โมเดล AIDA จะเป็นอย่างไรเมื่อผู้ซื้อคือเอเจนต์ AI

เมื่อเอเจนต์ AI ซื้อของแทนคน ความสนใจและความต้องการจะลดบทบาทลง แต่ข้อมูลสำคัญขึ้น วิธีปรับความสนใจ ความสนใจใคร่รู้ ความต้องการ และการลงมือทำ ให้เหมาะกับเอเจนต์

อ่าน 5 นาที
ภาพประกอบ: โมเดล AIDA จะเป็นอย่างไรเมื่อผู้ซื้อคือเอเจนต์ AI

เมื่อเอเจนต์ AI ช้อปปิ้งซื้อของแทนคน โมเดล AIDA (Attention, Interest, Desire, Action) ไม่ได้หายไป แต่ย้ายตำแหน่ง ความสนใจกลายเป็นการถูกค้นพบและถูกอ่านได้ ความสนใจใคร่รู้กลายเป็นข้อมูลที่ชัดเจนและเปรียบเทียบได้ ความต้องการกลายเป็นการตรงกับความต้องการที่คนระบุไว้ และการลงมือทำกลายเป็นการชำระเงินที่เอเจนต์ทำได้จนจบ การโน้มน้าวเปลี่ยนจากความรู้สึกของผู้ซื้อไปเป็นคำสั่งของผู้ซื้อ

ประเด็นสำคัญ

  • เอเจนต์ไม่เลื่อนหน้าจอ ตะขอที่ออกแบบมาให้ตาคนมองจึงไม่มีที่ตกลง
  • ความสนใจใคร่รู้กลายเป็นข้อมูลผลิตภัณฑ์และบริการที่มีโครงสร้างและถูกต้อง ซึ่งเอเจนต์อ่านและเปรียบเทียบได้
  • ความต้องการกลายเป็นความเหมาะสม: ข้อเสนอของคุณตรงกับคำขอและข้อจำกัดของคนมากแค่ไหน
  • การลงมือทำกลายเป็นกระบวนการชำระเงินและจัดส่งที่ซอฟต์แวร์ทำจนจบได้โดยไม่ต้องมีขั้นตอนของคน
  • คนยังเป็นผู้กำหนดบรีฟและอนุมัติผลลัพธ์ แบรนด์จึงยังสำคัญในต้นน้ำ

เอเจนต์ AI ในฐานะผู้ซื้อคืออะไร

คือซอฟต์แวร์ที่ค้นหา เปรียบเทียบ และบางครั้งชำระเงินแทนคน คนให้คำสั่ง เอเจนต์เป็นผู้เรียกดู โพสต์ของเราเรื่องagentic commerceอธิบายแนวคิดนี้อย่างครบถ้วน

เรื่องนี้กำลังถูกกำหนดเป็นมาตรฐานแล้ว เอกสารของ Stripe อธิบาย Agentic Commerce Protocol ว่าเป็นมาตรฐานเปิดที่สร้างโดย Stripe, OpenAI และ Meta กำหนดวิธีที่เอเจนต์ AI โต้ตอบกับธุรกิจเพื่อซื้อของแทนผู้ซื้อ องค์ประกอบหลักได้แก่ agentic checkout ฟีดผลิตภัณฑ์และตะกร้า การชำระเงินแบบมอบสิทธิ์ และ webhook ของคำสั่งซื้อ โปรโตคอลแบบนี้จะแพร่หลายแค่ไหนขึ้นอยู่กับตลาดและผู้ค้าปลีก ดังนั้นควรตรวจสอบการรองรับล่าสุดก่อนวางแผนโดยอิงกับมัน

โมเดล AIDA ยังใช้ได้อยู่หรือไม่

บางส่วน ลำดับของขั้นยังอธิบายการตัดสินใจได้ แต่ความต้องการของผู้ตัดสินใจต่างกัน คนถูกขับเคลื่อนด้วยตะขอ ภาพ หรือเรื่องราว เอเจนต์ถูกขับเคลื่อนด้วยว่าข้อมูลตอบคำขอได้หรือไม่ ใช้ AIDA เป็นเช็กลิสต์สำหรับผู้ชมสองกลุ่ม: เอเจนต์ที่คัดเลือก และคนที่สั่งงานและอนุมัติ

แต่ละขั้นของ AIDA เปลี่ยนไปอย่างไรสำหรับเอเจนต์ AI

ขั้นสำหรับผู้ซื้อที่เป็นคนสำหรับเอเจนต์ AI
ความสนใจหยุดนิ้วที่เลื่อนอยู่ถูกค้นพบและอ่านได้: หน้าที่ crawl ได้ ชื่อที่สม่ำเสมอ ข้อมูลที่มีโครงสร้าง
ความสนใจรักษาความอยากรู้ด้วยเรื่องราวคุณสมบัติที่ครบถ้วนและถูกต้อง: ราคา สต็อก ขนาด การจัดส่ง การคืนสินค้า
ความต้องการอารมณ์ หลักฐาน อัตลักษณ์ความเหมาะสมกับคำขอ พร้อมรีวิวและประวัติที่ตรวจสอบได้
การลงมือทำคลิกปุ่มขั้นตอนชำระเงิน จ่ายเงิน และยกเลิกที่ไม่คลุมเครือ

ความสนใจ: เอเจนต์ค้นพบและอ่านคุณได้หรือไม่

เอเจนต์จำนวนมากจะพึ่งหน้าเว็บและฟีดผลิตภัณฑ์ เช่นเดียวกับ answer engine ชื่อแบรนด์ที่ชัดเจน หน้าเกี่ยวกับเรา ชื่อผลิตภัณฑ์ที่สม่ำเสมอ และหน้าที่โหลดได้โดยไม่ต้องล็อกอิน ล้วนช่วยได้ คู่มือการปรับแต่งสำหรับ generative engineของเราอธิบายว่าแบรนด์ถูกอ้างอิงได้อย่างไร และกล่าวถึงคำแถลงของ Google ว่า AI Overviews ไม่ต้องการข้อกำหนดทางเทคนิคเพิ่มเติมนอกจากถูกจัดทำดัชนีและมีสิทธิ์แสดงสนิปเป็ต

ความสนใจใคร่รู้: ข้อมูลของคุณครบถ้วนและเปรียบเทียบได้หรือไม่

เอเจนต์เปรียบเทียบหลายตัวเลือกตามเกณฑ์ที่ระบุ ถ้าหน้าของคุณบอกว่า "คุ้มค่า" แต่ไม่เคยระบุราคาต่อหน่วย เอเจนต์ก็เปรียบเทียบคุณไม่ได้ ระบุข้อเท็จจริงที่ผู้ซื้อจะถาม เขียนเป็นข้อความธรรมดา และถ้าทำได้ก็ในรูปแบบมีโครงสร้าง ข้ออ้างที่คลุมเครือแพ้ข้ออ้างที่เฉพาะเจาะจง

ความต้องการ: คุณตรงกับคำขอหรือไม่

คำขอคือบรีฟใหม่ "แจ็คเก็ตกันน้ำสำหรับฮานอย ภายในวันพฤหัสบดี ไม่เกิน $100" คือชุดของข้อจำกัด และข้อเสนอที่ตรงที่สุดจะชนะ สิ่งนี้ให้รางวัลกับความเฉพาะเจาะจง: สโลแกนระดับภูมิภาคกว้าง ๆ ไม่ตรงกับอะไรเป็นพิเศษ ขณะที่หน้าที่ระบุการใช้งาน สภาพอากาศ และช่วงเวลาจัดส่งตรงกับคำขอ รีวิวและเรตติ้งยังสำคัญเพราะเอเจนต์อ่านได้ จึงควรรักษาให้ถูกต้องและทันสมัย

การลงมือทำ: ซอฟต์แวร์ทำการซื้อจนจบได้หรือไม่

ทุกขั้นตอนที่ต้องทำด้วยมือคือจุดที่เอเจนต์สะดุด ป๊อปอัป การบังคับสร้างบัญชี และเงื่อนไขการคืนสินค้าที่ไม่ชัดเจน ล้วนเพิ่มอุปสรรค เงื่อนไขที่ชัดเจน ตัวเลือกการชำระเงินมาตรฐาน และขั้นตอนการยกเลิกที่ระบุไว้ ช่วยให้เอเจนต์ทำออเดอร์จนจบและทำให้คนไว้วางใจผลลัพธ์

แบรนด์ยังสำคัญตรงไหน

ทั้งต้นน้ำและปลายน้ำ ต้นน้ำ คนที่รู้จักแบรนด์ของคุณอาจระบุชื่อในคำสั่งหรือบอกเอเจนต์ให้เลือกแบรนด์นั้น ปลายน้ำ คนตัดสินผลลัพธ์ที่ส่งมอบและตัดสินใจว่าจะใช้เอเจนต์กับงานเดิมอีกหรือไม่ โพสต์ของเราเรื่องผู้ซื้อที่เป็นซอฟต์แวร์และไม่มีนิสัยสำรวจสิ่งที่เกิดกับความภักดี: ต้องได้มาใหม่ทุกคำขอ ไม่ใช่สันนิษฐานเอา

นักการตลาดควรทำอะไรตอนนี้

  1. ตรวจหน้าผลิตภัณฑ์และบริการของคุณว่าขาดข้อเท็จจริงที่เอเจนต์ต้องใช้หรือไม่
  2. เขียนข้ออ้างที่คลุมเครือใหม่ให้เป็นข้ออ้างที่เฉพาะเจาะจงและตรวจสอบได้
  3. ตรวจว่าเงื่อนไขการชำระเงิน การคืนสินค้า และการยกเลิกชัดเจนและสอดคล้องกัน
  4. ทดสอบหมวดหมู่ของคุณเองโดยถามผู้ช่วย AI ด้วยคำถามที่ผู้ซื้อของคุณจะถาม และจดว่ามีการระบุชื่อใคร
  5. เขียนเพื่อคนต่อไปด้วย การซื้อส่วนใหญ่ยังมีคนเข้ามาเกี่ยวข้องในบางจุด และความชัดเจนแบบเดียวกันช่วยทั้งสองฝ่าย

การเข้าใจว่าคู่แข่งครอบคลุมข้ออ้างและความต้องการใดไปแล้วคือก้าวแรกสู่ข้อความที่เฉพาะเจาะจงและแตกต่าง SOMIN (SoMin.ai) บริษัทด้านข้อมูลเชิงลึกทางการตลาดด้วย AI ที่ดำเนินงานโดย Somin Pte. Ltd. ในสิงคโปร์ ทำงานด้านการวิเคราะห์หมวดหมู่แบบนี้โดยตรง ดูSOMIN Strategy และเอเจนต์ AI ของ SOMIN

FAQ

โมเดล AIDA ล้าสมัยแล้วหรือไม่ในยุคเอเจนต์ AI

ไม่ แต่ละขั้นยังอธิบายการตัดสินใจอยู่ เพียงแต่ตอนนี้แต่ละขั้นต้องตอบสนองซอฟต์แวร์เช่นเดียวกับคน ตะขอสำคัญน้อยลงและข้อมูลสำคัญมากขึ้น

เอเจนต์ช้อปปิ้ง AI อ่านอะไรบ้าง

อ่านทุกอย่างที่เข้าถึงได้: หน้าเว็บ ฟีดผลิตภัณฑ์ ข้อมูลที่มีโครงสร้าง รีวิว และอินเทอร์เฟซการชำระเงิน สิ่งที่เอเจนต์แต่ละตัวเข้าถึงได้ขึ้นอยู่กับผลิตภัณฑ์และผู้ค้าปลีก จึงควรตรวจเอกสารล่าสุดของผู้ให้บริการ

โฆษณายังได้ผลไหมถ้าผู้ซื้อคือเอเจนต์

โฆษณาที่มุ่งดึงดูดความสนใจได้ผลกับคน ไม่ใช่กับซอฟต์แวร์ ยังไม่ชัดว่าเอเจนต์จะแสดงโฆษณาหรือไม่และอย่างไร วางแผนให้ถูกเลือกด้วยข้อมูลและความเหมาะสม ไม่ใช่แค่ถูกสังเกตเห็น

ทำให้แบรนด์ของฉันปรากฏต่อเอเจนต์ AI ได้อย่างไร

รักษาข้อมูลผลิตภัณฑ์ให้ครบถ้วนและสอดคล้องกัน ทำให้หน้าเว็บ crawl ได้ ระบุราคาและเงื่อนไขอย่างชัดเจน และสร้างรีวิวจากบุคคลที่สามที่ถูกต้อง จากนั้นทดสอบโดยถามผู้ช่วย AI ด้วยคำถามของผู้ซื้อของคุณ

ควรเลิกเขียนข้อความเรียกอารมณ์หรือไม่

ไม่ อารมณ์ยังโน้มน้าวคนที่สั่งงานและอนุมัติเอเจนต์ได้ เพิ่มรายละเอียดเฉพาะที่เอเจนต์ต้องใช้ และเก็บเรื่องราวไว้สำหรับคนที่จะเห็น

แหล่งที่มา

นักกลยุทธ์การตลาด AI และผู้จัดการบัญชี, SOMINเพิ่มเติมจาก Hsiao →
สร้างโดยนักการตลาดมากประสบการณ์และศาสตราจารย์ด้าน AIงานวิจัยที่ตีพิมพ์ในดูงานวิจัย →