Když vás AI umístí na druhé místo

AI mění PR v B2B nákupu: nestačí být vidět, značka musí být i správně pochopená a zařazená do shortlistu. Rozhoduje, jak vás AI popíše, s kým srovná a koho doporučí.

---

Máte kvalitní PR výstupy, ale v AI odpovědích vás systém zařadí mezi malé hráče nebo až jako druhou volbu. Na MarTech to popisuje Shama Hyder a opírá se o data G2 a Magenta Associates: nejde už jen o to, zda vás AI najde, ale zda vás správně pochopí, porovná a postaví proti těm správným konkurentům.

Proměna role PR v nákupním procesu řízeném AI: nejde jen o viditelnost, ale i o rámování značky

V B2B nákupu se mění už samotný první krok. Podle MarTech stále více kupujících softwaru sahá nejdřív po AI, a 71 % z nich používá AI chatboty k výzkumu dodavatelů. Více než polovina navíc začíná nákupní proces přímo dotazem na AI. To je pro PR důležitý posun: nejde už jen o to, aby se značka v odpovědi vůbec objevila.

Rozhoduje i to, jak ji AI popíše, kam ji zařadí a proti komu ji postaví. V praxi to znamená, že značka může být vidět, a přesto prohrát. AI ji totiž nemusí představit jako přirozenou volbu pro daný nákupní úkol, ale třeba jako doplňkovou možnost nebo jako slabší variantu proti konkurenci. Právě to mění pravidla hry pro PR.

MarTech upozorňuje, že AI systémy ovlivňují, jak jsou dodavatelé během nákupního procesu prezentováni, porovnáváni a doporučováni. To je podstatnější než staré pojetí viditelnosti, kde stačilo “být někde nahoře”. V prostředí AI se značka dostává do užšího výběru jen tehdy, když ji systém čte jako jasně vymezenou a důvěryhodnou entitu.

V realitě B2B nákupu to funguje tvrději, než si mnoho týmů připouští. Značka může mít silné mediální zásahy, ale pokud jí AI nerozumí konzistentně napříč webem a zdroji, nemusí se dostat ani do krátkého seznamu kandidátů. Nejde tedy jen o zásah, ale o interpretaci zásahu.

MarTech uvádí i konkrétní rizika. Značka se může v AI odpovědích objevovat pravidelně, ale být popsána tak, že to podkopává její skutečné postavení. Může skončit v kategorii SMB nástroje, ač ve skutečnosti slouží enterprise klientům. Nebo ji AI představí jako sekundární možnost vedle konkurence, i když trhu reálně patří silnější pozice.

Právě tady se mění role PR. V tradičním modelu jsme sledovali coverage a zmínky. V modelu řízeném AI musíme navíc hlídat decision-stage prompty, přítomnost značky v odpovědích a způsob, jakým ji AI charakterizuje. Nestačí vědět, že se značka objevila. Potřebujeme vědět, zda se objevila správně.

Dual-path PR proto dává smysl jako dvě vrstvy nad stejným vstupem. Jedna vrstva mluví k lidem a posiluje důvěru. Druhá vrstva pracuje s tím, jak AI značku vyhodnocuje, srovnává a zařazuje. Vstup je stejný, architektura už ne. A právě v tom je rozdíl mezi starým a novým chápáním PR v nákupu řízeném AI.

AI zužuje výběr na krátké seznamy a vybírá podle konkrétních signálů

V praxi už nebojujeme o bezbřehou viditelnost. AI často pracuje jen s několika značkami a zbytek trhu nechá mimo výběr.

Magenta Associates podle svého výzkumu zjistila, že pět značek zachytí 80 % nejlepších odpovědí napříč kategorií B2B. Zároveň AI odpovědi často zobrazují jen čtyři až sedm značek. To je důležité hlavně proto, že nákupní rozhodování se přesouvá do prostoru, kde už nejde o široký seznam kandidátů, ale o malý shortlist.

Ještě nedávno jsme v SEO přemýšleli o první stránce Googlu jako o souboji o deset modrých odkazů. U AI je prostor užší a tvrdší. Nejde jen o to být přítomní, ale dostat se mezi několik málo jmen, která model vůbec nabídne.

Klíčový rozdíl proti běžné marketingové praxi je prostý: silná mediální stopa sama o sobě nestačí. AI nevybírá podle dojmu z kampaně, ale podle signálů, které jí pomáhají značku zařadit. Patří sem autorita zdroje, jasnost entity a konzistence napříč webem. Když tyto signály nesedí, značka se do shortlistu nemusí dostat, i když získala výrazné earned media.

V B2B nákupu to vidíme velmi konkrétně. Kupující používají AI na výzkum dodavatelů a rozhodují se podle krátkého seznamu, který jim model sestaví. V tu chvíli rozhoduje i to, jak AI značku rámuje. Značka může být přítomná, ale pokud ji AI popíše slabě, nejasně nebo jako méně relevantní volbu, ztrácí pozici ještě před prvním interním porovnáním.

Právě tady narážíme na slabinu mnoha PR přístupů. Měří coverage a zmínky, ale neřeší, zda se značka objeví v decision-stage promtech a jak ji AI v takovém kontextu popíše. Rozdíl mezi „někde jsme byli zmíněni“ a „dostali jsme se do užšího výběru“ je v AI prostředí mnohem větší než dřív.

My z toho čteme jednoduchý závěr: v AI výběru nestačí hlasitost. Rozhoduje, zda značka působí jako jasná, důvěryhodná a konzistentní volba. Kdo tenhle signál neposílí, může zůstat viditelný, ale mimo skutečný shortlist.

Dvojí cesta PR: jedna pro lidské publikum, druhá pro interpretační vrstvu AI

PR dnes pracuje ve dvou rovinách najednou. Jedna mluví k lidem, druhá k systémům, které lidé při výběru dodavatele používají čím dál častěji. Když se budeme držet jen tradiční představy o public relations, uvidíme hlavně zásah, dosah a citace. Jenže v praxi B2B nákupu už rozhoduje i to, jak AI značku vyhodnotí, zařadí a popíše.

U lidského publika zůstává PR pořád o známém mechanismu. Získaná média, články, analytické pokrytí nebo umístění v oborových přehledech zvyšují důvěru postupně a přes konkrétní obsah. Kupující si značku ověří, vrátí se k ní a zařadí si ji do vlastního shortlistu. To je pořád důležitý efekt, který MarTech popisuje jako přímou práci PR s viditelností a důvěryhodností.

Jenže vedle toho vzniká druhá vrstva. Magenta Associates upozorňuje, že AI systémy nepracují jen s tím, že značka někde existuje. Využívají strukturované signály, konzistentní pojmenování a distribuovanou přítomnost, aby se rozhodly, zda značku vůbec pustí do odpovědi a s kým ji srovnají. Stejná PR aktivita tedy může působit dvojím způsobem, ale obě vrstvy mají jinou logiku.

V běžné praxi se pořád často myslí hlavně na to, aby značka „byla vidět“. To stačilo v době, kdy rozhodoval člověk u vyhledávání nebo v médiích. Dnes ale kupující používají AI na výzkum dodavatelů, jak ukazuje Shama Hyder i MarTech. Výsledek pak není jen otázka přítomnosti. Rozhoduje také rámování. Značka může být v odpovědi uvedená, ale ve formulaci působí menší, slabší nebo méně vhodně, než ve skutečnosti je.

Právě tady se ukazuje rozdíl mezi oběma cestami. PR pro lidi staví na obsahu, který čtenář chápe a vyhodnocuje sám. PR pro AI potřebuje, aby značku šlo snadno rozpoznat, konzistentně přiřadit ke správné kategorii a nezařadit ji omylem jinam. Bez toho se značka nemusí dostat do AI shortlistu, i když má silný mediální zásah.

V oboru se často předpokládá, že silná publicita všechno vyřeší sama. Ve skutečnosti může značka skončit v AI odpovědi jako SMB nástroj místo enterprise dodavatele, nebo jako sekundární volba proti konkurenci. To není drobný detail. V B2B nákupu podobné zařazení mění pořadí uvažování ještě před prvním kontaktem s obchodem.

Proto dává smysl mluvit o dual-path PR jako o jedné aktivitě se dvěma výstupy, ne o dvou oddělených kampaních. Jeden výstup buduje vztah s lidmi. Druhý zajišťuje, aby AI značku správně přečetla, nezařadila ji vedle slabší konkurence a nepopisovala ji způsobem, který podkopává její skutečnou pozici. To je dnes rozdíl mezi pouhou viditelností a skutečným vlivem na nákup.

Měření decision outcomes a AI perception jako praktický mechanismus úpravy PR

V praxi už nám nestačí počítat, kolikrát se značka v AI odpovědích objevila. Důležitější je, v jakých rozhodovacích dotazech se objevila a co z toho AI udělala pro nákupní úsudek.

MarTech popisuje nové nástroje, které sledují právě odpovědi s nákupním úmyslem. Nejde o obecný přehled viditelnosti, ale o mapování situací, kdy kupující zvažuje dodavatele, zužuje výběr nebo skládá užší shortlist pro interní přezkum. V B2B nákupu má takový rozdíl přímý dopad. Značka může být zmíněná, a přesto se do rozhodování nedostane.

Právě tady vidíme posun od klasického reportingu k užitečnějšímu čtení reality. Běžná praxe se zastaví u coverage a zmínek. Jenže rozhoduje i to, jak AI značku rámuje. Sledujeme tedy nejen přítomnost, ale i to, zda AI popisuje značku jako autoritu v kategorii, nebo ji posouvá na okraj výběru.

Shama Hyder upozorňuje, že tyto nástroje umí měřit výsledky rozhodování přes dotazy s jasným nákupním záměrem. To je pro PR podstatné. Když značka často vystupuje v obecné konverzaci, ale mizí v otázkách typu „které řešení zvolit“ nebo „které dodavatele dát na shortlist“, má komunikace slabé místo. Nepromítá se do fáze, kde se dělá skutečný výběr.

G2 k tomu přidává druhou rovinu, kterou mnoho týmů přehlíží. Není důležité jen to, zda se značka ve výsledcích objeví. Důležité je i to, jak AI charakterizuje její pozici a jak často ji řadí mezi relevantní volby. Pokud AI značku popíše jako SMB nástroj, ačkoliv jde o enterprise dodavatele, nebo ji ukáže jako sekundární možnost proti konkurenci, PR naráží na problém, který se nevyřeší další zmínkou.

Magenta Associates ukazuje, že rozhodovací prostředí v AI bývá úzké. Odpovědi často pracují jen s několika značkami. V takové situaci nevyhrává ten, kdo má nejvíc výstupů, ale ten, koho AI považuje za dost jasnou a důvěryhodnou volbu. Proto musíme sledovat i nesoulady mezi skutečným postavením značky a tím, jak ji AI zařazuje.

To je přesně místo pro úpravu PR. Když monitoring odhalí, že značka chybí v shortlistových dotazech, nebo se v nich objevuje s oslabeným významem, máme signál upravit interpretaci, ne jen frekvenci výstupů. Dual-path PR tu funguje ve dvou vrstvách se stejným vstupem, ale odlišnou architekturou. Jedna míří na lidi. Druhá hlídá, aby AI značku správně četla, řadila a doporučovala.

Smysl celého měření je tedy praktický. Neptejme se jen, kolik toho AI o značce řekla. Ptejme se, v jaké fázi nákupu to řekla, koho tím z výběru vytlačila a zda popis značce pomáhá, nebo ji podkopává. Teprve tehdy dostává PR zpětnou vazbu, podle které se dá skutečně upravit.

Earned media dál fungují, ale už samy nepokryjí celý nákupní proces

Na tomhle místě bychom tradiční PR rozhodně nepochovávali. Model získaných médií pořád pracuje a v B2B nákupu má dál svůj význam.

Pokrytí v médiích, odkazy z autoritativních zdrojů i citace v odborných výstupech stále pomáhají lidem značku najít, pochopit a zařadit. V praxi to znamená víc než jen dosah. Značka působí důvěryhodněji, získává odborný kontext a drží konzistentnější stopu napříč webem.

Jenže nákupní chování se rozšířilo o další vrstvu. Kupující dnes neprocházejí jen vyhledávače a oborová média. Čím dál častěji sahají i po AI nástrojích, když si vybírají dodavatele. Právě tam se může rozhodnout, jestli se značka dostane do užšího výběru, nebo z něj vypadne dřív, než člověk vůbec otevře web.

Shama Hyder v MarTech upozorňuje, že nestačí být vidět v tradičním smyslu. Rozhoduje i to, jak AI značku rámuje, s čím ji porovnává a do jaké kategorie ji posadí. Když AI vystaví značku jako SMB nástroj, i když jde o enterprise dodavatele, nebo ji označí jen jako sekundární volbu proti konkurenci, vzniká problém, který samotná mediální stopa nevyřeší.

Magenta Associates k tomu dodává důležitý praktický detail: AI odpovědi často pracují jen s několika značkami. V jedné kategorii tvoří malý shortlist a o místo v něm se nehraje na množství zásahů, ale na autoritu zdroje, jasnost entity a konzistenci napříč webem. Silné mediální zásahy tedy pomohou, ale samy o sobě nezaručí, že se značka do AI výběru vůbec dostane.

To je hlavní posun, který bychom si měli odnést. Earned media pořád podporují tradiční objevování značky a udržují její důvěryhodnost. Neřeší ale celý rozhodovací prostor samy. Pokud značka chce být relevantní v celé cestě nákupu, musí obstát jak v lidském čtení, tak v AI doporučeních.

Právě tady dává smysl přemýšlet o PR ve dvou vrstvách se stejným vstupem, ale odlišnou architekturou. Jedna vrstva mluví k lidem a buduje reputaci. Druhá musí zajistit, aby AI značku správně rozpoznala, zařadila a popsala. Bez obou vrstev zůstává PR napůl hotové.

Proto také nemá smysl měřit jen coverage a počet zmínek. V praxi potřebujeme sledovat, jestli se značka objevuje v decision-stage promptech, jestli se dostává do shortlistu a jak ji AI popisuje. Stejně důležité je zachytit i situace, kdy ji AI vyhodnotí způsobem, který podkopává její skutečné postavení.

My z toho čteme jednoduchý závěr: earned media zůstávají funkčním základem, ale už nejsou kompletním řešením. Značky, které zvládnou tradiční objevování i AI doporučení, si v nákupu drží náskok po celou dobu rozhodování.

Nejde jen o to být vidět. Jde o to, jak nás AI zařadí.

V B2B se PR posouvá z role podpory reputace do role, která ovlivňuje i samotné rozhodování. Když nás AI umí správně přečíst, zařadit a porovnat, earned media pořád fungují. Když ne, můžeme být citovaní a přesto mimo shortlist.

To je v praxi nepříjemná, ale užitečná kontrola reality: nestačí hlídat zásah a počet zmínek. Musíme sledovat, jestli značka v AI odpovědích vystupuje jako jasná volba, nebo jen jako přítomná položka bez váhy. Právě v tom se dnes láme dopad PR.

Jinými slovy, starý přístup měří, zda jsme byli vidět. Nový musí ukázat, zda nás AI doporučuje správně. A to je rozdíl, který už nelze přehlížet.

Zdroj: martech.org

---