Почему больше контента, созданного ИИ, не делает кампании лучше?

Увеличение количества контента, создаваемого искусственным интеллектом, не делает кампании лучше, потому что брифинг для моделей слабый, а не сами модели. В исследовании WARC совместно с TikTok и LIONS Advisory 88 процентов из 400 маркетологов заявили, что после внедрения ИИ они создают значительно больше креатива, но только 45 процентов заметили улучшение качества, а двое из трех по-прежнему используют ИИ в основном с демографическими данными. Зафиксируйте краткий обзор аудитории, включив в него поведенческие сигналы и реальное напряжение аудитории, и качество продукции будет на что-то опираться.

Главное

• Согласно опросу WARC, в котором приняли участие 400 маркетологов, 88 процентов создают значительно больше креатива с помощью ИИ, но только 45 процентов сообщают о каком-либо реальном улучшении качества.
• Двое из каждых трёх по-прежнему используют генеративный ИИ в основном с демографическими данными, хотя почти шесть из десяти говорят, что демографическая сегментация больше не отражает поведение аудитории; только 17 процентов постоянно информируют о поведенческих сигналах, контексте сообщества или напряжении аудитории.
• Слой человеческого ремонта, который раньше ловил слабые детали, исчез, и модель ИИ оттачивает плохую концепцию так же легко, как и сильную.
• В Юго-Восточной Азии, где одна команда может охватывать от шести до одиннадцати рынков, демографические сводки стирают местные нюансы, в которых состоит вся работа.
• Команды, идущие вперед, относятся к самому заданию как к продукту и принимают решения до того, как актив будет отправлен.

Является ли узким местом ИИ или задание?

Маркетинговые команды по всей Юго-Восточной Азии создают больше креативных ресурсов, чем когда-либо прежде. Девять из десяти говорят, что генеративный ИИ увеличил их производительность. Однако менее половины считают, что поток контента на самом деле работает лучше. Что-то в середине конвейера тихо ломается, и это не модели.

Новое исследование WARC, проведенное совместно с TikTok и LIONS Advisory и , о котором сообщило PPC Land, опросило 400 маркетологов и выявило поразительную закономерность. Хотя 88 процентов респондентов заявили, что после внедрения инструментов искусственного интеллекта они стали генерировать значительно больше креатива, только 45 процентов сообщили о реальном улучшении качества. Выход поднялся. Результаты остались неизменными. Проблема кроется в том, о чем большинство команд даже не задумываются: в краткости аудитории.

Почему маркетологи продолжают использовать данные, которые, как они знают, устарели?

Самая показательная деталь в исследовании WARC — это не сам разрыв выпуска. Это то, что маркетологи признали в отношении своего вклада. Двое из троих заявили, что по-прежнему кратко описывают модели генеративного ИИ, в основном используя демографические данные, такие как возраст, доход или местоположение. В то же время почти шесть из десяти маркетологов заявили, что демографическая сегментация больше не отражает реальное поведение аудитории.

Другими словами, команды сознательно снабжают системы ИИ именно теми входными данными, которые они уже определили как сломанные. Только 17 процентов заявили, что постоянно рассказывают о чем-то более значимом, например, о поведенческих сигналах, контексте сообщества или реальном напряжении аудитории. WARC называет это пробелом в интеллекте, а не в технологиях, и эту формулировку следует часто повторять, поскольку она переводит весь разговор от инструментов к стратегии.

Что случилось с проверкой качества человека?

На протяжении десятилетий творческое задание никогда не рассматривалось как законченный документ. Это больше походило на начало разговора. Стратег поставил бы под сомнение этот сегмент. Креативный директор спрашивал бы, что на самом деле чувствует клиент в момент принятия решения. Арт-директор полностью отбросит первые несколько концепций. К тому времени, когда кампания доходила до клиента, скудное или ленивое задание обычно несколько раз переделывалось людьми, чья работа заключалась в выявлении слабых мест до того, как оно было запущено в эксплуатацию.

Этот процесс был намеренно медленным, и медлительность послужила определенной цели. Кроме того, это было дорого, что сделало это одной из первых жертв, когда сроки производства сократились с недель до дней. Когда этот слой человеческого восстановления исчез, задания перестали проходить через цепочку скептически настроенных профессионалов и вместо этого начали поступать непосредственно в генеративные модели.

Этот сдвиг имеет огромное значение, потому что модель ИИ не имеет инстинкта подвергать сомнению слабые входные данные. Он создаст сорок отполированных, уверенных вариаций плохой концепции с такой же легкостью, как и сорок сильных. Раньше из-за слабого брифа получался явно слабый креатив, который кто-то замечал еще до запуска. Теперь это приводит к отточенному, профессионально выглядящему контенту, который остается нетронутым просто потому, что на первый взгляд он выглядит приемлемым.

Почему команды продолжают по умолчанию использовать демографический таргетинг?

Если маркетологи уже знают, что демографические брифинги неэффективны, почему они остаются выбором по умолчанию? Честный ответ – это не убежденность. Это инерция.

Возрастные категории, диапазоны доходов и общие данные о местоположении уже заложены в колоде планирования, медиаплане и структуре наименования кампании. Их повторное использование не требует дополнительных исследований, новых инструментов и неприятных разговоров с клиентом или коллегой. Поведенческое и общественное понимание требует всех трех. В условиях сжатых сроков почти всегда побеждает путь наименьшего сопротивления, и этот путь является демографическим сокращением.

GWI недавно высказал аналогичную точку зрения, отметив, что таргетинг по возрастным группам является одним из самых ленивых методов сегментации в маркетинге, поскольку различия внутри одного поколения часто больше, чем различия между поколениями. Это справедливая критика, которую редко произносят вслух. Просмотрите недельные комментарии по маркетинговым технологиям, и вы увидите четкое разделение. Компании, занимающиеся исследованием аудитории, склонны останавливаться на статистике. Платформы рабочего процесса и социального прослушивания обычно начинаются с кнопки публикации. Очень немногие игроки обращаются к промежуточному пространству, которое, как оказалось, является именно тем местом, где находится этот пробел в интеллекте.

Почему маркетинговые команды Юго-Восточной Азии чувствуют это в первую очередь?

Региональное сжатие делает эту проблему особенно острой в Юго-Восточной Азии. Команда, базирующаяся в Сингапуре, могла бы отвечать за шесть-одиннадцать отдельных рынков на нескольких языках, работая с бюджетами, которые едва можно было бы охватить два рынка в Западной Европе. Местные нюансы не являются приятным бонусом в такой обстановке. В этом вся работа, и это именно то, что стирают демографические брифинги.

Подайте в генеративную модель бриф, созданный для городских женщин в возрасте от двадцати пяти до тридцати четырех лет со средним доходом, и она создаст контент, который технически может работать в Джакарте, Маниле или Куала-Лумпуре, но не имеет полной связи ни с одной из них. Результат будет грамматически правильным, фирменным и совершенно незабываемым. Повторите эту схему на одиннадцати рынках с еженедельным графиком публикаций, и в результате получится чрезвычайно эффективная система для создания контента, о котором неделю спустя никто не вспомнит.

Что означает отношение к брифу как к продукту?

Маркетинговые команды, которые в настоящее время вырываются вперед, внесли одно сознательное структурное изменение. Теперь они относятся к самому заданию как к реальному продукту, а не как к готовой колоде и не как к окончательному активу. Тот, кто контролирует качество этой ранней информации, эффективно контролирует качество всего, что следует за ней.

Этот сдвиг уже заметен в том, как развиваются инструменты на обоих концах производственного конвейера. На переднем плане новые платформы преобразуют живые категории и поведенческие данные в подкрепленную фактами напряженность аудитории, гарантируя, что в брифе содержится что-то действительно наблюдаемое, а не просто предполагаемое. На заднем плане также появляется новая категория предприятий, ориентированных на исполнение. Одним из примеров является Touchigh, компания, помогающая китайским трансграничным продавцам привлекать американских покупателей, комбинируя инструменты видимости поиска AI с родным английским социальным контентом, а затем оценивая этот контент на предмет прогнозируемой эффективности еще до его публикации, а не только сообщая о результатах после этого.

Эта деталь имеет большее значение, чем конкретная отрасль, из которой она исходит. Небольшая компания, ориентированная на исполнение, обслуживающая клиентов, чувствительных к ценам, независимо пришла к тому же выводу, что и гораздо более крупные исследовательские фирмы. Критическое суждение должно произойти до того, как актив будет отправлен в продажу, иначе оно вообще никогда не произойдет.

Могут ли сосуществовать скорость и качество?

То, что показывают текущие цифры, действительно обнадеживает. Маркетинговые команды ремонтного уровня, потерянные во время стремительного внедрения ИИ, могут быть восстановлены достаточно недорого, чтобы выжить даже в самые сжатые сроки. Когда агентство SAMY выступило против значительно более крупных конкурентов для британского клиента в сфере гостеприимства, планирование категорий, которое когда-то занимало несколько недель, было сжато примерно до тринадцати минут на одно задание, при этом прогнозируемая точность кликов была примерно в три раза более надежной, чем традиционная человеческая оценка. СЭМИ выиграл гонорар.

Реальная история в этом примере — не сама скорость. Тот факт, что команды раньше не могли позволить себе применять такой уровень суждения, теперь они могут применять к каждому написанному ими заданию, а не только к тем, которые имеют щедрые сроки. Судебное решение, которое происходит только тогда, когда есть свободное время, никогда не было стандартом с самого начала. Это была роскошь, которую могли себе позволить немногие команды.

Что должна спрашивать каждая маркетинговая команда о своих заданиях?

Неприятная истина, скрытая в выводах WARC, заключается в том, что многие команды уже осознают, что их предложения ошибочны, и все равно решают их выпустить просто потому, что исправление краткого описания требует больше времени на этой неделе, чем выдача посредственных результатов.

Этот расчет быстро меняется. Поскольку анализ аудитории на уровне фактических данных становится достижимым за считанные минуты, а не за недели, оправдание для информирования генеративного ИИ с помощью устаревших демографических ярлыков исчезает, как и оправдания, когда этот контент неэффективен.

Итак, рассмотрим сводки, подготовленные вашей командой в этом квартале. Сколько из них действительно были связаны с чем-то реальным, что вы наблюдали за своей аудиторией, а сколько были просто шаблоном прошлого квартала с новой датой, проштампованной сверху?

Как SOMIN вписывается в этот сдвиг?

Именно для того и был создан пробел SOMIN. SODA превращает разрозненные категории и потребительские сигналы в структурированную, подтвержденную фактами информацию, на которой действительно может основываться краткое описание, в то время как пакет SoMonitor, включающий в себя Brand Tracker, Библиотеку контента, перспективные исследования и SoInspire, поддерживает связь этой информации с информацией о состоянии бренда, опубликованных креативах, взглядах аудитории и новых культурных моментах, а не оставляет их разрозненными в отдельных отчетах. В сочетании с глубокими данными об аудитории от таких партнеров, как GWI, маркетинговые команды получают нечто ближе к живому описанию, чем к статичному, основанному на том, что аудитория на самом деле делает и чувствует прямо сейчас, а не на демографической группе, предполагаемой несколько месяцев назад. Для команд, пытающихся устранить пробел в интеллекте до того, как он достигнет модели , именно эта комбинация наблюдаемых данных и подключенных инструментов является именно тем местом, где восстанавливается уровень восстановления.

FAQ

Читайте также

• Гомогенизация ИИ-контента: почему все бренды звучат одинаково
• Почему все объявления в одной категории выглядят одинаково?
• Шаблон креативного брифа: персона, противоречие, ракурс, инсайт-история
• Как превратить инсайт из социального прослушивания в бриф кампании?
• Что такое потребительское противоречие в маркетинге и как его найти?

Источники

• PPC Land: маркетологи передают ИИ демографические данные, которые, по их словам, больше не работают