Semakin banyak konten yang dihasilkan AI tidak membuat kampanye menjadi lebih baik karena penyampaian singkat kepada model lemah, bukan model itu sendiri. Dalam penelitian WARC yang dilakukan dengan TikTok dan LIONS Advisory, 88 persen dari 400 pemasar mengatakan bahwa mereka menghasilkan kreativitas yang jauh lebih kreatif sejak mengadopsi AI, namun hanya 45 persen yang mengalami peningkatan kualitas, dan dua dari tiga masih memberi penjelasan singkat tentang AI terutama pada data demografi. Perbaiki ringkasan audiens, dengan sinyal perilaku dan ketegangan audiens yang nyata, dan kualitas keluaran memiliki sesuatu untuk dijadikan landasan.
Poin penting
- Dalam survei WARC terhadap 400 pemasar, 88 persen menciptakan kreativitas yang jauh lebih kreatif dengan AI, namun hanya 45 persen yang melaporkan adanya peningkatan nyata dalam kualitas.
- Dua dari tiga orang masih membahas AI generatif terutama mengenai demografi, meskipun hampir enam dari sepuluh mengatakan segmentasi demografis tidak lagi mencerminkan perilaku audiens; hanya 17 persen yang secara konsisten menyampaikan sinyal perilaku, konteks komunitas, atau ketegangan audiens.
- Lapisan perbaikan manusia yang biasanya menangkap laporan yang lemah telah hilang, dan model AI akan memoles konsep yang buruk dengan mudah seperti konsep yang kuat.
- Di Asia Tenggara, di mana satu tim dapat mencakup enam hingga sebelas pasar, ringkasan demografis menghapus nuansa lokal yang menjadi keseluruhan pekerjaan.
- Tim yang bergerak maju memperlakukan ringkasan itu sendiri sebagai produk dan menerapkan penilaian sebelum suatu aset dikirimkan.
Apakah hambatannya adalah AI atau ringkasannya?
Tim pemasaran di Asia Tenggara menghasilkan lebih banyak aset kreatif dibandingkan sebelumnya. Sembilan dari sepuluh mengatakan AI generatif telah melipatgandakan produksinya. Namun kurang dari setengahnya percaya bahwa membanjirnya konten sebenarnya memiliki kinerja yang lebih baik. Sesuatu di tengah pipa diam-diam pecah, dan itu bukan modelnya.
Penelitian baru dari WARC, yang dilakukan bersama TikTok dan LIONS Advisory dan dilaporkan oleh PPC Land, mensurvei 400 pemasar dan menemukan pola yang mencolok. Meskipun 88 persen responden mengatakan bahwa mereka menghasilkan lebih banyak kreativitas secara signifikan sejak mengadopsi alat AI, hanya 45 persen yang melaporkan adanya peningkatan nyata dalam kualitas. Output naik. Hasilnya tetap datar. Masalahnya ada di suatu tempat yang tidak pernah terpikirkan oleh sebagian besar tim: audiensi yang singkat.
Mengapa pemasar terus menggunakan data yang mereka tahu sudah ketinggalan zaman?
Detail yang paling jelas dalam studi WARC bukanlah kesenjangan output itu sendiri. Itu adalah apa yang diakui para pemasar tentang masukan mereka sendiri. Dua dari tiga mengatakan mereka masih memberikan penjelasan singkat tentang model AI generatif yang terutama menggunakan data demografi seperti usia, pendapatan, atau lokasi. Pada saat yang sama, hampir enam dari sepuluh pemasar mengatakan segmentasi demografis tidak lagi mencerminkan perilaku audiens yang sebenarnya.
Dengan kata lain, tim secara sadar memberikan masukan yang tepat kepada sistem AI yang telah mereka identifikasi sebagai masukan yang rusak. Hanya 17 persen yang mengatakan bahwa mereka secara konsisten menyampaikan sesuatu yang lebih bermakna, seperti sinyal perilaku, konteks komunitas, atau ketegangan audiens yang sebenarnya. WARC menyebut hal ini sebagai kesenjangan intelijen dibandingkan kesenjangan teknologi, dan pembingkaian tersebut patut untuk sering diulangi, karena hal ini mengalihkan seluruh pembicaraan dari alat dan kembali ke arah strategi.
Apa yang terjadi dengan pemeriksaan kualitas manusia?
Selama beberapa dekade, ringkasan kreatif tidak pernah dianggap sebagai dokumen yang sudah selesai. Ini lebih berfungsi seperti kalimat pembuka percakapan. Seorang ahli strategi akan mempertanyakan segmen tersebut. Seorang direktur kreatif akan menanyakan apa yang sebenarnya dirasakan pelanggan pada saat mengambil keputusan. Seorang direktur seni akan membuang beberapa konsep pertama sepenuhnya. Pada saat kampanye mencapai klien, laporan yang tipis atau malas biasanya telah dikerjakan ulang beberapa kali oleh orang-orang yang tugasnya termasuk menemukan kelemahan sebelum kampanye tersebut ditayangkan.
Proses tersebut sengaja dibuat lambat, dan kelambanan tersebut mempunyai tujuan tertentu. Biayanya juga mahal, menjadikannya salah satu korban pertama ketika jadwal produksi menyusut dari berminggu-minggu menjadi berhari-hari. Ketika lapisan perbaikan manusia tersebut menghilang, arahan tidak lagi melewati rantai profesional yang skeptis dan mulai mengalir langsung ke model generatif.
Pergeseran ini sangat penting karena model AI tidak memiliki naluri untuk mempertanyakan masukan yang lemah. Ini akan menghasilkan empat puluh variasi konsep yang buruk dan meyakinkan serta empat puluh variasi yang kuat. Ringkasan yang lemah biasanya menghasilkan materi iklan yang tampak lemah yang mungkin ditangkap seseorang sebelum diluncurkan. Kini konten tersebut menghasilkan konten yang halus dan tampak profesional, namun tetap lolos tanpa disentuh, hanya karena terlihat dapat diterima di permukaan.
Mengapa tim terus menggunakan penargetan demografis secara default?
Jika pemasar sudah mengetahui bahwa pengarahan demografis berkinerja buruk, mengapa pengarahan demografis tetap menjadi pilihan default? Jawaban yang jujur bukanlah keyakinan. Ini adalah inersia.
Kelompok usia, kelompok pendapatan, dan data lokasi yang luas sudah dimasukkan ke dalam tahap perencanaan, rencana media, dan struktur penamaan kampanye. Penggunaannya kembali tidak memerlukan penelitian tambahan, tidak ada alat baru, dan tidak ada percakapan yang tidak nyaman dengan klien atau kolega. Wawasan perilaku dan berbasis komunitas menuntut ketiganya. Dalam tenggat waktu yang ketat, jalur yang paling sedikit perlawanannya hampir selalu menang, dan jalur tersebut merupakan singkatan demografis.
GWI menyampaikan hal serupa baru-baru ini, dengan menyatakan bahwa penargetan kelompok usia adalah salah satu metode segmentasi yang paling malas dalam pemasaran, karena perbedaan dalam satu generasi sering kali lebih besar dibandingkan perbedaan antar generasi. Ini adalah kritik yang wajar dan jarang diungkapkan secara lantang. Pindai komentar teknologi pemasaran selama seminggu dan kesenjangan yang jelas muncul. Perusahaan riset audiens cenderung berhenti pada statistik. Alur kerja dan platform mendengarkan sosial cenderung dimulai dari tombol publikasikan. Sangat sedikit pemain yang mengatasi kesenjangan di antara keduanya, yang kebetulan merupakan tempat terjadinya kesenjangan kecerdasan ini.
Mengapa tim pemasaran di Asia Tenggara pertama kali merasakan hal ini?
Kompresi regional menjadikan masalah ini sangat akut di Asia Tenggara. Sebuah tim yang berbasis di Singapura mungkin bertanggung jawab atas enam hingga sebelas pasar terpisah, dalam berbagai bahasa, bekerja dengan anggaran yang hampir tidak dapat menjangkau dua pasar di Eropa Barat. Nuansa lokal bukanlah bonus bagus di lingkungan itu. Ini adalah keseluruhan pekerjaan, dan itulah yang terhapus dari pengarahan demografis.
Berikan model generatif sebuah laporan singkat yang dibuat untuk perempuan perkotaan berusia dua puluh lima hingga tiga puluh empat tahun dengan pendapatan menengah, dan hal ini akan menghasilkan konten yang secara teknis dapat ditayangkan di Jakarta, Manila atau Kuala Lumpur, namun tidak sepenuhnya terhubung di satupun dari mereka. Hasilnya akan terbaca benar secara tata bahasa, sesuai merek, dan benar-benar dapat dilupakan. Ulangi pola tersebut di sebelas pasar dengan jadwal penerbitan mingguan, dan hasilnya adalah sistem yang sangat efisien untuk memproduksi konten yang tidak diingat oleh siapa pun seminggu kemudian.
Apa yang dimaksud dengan memperlakukan ringkasan sebagai produk?
Tim pemasaran yang saat ini bergerak maju telah melakukan satu perubahan struktural yang disengaja. Mereka sekarang memperlakukan brief itu sendiri sebagai produk sebenarnya, bukan dek jadi dan bukan aset akhir. Siapa pun yang mengontrol kualitas masukan awal tersebut secara efektif mengontrol kualitas segala sesuatu yang terjadi setelahnya.
Pergeseran ini sudah terlihat dari perkembangan alat-alat di kedua ujung jalur produksi. Di sisi lain, platform-platform baru menerjemahkan kategori langsung dan data perilaku ke dalam ketegangan audiens yang didukung oleh bukti, memastikan bahwa laporan singkat tersebut memuat sesuatu yang benar-benar diamati, bukan sekadar asumsi belaka. Di sisi belakang, kategori baru bisnis yang berfokus pada eksekusi juga bermunculan. Salah satu contohnya adalah Touchigh, sebuah perusahaan yang membantu penjual lintas batas Tiongkok menjangkau pembeli Amerika dengan menggabungkan alat visibilitas pencarian AI dengan konten sosial asli berbahasa Inggris, kemudian menilai konten tersebut untuk prediksi kinerja sebelum dipublikasikan, bukan hanya melaporkan hasilnya setelahnya.
Detail tersebut lebih penting daripada industri spesifik tempat detail tersebut berasal. Sebuah perusahaan kecil yang berfokus pada eksekusi yang melayani pelanggan yang sensitif terhadap harga telah secara mandiri mencapai kesimpulan yang sama dengan perusahaan riset yang jauh lebih besar. Keputusan penilaian kritis perlu dilakukan sebelum suatu aset dikirimkan, atau secara realistis, hal itu tidak akan pernah terjadi sama sekali.
Bisakah kecepatan dan kualitas hidup berdampingan?
Apa yang ditunjukkan oleh angka-angka saat ini sungguh menggembirakan. Tim pemasaran lapisan perbaikan yang hilang selama serbuan adopsi AI dapat dibangun kembali dengan biaya yang cukup terjangkau untuk bertahan bahkan dalam tenggat waktu yang paling ketat sekalipun. Saat agensi SAMY bersaing dengan pesaing yang jauh lebih besar untuk klien perhotelan di Inggris, perencanaan kategori yang awalnya memakan waktu beberapa minggu dikompresi menjadi sekitar tiga belas menit per laporan singkat, dengan perkiraan akurasi klik-tayang sekitar tiga kali lebih andal dibandingkan perkiraan manusia pada umumnya. SAMY memenangkan punggawa.
Kisah sebenarnya dalam contoh tersebut bukanlah kecepatan itu sendiri. Faktanya adalah bahwa tingkat tim penilai yang sebelumnya tidak mampu menerapkannya secara konsisten, kini menjadi sesuatu yang dapat mereka terapkan pada setiap laporan singkat yang mereka tulis, tidak hanya laporan singkat dengan jangka waktu yang banyak. Keputusan yang hanya terjadi ketika ada waktu luang tidak pernah benar-benar menjadi standar. Itu adalah sebuah kemewahan yang hanya mampu dimiliki oleh beberapa tim.
Apa yang harus ditanyakan setiap tim pemasaran tentang ringkasannya?
Kenyataan yang tidak menyenangkan yang terkubur dalam temuan WARC adalah bahwa banyak tim sudah menyadari masukan mereka memiliki kelemahan dan memilih untuk tetap mengirimkannya, hanya karena mengoreksi laporan singkat membutuhkan lebih banyak waktu minggu ini dibandingkan mengirimkan keluaran yang biasa-biasa saja.
Perhitungan itu berubah dengan cepat. Ketika kecerdasan audiens tingkat bukti dapat dicapai dalam hitungan menit, bukan minggu, pembenaran untuk memberikan pengarahan kepada AI generatif dengan pintasan demografis yang sudah ketinggalan zaman semakin hilang, dan begitu pula alasan ketika konten tersebut berkinerja buruk.
Jadi pertimbangkan laporan singkat yang dihasilkan tim Anda pada kuartal ini. Berapa banyak yang benar-benar ditelusuri kembali ke sesuatu yang nyata yang Anda amati tentang audiens Anda, dan berapa banyak yang hanya merupakan template kuartal terakhir dengan tanggal baru yang tertera di atasnya?
Dimana posisi SOMIN dalam perubahan ini?
Inilah tepatnya celah yang ingin ditutup oleh SOMIN. SODA mengubah kategori-kategori dan sinyal-sinyal konsumen yang tersebar menjadi intelijen yang terstruktur dan didukung oleh bukti-bukti yang dapat diandalkan oleh sebuah ringkasan, sementara rangkaian SoMonitor, yang mencakup Pelacak Merek, Pustaka Konten, Studi Perspektif, dan SoInspire, menjaga agar intelijen tersebut tetap terhubung di seluruh kesehatan merek, materi iklan yang diterbitkan, perspektif audiens, dan momen-momen budaya yang sedang berkembang, alih-alih membiarkannya dikurung dalam laporan terpisah. Dipasangkan dengan data audiens yang mendalam dari mitra seperti GWI, tim pemasaran mendapatkan sesuatu yang lebih mendekati ringkasan hidup daripada laporan statis, berdasarkan pada apa yang sebenarnya dilakukan dan dirasakan audiens saat ini, bukan pada kelompok demografis yang diasumsikan beberapa bulan lalu. Untuk tim yang mencoba memperbaiki kesenjangan kecerdasan sebelum mencapai model, kombinasi data yang diamati dan peralatan yang terhubung adalah tempat yang tepat untuk membangun kembali lapisan perbaikan.
FAQ
Mengapa AI tidak meningkatkan kualitas materi iklan?
Karena sebagian besar tim memberikan umpan yang lemah. Dalam studi WARC, 88 persen pemasar menghasilkan produk yang jauh lebih kreatif dengan AI tetapi hanya 45 persen yang melihat kualitas yang lebih baik, dan dua dari tiga masih menjelaskan model tersebut terutama dengan data demografis.
Apa yang harus Anda berikan penjelasan singkat tentang AI generatif, bukan demografi?
Sinyal perilaku, konteks komunitas, dan ketegangan penonton yang sesungguhnya: sesuatu yang diamati tentang penonton, bukan sekadar asumsi. Hanya 17 persen pemasar dalam studi WARC yang secara konsisten memberikan penjelasan seperti ini.
Mengapa tim masih memberikan informasi demografis kepada AI?
Kelembaman. Kelompok usia, kelompok pendapatan, dan data lokasi sudah ada dalam rancangan perencanaan dan rencana media, sehingga penggunaannya kembali tidak memerlukan penelitian baru, alat, atau pembahasan yang sulit, sementara wawasan perilaku memerlukan ketiganya.
Apa kesenjangan intelijen dalam pemasaran AI?
Ini adalah nama WARC untuk permasalahan ini: AI dapat menghasilkan produk yang jauh lebih kreatif, namun pemahaman audiens yang dimasukkan ke dalamnya belum meningkat. Hal ini menjadikannya masalah strategi dibandingkan masalah teknologi.
Bacaan terkait
- Homogenisasi konten AI: mengapa semua merek terdengar sama
- Mengapa semua iklan dalam satu kategori terlihat sama?
- Template brief kreatif: persona, dilema konsumen, angle strategis, cerita
- Bagaimana mengubah insight social listening menjadi brief kampanye?
- Apa itu dilema konsumen dalam pemasaran, dan bagaimana menemukannya?
