Proč funnel po AI selhává jako růstový model

John Jantsch v éře AI mění marketing: méně honby za leady, víc důrazu na retenci, doporučení a důkazy důvěry. Co dnes rozhoduje o růstu, když je obsah všude stejný?

---

Známý scénář: produkujete víc obsahu, řídíte víc nástrojů, ale na trhu vás vybere méně lidí než dřív a akviziční výkon tomu neodpovídá. Právě na tenhle tlak navazuje rozhovor Johna Jantsche na Duct Tape Marketing, který ukazuje jeho posun od honby za leady k retenci, opakovanému byznysu a doporučením.

John Jantsch a Duct Tape Marketing v době AI

John Jantsch patří mezi marketingové konzultanty, speakery a autory bestsellerů podle Wall Street Journal; zároveň moderuje podcast Duct Tape Marketing. My ho čteme jako praktika, který dlouhodobě staví na systému, ne na jednorázových taktikách. Je známý i díky knihám Duct Tape Marketing, The Referral Engine a The Ultimate Marketing Engine, tedy titulům, které rámují marketing přes proces, doporučení a růst.

Právě teď jeho pohled působí relevantněji než další komentář k AI. Z argumentu vyplývá, že automatizace zlevnila kompetentní output, ale zároveň smazala rozdíly mezi dodavateli, takže samotný objem obsahu už nerozhoduje. My proto čteme jeho práci jako návrat k důvěře, retenci a doporučením, tedy k místům, kde se dnes rozhoduje o rozlišitelnosti i o růstu.

Na tenhle posun naváže i další část, která ukáže, proč se jeho starší rámec dostává do nové role.

Od funnelu k marketingovému přesýpacím hodinám

Jantschův posun chápeme jako reakci na trh, kde AI udělala „slušný“ marketing levný a snadno dostupný. Kdo dnes potřebuje obsah nebo e-mailové kampaně, zvládne podle jeho slov během odpoledne vyrobit použitelný výstup, a tím se zmenšuje rozdíl mezi firmami, které dřív oddělovala kvalita produkce. Horní část funnelu tak ztrácí část své váhy, protože sama o sobě už nezaručuje výraznější náskok.

Marketingové přesýpací hodiny proto mění optiku: přední polovina řeší získání a vyzkoušení, zadní polovina návratnost, opakovaný obchod a doporučení. „Druhá polovina je dnes nejdůležitější,“ shrnuje Jantsch podle jeho slov. My z toho čteme praktický důsledek: když je akvizice dražší a obsah podobnější, rozhoduje to, co systémově přijde po nákupu, tedy schopnost udržet zákazníka a proměnit spokojenost v další obchod. To je přechod, na který naváže i další sekce o důvěře a doporučitelnosti.

Doporučení, partnerství a důkazy, které čtou i AI modely

Jantsch vychází z prosté zkušenosti: když někdo zažil výjimečnou službu nebo nečekanou hodnotu, má přirozenou tendenci mluvit dál. My z toho čteme důležitý rozdíl mezi tím, že firma umí o referral požádat, a tím, že je skutečně referral-worthy. Rozhoduje jasně sdělitelná hodnota, kterou lze snadno předat dál.

Podle jeho slov je doporučení v praxi nejdůvěryhodnější lead, protože snižuje vnímané riziko. To není jen cena; do hry vstupuje i čas, energie a reputace spojená s chybnou volbou. Když riziko klesne, bývá menší i citlivost na cenu. Z argumentu zároveň plyne, že doporučení nevznikají náhodou: potřebují proces žádání a opakovatelný způsob, jak vysvětlit hodnotu služby.

My bychom k tomu doplnili, že partnerství často fungují jako silnější referral kanál než samotní zákazníci, protože dobře nastavený partner přivádí obchod opakovaně. V prostředí AI navíc roste váha recenzí, case studies, referencí i video testimonialů, protože modely z nich skládají doporučení a pracují se signály od zákazníků. Jak říká Jantsch, „AI modely mluví s dalšími stroji“; právě proto se z důkazů stává vstupní materiál pro doporučování i pro další růst.

AI shortlist, důkazy a partner referral jako nový filtr trhu

Jantsch tvrdí, že náklady na reklamu dál rostou, zatímco její účinnost je slabší než dřív. My z toho čteme i další posun: kupující dnes hůře rozeznají, kdo je skutečně silný dodavatel, protože všichni pracují s podobnými nástroji a podobným obsahem. Když AI vynechá firmu z úzkého výběru, zákazník se k jejímu webu někdy vůbec nedostane.

Do toho vstupuje změna vyhledávání samotného. Stále víc lidí se neproklikává nabídkami ručně, ale obrací se na AI vyhledávače a modely pro doporučení, které čerpají z recenzí, sociálních sítí i Redditu. Z argumentu vyplývá, že social proof už není jen podpůrný materiál pro lidi, ale i vstupní signál pro stroje, které shortlist vytvářejí.

Proto má váhu i partner referral. Jantsch uvádí spolupráci s Prosper Group jako příklad toho, jak se z volného vztahu stane formalizovaný kanál. My v tom vidíme rozdíl mezi tím, že firma umí o referral požádat, a tím, že je skutečně referral-worthy; právě tady se přestává spoléhat na top-funnel logiku a začíná se pracovat s důvěrou jako s provozním aktivem.

Praktický audit doporučení, AI shortlistu a partnerského kanálu

Jantsch nesměřuje k teorii, ale k auditu. My bychom začali u posledních deseti zdrojů zákazníků: z nich se dá vyčíst, v jakém momentu onboardingem prochází nejsnazší chvíle pro žádost o doporučení. Stejně přímočaře radí položit tutéž otázku třem AI asistentům a porovnat jejich odpovědi s tím, co říkají zákazníci; tím se ukáže, kde už o firmě rozhoduje model, ne člověk.

Další krok je provozní. My bychom mapovali strategické partnery, kteří sdílejí stejné ideální klienty, a teprve pak zvažovali formální referral program. Podle jeho slov může být právě takový program proměněn ve stabilní tok doporučení; pro poradce a business advisory segment navíc existuje i formalizovaná varianta na dtm.world/BA. Zároveň platí, že mít proces na žádání o referral není totéž jako být opravdu referral-worthy.

My z toho čteme jednoduchý postup: ověřit, kde vzniká důvěra, upravit místa, kde se dá doporučení snadno předat dál, a teprve potom škálovat. V prostředí, kde AI zlevnila kompetentní output a smazala rozdíly, bývá rozhodující právě to, co modely i zákazníci dokážou dohledat jako důkaz.

Co si z rozhovoru odnášíme do praxe

V éře, kdy je kompetentní marketingový výstup levný a snadno zaměnitelný, už pro nás není hlavní otázkou, kolik obsahu vyrobíme, ale jestli budujeme aktivum, které snižuje riziko volby. Z rozhovoru si proto odnášíme dva konkrétní kroky: ověřit, koho v naší kategorii doporučí různí AI asistenti, a projít poslední zdroje zákazníků, abychom našli momenty vhodné pro referral systém. Tím se rychle ukáže, kde dnes skutečně vzniká důvěra a co ji dokáže přetavit do růstu.

Zdrojový rozhovor najdeme na Duct Tape Marketing podcastu, na webu ducttapemarketing.com a také na kanálech Johna Jantsche na LinkedInu, YouTube a dalších běžných platformách, kde dlouhodobě publikuje své příručky k marketingu přes systém, partnerství a doporučení.

Jak poznáme, že nás AI shortlist opravdu poškozuje, a ne jen odráží slabou značku?
Ověříme to porovnáním výstupů více modelů, vlastního brand searchu a reálných leadů. Pokud se opakuje stejný výběr konkurentů, problém není jen v kreativitě, ale ve veřejných signálech.

Je referral program sám o sobě dost, nebo může fungovat i bez něj?
Program je jen proces. Bez jasné hodnoty, snadného předání a dobrého timingového momentu vznikají žádosti, ne doporučení. Nejprve musí být firma opravdu referral-worthy.

Nemůže se tahle logika zvrhnout v přílišnou závislost na pár partnerech?
Může, pokud nehlídáme koncentraci kanálu. Partnerství má být zdroj stabilního toku, ne jediná cesta k obchodům. Potřebujeme více vrstev důvěry i více typů referencí.

Jaký je nejčastější omyl při práci s recenzemi a case studies?
Lidé je berou jako brandové dekorace. Ve skutečnosti jde o vstupní data pro lidi i AI. Musí být konkrétní, dohledatelné a vztahovat se k rozhodovací situaci, ne jen k obecnému dojmu.

Co je rychlejší první audit: AI shortlist, nebo poslední zdroje zákazníků?
Začali bychom zdroji zákazníků. Tam nejrychleji uvidíme momenty, kdy se dá žádost o referral přirozeně vložit. AI shortlist pak pomůže ověřit, jak nás čte trh navenek.

Zdroj: ducttapemarketing.com

---