Vi analyserede 71.388 enterprise-køberpersonaer på tværs af 15 brancher og 6 LLM'er. Når købere vurderer leverandører, beder de AI om cases, analytikerrapporter og whitepapers. De beder aldrig om dit blogindlæg.
Din indholdskalender er fuld. Din pipeline er tom. Dataene forklarer hvorfor.
De fleste B2B-indholdsteams bruger størstedelen af deres budget på awareness-formater: blogindlæg, podcasts, videoserier, indhold til sociale medier. Disse formater bygger brand, driver trafik i toppen af tragten og holder indholdsmaskinen kørende.
Men når en enterprise-køber beder AI om hjælp til at vurdere leverandører, fremhæver AI ingen af disse formater. Ikke nogle gange. Aldrig. På tværs af 71.388 personaer, 15 brancher, 11 smertepunkter og 6 store sprogmodeller scorede blogindlæg, podcasts og video 0 % som foretrukne indholdsformater til leverandørvurdering.
De indholdsformater, der dominerer, er strukturerede, evidensbaserede og sammenlignende.
Dataene: Præferencer for indholdsformat på tværs af 71.388 enterprise-købere
Vi genererede og validerede 71.388 enterprise-køberpersonaer ved hjælp af PersonaGen v5.0 og kørte 4 LLM'er (Gemini, Claude, GPT, Grok) på tværs af 15 brancher. Hver persona indeholder de indholdsformater, de foretrækker, når de vurderer enterprise-leverandører, kortlagt mod 11 smertepunkter.
Resultaterne på tværs af alle smertepunkter og alle brancher:
Gennemsnitlig præference for indholdsformat under leverandørvurdering
Analytikerrapporter og cases fører med 18-20 % hver. Whitepapers følger med 16 %. Demoer og ROI-beregnere ligger på 13-14 %. Webinarer på 11 %. Peer reviews på 8 %.
Blogindlæg, podcasts og video: 0 % over hele linjen.
Opdeling efter smertepunkt: matrixen
Mønsteret er konsistent på tværs af alle enterprise-smertepunkter:
| Smertepunkt | Case | Whitepaper | Analytikerrapport | Demo | ROI-beregner | Webinar | Peer review |
|---|---|---|---|---|---|---|---|
| Datasiloer | 16 % | 17 % | 22 % | 12 % | 16 % | 9 % | 8 % |
| Budgetbegrænsninger | 20 % | 13 % | 13 % | 15 % | 14 % | 13 % | 10 % |
| Regulatorisk byrde | 19 % | 19 % | 20 % | 11 % | 9 % | 12 % | 7 % |
| Ældre systemer | 17 % | 19 % | 20 % | 12 % | 12 % | 10 % | 8 % |
| Leverandørstyring | 19 % | 16 % | 18 % | 13 % | 12 % | 10 % | 8 % |
| Modstand mod forandring | 18 % | 16 % | 18 % | 14 % | 13 % | 11 % | 9 % |
| Manglende overblik | 18 % | 15 % | 17 % | 14 % | 13 % | 12 % | 9 % |
| Skaleringsgrænser | 18 % | 14 % | 15 % | 16 % | 13 % | 11 % | 9 % |
| Manuelle processer | 19 % | 15 % | 16 % | 14 % | 13 % | 11 % | 8 % |
| Mangel på talent/kompetencer | 18 % | 16 % | 17 % | 14 % | 11 % | 13 % | 7 % |
Kolonnerne for video, blog og podcast er udeladt, fordi de er 0 % i hver eneste række.
To mønstre skiller sig ud.
Smertepunkter omkring regulering og ældre systemer skaber efterspørgsel efter analytikerrapporter og whitepapers. Købere, der kæmper med compliance og teknisk gæld, vil have tredjepartsvalidering og dokumenteret metode. Cases alene er ikke nok. De vil have bevis for, at andre har navigeret de samme begrænsninger.
Smertepunkter omkring budgetbegrænsninger skaber efterspørgsel efter cases og demoer. Når den centrale indvending er omkostninger, vil købere have bevis: navngivne resultater fra rigtige virksomheder og praktisk produkterfaring. Abstrakt indhold slipper ikke forbi økonomiudvalget.
Hvorfor blogs, podcasts og video scorer nul
Det betyder ikke, at awareness-indhold er ubrugeligt. Det betyder, at awareness-indhold og vurderingsindhold har grundlæggende forskellige funktioner.
Blogs er ustrukturerede, holdningsdrevne og tidsbundne. AI kan ikke udtrække sammenlignende leverandørdata fra et thought leadership-indlæg. Når en køber spørger "hjælp mig med at vurdere projektstyringsværktøjer til en reguleret branche," har AI brug for strukturerede data: hvilke værktøjer, hvilke resultater, hvilke begrænsninger, hvilke compliance-rammer. En blog om "5 tendenser inden for projektstyring" besvarer ikke det spørgsmål.
Podcasts er langformet lyd. AI kan ikke parse en 45 minutter lang samtale for specifikke leverandørsammenligninger, prismodeller eller implementeringstidslinjer. Informationen findes, men den er låst i et format, som AI ikke effektivt kan udtrække og citere.
Video har det samme strukturelle problem. En 10 minutter lang produktdemo på YouTube indeholder værdifuld information, men AI fremhæver ikke videoindhold som svar på vurderende forespørgsler. Informationen er fanget i et format, der er optimeret til menneskeligt forbrug, ikke til AI-medieret vurdering.
Den fælles tråd: AI fremhæver indhold, den kan udtrække strukturerede, sammenlignende, evidensbaserede svar fra. Cases har navngivne virksomheder, specifikke resultater og målbare effekter. Analytikerrapporter har sammenlignende rammer og metode. Whitepapers har dybde og teknisk detalje. ROI-beregnere har input og output.
Disse formater besvarer vurderende spørgsmål direkte. Blogindlæg, podcasts og video gør ikke.
Tre konsekvenser for indholdsstrategi
1. Hold op med at forvente, at awareness-indhold skaber pipeline
Dine blogindlæg, podcasts og videoindhold fodrer toppen af tragten. De opbygger brandkendskab, driver organisk trafik og holder dit publikum engageret. Bliv ved med at lave dem.
Men hold op med at forvente, at disse formater dukker op, når AI medierer leverandørvurdering. Det gør de ikke. Dataene er tydelige på tværs af 71.388 personaer: nul procent præference for disse formater under aktivt køb.
Hvis din attributionsmodel giver blogindlæg æren for pipeline, måler du det forkerte lag. Blogindlæg starter måske rejsen. De lukker den ikke.
2. Investér massivt i indholdsformater til beslutningsfasen
Cases med navngivne resultater. Whitepapers med dokumenteret metode. ROI-beregnere med rigtige input. Analytikerrapporter med sammenlignende data. Demoer med gennemgang af specifikke use cases.
Det er de formater, AI fremhæver, når enterprise-købere beder om hjælp til at vurdere leverandører. Hvis du underinvesterer her, er du usynlig præcis i det øjeblik, hvor købsbeslutningen formes.
Et praktisk udgangspunkt: for hvert smertepunkt, dit produkt adresserer, skal du lave mindst én case og ét whitepaper. Brug de 11 smertepunkter fra matrixen som din indholdskalender.
3. Mål afstanden mellem indhold og pipeline
Beregn, hvor stor en procentdel af dit samlede indhold der ligger i hvert format. Sammenlign det med, hvad enterprise-købere faktisk beder AI om under vurderingen. Forskellen er din afstand mellem indhold og pipeline.
Hvis 70 % af dit indhold er blogindlæg, og 0 % af AI-leverandørvurderingernes forespørgsler fremhæver blogindlæg, har du en strukturel afstand mellem indholdsproduktion og pipeline-generering.
Metode
Datasæt: 71.388 validerede enterprise-køberpersonaer fra PersonaGen v5.0
Modeller: 6 store sprogmodeller (Gemini, Claude, GPT, Grok-varianter)
Brancher: 15 (FinTech/bank, FMCG, energi/forsyning, reklame, SaaS/MarTech, e-handel, forsikring, professionelle serviceydelser, sundhed/pharma, produktion, bilindustri, ejendom, mobilitet/rejser, QSR/fødevarer, medier/underholdning)
Analyserede smertepunkter: 11 (leverandørstyring, manuelle processer, manglende overblik, ældre systemer, regulatorisk byrde, skaleringsgrænser, datasiloer, budgetbegrænsninger, modstand mod forandring, mangel på talent/kompetencer)
Målte indholdsformater: 10 (case, whitepaper, webinar, demo, ROI-beregner, analytikerrapport, peer review, video, blog, podcast)
Det fulde datasæt er tilgængeligt for Enterprise-kunder på Rankfor.AI-platformen. Metoden følger vores publicerede akademiske artikler om AI-genereret personaanalyse.
Research af Dmitrij Żatuchin, stifter af Rankfor.AI. Publiceret marts 2026.