AI-systemer vælger, hvem de citerer, ud fra tillid. Cases og kundeanbefalinger er ikke tomt markedsføringssnak for AI. De er beviser på troværdighed. Når en AI-motor ser et ægte kundeprojekt med tal og et navn på, ser den det som bevis på, at du leverer det, du lover.
Forskellen på en case, som AI ignorerer, og en, som AI anbefaler, kan være så enkel som måden, du opbygger resultaterne på, hvor du placerer dataene, og hvor konkret du gør udfaldet. Her gennemgår vi præcis, hvad AI leder efter i cases og kundeanbefalinger, og hvordan du formaterer dem, så AI-motorer citerer dig som en troværdig kilde.
Hvorfor cases betyder mere for AI end for mennesker
En case er et bevis. Når en besøgende læser en case, leder de efter social bevisførelse. Et bevis på, at du har hjulpet en, der ligner dem. AI-systemer bruger cases af samme grund, men med en anden prioritet.
Tag en hvilken som helst marketingside, og du vil se forskellen. De fleste marketingsider kommer med påstande: Vi øger konverteringer, vi sparer tid, vi sænker omkostninger. AI behandler dem som påstande. Men en case med et kundenavn, målbare resultater og konkrete data før og efter bliver behandlet som bevis. AI-motorer citerer hellere beviser end påstande.
Grunden er enkel. AI-systemer er trænet til at undgå hallucination, altså at opfinde fakta. Når en AI ser et resultat med tal, der er knyttet til en bestemt kunde eller organisation, har den en konkret påstand, den kan citere. Påstanden kommer ikke fra dig, den kommer fra et rigtigt menneske, der har oplevet resultatet. Det gør cases til et af de stærkeste tillidssignaler i dit indhold.
Research i AI-tillidssignaler viser, at indhold med kundehistorier, statistikker og original data bliver citeret 30 til 40 procent oftere end indhold uden beviser. Det er ikke en lille forskel. Det betyder, at den samme artikel, med samme søgeordsoptimering og tekniske opsætning, rangerer højere i AI-svar, når den har en konkret case med.
Hvilke data i en case signalerer tillid til AI?
Ikke alle cases er bygget op på samme måde. Formatet betyder noget. AI-systemer leder efter bestemt information, når de vurderer, om en case er troværdig nok til at blive citeret.
Kundens identitet
AI prioriterer cases, hvor kunden er navngivet og kan kontrolleres. En case med kundens navn, virksomhed og titel er stærkere end en, der siger "en virksomhed inden for finans". AI-systemet kan sammenholde kundens identitet med andre kilder online. Hvis kunden ser ud til at være ægte og har en tilstedeværelse, der kan kontrolleres, bliver casen mere troværdig i AI's vurdering.
Anonyme cases ("Kunde X" eller "en SaaS-startup") signalerer til AI, at noget bliver skjult. Det betyder ikke, at AI afviser casen, men den vægter den lavere end en med fuld åbenhed om kunden. Hvis du har kunder, der vil nævnes, så fremhæv dem tydeligt. Hvis du endnu ikke har navngivne kunder, så overvej samarbejder om cases med tidlige kunder, der vil give lov til at blive nævnt.
Konkrete målinger og tal
Uklare udfald er ikke troværdige for AI. At sige "øgede omsætningen" er mindre troværdigt for AI end "øgede den årlige omsætning med 47 procent på seks måneder". Det konkrete betyder noget.
AI-systemer markerer runde tal og generiske påstande som svage signaler. Et resultat på præcis "50 procent forbedring" lyder som et skøn. Et resultat på "47 procent forbedring" eller "53 procent" lyder som en måling. Tag den faktiske måling med: stigningen, ikke kun retningen.
De stærkeste målinger er dem, der er sværest at forfalske. Omsætningstal er sværere at forfalske end tilfredshedsscorer. Mål for tid til resultat er sværere at forfalske end vurderinger af kvalitet. Hvis din kunde har opnået noget, der kan måles og dokumenteres, er det det, du fremhæver i casen.
Sammenhæng før og efter
Situationen, før dit produkt kom til, betyder noget. En case, der siger "Kunden mistede 12 procent af ordrerne i kassen. Vi bragte det ned til 3 procent med vores optimeringsydelse. Resultat: 18 procent højere omsætning pr. besøgende", er opbygget på en måde, som AI kan trække ud og citere. Situationen før, indsatsen og situationen efter er alle tydelige.
Uden situationen før mister resultatet sin sammenhæng. At sige "Vi fik 18 procent højere omsætning pr. besøgende" fortæller en AI ingenting om størrelsen på forbedringen eller om, hvilket problem der blev løst. Når du tilføjer situationen før, bliver forbedringen troværdig, fordi AI kan se, hvor stort et hul du har lukket.
Tidsramme og varighed
Hvor lang tid tog det at se resultater? Det betyder noget for AI. En case, der siger "Opnåede 47 procent højere omsætning på seks måneder", er stærkere end en, der bare siger "Opnåede 47 procent højere omsætning". Tidsrammen fortæller AI, om det er et realistisk udfald, andre kunder kan forvente, eller en afviger, der tog år at opnå.
Hvis du fremhæver en case med imponerende tal, så skriv, hvor lang tid det tog, før forbedringen viste sig. Hvis det tog 18 måneder, så sig det. Hvis det tog to uger, er det endnu mere troværdigt for det rette brugsscenarie. Tidsdimensionen forhindrer AI i at se dine resultater som urealistiske eller konstruerede.
Sådan opbygger du en case, så AI kan trække den ud
Måden, du lægger en case op på din side, afgør, om AI overhovedet trækker den ud. AI-systemer bruger overskrifter, lister og formatering til at forstå sidens opbygning. En case, der er gemt i lange afsnit med brødtekst, er sværere for AI at trække ud end en med tydelige afsnit.
Brug en ensartet skabelon til cases
Lav en opbygning, der kan gentages. Hver case bør følge samme format, så AI genkender mønstret og trækker de vigtigste data ud på en pålidelig måde. En skabelon har typisk de her afsnit:
- Kundeprofil: Navn, virksomhed, branche, virksomhedens størrelse
- Udfordringen: Hvilket problem stod kunden med
- Tilgangen: Hvordan du løste det
- Resultatet: Konkrete målinger og udfald
- Tidslinje: Hvor lang tid det tog
Brug den samme overskriftsstruktur til hvert afsnit hver gang. Hvis din første case har en H3, der hedder "Udfordringen", så brug den samme overskrift i den næste case. Den ensartethed hjælper AI med at genkende og trække mønstret ud.
Sæt tal i tabeller og lister, ikke i brødtekst
Når du har flere målinger eller resultater at dele, så brug en tabel eller en punktopstilling. AI-systemer trækker struktureret data ud mere pålideligt end brødtekst. En tabel med kolonner som Måling, Før, Efter gør forbedringen tydelig og nem at trække ud.
Sammenlign de to tilgange:
Version i brødtekst: "Kunden så en stigning i omsætningen på 47 procent, et fald i omkostningerne ved at skaffe en kunde på 34 procent og en forbedring af fastholdelsesraten på 23 procent."
Version i tabel:
| Måling | Før | Efter | Forbedring |
| Årlig omsætning | $2.3M | $3.4M | +47% |
| Omkostning ved at skaffe en kunde | $385 | $254 | -34% |
| Kundefastholdelse | 78% | 96% | +23% |
AI-systemer trækker versionen i tabel ud med større sikkerhed og citerer den oftere, fordi opbygningen er utvetydig.
Start med resultatet, og forklar så, hvordan du nåede dertil
Start casen med udfaldet, ikke problemet. Mange cases begynder med "Kunden stod med en udfordring ...". AI foretrækker cases, der åbner med resultatet. Så står den mest værdifulde information først, når AI skal trække den ud.
En stærk åbning af en case: "Webshop øgede konverteringer med 23 procent på tre måneder med vores optimering af kassen." Forklar så, hvordan. Rækkefølgen betyder noget for AI's udtræk, fordi nøgleinformationen ikke er gemt til sidst i en historie.
Sådan bliver kundeanbefalinger til AI-tillidssignaler
Kundeanbefalinger er noget andet end cases, men tjener et lignende formål for AI. En case viser målbare forretningsresultater. En kundeanbefaling viser oplevelse og tilfredshed. AI bruger begge til at opbygge en troværdighedsprofil af dit brand.
Det konkrete slår begejstring
Se på to kundeanbefalinger side om side:
Generisk version: "Det her produkt er fantastisk og har ændret, hvordan vi driver forretning. Kan varmt anbefales."
Konkret version: "Vi skar manuel rapportering ned med seks timer om ugen. Integrationen med vores eksisterende CRM var problemfri, og det tog kun én dag at komme i gang. Det frigjorde vores team til at arbejde med strategi i stedet for dataindtastning."
AI-systemer prioriterer den konkrete version, fordi den giver konkrete detaljer om, hvad produktet gør, og hvilken værdi det skabte. Generisk ros lyder som en anbefaling fra salgsafdelingen. Konkret, ærlig feedback lyder som en ægte kundeoplevelse.
Når du indsamler kundeanbefalinger, så bed dine kunder om at beskrive, hvad der ændrede sig, hvad de målte, og hvad de gjorde anderledes på grund af dit produkt. De konkrete anbefalinger bliver til AI-tillidssignaler. Generisk ros bliver til støj.
Videoanbefalinger er sværere at forfalske
Tekstanbefalinger er nemme at lave, redigere eller ændre. Videoanbefalinger er det ikke. En ægte kunde foran kameraet, der taler med egne ord og tøver på naturlige steder, skaber et tillidssignal, som både AI og mennesker genkender som ægte.
Hvis du har kunder, der vil optage en kort videoanbefaling, så prioriter dem på din hjemmeside. AI-systemer tæller videoindhold med som tillidssignal, fordi deepfakes og syntetiske videoer stadig kræver betydelige ressourcer og dygtighed at lave i stor skala. En ægte kundevideo er en af de sværeste anbefalinger at forfalske.
En video på 60 til 90 sekunder, hvor en kunde beskriver et konkret problem, du løste, og hvilken betydning det havde, er mere værd i AI's tillidsvurdering end ti tekstanbefalinger. Kunden behøver ikke at være poleret eller professionel. Ægthed og det konkrete er de signaler, AI leder efter.
Friskhed betyder noget
AI-systemer vurderer, hvor frisk en kundeanbefaling er. En anbefaling fra for tre måneder siden er stærkere end en fra for tre år siden. Kunder har større sandsynlighed for at have relevante, aktuelle erfaringer med dit produkt, når anbefalingen er ny.
Det betyder, at du bør opfriske dine kundeanbefalinger jævnligt. Sigt efter at indsamle nye anbefalinger hvert kvartal. Arkivér de gamle. Når et AI-system vurderer din hjemmeside, signalerer nye anbefalinger, at kunderne er glade nu, ikke bare at du havde glade kunder engang. Det er en vigtig forskel for AI's tillidsvurdering.
Hvor du placerer cases og kundeanbefalinger på din hjemmeside
Placeringen afgør, om AI trækker dine beviser ud og citerer dem. Cases, der er gemt på en separat side, som ingen linker til fra dit hovedindhold, bliver citeret sjældnere end cases, der er indlejret i relevante indholdssider eller samlet på en dedikeret og godt linket side til cases.
Link fra produktsider til cases
Når en besøgende læser din produktside, bør de se et link til cases, der viser det produkt i brug. Det link signalerer også til AI, at de cases er relevante for produktets påstand. AI ser links som anbefalinger. Et link fra en produktside til en case fortæller AI, at casen understøtter produktbeskrivelsen.
Lav en samlet side til cases
En dedikeret side, der lister alle dine cases (med filtrering efter branche, anvendelse eller udfald), fungerer som et centralt knudepunkt. Den side bør være linket fra flere steder på din hjemmeside, så AI genkender den som vigtig. Jo flere interne links der peger på en side, jo mere vægt giver AI den side.
Byg den samlede side til cases op, så den viser:
- Kundens navn og logo
- Branche og virksomhedens størrelse
- Vigtigste måling, der blev opnået
- Link til hele casen
Det overblik hjælper AI med hurtigt at forstå din samling af cases og citere den mest relevante til en brugers spørgsmål.
Indlejr uddrag i relevant blogindhold
Når du skriver om et emne, så henvis til en relevant case i selve teksten. Link ikke bare til den, men nævn kunden og hovedresultatet i sammenhængen. Det fortæller AI, at casen er direkte relevant for blogemnet, og det øger sandsynligheden for, at den bliver citeret som støttende bevis.
For eksempel i en artikel om "Sådan øger du konverteringsraten i en webshop": "En webshop øgede konverteringer med 23 procent på tre måneder ved at redesigne sin kasse. Se hele gennemgangen i denne case."
Hvilket schema markup du skal bruge til cases
Schema markup er maskinlæsbar kode, der fortæller AI-systemer præcis, hvilken information der er på din side. Til cases er de mest relevante schematyper Article, ScholarlyArticle og CreativeWork. Du kan også bruge BreadcrumbList til at vise, hvor casen ligger i din hjemmesides opbygning.
Tag som minimum de her med:
- headline: Casens titel
- author: Din virksomheds navn
- datePublished: Hvornår casen blev udgivet
- dateModified: Hvornår den sidst blev opdateret
- image: Et fremhævet billede til casen
- description: Et kort resumé af casen og hovedresultatet
Hvis din case har en videoanbefaling eller en demonstration, så tilføj VideoObject-schema for at beskrive det element. Schema markup gør forskellen på, at AI forstår en side som en webside, og at den forstår den som et bestemt element med metadata, der kan citeres og henvises til.
Almindelige fejl i cases, der skader AI-tillidssignaler
Anonyme cases
Hvis du gør din kunde anonym, mister casen troværdighed over for AI. Navngiv dine kunder, eller indgå aftale med kunder, der vil give lov til at blive nævnt. Casen gavner også din kunde: De bliver citeret som en succeshistorie, og det er gratis markedsføring for dem.
Resultater med runde tal
Resultater som "50 procent forbedring" eller "100 procent stigning" ser konstruerede ud for AI. De er mistænkeligt runde. Rigtige resultater har decimaler og konkrete målinger. Hvis din forbedring er 47 procent, så skriv 47 procent. Den detalje signalerer ægthed.
Situationen før mangler
En case, der springer direkte til resultatet uden at forklare udgangspunktet, er ufuldstændig. AI kan ikke vurdere, hvor stor forbedringen er, uden at vide, hvad problemet var. Start altid med situationen før.
Målingen er gemt i brødtekst
Hvis du nævner, at en kunde opnåede en stigning på 34 procent et sted midt i et afsnit, kan AI trække det ud, men prioriterer det ikke. Brug fed skrift, tabeller eller fremhævede bokse til at fremhæve de vigtigste målinger. De vigtigste tal bør være visuelt tydelige og nemme for AI at læse.
Ingen forbindelse mellem løsningen og resultatet
En svag case viser et problem og et resultat, men forklarer ikke, hvordan dit produkt eller din ydelse skabte det resultat. Stærke cases forbinder punkterne: Kunden havde dette problem, vi indførte denne løsning, og det førte direkte til dette målbare udfald. Årsagssammenhængen betyder noget for AI.
Hvordan cases hænger sammen med eksperters kvalifikationer og autoritet
Cases gør mere end at skabe tillid til dit produkt. De opbygger autoritet. Når AI vurderer, om dit brand er ekspert i et emne, ser den på dit indhold sammen med signaler udefra. Cases bidrager til begge dele.
En case, der viser, at du har løst et bestemt problem i en bestemt branche, signalerer ekspertise i den branche. Flere cases på tværs af forskellige brancher signalerer bred ekspertise. AI bruger den mønstergenkendelse til at placere din hjemmeside som en autoritet.
Signalets styrke øges, når din case bliver citeret af andre kilder. Hvis en anden hjemmeside eller et andet medie henviser til din case som bevis på din ekspertise, ser AI det som validering udefra. Derfor er det kun en del af strategien at have cases på din egen hjemmeside. Når andre taler om dem, forstærker det tillidssignalet.
Sådan hjælper WEMASY dig med at lave cases, som AI kan se
Cases og kundeanbefalinger skal være nemme for kunder at finde og for AI at trække ud. WEMASY's hjemmesidebygger har flere funktioner, der gør det enkelt at lave afsnit med cases, som rangerer og bliver citeret.
Du kan bygge dedikerede sider til cases med strukturerede skabeloner, lave en samlet side til cases, der organiserer dine succeshistorier efter branche eller udfald, og indlejre uddrag af cases og kundeanbefalinger overalt på din hjemmeside med indbyggede formularer til at indsamle dem. Hjemmesidebyggerens indbyggede understøttelse af schema markup betyder, at dine cases automatisk er opbygget til AI's udtræk. Analytics lader dig følge, hvilke cases der skaber trafik og konverteringer, så du ved, hvilke kundehistorier der taler til både besøgende og AI-søgning.
Se, hvad der er med i hver WEMASY-plan.
Ofte stillede spørgsmål
Skal jeg bruge citater fra kunder eller fulde kundeanbefalinger?
Begge dele. Korte citater kan indlejres overalt på din hjemmeside som signaler om social bevisførelse. Fulde kundeanbefalinger skal have dybde og være konkrete for at skabe AI-tillidssignaler. Et kort citat virker godt på en produktside. En fuld kundeanbefaling med målbar effekt passer bedre til en side med kundeanbefalinger eller en samlet side til cases. Med WEMASY's hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Hvor ofte skal jeg opdatere kundeanbefalinger?
Indsaml nye kundeanbefalinger hvert kvartal. AI-systemer foretrækker nye anbefalinger som tegn på, at dit produkt leverer værdi lige nu. Ældre anbefalinger skader ikke, men nye vejer tungere i AI's tillidsvurdering. Sigt efter at opfriske mindst 25 procent af dine kundeanbefalinger hvert kvartal.
Hvad nu, hvis jeg ikke har målbare resultater fra alle kunder?
Fremhæv de cases, hvor du har tydelige målinger. De bliver dine stærkeste tillidssignaler. Til kunder uden hårde målinger kan du indsamle kundeanbefalinger med fokus på kvalitativ, men konkret feedback (for eksempel "Vi skar vores produktionstid ned fra to uger til fem dage"). Bland cases med tal og kundeanbefalinger med kvalitativ feedback for at få et komplet billede af din troværdighed.
Skal cases ligge på separate sider eller indlejres på produktsider?
Begge dele. Lav en dedikeret samlet side til cases for hele din samling. Indlejr også uddrag og korte cases på relevante produktsider og i blogindhold. AI trækker cases ud begge steder fra. Den samlede side samler dem ét sted. Når du indlejrer dem, viser du relevans for bestemte emner.
Hvor lang skal en case være, for at AI kan trække den ud?
Mellem 400 og 800 ord er ideelt. Det er langt nok til at have kundens sammenhæng, problemet, din løsning og målbare resultater med. Kortere cases (under 300 ord) har måske ikke nok detaljer til, at AI kan vurdere troværdigheden. Længere cases (over 1.200 ord) tvinger AI til at lede gennem for mange detaljer for at finde de vigtigste målinger.
Kan jeg bruge cases fra forskellige brancher?
Ja, og de opbygger forskellige typer autoritet. En case, der viser, at du hjalp en virksomhed i sundhedssektoren, signalerer ekspertise i sundhed. En, der viser, at du hjalp en tech-startup, signalerer ekspertise i vækst. Flere cases på tværs af brancher viser alsidighed. Bland cases for bestemte brancher (til dyb autoritet i en branche) med cases på tværs af brancher (til bred ekspertise).