Как AI-поиск убивает ваш pipeline: история одного кейса
B2B SaaS-команды всё чаще сталкиваются с парадоксом: трафик стабилен или растёт, но конверсии падают, а циклы сделок удлиняются. Причина - покупатели формируют shortlist ещё до перехода на сайт, на основе ответов ChatGPT, Perplexity и AI Overviews Google. Если вас нет в этих ответах — вас просто не рассматривают.
Кейс: fintech SaaS в сфере автоматизации закрытия финансовой отчётности. Сайт получал 10–20 органических кликов в день, 60% - по брендовым запросам. В AI-ответах компания отсутствовала. После переупаковки позиционирования и контента под реальные поисковые интенты (не «название продукта», а «как автоматизировать сверку счетов») за 9 месяцев: +275% органического трафика, 19 781 ключевых слов в топ-3, более 100 упоминаний в AI-платформах. Покупатели приходили уже понимающими продукт — звонки стали короче, лиды качественнее.
Механика: AI не «открывает» вас - он отражает то, что уже написано в обзорах, сравнениях, отраслевых статьях и отзывах клиентов. Разрозненные сигналы = нулевой результат. Проблема не в AI, а в позиционировании, которое теперь имеет прямые коммерческие последствия.
Вывод: Если ChatGPT не называет вас, когда клиент описывает свою проблему - вас для рынка не существует.
#Business #Ai #Advice #AiSearch
B2B SaaS-команды всё чаще сталкиваются с парадоксом: трафик стабилен или растёт, но конверсии падают, а циклы сделок удлиняются. Причина - покупатели формируют shortlist ещё до перехода на сайт, на основе ответов ChatGPT, Perplexity и AI Overviews Google. Если вас нет в этих ответах — вас просто не рассматривают.
Кейс: fintech SaaS в сфере автоматизации закрытия финансовой отчётности. Сайт получал 10–20 органических кликов в день, 60% - по брендовым запросам. В AI-ответах компания отсутствовала. После переупаковки позиционирования и контента под реальные поисковые интенты (не «название продукта», а «как автоматизировать сверку счетов») за 9 месяцев: +275% органического трафика, 19 781 ключевых слов в топ-3, более 100 упоминаний в AI-платформах. Покупатели приходили уже понимающими продукт — звонки стали короче, лиды качественнее.
Механика: AI не «открывает» вас - он отражает то, что уже написано в обзорах, сравнениях, отраслевых статьях и отзывах клиентов. Разрозненные сигналы = нулевой результат. Проблема не в AI, а в позиционировании, которое теперь имеет прямые коммерческие последствия.
Вывод: Если ChatGPT не называет вас, когда клиент описывает свою проблему - вас для рынка не существует.
#Business #Ai #Advice #AiSearch
🔥1
По словам разработчика Anthropic Тарика Шихипара, с новой моделью Claude Fable 5 качество результата всё чаще упирается не в модель, а в «слепые зоны» самого пользователя. Он выделяет четыре категории: «известные известности» (что уже в промпте), «известные неизвестности» (вопросы, которые вы осознаёте), «неизвестные известности» (очевидное, что вы не записываете) и «неизвестные неизвестности» — то, о чём вы даже не подумали. Именно последние, по его мнению, — главная проблема.
Шихипар рекомендует перед началом работы проводить «blindspot pass»: попросить Claude найти ваши неизвестные неизвестности. Пример промпта: «Я добавляю новый auth-провайдер, но ничего не знаю о модулях аутентификации в этой кодовой базе. Сделай blindspot pass, чтобы помочь мне понять мои неизвестные неизвестности и лучше сформулировать запрос». Для областей с «неизвестными известностями» (например, визуальный дизайн) он советует генерировать несколько радикально разных прототипов в HTML, чтобы было на что реагировать.
Во время реализации Шихипар предлагает вести временный файл
implementation-notes.md, куда Claude записывает принятые решения. При неожиданных edge cases модель должна выбирать консервативный вариант, логировать отклонение и продолжать. После завершения — «питчи и объяснения» для стейкхолдеров и «квизы»: Claude генерирует HTML-отчёт с изменениями и проводит тест. Шихипар не мёрджит код, пока не пройдёт квиз без ошибок.#AI #Prompt #Advice #Coding #Claude #Fable
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡1🔥1💯1