, mely kérdésre, mely platformon, milyen állítás jelent meg, mikor történt, milyen forrásokat mutatott a rendszer, és mi lenne a helyes állapot. Ugyanaz a rendszer másképp válaszolhat egy általános és egy részletes kérdésre, ezért a reprodukálhatóság itt nem tudományos luxus, hanem alapvető hibakeresés.

A téves válasz gyakran valahol már le van írva

Az AI-választ érdemes füstjelzőként kezelni. Nem biztos, hogy megmutatja, pontosan hol van a probléma, de ha megszólal, érdemes körülnézni. A hibás állítás nyomai sokszor megtalálhatók egy régi aloldalon, egy korábbi sajtóanyagban, egy szakértői bemutatkozásban, egy partneroldalon vagy egy olyan PDF-ben, amelyet a szervezet már rég elfelejtett, a kereső viszont nem.

A régi információ ráadásul erősebb lehet az újnál, ha részletesebb, több helyen ismétlődik vagy gyakrabban hivatkozzák. Egy friss, de homályos bemutatkozás nem feltétlenül győzi le a korábbi, részletes és jól összekapcsolt történetet. Az internetnek kiváló a memóriája, különösen akkor, amikor mi szeretnénk, hogy felejtsen.

Nem elég kijavítani a főoldalt

A saját weboldal természetesen az első hely, ahol rendet kell tenni. Az aktuális szolgáltatások, szakértők, helyszínek, terméknevek és vállalati kapcsolatok legyenek világosak, könnyen megtalálhatók és egymással összekötve. Ha a cég maga sem tud egyértelműen beszélni arról, mivel foglalkozik, nehéz elvárni, hogy egy külső rendszer majd kreatívan összerakja helyette.

A korrekció azonban ritkán állhat meg a saját domainnél. Frissíteni kell a kontrollálható külső profilokat, jelezni lehet a hibát partnereknek, szerkesztőségeknek vagy adatbázisoknak, és ahol szükséges, új, megbízható forrásokkal kell megerősíteni a jelenlegi állapotot. Nem minden régi cikket lehet és kell átírni, de a frissebb nyilvános képnek elég erősnek kell lennie ahhoz, hogy ne egyetlen új mondat álljon szemben egy évtizednyi digitális hordalékkal.

A név, a szolgáltatás és a szakértő kapcsolata különösen fontos

Az AI-nak nem gondolatolvasásra, hanem kapcsolódási pontokra van szüksége. Ha egy szakértő fontos témában képviseli a céget, legyen világos, hogy valóban ott dolgozik, milyen szerepben és milyen szakterületen. Ha egy szolgáltatás új néven fut, a régi és új megnevezések között legyen érthető kapcsolat. Ha egy vállalatcsoportban több hasonló nevű cég működik, a különbségeknek a nyilvános felületeken is egyértelműnek kell lenniük.

Itt a strukturált adatok, a következetes elnevezés és a jó belső linkelés is segíthet, de nem önmagukban oldják meg a kérdést. A technikai jelölés akkor működik jól, ha a mögötte lévő tartalom és a külső források is ugyanahhoz az értelmezhető valósághoz kapcsolódnak. Egy szépen felcímkézett ellentmondás továbbra is ellentmondás.

Mikor tekinthető kijavítottnak a probléma?

A hibát nem akkor tekinthetjük lezártnak, amikor valaki átírta a weboldal egyik bekezdését. Újra kell tesztelni ugyanazokat és a kapcsolódó kérdéseket több platformon, majd időben is figyelni kell, hogyan változik a válasz. Az AI-rendszerek nem minden esetben azonnal veszik át a friss információt, és a különböző modellek eltérő forrásokra vagy frissítési ritmusra támaszkodhatnak.

Ha hónapokkal később újra megjelenik ugyanaz a téves állítás, érdemes abból kiindulni, hogy még mindig létezik egy erős, elavult forrás, vagy időközben új tartalom ismételte meg a hibát. A reputációs rendrakás ezért nem egyszeri tavaszi nagytakarítás. Inkább rendszeres karbantartás, amelyet ugyanúgy érdemes figyelni, mint a sajtómegjelenéseket vagy az ügyfélértékeléseket.

A digitális lenyomatot fel kell térképezni

Egy használható audit nem azzal kezdődik, hogy megszámoljuk a márkanév előfordulásait. Először azt kell megérteni, milyen témákhoz és szerepekhez kapcsolják a vállalatot a saját és külső felületek. Hol jelennek meg az aktuális szolgáltatások, kiket azonosítanak szakértőként, milyen ügyfélpéldák és eredmények láthatók, és mely régi állítások lógnak még mindig a digitális gardróbban.

A prioritásnál az üzleti kockázat számít. Egy elavult telefonszám kellemetlen, egy megszűnt pénzügyi termék ajánlása vagy egy rossz egészségügyi állítás viszont már egészen más súlyú. A javítási sorrendet ezért a tévedés üzleti, reputációs és adott esetben jogi következményei alapján érdemes kialakítani.

A rossz AI-válasz valójában szervezeti teszt

Amikor kiderül, hogy az AI rosszul tud valamit a cégről, gyorsan láthatóvá válik, mennyire rendezett a vállalat saját nyilvános tudása. Ki tudja megmondani, mi a helyes állítás? Ki fér hozzá a weboldalhoz és a külső profilokhoz? Ki beszél a sajtóval vagy a partnerrel? Ki dönti el, mi sürgős és mi csak zavaró?

A kérdések azért fontosak, mert egy AI-válasz kijavítása ritkán csak tartalmi vagy technikai feladat. Valakinek össze kell fogni a folyamatot, különben a probléma ugyanúgy körbejár a marketing, a PR, a SEO és a jog között, mint egy rosszul címzett vállalati e-mail. A következő részben azt nézzük meg, hogyan lehet a márka külső megjelenéseit úgy kezelni, hogy ne csak jelenlétet, hanem valódi bizonyítékot is építsenek.

A cikk borítóképe az AI segítségével készült.