Beziffern Sie die Deals, die die KI an Ihren Wettbewerber schickt
Share of Model sagt Ihnen, dass Sie verlieren. Es sagt nicht, was das Verlieren kostet. Revenue at Risk bewertet die kaufabsichtsnahen Prompts, die ein Wettbewerber gewinnt, durch Ihren eigenen Funnel, sodass das Gespräch von einem Diagramm zu einer Zahl wird, über die Ihr CFO streiten kann.
Attribution belegt, was die KI eingebracht hat. Dies beziffert, was sie kostet.
Jedes KI-Sichtbarkeitstool kann Ihnen eine Lücke zeigen. Fast keines sagt Ihnen, was die Lücke wert ist, denn das ehrlich zu sagen verlangt Zahlen, die das Tool nicht hat: Ihren Vertragswert, Ihre Abschlussquote. Wir fragen danach, und bis Sie sie liefern, zeigen wir überhaupt keine Schätzung.
Was die Schätzung sich verweigert
Einen branchenüblichen Durchschnittsvertragswert statt Ihres zu verwenden.
Einen Prompt nach einer einzigen Antwort für verloren zu erklären.
Einen Prompt, den Sie in der Hälfte der Fälle verlieren, so zu bewerten, als hätten Sie ihn ganz verloren.
Eine einzelne selbstbewusste Zahl zu präsentieren, wo die ehrliche Antwort eine Spanne ist.
Fünf Multiplikationen, jede einzeln gezeigt
Die Schätzung ist eine Kette, also wird sie als Kette dargestellt. Wer die Gesamtsumme bestreitet, kann auf genau den Schritt zeigen, mit dem er nicht einverstanden ist, statt das Ganze abzulehnen.
- Schritt 1
Suchanfragen, die Sie verlieren
Jährliches Suchvolumen hinter den kaufabsichtsnahen Prompts, bei denen die KI einen Wettbewerber nennt, gewichtet danach, wie oft Sie jeden davon tatsächlich verlieren.
Gemessen
- Schritt 2
KI-Besuche
Was diese Nachfrage Ihnen brächte, wenn der Assistent stattdessen Sie empfehlen würde.
Gemessen oder Benchmark, bis Ihr Traffic es bestimmen kann
- Schritt 3
Leads
Ihre Besuch-zu-Lead-Rate auf diese Besuche angewendet.
Gemessen oder eingegeben
- Schritt 4
Kunden
Ihre Lead-zu-Abschluss-Rate auf diese Leads angewendet.
Von Ihnen eingegeben
- Schritt 5
Umsatz im Risiko
Ihr durchschnittlicher Vertragswert auf diese Kunden angewendet.
Von Ihnen eingegeben
Eine Spanne, weil die ehrliche Antwort eine Spanne ist
Niemand kann wissen, wie viele dieser Käufer Sie gewählt hätten, wenn der Assistent Sie genannt hätte. Statt diese Unsicherheit zu vergraben, beziffert das Produkt sie: dieselbe Kette läuft dreimal und variiert nur den Schritt, den wir modellieren statt messen.
Konservativ
Wenn ohnehin nur wenige dieser Käufer zu Ihnen gewechselt wären.
Wahrscheinlichster Fall
Unser zentraler Fall, und der, den man in ein Planungsgespräch mitnimmt.
Optimistisch
Wenn die Empfehlungslücke Sie teuer zu stehen kommt.
Eine Zahl, deren Annahmen verborgen sind, ist nicht belastbar
Diese Zahl landet in geschäftlichen Gesprächen, deshalb steht jeder Eingabewert, der sie erzeugt hat, auf der Seite, gekennzeichnet mit seiner Herkunft.
Kam aus Ihrer verbundenen Analytics und Ihren verfolgten Prompt-Läufen.
Kam aus Ihrem Setup. Ändern Sie es, und die Schätzung bewegt sich mit.
Unsere Ausgangsannahme, verwendet für einen Schritt und nur, bis Ihre eigenen Daten sie ersetzen.
Die Schätzung benennt die Prompts, die zuerst dran sind
Eine Gesamtsumme nützt nur, wenn sie irgendwohin zeigt. Die verlorenen Prompts sind nach der Suchnachfrage dahinter sortiert, jeweils mit der Angabe, wie oft Sie ihn verlieren, sodass die erste Arbeitswoche bereits feststeht.
Drei Zahlen schalten es frei: durchschnittlicher Vertragswert, Lead-zu-Abschluss-Rate und Besuch-zu-Lead-Rate, wo wir sie nicht aus Ihrem Traffic messen können.
Tarife ansehenRevenue at Risk erklärt
Revenue at Risk bewertet die kaufabsichtsnahen Prompts, bei denen ein KI-Assistent statt Ihnen einen Wettbewerber empfiehlt. Es nimmt die Suchnachfrage hinter diesen verlorenen Prompts und führt sie durch Ihren eigenen Funnel, mit Ihrer Besuch-zu-Lead-Rate, Ihrer Lead-zu-Abschluss-Rate und Ihrem durchschnittlichen Vertragswert, um zu schätzen, was die Empfehlungslücke Sie in einem Jahr kosten könnte.
Eine Schätzung, und sie wird als Spanne statt als Einzelwert dargestellt. Wir können nicht wissen, wie viele dieser Käufer Sie gewählt hätten, wenn die KI Sie empfohlen hätte, und diese Unsicherheit ist echt, deshalb zeigt das Produkt einen konservativen, einen wahrscheinlichsten und einen optimistischen Fall, statt sie hinter einer selbstbewussten Zahl zu verstecken.
Jeder Eingabewert ist mit seiner Quelle gekennzeichnet. "Gemessen" heißt, er kam aus Ihrer verbundenen Analytics. "Von Ihnen eingegeben" heißt, er kam aus Ihrem Setup, etwa Vertragswert und Abschlussquote. "Benchmark" heißt, wir verwenden eine Ausgangsannahme, was nur für die Rate gilt, mit der Suchnachfrage zu einem Besuch wird, und nur, bis Ihr eigener Traffic sie bestimmen kann.
Drei Zahlen, die nur Sie haben: durchschnittlicher Vertragswert, Lead-zu-Abschluss-Rate und Besuch-zu-Lead-Rate, falls wir sie nicht aus Ihrem Traffic messen können. Bis diese eingetragen sind, zeigt Targetlytics bewusst überhaupt keine Schätzung. Ein branchenüblicher Standardvertragswert erzeugte eine Zahl, die in dem Moment zusammenbricht, in dem jemand fragt, woher sie stammt.
Ein Prompt wird erst bewertet, wenn er im Zeitfenster mehr als einmal gelaufen ist. Dieselbe Frage kann in zwei aufeinanderfolgenden Läufen verschiedene Anbieter nennen, eine einzelne Antwort kann also nicht klären, ob Sie ihn gewinnen. Prompts, die Sie nur manchmal verlieren, werden mit dem Anteil bewertet, den Sie tatsächlich verlieren, nicht vollständig, und einmal gelaufene Prompts bleiben ganz außen vor.
Attribution misst, was KI-Traffic Ihnen bereits eingebracht hat. Revenue at Risk schätzt die andere Hälfte: was die Empfehlungen wert sein könnten, die Sie nicht gewinnen. Wir addieren die beiden nie. Eines ist gemessen, eines modelliert, und beides zu vermischen würde beide unglaubwürdiger machen.
Preisfragen, direkte Vergleiche, Shortlist- und "bestes X für Y"-Anfragen. Das sind die Fragen, die jemand stellt, wenn er kurz vor der Anbieterwahl steht. Fragen aus der Awareness-Phase sind ausgeschlossen, weil eine dort verlorene Antwort sich nicht sauber auf einen verlorenen Deal abbilden lässt.
Finden Sie heraus, was die Empfehlungslücke Sie kostet
Starten Sie mit einem kostenlosen Audit, wo die KI Sie heute empfiehlt und wo sie jemand anderen empfiehlt.
Kostenloses Sichtbarkeits-Audit anfordern
