Warum macht mehr KI-generierter Content Kampagnen nicht besser?

Durch mehr KI-generierte Inhalte werden Kampagnen nicht besser, da die kurze Einspeisung der Modelle schwach ist und nicht die Modelle selbst. In einer WARC-Studie mit TikTok und LIONS Advisory gaben 88 Prozent der 400 Vermarkter an, dass sie seit der Einführung von KI deutlich mehr Kreativität generieren, aber nur 45 Prozent sahen eine Qualitätsverbesserung, und zwei von drei nutzen KI immer noch hauptsächlich mit demografischen Daten. Legen Sie das Briefing für das Publikum fest, mit Verhaltenssignalen und echter Spannung im Publikum, und die Qualität der Ausgabe kann sich stützen.

Wichtigste Erkenntnisse

• In der WARC-Umfrage unter 400 Vermarktern schaffen 88 Prozent deutlich mehr Kreativität mit KI, aber nur 45 Prozent berichten von einer echten Qualitätsverbesserung.
• Zwei von drei befassen sich immer noch mit generativer KI hauptsächlich mit demografischen Merkmalen, obwohl fast sechs von zehn sagen, dass die demografische Segmentierung nicht mehr das Verhalten des Publikums widerspiegelt; Nur 17 Prozent informieren sich konsequent über Verhaltenssignale, den Gemeinschaftskontext oder die Spannung des Publikums.
• Die menschliche Reparaturschicht, die früher dazu diente, schwache Slips aufzufangen, ist verschwunden, und ein KI-Modell wird ein schlechtes Konzept genauso schnell aufpolieren wie ein starkes.
• In Südostasien, wo ein Team sechs bis elf Märkte abdecken kann, eliminieren demografische Vorgaben die lokalen Nuancen, die den gesamten Job ausmachen.
• Die voranschreitenden Teams betrachten den Auftrag selbst als das Produkt und beurteilen, bevor ein Vermögenswert ausgeliefert wird.

Ist der Engpass die KI oder der Auftrag?

Marketingteams in ganz Südostasien produzieren mehr kreative Assets als je zuvor. Neun von zehn sagen, dass generative KI ihren Output vervielfacht hat. Dennoch glaubt weniger als die Hälfte, dass die Flut an Inhalten tatsächlich eine bessere Leistung erbringt. Etwas in der Mitte der Pipeline geht still und leise kaputt, und das sind nicht die Modelle.

Neue Forschung von WARC, durchgeführt zusammen mit TikTok und LIONS Advisory undberichtet von PPC Land, befragt400Vermarkter und deckten ein auffälliges Muster auf. Während88Prozent der Befragten gaben an, dass sie seit der Einführung von KI-Tools deutlich kreativer sind45Prozent meldeten eine echte Qualitätsverbesserung. Der Output stieg. Die Ergebnisse blieben unverändert. Das Problem liegt irgendwo, wo die meisten Teams nie nachsehen würden: bei der Einweisung des Publikums.

Warum verwenden Vermarkter weiterhin Daten, von denen sie wissen, dass sie veraltet sind?

Das aufschlussreichste Detail der WARC-Studie ist nicht die Produktionslücke selbst. Das ist es, was Vermarkter über ihre eigenen Eingaben eingestanden haben. Zwei von drei gaben an, dass sie generative KI-Modelle immer noch hauptsächlich anhand demografischer Daten wie Alter, Einkommen oder Standort bewerten. Gleichzeitig gaben fast sechs von zehn dieser Vermarkter an, dass die demografische Segmentierung nicht mehr das tatsächliche Verhalten der Zielgruppe widerspiegelt.

Mit anderen Worten: Teams füttern KI-Systeme wissentlich mit genau den Eingaben, die sie bereits als fehlerhaft identifiziert haben. Nur 17 Prozent gaben an, dass sie ihre Briefe regelmäßig mit etwas Bedeutsamerem wie Verhaltenssignalen, Community-Kontext oder echter Spannung im Publikum unterrichten. Der WARC nennt dies eher eine Intelligenzlücke als eine Technologielücke, und diese Formulierung verdient es, oft wiederholt zu werden, da sie die gesamte Diskussion weg von Werkzeugen und zurück hin zur Strategie verschiebt.

Was ist mit der menschlichen Qualitätsprüfung passiert?

Jahrzehntelang wurde ein Kreativauftrag nie als fertiges Dokument behandelt. Es funktionierte eher wie die Eröffnungszeile eines Gesprächs. Ein Stratege würde das Segment in Frage stellen. Ein Kreativdirektor würde fragen, was der Kunde im Moment der Entscheidung tatsächlich fühlt. Ein Art Director würde die ersten paar Konzepte komplett verwerfen. Bis eine Kampagne einen Kunden erreichte, war ein dünner oder lazy Briefing in der Regel mehrmals von Leuten überarbeitet worden, deren Aufgabe darin bestand, Schwachstellen zu erkennen, bevor sie live ging.

Dieser Prozess war absichtlich langsam, und die Langsamkeit diente einem Zweck. Es war auch kostspielig, was es zu einem der ersten Opfer machte, als die Produktionszeitpläne von Wochen auf Tage schrumpften. Als diese menschliche Reparaturschicht verschwand, liefen die Aufträge nicht mehr durch eine Kette skeptischer Fachleute, sondern flossen stattdessen direkt in generative Modelle.

Diese Verschiebung ist von enormer Bedeutung, da ein KI-Modell keinen Instinkt hat, einen schwachen Input in Frage zu stellen. Vierzig ausgefeilte, selbstbewusste Variationen eines dürftigen Konzepts werden ebenso leicht entstehen wie vierzig starke. Ein schwaches Briefing führte früher zu einem sichtbar schwachen Creative, das jemand vor der Veröffentlichung aufgreifen konnte. Das Ergebnis sind polierte, professionell aussehende Inhalte, die unbeeinträchtigt durchgehen, einfach weil sie oberflächlich betrachtet akzeptabel aussehen.

Warum greifen Teams immer wieder standardmäßig auf demografisches Targeting zurück?

Wenn Vermarkter bereits wissen, dass demografisches Briefing unterdurchschnittlich abschneidet, warum bleibt es dann die Standardwahl? Die ehrliche Antwort ist nicht Überzeugung. Es ist Trägheit.

Altersgruppen, Einkommensgruppen und umfassende Standortdaten sind bereits in der Planung, dem Medienplan und der Namensstruktur der Kampagne enthalten. Ihre Wiederverwendung erfordert keine zusätzliche Recherche, keine neuen Tools und kein unangenehmes Gespräch mit einem Kunden oder Kollegen. Verhaltens- und gemeinschaftsbasierte Erkenntnisse erfordern alle drei. Bei knappen Fristen gewinnt fast immer der Weg des geringsten Widerstands, und dieser Weg ist demografische Abkürzung.

GWI machte kürzlich einen ähnlichen Punkt und stellte fest, dass Altersgruppen-Targeting eine der faulsten Segmentierungsmethoden im Marketing ist, da die Unterschiede innerhalb einer einzelnen Generation häufig größer sind als die Unterschiede zwischen Generationen. Es ist eine berechtigte Kritik, die selten laut ausgesprochen wird. Wenn Sie eine Woche lang Kommentare zur Marketingtechnologie überfliegen, erkennen Sie eine klare Kluft. Zielgruppenforschungsunternehmen bleiben in der Regel bei der Statistik stehen. Workflow- und Social-Listening-Plattformen beginnen in der Regel mit der Schaltfläche „Veröffentlichen“. Nur sehr wenige Spieler befassen sich mit dem Raum dazwischen, und genau dort besteht diese Intelligenzlücke.

Warum spüren das südostasiatische Marketingteams das zuerst?

Die regionale Komprimierung macht dieses Problem in Südostasien besonders akut. Ein in Singapur ansässiges Team könnte für sechs bis elf separate Märkte in mehreren Sprachen verantwortlich sein und mit Budgets arbeiten, die kaum für zwei Märkte in Westeuropa reichen würden. Lokale Nuancen sind in dieser Umgebung kein schöner Bonus. Es geht um die gesamte Aufgabe, und genau das wird durch die demografische Analyse ausgelöscht.

Füttern Sie ein generatives Modell mit einem Briefing, das sich um Stadtfrauen im Alter von 25 bis 34 Jahren mit mittlerem Einkommen dreht, und es wird Inhalte produzieren, die technisch gesehen in Jakarta, Manila oder Kuala Lumpur laufen könnten, aber in keinem von ihnen eine vollständige Verbindung herstellen. Das Ergebnis liest sich grammatikalisch korrekt, markengerecht und völlig unvergesslich. Wiederholen Sie dieses Muster in einem wöchentlichen Veröffentlichungsplan für elf Märkte, und das Ergebnis ist ein äußerst effizientes System zur Produktion von Inhalten, an die sich eine Woche später niemand mehr erinnert.

Was bedeutet es, den Auftrag als Produkt zu betrachten?

Die derzeit voranschreitenden Marketingteams haben eine bewusste Strukturänderung vorgenommen. Sie betrachten nun das Briefing selbst als das eigentliche Produkt, nicht als fertiges Deck und nicht als endgültiges Asset. Wer die Qualität dieses frühen Inputs kontrolliert, kontrolliert effektiv die Qualität von allem, was nachgelagert folgt.

Dieser Wandel ist bereits daran zu erkennen, wie sich die Werkzeuge an beiden Enden der Produktionspipeline weiterentwickeln. Im Vordergrund stehen neuere Plattformen, die Live-Kategorie- und Verhaltensdaten in evidenzbasierte Publikumsspannungen umwandeln und so sicherstellen, dass der Auftrag etwas wirklich Beobachtetes und nicht einfach nur Vermutetes enthält. Im Hintergrund entsteht auch eine neue Kategorie ausführungsorientierter Unternehmen. Ein Beispiel ist Touchigh, ein Unternehmen, das chinesischen grenzüberschreitenden Verkäufern hilft, amerikanische Käufer zu erreichen, indem es KI-Suchsichtbarkeitstools mit muttersprachlichen englischen sozialen Inhalten kombiniert und diese Inhalte dann vor der Veröffentlichung auf ihre prognostizierte Leistung hin bewertet, anstatt die Ergebnisse erst im Nachhinein zu melden.

Dieses Detail ist wichtiger als die spezifische Branche, aus der es stammt. Ein kleines, auf die Umsetzung ausgerichtetes Unternehmen, das preissensible Kunden bedient, ist unabhängig voneinander zum gleichen Schluss gekommen wie viel größere Forschungsunternehmen. Bevor ein Vermögenswert ausgeliefert wird, muss eine kritische Entscheidung getroffen werden, andernfalls wird sie realistischerweise überhaupt nicht stattfinden.

Können Geschwindigkeit und Qualität nebeneinander bestehen?

Was die aktuellen Zahlen vermuten lassen, ist wirklich ermutigend. Die Marketingteams, die während des Ansturms auf die KI-Einführung verloren gegangen sind, können zu einem erschwinglichen Preis wieder aufgebaut werden, um selbst die engste Frist zu überstehen. Als die Agentur SAMY für einen Kunden aus dem Gastgewerbe aus Großbritannien gegen deutlich größere Konkurrenten antrat, wurde die Kategorieplanung, die einst mehrere Wochen in Anspruch nahm, auf etwa dreizehn Minuten pro Auftrag komprimiert, wobei die prognostizierte Klickgenauigkeit etwa dreimal zuverlässiger war als herkömmliche menschliche Schätzungen. SAMY gewann den Vorschuss.

Die wahre Geschichte in diesem Beispiel ist nicht die Geschwindigkeit selbst. Es ist die Tatsache, dass Teams ein Maß an Beurteilung, das sie sich früher nicht leisten konnten, nun konsequent auf jedes einzelne Briefing anwenden können, das sie schreiben, und nicht nur auf diejenigen mit großzügigen Zeitvorgaben. Eine Beurteilung, die nur dann erfolgt, wenn freie Zeit zur Verfügung steht, war von Anfang an nie wirklich ein Standard. Es war ein Luxus, den sich nur wenige Teams leisten konnten.

Was sollte jedes Marketingteam zu seinen Briefings fragen?

Die unangenehme Wahrheit, die in den WARC-Ergebnissen steckt, ist, dass viele Teams bereits erkennen, dass ihre Eingaben fehlerhaft sind, und sich trotzdem für die Auslieferung entscheiden, einfach weil die Korrektur des Auftrags diese Woche mehr Zeit kostet als die Auslieferung mittelmäßiger Ausgaben.

Diese Berechnung ändert sich schnell. Da evidenzbasierte Zielgruppeninformationen in wenigen Minuten statt in Wochen erreichbar sind, verschwindet die Rechtfertigung dafür, generative KI mit veralteten demografischen Abkürzungen zu unterrichten, und damit auch die Ausrede, wenn dieser Inhalt unterdurchschnittlich abschneidet.

Denken Sie also an die Briefings, die Ihr Team in diesem Quartal erstellt hat. Wie viele waren wirklich auf etwas zurückzuführen, das Sie bei Ihrem Publikum beobachtet hatten, und wie viele waren einfach die Vorlage des letzten Quartals mit einem darauf eingeprägten neuen Datum?

Wie passt SOMIN in diesen Wandel?

Genau diese Lücke soll SOMIN schließen. SODA wandelt verstreute Kategorien und Verbrauchersignale in strukturierte, evidenzbasierte Informationen um, auf denen ein Brief tatsächlich aufbauen kann, während die SoMonitor-Suite, die Brand Tracker, Content Library, Perspective Studies und SoInspire umfasst, diese Informationen über die Markengesundheit, veröffentlichte Kreativinhalte, die Zielgruppenperspektive und neue kulturelle Momente hinweg vernetzt, anstatt sie in separaten Berichten isoliert zu belassen. In Kombination mit umfassenden Zielgruppendaten von Partnern wie GWI erhalten Marketingteams etwas, das eher einem lebendigen als einem statischen Briefing ähnelt, das auf dem basiert, was das Publikum gerade tatsächlich tut und fühlt, und nicht auf einer vor Monaten angenommenen demografischen Gruppe. Für Teams, die versuchen, die -Intelligenzlücke zu schließen, bevor sie das Modell erreicht, ist diese Kombination aus beobachteten Daten und verbundenen Werkzeugen genau der Punkt, an dem die Reparaturschicht neu aufgebaut wird.

FAQ

Verwandte Artikel

• Homogenisierung von KI-Content: Warum alle Marken gleich klingen
• Warum sehen Anzeigen in einer Kategorie alle gleich aus?
• Creative-Brief-Vorlage: Persona, Tension, Angle, Story
• Wie machen Sie aus einem Social-Listening-Insight ein Kampagnen-Briefing?
• Was ist eine Consumer Tension im Marketing, und wie finden Sie eine?

Quellen

• PPC Land: Vermarkter informieren KI über demografische Daten, von denen sie sagen, dass sie nicht mehr funktionieren