چرا بازاریابان بریتانیا قبل از اینکه هوش مصنوعی بتواند بازده بازگشت سرمایه را ارائه دهد، به اندازه گیری درجه موبایل نیاز دارند؟
چگونه هوش مصنوعی منجر به روشهای اندازهگیری ضعیفی میشود که نتیجه را تحت تأثیر قرار میدهد.
بازاریابان بریتانیا وارد مرحله تعیین کننده ای می شوند. سرمایهگذاری در تبلیغات دیجیتال همچنان به رشد خود ادامه میدهد، رسانههای خردهفروشی و تلویزیون متصل در برنامههای رسانهای مرکزی تر میشوند و هوش مصنوعی از آزمایش به عملیات کمپین روزمره میرود. با این حال، سوال تجاری اساسی تغییر نکرده است. آیا بازاریابان می توانند ثابت کنند که هر پوند خرج شده ارزش قابل اندازه گیری ایجاد می کند؟
این سوال بیش از هر زمان دیگری فوری می شود. IAB انگلستان پیشبینی کرده است که هزینههای تبلیغات دیجیتال در سال جاری به 45 میلیارد پوند برسد، که بیش از دو سوم این هزینهها از طریق تلفن همراه بهحساب میآید و رسانههای خردهفروشی آنلاین به عنوان یکی از سریعترین کانالها در حال رشد هستند. همین تحقیق به پراکندگی اندازهگیری بهعنوان یک نگرانی عمده در صنعت اشاره میکند، در حالی که هوش مصنوعی و اتوماسیون اکنون نحوه برنامهریزی، خرید و بهینهسازی کمپینها را تغییر میدهند.
برای کسب و کارهای بریتانیا، این فرصت قابل توجه است، اما خطر نیز وجود دارد. هوش مصنوعی میتواند تصمیمگیری را تسریع کند، خلاقیت را شخصیسازی کند، قیمتها را بهینه کند و تقاضاهای جدید را در معرض دید قرار دهد. اما اگر چارچوب اندازه گیری زیربنایی ضعیف باشد، هوش مصنوعی مشکل را حل نمی کند. به سادگی آن را مقیاس می کند. یک مدل آموزشدیده بر روی دادههای ناقص، متناقض یا ضعیف میتواند توصیههای مطمئنی ایجاد کند که سریعتر از مداخله یک تیم انسانی، بودجه را در جهت اشتباه هدایت میکند.
طرح موبایل برای اندازه گیری بهتر
به همین دلیل است که کتاب راهنمای اندازه گیری موبایل اهمیت دارد. تبلیغات موبایلی مجبور شد با محدودیتهای حریم خصوصی، کلاهبرداری، هویت بین پلتفرمی و از دست دادن سیگنال زودتر و شدیدتر از بسیاری از کانالهای دیگر مقابله کند. نتیجه یک رویکرد منضبط تر به اسناد بود. سیگنالهای پاکتر، اعتبارسنجی قویتر، روشهای ایمن برای حفظ حریم خصوصی، و تمایل به ترکیب رویکردهای قطعی، احتمالی و مبتنی بر ارجاع بسته به کیفیت دادههای موجود.
این اصول در حال حاضر باید در کل ترکیب رسانه های بریتانیا تقطیر شود. رسانههای خردهفروشی ممکن است به نقطه خرید نزدیکتر باشند، اما اگر برندها بخواهند نتایج را به طور منصفانه در شبکهها مقایسه کنند، همچنان به استانداردهای شفاف نیاز دارند. برای مثال، تلویزیون متصل، محیط های ممتاز و ایمن برای برند را ارائه می دهد.
با این حال، تبلیغکنندگان همچنان با اندازهگیری پراکنده و ارتباط بین قرار گرفتن در معرض و فروش مبارزه میکنند. رسانههای اجتماعی، جستجو، نمایش و تجارت همگی سیگنالهای ارزشمندی تولید میکنند، اما اغلب این سیگنالها در ساختارهای گزارشدهی خاص کانال به دام میافتند.
هزینه اندازه گیری نقاط کور
پیامد تجاری آن سرمایه گذاری کم است. زمانی که بازاریابان نمی توانند با اطمینان، قرار گرفتن در معرض نتایج را به یکدیگر متصل کنند، از کانال هایی که ممکن است سودآور باشند خودداری می کنند.
تحقیقاتی که اخیرا با EMARKETER انجام دادیم نشان داد که تقریبا از هر ده (58.6٪) بازاریابان، تقریبا شش نفر معتقدند که سازمانهای آنها احتمالا در کانالهای سودآور سرمایهگذاری کمتری دارند، زیرا این کانالها به اندازهگیری بهتری نیاز دارند. این نتایج برای بریتانیا بسیار مرتبط است، جایی که پراکندگی رسانه ها، مقررات حفظ حریم خصوصی و فشار اقتصادی ترکیب می شوند تا هر تصمیم بودجه را مورد بررسی دقیق تری قرار دهند.
در این محیط، بازاریابان باید اندازهگیری را بهعنوان زیرساخت در نظر بگیرند، نه بهعنوان یک لایه گزارشدهی که پس از اجرای کمپینها اضافه میشود. این به معنای تراز کردن تعاریف در بین تیمها، حذف سیلوهای داده، اعتبارسنجی کیفیت ترافیک، ایجاد هویت و فرآیندهای غنیسازی منطبق با حریم خصوصی، و اندازهگیری افزایشی بهجای تکیه صرفا بر آخرین کلیک یا اسناد گزارششده توسط پلتفرم است.
هوش مصنوعی خطرات را افزایش می دهد
هوش مصنوعی این تغییر را فوری تر می کند. از آنجایی که عوامل و ابزارهای جدید هوش مصنوعی در جریان کار تبلیغات، از تولید خلاقانه و انتخاب مخاطب گرفته تا بهینهسازی پیشنهادها و تجزیه و تحلیل کمپین حرکت میکنند، تبلیغکنندگانی را که از قبل تحت فشار هستند برای اثبات بازگشت سرمایه تحت فشار قرار میدهند. تحقیقات ما نشان داد که تقریبا نیمی از سازمان ها (49.7٪) گفتند که تحت فشار قابل توجهی برای نشان دادن ROI واضح در همه کانال ها هستند، در حالی که 29.9٪ دیگر فشار شدید را گزارش کردند.
این یک چالش پاسخگویی جدید ایجاد می کند. بازاریابان نه تنها باید بدانند که یک سیستم هوش مصنوعی چه چیزی را توصیه می کند، بلکه باید بدانند که آیا داده های تغذیه شده آن قابل اعتماد است یا خیر. این شکاف اعتماد در حال حاضر در نحوه استفاده بازاریابان از هوش مصنوعی نمایان شده است. کیفیت پایین داده، ناشی از سیگنالهای تکهتکه، ناقص یا غیرقابل اعتماد، مانع بالا برای استخراج ارزش بیشتر از هوش مصنوعی در پشته بازاریابی بود که 22.3 درصد از پاسخدهندگان به آن اشاره کردند. توضیح پذیری یا دشواری اعتبارسنجی کاری که هوش مصنوعی انجام می دهد با 17.8 درصد در رتبه دوم قرار گرفت.
از نظر عملی، دادههای بازاریابی آماده هوش مصنوعی باید تمیز، تکراری، رضایتبخش، متصل و کنترل شوند. اگر تعاملات مشتری در برنامه، وب، رسانه های خرده فروشی، CTV و CRM را نتوان به طور مسئولانه به هم متصل کرد، هوش مصنوعی در مقابل یک نمای جزئی از سفر مشتری بهینه می شود. این ممکن است معیار سطح پلت فرم را بهبود بخشد اما احتمالا عملکرد کلی کسب و کار را تضعیف می کند.
آنچه رهبران بازاریابی باید در مرحله بعد انجام دهند
در مرحله اول، بازاریابان باید قبل از مقیاس گذاری سرمایه گذاری هوش مصنوعی استانداردهای اندازه گیری را تعریف کنند. بازاریابان باید به توافق برسند که کدام نتایج مهم هستند، چگونه به آنها نسبت داده می شود، کجا به آزمایش افزایشی نیاز است و کدام منابع داده برای بهینه سازی تایید شده اند. در غیر این صورت، هوش مصنوعی به روشی پیچیدهتر برای تعقیب KPIهای ناسازگار تبدیل میشود.
در مرحله بعد، برندها باید شرکا را از نظر شفافیت ارزیابی کنند. ناشران، شبکههای رسانه خردهفروشی، فروشندگان فناوری تبلیغات و آژانسها باید توضیح دهند که چگونه سیگنالها را تأیید میکنند، تقلب را کاهش میدهند، محدودیتهای حریم خصوصی را مدیریت میکنند، و فعالیتهای قیف بالایی را به نتایج تجاری مرتبط میکنند. در بازاری که تغییرات نظارتی و عدم اطمینان اقتصادی همچنان چرخه های برنامه ریزی را شکل می دهد، وعده های اندازه گیری مبهم دیگر کافی نیست.
ثالثا، بازاریابان باید نظارت انسانی را در جایی که تصمیمات دارای ریسک تجاری اساسی هستند، حفظ کنند. اتوماسیون میتواند سرعت را بهبود بخشد، اما قضاوت انسان هنگام تفسیر ناهنجاریها، به چالش کشیدن مفروضات و تصمیمگیری در مورد اینکه آیا یک توصیه متناسب با استراتژی تجاری گستردهتر است، ضروری است. هدف کاهش سرعت هوش مصنوعی نیست، بلکه اطمینان از اینکه بر اساس شواهد درست عمل می کند.
در نهایت، بازاریابان بریتانیایی باید به موبایل به عنوان مدلی برای انعطاف پذیری نگاه کنند. اندازهگیری موبایل در پاسخ به محدودیتهای حریم خصوصی، از دست دادن سیگنال، فروشگاههای چندگانه اپلیکیشن، تکه تکه شدن دستگاه و کلاهبرداری تکامل یافته است. این شرایط اکنون تبلیغات دیجیتال مدرن را توصیف می کند. کانال ها ممکن است متفاوت باشند، اما چالش اساسی یکسان است: اندازه گیری دقیق زمانی که محیط چیزی را که دیده می شود محدود می کند.
طرحی برای رشد پاسخگو
مرحله بعدی رشد در تبلیغات دیجیتال بریتانیا صرفا با استفاده از ابزارهای بیشتر هوش مصنوعی یا انتقال هزینههای بیشتر به کانالهای نوظهور به دست نمیآید. کسبوکارهایی که میتوانند ثابت کنند چه کار میکند، بفهمند چرا کار میکند و به سرعت بر اساس آن بینش عمل کنند، برنده خواهد شد. اندازهگیری درجه تلفن همراه یک نقشه عملی را ارائه میکند: ایمن از حریم خصوصی، آگاه به تقلب، کانالی متقابل و ساخته شده برای دادههای ناقص.
پیام واضح است. هوش مصنوعی ممکن است اجرای بازاریابی را متحول کند، اما اندازه گیری تعیین می کند که آیا این تحول ارزش قابل توجهی ایجاد می کند یا خیر. با توجه به بودجههای تحت نظارت و پیچیدهتر شدن رسانههای دیجیتال، برندهایی که اکنون پایههای اندازهگیری قویتری ایجاد میکنند، بهترین موقعیت را برای تبدیل اتوماسیون به رشد حسابپذیر خواهند داشت.
ما بهترین چت ربات هوش مصنوعی را برای تجارت معرفی کرده ایم.
این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.
نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit
متن اصلی (انگلیسی)
Why UK marketers need mobile-grade measurement before AI can deliver on ROI
How AI is leading to weak measurement practices that impact the bottom line.