Gerenciamos várias marcas de imóveis residenciais em milhares de locais de franquia. A maneira como os consumidores encontram agentes está mudando rapidamente. Há cinco anos, eram referências e placas de quintal. Depois, foi o Zillow e o Realtor.com. Agora estamos vendo compradores e vendedores perguntarem ao ChatGPT coisas como "melhor agente imobiliário para casas de luxo em Scottsdale" ou "qual corretora tem as taxas de comissão mais baixas" antes mesmo de visitarem o site de uma marca. A AthenaHQ nos ajudou a entender como nossas marcas se saem nessas conversas. Descobrimos que modelos de IA estavam recomendando concorrentes para tipos de propriedades e faixas de preço específicas onde temos uma forte participação de mercado. Pior, algumas respostas continham informações desatualizadas sobre nossas estruturas de comissão que nos faziam parecer menos competitivos do que realmente somos. O acompanhamento regional tem sido particularmente valioso. O mercado imobiliário é hiperlocal, e os modelos de IA respondem de forma diferente por mercado. Agora podemos segmentar a visibilidade por área metropolitana e fornecer às nossas equipes de marketing regionais dados que podem ser utilizados. Um gerente de marca no sul da Flórida vê insights diferentes de alguém que cobre o noroeste do Pacífico, o que é exatamente como deveria ser.

Somos uma empresa de consultoria de gestão. Nossa reputação depende de sermos vistos como especialistas em domínios específicos. Quando modelos de IA respondem a perguntas sobre nossas áreas de prática, precisamos ser citados com precisão. Ou pelo menos não ter desinformação espalhada sobre nós. A detecção de lacunas de conhecimento do AthenaHQ captou algo que nossa equipe havia perdido completamente. O ChatGPT estava afirmando com confiança nossas taxas horárias, exceto que os números estavam errados por um fator de dois. Nunca publicamos nossos preços publicamente, então o modelo estava alucinando com base em médias do setor. Esse é o tipo de coisa que envenena uma conversa de vendas antes mesmo de começar. A plataforma sinalizou isso como uma "lacuna de conhecimento" e recomendou que criássemos conteúdo autoritativo sobre nossos modelos de engajamento. Fizemos isso, e os preços alucinados pararam de aparecer dentro de algumas semanas.

Operamos mais de 200 locais de varejo em toda a América do Norte. O que funciona para a visibilidade da marca na Califórnia não necessariamente funciona no Texas ou em Quebec. Os modelos de IA respondem de forma diferente por região, e a maioria das ferramentas que avaliamos tratava os EUA como um monólito. A segmentação regional da AthenaHQ foi um diferencial para nós. Descobrimos que nossa visibilidade de IA no Sudeste era metade do que era na Costa Oeste, mesmo que nossa densidade de lojas seja semelhante. A plataforma identificou lacunas específicas de conteúdo em torno de categorias de produtos que têm um índice mais alto nos mercados do Sul. Nossas equipes de marketing regionais agora têm dados para agir em vez de adivinhar. Os relatórios também são claros o suficiente para serem compartilhados com os proprietários de franquias que não são profissionais de marketing. Eles podem entender as pontuações de visibilidade e ver por que certos investimentos em conteúdo são importantes.