Τεχνολογία
Γιατί τα AI αφήνουν έξω τα περισσότερα εστιατόρια
Νέα μελέτη αποκαλύπτει ότι τα AI προτείνουν μόνο ένα περιορισμένο υποσύνολο εστιατορίων, ανεξάρτητα από τον όγκο κριτικών τους, επειδή προτιμούν δομημένα δεδομένα και συγκεκριμένες δημοσιογραφικές ή κοινωνικές πηγές, με συνέπειες για επιχειρήσεις και χρήστες.
Μια πρόσφατη έρευνα φέρνει στο φως μια αξιοσημείωτη ανισότητα στην τοπική ανακάλυψη: τα εργαλεία αναζήτησης με βάση AI προτείνουν μόνο ένα πολύ μικρό υποσύνολο εστιατορίων, ενώ τα περισσότερα παραμένουν «αόρατα». Η μελέτη της Local Falcon σε 10.000 εστιατόρια στις 50 πολιτείες των ΗΠΑ και στην Ουάσιγκτον, D.C., καταλήγει σε συμπεράσματα που έχουν συνέπειες τόσο για τους επιχειρηματίες της εστίασης όσο και για τους καταναλωτές.
Στην πράξη, όταν ρωτάτε ένα AI «πού να πάω να φάω», η απάντηση που λαμβάνετε δεν είναι απαραίτητα οι καλύτερες επιλογές στην περιοχή σας αλλά αυτές που εξυπηρετούν το τεχνικό μοντέλο του AI. Αυτό αλλάζει ριζικά την αξία των παραδοσιακών σημάτων τοπικής αναζήτησης — σταθερές που πολλοί επαγγελματίες θεωρούσαν δεδομένες.
Τι έδειξε η έρευνα
Η Local Falcon έτρεξε δοκιμές για 10.000 εστιατόρια και έλεγξε αν αυτά εμφανίζονταν στα αποτελέσματα του Google Maps και στις AI προτάσεις του Google όταν οι χρήστες ζητούσαν συστάσεις. Το πιο εντυπωσιακό εύρημα είναι ότι σχεδόν τρία στα τέσσερα εστιατόρια — 74.9% — δεν εμφανίστηκαν ποτέ στις AI προτάσεις του Google για μία κοντινή αναζήτηση.
Αυτό σημαίνει ότι, ενώ ένα εστιατόριο μπορεί να έχει ισχυρή παρουσία στο Google Maps και χιλιάδες θετικές κριτικές, δεν υπάρχει καμία εγγύηση ότι το ίδιο μέρος θα προκύψει στα AI Overviews που εμφανίζονται στην κορυφή της σελίδας αναζήτησης.
Επιπλέον, η ορατότητα συγκεντρώνεται σε πολύ μικρό αριθμό καταστημάτων: το κορυφαίο 10% των εστιατορίων αποσπά το 74.5% της συνολικής ορατότητας στα AI αποτελέσματα, σε σύγκριση με το 54% που συμβαίνει στο Google Maps. Ουσιαστικά, ο χρήστης βλέπει μια μικρή, επαναλαμβανόμενη λίστα επιλογών ενώ οι περισσότερες τοπικές επιχειρήσεις δεν εμφανίζονται ποτέ.
Δύο διαφορετικοί τρόποι «ανταμοιβής» στο διαδίκτυο
Η ρίζα του προβλήματος βρίσκεται στον τρόπο που δουλεύουν τα παραδοσιακά συστήματα αναζήτησης σε σχέση με τα νέα συστήματα AI. Τα κλασικά ranking συστήματα επιβραβεύουν την ποσότητα και την ποικιλία των κριτικών, τα backlinks και την τοποθέτηση στο χάρτη. Αντίθετα, τα AI συστήματα αναζήτησης προτιμούν δομημένα, μηχανικά αναγνώσιμα δεδομένα: schema markup, citable content και πηγές που το AI μπορεί να «παραθέσει» με ασφάλεια.
Πολλά εστιατόρια έχουν επενδύσει χρόνια για να χτίσουν κριτικές και παρουσία στο Google Maps, αλλά αυτά τα σήματα δεν μεταφράζονται αυτόματα σε AI ορατότητα. Τα μοντέλα ερωτήσεων-απαντήσεων που στήνουν τα AI γράφουν συνοπτικές απαντήσεις από τις πηγές που «εμπιστεύονται», και συχνά αυτές οι πηγές δεν περιλαμβάνουν απευθείας καταχωρίσεις χαμηλού θεσμικού βάρους.
Από ποιες πηγές «τραβούν» οι μηχανές AI τις απαντήσεις τους
Τα μοντέλα δεν «περπατούν» στον ιστό με τον ίδιο τρόπο όπως ένας crawler του Google. Αντί να κατατάσσουν εκατομμύρια σελίδες βάσει συνδέσμων και κριτικών, συνθέτουν απαντήσεις από ένα σχετικά περιορισμένο και επιμελημένο corpus πηγών. Αναλύσεις citation δείχνουν ότι ποικίλοι domains κυριαρχούν στα citations των AI: για παράδειγμα, στη σύνθεση απαντήσεων του ChatGPT το Wikipedia καταλαμβάνει σχεδόν 47.9% του top-10 share, ενώ το Reddit εμφανίζεται ως σημαντική πηγή σε άλλες πλατφόρμες.
Στην περίπτωση των Google AI Overviews, το Reddit και το YouTube αντιπροσωπεύουν περίπου 21% και 18.8% του top-10 source share αντίστοιχα. Αντίθετα, οι συνηθισμένες επιφάνειες τοπικής ανακάλυψης — Yelp, TripAdvisor, Google Maps — δεν αντλούνται στο ίδιο βαθμό από τα AI, οπότε ένα εστιατόριο με χιλιάδες κριτικές σε αυτά τα σημεία μπορεί να «μηδενίζεται» στις AI απαντήσεις.
Η αξία των κριτικών χάνει τη μονοσήμαντη σημασία της
Η μελέτη δείχνει επίσης ότι ο αριθμός των κριτικών δεν εξασφαλίζει πλέον ορατότητα. Εστιατόρια με πάνω από 1.000 Google κριτικές δεν εμφανίστηκαν στις AI προτάσεις σε ποσοστό 70.9%. Επιπλέον, ανάμεσα στα εστιατόρια που το AI πρότεινε, το 5.4% είχε μέσο όρο κάτω από 3.5 αστέρια, παρά το ότι οι δοκιμές ζήτησαν ρητά υψηλά βαθμολογημένα μέρη.
Αυτό υποδηλώνει ότι τα AI αξιολογούν επιπλέον στοιχεία: την ποιότητα και το περιεχόμενο των κριτικών, τη συνάφεια με το αίτημα, την πρόσφατη δραστηριότητα, αλλά και τρίτες πηγές αναφοράς. Μια επιχείρηση με σταθερή ροή θετικών κριτικών μπορεί να χάσει την ορατότητα αν δεν διαθέτει μεταδεδομένα και δομημένο περιεχόμενο που το AI μπορεί να «παραπέμψει» ή να παραθέσει.
Ποιοι θα κερδίσουν στο νέο τοπίο
Η νέα ιεράρχηση της ορατότητας δεν εξαρτάται αποκλειστικά από το πόσες κριτικές έχει ένα εστιατόριο, αλλά από το πώς εμφανίζεται ψηφιακά στο οικοσύστημα: συνεπείς καταχωρήσεις, schema markup, άρθρα και αναφορές σε πηγές υψηλού κύρους, και περιεχόμενο που το AI μπορεί να παραθέσει ή να αναπαράγει.
Ειδικοί εκτιμούν ότι η απόκτηση AI ορατότητας είναι πολύ πιο δύσκολη από την παραδοσιακή τοπική κατάταξη. Σε μετρήσεις αναφέρεται ότι τα AI εμφανίζουν για ένα query μόλις 1% έως 11% των επιλέξιμων τοποθεσιών, και ότι η ορατότητα μπορεί να είναι έως 30 φορές πιο δύσκολη να επιτευχθεί σε σχέση με το κανονικό local ranking.
Έτσι, οι «νικητές» θα είναι όσοι αντιμετωπίσουν την ορατότητα σε AI ως ξεχωριστό πεδίο: επιχειρήσεις που θα φροντίσουν για καθαρά structured data, συνεπή NAP (Name, Address, Phone) σε όλα τα κανάλια, SEO περιεχόμενο που μπορεί να γίνει αναφορά από editorial πόρους και γενικότερα για την ύπαρξη περιεχομένου που ένα AI μπορεί εύκολα να ενσωματώσει σε σύντομη, παραθεσιμόμενη απάντηση.
Τι σημαίνει αυτό για τους χρήστες στην καθημερινότητα
Για τον μέσο χρήστη, το άμεσο αποτέλεσμα είναι ότι οι AI προτάσεις μπορεί να φαίνονται οριστικές και «επιβεβαιωμένες», ενώ στην πραγματικότητα αντανακλούν επιλεκτικές, τεχνικές πηγές. Όταν ρωτάτε ένα chatbot ή το Google «πού να φάω κοντά μου» και εμφανίζονται τρεις προτάσεις, η πιθανότητα να επιλέξετε μία είναι μεγάλη — ακόμη κι αν υπάρχουν 20 εξίσου καλές ή καλύτερες επιλογές που το AI δεν «είδε».
Αυτό έχει πρακτικές συνέπειες: ορισμένα μαγαζιά θα λαμβάνουν περισσότερο πελατολόγιο, άλλοι θα βλέπουν μείωση σε νέους πελάτες, και η τοπική ποικιλία κινδυνεύει να συρρικνωθεί. Επιπλέον, υπάρχει κίνδυνος για ένα φαινόμενο «φούσκας αναζήτησης» όπου οι χρήστες εκτίθενται επανειλημμένα στις ίδιες επιλογές, ενώ οι μικρότερες ή λιγότερο τεχνικά ενημερωμένες επιχειρήσεις χάνουν την ευκαιρία να αναδειχθούν.
Για πιο αντιπροσωπευτικά αποτελέσματα, οι χρήστες μπορούν να συνδυάζουν τις AI απαντήσεις με το map pack και τα οργανικά αποτελέσματα, να ζητούν περισσότερες εναλλακτικές από το ίδιο το AI, ή να χρησιμοποιούν πλατφόρμες που προωθούν τοπική ποικιλία. Παράλληλα, όσοι διαχειρίζονται εστιατόρια θα πρέπει να ενημερώσουν την ψηφιακή τους στρατηγική ώστε να περιλαμβάνει structured data, συνεπή παρουσίας σε τρίτες πλατφόρμες και περιεχόμενο που μπορεί να παρατεθεί από AI.
