Gestiamo diversi marchi immobiliari residenziali in migliaia di sedi in franchising. Il modo in cui i consumatori trovano gli agenti sta cambiando rapidamente. Cinque anni fa erano i passaparola e i cartelli nei giardini. Poi è stato il turno di Zillow e Realtor.com. Ora vediamo acquirenti e venditori chiedere a ChatGPT cose come "miglior agente immobiliare per case di lusso a Scottsdale" o "quale agenzia ha le commissioni più basse" prima ancora di visitare il sito web di un marchio. AthenaHQ ci ha aiutato a capire come si comportano i nostri marchi in quelle conversazioni. Abbiamo scoperto che i modelli di intelligenza artificiale raccomandavano concorrenti per tipi di proprietà e fasce di prezzo specifici dove abbiamo una forte quota di mercato. Peggio ancora, alcune risposte contenevano informazioni obsolete sulle nostre strutture di commissione che ci facevano apparire meno competitivi di quanto siamo in realtà. Il monitoraggio regionale è stato particolarmente prezioso. Il settore immobiliare è iperlocale e i modelli di intelligenza artificiale rispondono diversamente a seconda del mercato. Ora possiamo segmentare la visibilità per area metropolitana e fornire ai nostri team di marketing regionali dati su cui possono agire. Un responsabile di marchio in Florida del Sud vede intuizioni diverse rispetto a qualcuno che copre il Pacifico Nord-Occidentale, ed è esattamente così che dovrebbe essere.

Siamo una società di consulenza manageriale. La nostra reputazione dipende dall'essere visti come esperti in domini specifici. Quando i modelli di intelligenza artificiale rispondono a domande sulle nostre aree di pratica, abbiamo bisogno di essere citati accuratamente. O almeno di non avere disinformazione diffusa su di noi. Il rilevamento delle lacune di conoscenza di AthenaHQ ha individuato qualcosa che il nostro team aveva completamente trascurato. ChatGPT stava affermando con sicurezza le nostre tariffe orarie, tranne che i numeri erano sbagliati di un fattore di due. Non avevamo mai pubblicato i nostri prezzi pubblicamente, quindi il modello stava allucinando basandosi su medie di settore. Questo è il tipo di cosa che avvelena una conversazione di vendita prima che inizi. La piattaforma ha segnalato questo come una "lacuna di conoscenza" e ha raccomandato di creare contenuti autorevoli sui nostri modelli di ingaggio. Lo abbiamo fatto, e i prezzi allucinati hanno smesso di apparire nel giro di poche settimane.

Gestiamo oltre 200 punti vendita al dettaglio in tutta l'America del Nord. Ciò che funziona per la visibilità del marchio in California non funziona necessariamente in Texas o in Quebec. I modelli di intelligenza artificiale rispondono diversamente a seconda della regione, e la maggior parte degli strumenti che abbiamo valutato trattava gli Stati Uniti come un monolite. La segmentazione regionale di AthenaHQ è stata un elemento distintivo per noi. Abbiamo scoperto che la nostra visibilità AI nel Sud-Est era la metà di quella sulla Costa Ovest, anche se la densità dei nostri negozi è simile. La piattaforma ha identificato specifiche lacune di contenuto intorno a categorie di prodotti che indicizzano più in alto nei mercati del Sud. I nostri team di marketing regionali ora hanno dati su cui agire invece di fare supposizioni. Anche i report sono abbastanza chiari da poter essere condivisi con i proprietari di franchising che non sono esperti di marketing. Possono comprendere i punteggi di visibilità e vedere perché certi investimenti in contenuti sono importanti.