რეკლამაში AI-ს ხარჯების შემცირებაზე მეტი შეუძლია | Marketer

ნაკლები მოქმედება, ნაკლები სამუშაო საათი და ნაკლები ადამიანი იმავე კამპანიის სამართავად. სარეკლამო ტექნოლოგიების კომპანიები AI აგენტების შესაძლებლობებს ხშირად სწორედ ასე აღწერენ. მათი დაპირება გასაგებია: სამუშაო უფრო სწრაფად და იაფად შესრულდება. თუმცა ამ საუბარში ხშირად იკარგება კითხვა, რომელიც მარკეტინგისთვის არანაკლებ მნიშვნელოვანია: რა ახალ შესაძლებლობას მოუტანს ეს ტექნოლოგია ბიზნესს?

თუ AI-ის ღირებულებას მხოლოდ დაზოგილი ხარჯით ვაფასებთ, მის პოტენციალს არსებული ბიუჯეტის მოცულობით ვზღუდავთ. შეგვიძლია კამპანია ნაკლები რესურსით გავმართოთ, მაგრამ ეს ჯერ კიდევ არ ნიშნავს, რომ ახალ მომხმარებლებს მივწვდებით, მოთხოვნას აღმოვაჩენთ ან ბიზნესის განვითარებისთვის სხვა მიმართულებას დავინახავთ.

McKinsey-ის კვლევის მიხედვით, ორგანიზაციების 88% AI-ს რეგულარულად იყენებს სულ მცირე ერთ ბიზნესფუნქციაში, დაახლოებით 80% კი მისი დანერგვის ერთ-ერთ მიზნად ეფექტიანობის ზრდას ასახელებს. მიუხედავად ამისა, მხოლოდ 37% მიუთითებს კომპანიის მასშტაბით საპროცენტო ხარჯებისა და გადასახადების გამოკლებამდე მოგებაზე, EBIT-ზე, რაიმე გავლენას. ამ ჯგუფის უმეტესობა აღნიშნულ გავლენას 5%-ზე ნაკლებად აფასებს.

ეს მონაცემები აჩვენებს, რომ ფართო გამოყენება ფინანსურ შედეგში ავტომატურად არ აისახება. ინსტრუმენტის დანერგვასა და ბიზნესისთვის მნიშვნელოვანი ცვლილების მიღებას შორის ჯერ კიდევ ბევრი სამუშაოა. სარეკლამო სფეროში ამ განსხვავებაზე დაფიქრება განსაკუთრებით საჭიროა, რადგან AI უკვე ერთვება როგორც მედიის შესყიდვაში, ისე კამპანიების შესრულებაში.

ეფექტიანობაზე ორიენტირებული აგენტი იმ ამოცანას აუმჯობესებს, რომელსაც ვაძლევთ. თუ მიზანი არსებული აუდიტორიიდან რაც შეიძლება იაფი კონვერსიის მიღებაა, სისტემაც ამ მიმართულებით იმუშავებს. ის უფრო ზუსტად იპოვის ადამიანებს, რომლებსაც შეძენის ალბათობა ისედაც მაღალი ჰქონდათ. მაგრამ თუ კონკურენტებიც იმავე მომხმარებლებს ეძებენ, უკეთესი ოპტიმიზაცია თავისთავად ვერ გააფართოებს ბაზარს.

ამ შეზღუდვის ნაწილი მონაცემებიდან მოდის. სარეკლამო ტექნოლოგიებში „უნიკალურ სიგნალებად“ ხშირად მოიხსენიებენ კლიკებს, საიტზე ვიზიტებს, კონვერსიებსა და შესყიდვების ისტორიას. ეს ინფორმაცია სასარგებლოა, თუმცა ძირითადად იმ ადამიანებს აღწერს, რომლებსაც ბრენდთან ურთიერთობა უკვე ჰქონიათ.

ასეთი მონაცემებით შეიძლება კარგად ამოვიცნოთ არსებული მომხმარებლის მსგავსი აუდიტორია. გაცილებით რთულია იმ ადამიანების დანახვა, რომლებსაც პროდუქტი შესაძლოა სჭირდებოდეთ, მაგრამ ბრენდთან ჯერ შეხება არ ჰქონიათ. თუ სისტემას მხოლოდ პირველი ჯგუფის შესახებ აქვს ინფორმაცია, მისი რეკომენდაციებიც ამ ცოდნის ფარგლებში დარჩება.

ამიტომ მარკეტერმა უნდა იცოდეს, რას ხედავს AI და რა რჩება მის მიღმა. ალგორითმის მიერ შემოთავაზებული საუკეთესო ვარიანტი შეიძლება საუკეთესო იყოს მხოლოდ მისთვის ხელმისაწვდომ არჩევანს შორის. ის ყოველთვის ვერ გვეტყვის, რომ მნიშვნელოვანი აუდიტორია საერთოდ არ განუხილავს.

ზრდაზე ორიენტირებული მიდგომა დავალების სხვაგვარად დასმით იწყება. კომპანიას შეუძლია AI-ს არსებული კამპანიის გაუმჯობესებასთან ერთად ახალი მომხმარებლების, არხებისა და მოთხოვნის აღმოჩენაც დაავალოს. ასეთ შემთხვევაში შეფასების საგანი ხდება ისიც, რამდენად გაფართოვდა ბიზნესის შესაძლებლობები.

სარეკლამო საქმიანობაში ეს რამდენიმე მიმართულებით შეიძლება გამოჩნდეს. ერთია ისეთი აუდიტორიის პოვნა, რომელიც ცნობილ მომხმარებლებს არ ჰგავს, თუმცა მისი ქცევა პროდუქტით დაინტერესების საფუძველს იძლევა. მეორეა იმის გარკვევა, რას უყურებენ, რას მოიხმარენ და რომელი კატეგორიებით ინტერესდებიან პოტენციური კლიენტები. ამ ცოდნამ შეიძლება ახალი შეთავაზების ან კომუნიკაციის მიმართულების შემუშავებას შეუწყოს ხელი.

ასევე მნიშვნელოვანია იმ შემთხვევების აღმოჩენა, როცა მოთხოვნა არსებობს, მაგრამ ბრენდი მომხმარებლის არჩევანში ჯერ არ მონაწილეობს. ეს შეიძლება იყოს კონკრეტული აუდიტორია, მოხმარების სიტუაცია ან არხი, რომელიც გუნდს თავდაპირველ გეგმაში არ გაუთვალისწინებია.

Nexxen-ის მიერ აღწერილი ერთ-ერთი მაგალითი ფიტნესბრენდს ეხება. კომპანიის ინფორმაციით, მან სტრიმინგის მომხმარებელ თითქმის ერთ მილიონ ოჯახს მიაღწია, რომლებსაც კამპანიის სხვა არხები ვერ სწვდებოდა. მეორე შემთხვევაში მობილური თამაშის აპლიკაციამ აღმოაჩინა, რომ მისი მოთამაშეები სტრიმინგკონტენტს აქტიურად უყურებდნენ და ამ დაკვირვებაზე ახალი არხის სტრატეგია ააგო.

ეს მაგალითები აუდიტორიასთან წვდომის გაფართოებას ასახავს. მხოლოდ მოცემული ინფორმაციით ვერ განვსაზღვრავთ, რა დამატებითი გაყიდვები ან მოგება მიიღეს კომპანიებმა, თუმცა განსხვავება მიდგომაში ჩანს: მათ აღმოაჩინეს შესაძლებლობები, რომლებსაც მანამდე არსებული გეგმა არ მოიცავდა.

ტექნოლოგიური პარტნიორის შეფასებისას ამიტომ აღარ კმარა კითხვა, იყენებს თუ არა ის AI-ს. უფრო მნიშვნელოვანია, რა მონაცემებს ეყრდნობა სისტემა და გვაძლევს თუ არა ისეთ ინფორმაციას, რომელიც სხვა გზით არ გვქონდა.

მაგალითად, შეუძლია თუ არა მას აუდიტორიის მიერ ნანახი კონტენტის შესახებ მონაცემების დაკავშირება სარეკლამო შესყიდვისა და მიწოდების ინფორმაციასთან? რამდენად ერთიანად ხედავს ამ პროცესს? თუ რეკომენდაციას არ ვეთანხმებით, შეგვიძლია გავიგოთ, როგორ მივიდა ამ დასკვნამდე და შევცვალოთ გადაწყვეტილება?

ამ კითხვებს გუნდის მუშაობის მოწყობაზეც აქვს გავლენა. თუ AI-ის დანერგვის მიზანი მხოლოდ ხარჯის შემცირებაა, საბოლოო მოდელი შეიძლება იმავე საქმის ნაკლები ადამიანით შესრულება იყოს. ზრდაზე ორიენტირებული მიდგომისას კი თანამშრომლებს სხვა ამოცანებისთვის უთავისუფლდებათ დრო: რომელი ბაზარი შეისწავლონ, რა შეთავაზება გამოსცადონ და სად ღირს დამატებითი ინვესტიცია.

აგენტების მიერ შესრულების ნაწილის გადაბარების შემდეგ ადამიანის პასუხისმგებლობა მიზნის განსაზღვრასა და შედეგის შეფასებაში იზრდება. მას უნდა ესმოდეს, რამდენად სრულია სისტემის ინფორმაცია, რა ვარაუდებს ეფუძნება რეკომენდაცია და შეესაბამება თუ არა ის ბიზნესის მიმართულებას.

ამიტომ AI პროექტის დაგეგმვისას დაზოგილ საათებთან და შემცირებულ დანახარჯებთან ერთად ახალი შესაძლებლობებიც უნდა შეფასდეს. მიაღწია თუ არა კომპანიამ მანამდე მიუწვდომელ აუდიტორიას? აღმოაჩინა თუ არა მოთხოვნა, რომელსაც ვერ ამჩნევდა? მიიღო თუ არა საფუძველი ახალი პროდუქტის ან არხის გამოსაცდელად? ამ კითხვებზე პასუხი აჩვენებს, რამდენად ეხმარება AI ბიზნესს უკვე ნაცნობი სამუშაოს ფარგლებს გასცდეს.