AI Search मध्ये Multi-Turn Intent आणि Latent Constraints

संभाषण एखाद्या प्रश्नाला कसे बदलते, त्या अटी ज्या खरेदीदार सांगत नाहीत, आणि त्यांचे उत्तर देण्यासाठी कसे लिहावे.

भाषा: English · हिंदी · मराठी

Multi-turn intent हा तो अर्थ आहे जो एखादा प्रश्न आपल्या आधीच्या संभाषणातून घेतो. Latent constraints ही त्या अटी आहेत ज्या एखाद्या खरेदीदाराच्या मनात आहेत पण ज्या तो सांगत नाही, जसे अंदाजपत्रक, कंपनीचा आकार, ठिकाण किंवा तो आधीपासून वापरणारी tools. AI assistants दोन्ही आपल्या searches मध्ये सोबत नेतात, त्यामुळे जे पान सांगते की ते कोणासाठी आहे आणि कोणत्या अटींत लागू होते, ते एखाद्या खऱ्या खरेदीदाराच्या परिस्थितीशी जुळवणे सोपे असते.

संभाषण एखाद्या प्रश्नाला कसे बदलते

पारंपरिक search box मध्ये प्रत्येक query एकटी उभी असते. कोणत्या chat मध्ये दुसरा प्रश्न पहिल्यावर उभा असतो:

  1. “छोट्या B2B team साठी कोणता CRM चांगला आहे?”
  2. “त्यांपैकी कोणते Tally सोबत चालतात?”
  3. “आणि 20 users साठी त्याची किंमत काय होईल?”

तिसरा प्रश्न एकटा काही अर्थ ठेवत नाही. Assistant तो आधीच्या वळणांवरून पुन्हा लिहितो, असे काही घडवून की “छोट्या team च्या B2B CRMs ची किंमत जी Tally शी जोडतात, 20 users साठी”, आणि त्याचा search करतो. Google चे AI Mode, ChatGPT, Perplexity आणि Gemini सगळे याच पद्धतीने पुढचे प्रश्न हाताळतात.

काही assistants आधीच्या संभाषणांतली तथ्ये किंवा साठवलेली पसंत सुद्धा लक्षात ठेवतात, जसे एखाद्या वापरकर्त्याचा उद्योग किंवा देश. हे त्यांच्या चालवलेल्या searches ला आकार देऊ शकते, आजचा प्रश्न त्याबद्दल काहीही सांगत नसला तरी.

Latent constraints

खरेदीदार ते सगळे क्वचितच लिहितात जे त्यांच्यासाठी महत्त्वाचे असते. सामान्य न सांगितलेल्या अटी आहेत:

अट उदाहरण
अंदाजपत्रक महिन्याच्या त्या खर्चात बसावे जो खरेदीदाराच्या मनात आहे
आकार 20 माणसांच्या team साठी बांधलेले असावे, 2,000 साठी नाही
ठिकाण भारतात उपलब्ध, किंमती रुपयांत, स्थानिक support
आधीपासून वापरातली tools आधीपासून वापरात असलेल्या accounting किंवा CMS software सोबत चालावे
अनुपालन Data residency किंवा उद्योगाचे नियम पूर्ण करावे
कौशल्य स्वतःच्या developer शिवाय वापरता यावे
कालरेषा दिलेल्या काळात सुरू किंवा launch होऊ शकावे

जेव्हा एखाद्या assistant ला या अटी माहीत असतात किंवा तो त्यांचा अंदाज बांधतो, तेव्हा तो त्या स्रोतांना शोधतो जे यांवर बोलतात. जे पान किंमत, आकार, ठिकाण किंवा integrations चा उल्लेख कधीच करत नाही, ते त्याला जुळवण्यासाठी काहीच देत नाही.

Micro-personas (Brilad ची काम करणारी पद्धत)

आम्ही micro-persona हा शब्द एखाद्या विशिष्ट खरेदीदार परिस्थितीसाठी वापरतो, जी भूमिका आणि अटींनी घडते, उदाहरणार्थ “50 माणसांच्या भारतीय SaaS कंपनीत marketing head, स्वतःचा SEO करणारा नसताना, ज्याला funding round च्या आधी निष्कर्ष हवे आहेत”. ही आमची नियोजनाची पद्धत आहे, उद्योगाचे प्रमाण नाही. प्रत्येक सेवेसाठी आम्ही त्या micro-personas ची यादी करतो जे ती खरेदी करतात आणि तपासतो की साइट त्यांच्या न सांगितलेल्या प्रश्नांचे उत्तर कुठे अशा ठिकाणी देते का जिथे एखादी system ते शोधू शकेल.

यासाठी कसे लिहावे

  • सांगा की एखादे उत्पादन किंवा सेवा कोणासाठी आहे, आणि कोणासाठी नाही
  • किंमती सांगा, किंवा कमीत कमी किंमतीच्या कक्षा आणि त्या बदलणाऱ्या गोष्टी
  • त्या tools आणि platforms ची नावे घ्या ज्यांसोबत ती चालते
  • सांगा की ती कुठे उपलब्ध आहे आणि ठिकाणाशी जोडलेला कोणता तपशील
  • संभाव्य पुढच्या प्रश्नांचे उत्तर त्याच पानावर द्या किंवा त्यांशी स्पष्टपणे जोडा

यांपैकी प्रत्येक असा एक भाग घडवतो जो कोणत्या संभाषणात पुढच्या प्रश्नाशी जुळू शकतो, पहिला प्रश्न सर्वसामान्यच राहिला असला तरी.

वारंवार विचारले जाणारे प्रश्न

लोक माझ्या विषयावर पुढे कोणते प्रश्न विचारतात हे मी पाहू शकतो का?

AI assistants कडून थेट नाही. Sales calls, support emails, “People also ask” चे डबे आणि Search Console च्या लांब queries हे सर्वात चांगले स्रोत आहेत.

सेवा कोणासाठी नाही हे सांगितल्याने ग्राहक गमावले जातात का?

त्यामुळे त्या चौकशी कमी होऊ शकतात ज्या तरीही झाल्या नसत्या. त्यामुळे assistants ना तुम्हाला त्या खरेदीदारांना सुचवण्यातही मदत होते ज्यांसाठी तुम्ही प्रत्यक्षात योग्य आहात.

संबंधित पाने