//

Ghostart : aider les entreprises à être recommandées par l’IA

Les clients se tournent de plus en plus vers l’IA pour obtenir des recommandations. Nous avons conçu et développé Ghostart pour aider les entreprises à comprendre comment elles sont représentées, à repérer des pistes d’amélioration et à agir concrètement.

Ghostart

Défi

Les entreprises investissent dans leur site web, le référencement et le marketing, mais ignorent souvent si l’IA les recommande, pourquoi leurs concurrents apparaissent à leur place et comment y remédier.

Notre intervention

Nous avons conçu et développé une plateforme de visibilité dans l’IA qui relie suivi, diagnostic, recommandations, mise en œuvre et mesure, en s’appuyant sur une connaissance réelle de l’entreprise.

Résultat

Une plateforme conçue pour aider les entreprises à augmenter leurs chances d’être recommandées sans devoir devenir spécialistes de la visibilité dans l’IA.

Ce que ce cas révèle plus largement

Un client potentiel demande à ChatGPT de lui recommander un fournisseur. Trois concurrents apparaissent. Votre entreprise est absente.

Malgré des années d’investissement dans le référencement, votre site et le marketing, vous pourriez ne jamais figurer dans la sélection.

Les outils de suivi de la visibilité dans l’IA répondent en partie à ce problème. Ils montrent où les entreprises apparaissent et quels concurrents sont recommandés, mais laissent souvent les dirigeants comprendre pourquoi et décider de la suite.

Pour une petite entreprise sans équipe marketing spécialisée, un tableau de bord supplémentaire peut simplement créer davantage de travail.

Il faut pouvoir comprendre sa visibilité dans l’IA et savoir comment l’améliorer.

Pourquoi un tableau de bord de suivi ne suffisait pas

Avec près de 30 ans d’expérience en marketing numérique, référencement et contenu, nous avons mesuré l’importance de ce changement dans la manière dont les clients découvrent les entreprises.

La solution évidente était un tableau de bord montrant où une entreprise apparaissait dans les recommandations de l’IA et comment elle se comparait à ses concurrents.

Nous avons toutefois remis cette hypothèse en question.

Savoir qu’on est absent d’une recommandation n’en explique pas la raison. Et repérer une cause possible laisse encore à quelqu’un le soin de décider quoi changer et de faire le travail.

Nous avons compris que l’occasion était d’aider les entreprises à améliorer leur visibilité dans l’IA, au-delà du simple suivi.

Le problème réel

L’information ne suffisait pas à comprendre

Les recommandations de l’IA ne sont pas entièrement transparentes. Les entreprises avaient besoin d’éléments concrets pour examiner les lacunes possibles, sans prétendre savoir exactement pourquoi un modèle avait produit une réponse donnée.

Les constats ne débouchaient pas automatiquement sur une action

Repérer des informations manquantes ou un positionnement peu clair ne donnait pas aux entreprises le temps ou les compétences pour y remédier.

Les améliorations exigeaient une connaissance réelle de l’entreprise

Des changements utiles devaient s’appuyer sur une expérience réelle, des preuves clients et une expertise, plutôt que sur du contenu IA générique.

Les progrès devaient pouvoir être mesurés

Les entreprises avaient besoin de suivre l’évolution dans le temps, au-delà d’un seul état des lieux de leur visibilité.

Il fallait relier compréhension, décisions et action concrète.

Notre approche

Nous avons appliqué la démarche de développement de The Foundry : définir le résultat attendu pour l’entreprise, décrire le processus nécessaire pour l’atteindre, puis déterminer où l’IA pouvait être utile.

1. Partir du résultat attendu

Les dirigeants souhaitent surtout avoir davantage de chances d’être considérés lorsque les clients choisissent leurs fournisseurs, au-delà d’un score de visibilité dans l’IA.

Nous nous sommes concentrés sur les questions clients pertinentes commercialement, les entreprises recommandées par l’IA et ce que les éléments disponibles permettaient de comprendre de ces réponses.

Ce point de départ était plus utile qu’un simple décompte des mentions de l’entreprise.

2. Décrire le processus avant de créer les fonctionnalités

Nous sommes partis du résultat souhaité pour remonter les étapes nécessaires.

Que devait-il se passer après qu’une entreprise découvrait qu’elle n’était pas recommandée ?

Cela a donné le processus en cinq étapes de Ghostart :

Suivre → Diagnostiquer → Recommander → Mettre en œuvre → Mesurer

Décrire le processus complet a fait apparaître des dépendances importantes. Les recommandations demandaient de connaître l’entreprise. Les améliorations exigeaient des preuves. Mesurer les progrès nécessitait de garder une trace des changements.

Ces besoins ont guidé le système avant la conception des fonctionnalités individuelles.

3. Déterminer le travail confié à l’IA

Nous avons examiné les activités que l’IA pouvait prendre en charge et celles où les personnes restaient indispensables.

L’IA pouvait rechercher des informations publiques, analyser les réponses, comparer les éléments disponibles, repérer des lacunes possibles et aider à préparer des améliorations.

Mais elle ne pouvait ni inventer des résultats clients, ni attribuer à une entreprise une expertise qu’elle n’avait pas, ni décider seule de toute publication.

Nous avons conçu une expérience qui accomplit autant de travail utile que possible et sollicite les clients lorsqu’une connaissance, une preuve ou une validation est nécessaire.

4. Construire autour de ce qui distingue chaque entreprise

Le travail sur la visibilité dans l’IA risquait d’encourager les entreprises à produire davantage de contenu générique et de les rendre plus difficiles à distinguer.

Nous avons choisi une autre approche.

Ghostart a été conçu pour comprendre ce que fait chaque entreprise, à qui elle s’adresse, ce qu’elle a accompli et ce que ses équipes savent.

Cette réflexion a guidé le Company Brain, le Proof Stack et les Second Brains, qui relient les informations de l’entreprise à une expérience et à des preuves réelles.

Elle s’appuyait aussi sur notre Beige-ometer et sur les réflexions de The Beige Code concernant la préservation d’un contenu distinctif.

L’IA accomplit le travail, tout en fondant les arguments de l’entreprise sur ce qu’elle peut réellement prouver.

En pratique

Comprendre les lacunes à partir des recommandations de l’IA

Ghostart examine les questions clients pertinentes, montre quelles entreprises apparaissent dans les recommandations de l’IA et met en évidence les sources correspondantes.

Il aide les utilisateurs à examiner les absences et ce que suggèrent les éléments disponibles, au-delà d’un score.

Transformer les constats en améliorations concrètes

Le système relie les lacunes possibles aux actions recommandées, à partir des informations sur l’entreprise et des preuves disponibles.

L’IA aide à rechercher et à préparer les améliorations ; les personnes apportent leur expertise et valident les décisions importantes.

Le suivi ultérieur permet d’observer les changements de visibilité.

Ce qui a changé

Un processus d’amélioration continu et relié

Suivi, diagnostic, recommandations, mise en œuvre et mesure sont conçus pour fonctionner ensemble.

Des recommandations fondées sur des éléments concrets

Les constats sont reliés à des sources observables et à une connaissance réelle de l’entreprise, plutôt qu’à des hypothèses sans fondement.

Moins de travail pour les dirigeants

L’IA aide à préparer des améliorations concrètes au lieu d’ajouter simplement des tâches marketing à une liste.

La plateforme a été développée. Les améliorations de visibilité des clients ne peuvent être garanties et ne sont pas présentées ici comme des résultats mesurés.

Pourquoi cette approche a fonctionné

L’occasion initiale semblait être le suivi d’un nouveau canal marketing.

Mais un tableau de bord seul ne prenait pas en charge le travail nécessaire pour comprendre et améliorer la visibilité.

En partant du résultat souhaité, nous avons compris pourquoi la connaissance de l’entreprise, les preuves et la mise en œuvre concrète devaient faire partie du système.

La principale réussite a été de concevoir un processus relié, au-delà d’une collection de fonctionnalités IA.

Ce que ce cas démontre

L’IA peut relier l’information au travail nécessaire pour la rendre utile, au-delà de la simple production d’informations supplémentaires.

Vous rencontrez un problème similaire ?

Si les informations ou les analyses de votre entreprise ne débouchent pas sur des actions utiles, il faut peut-être examiner ce qui se passe après l’analyse.

Chez The Foundry, nous repérons ces lacunes et construisons des systèmes IA pratiques pour relier les constats à l’action.

Parlons de la manière de faire avancer votre entreprise à partir de ses analyses.