เนื้อหาที่สร้างโดย AI มากขึ้นไม่ได้ทำให้แคมเปญดีขึ้น เนื่องจากการป้อนโมเดลสั้นๆ นั้นอ่อนแอ ไม่ใช่ตัวโมเดลเอง ในการวิจัยของ WARC ร่วมกับ TikTok และ LIONS Advisory นักการตลาด 88 เปอร์เซ็นต์ของ 400 กล่าวว่าพวกเขาสร้างความคิดสร้างสรรค์ได้มากขึ้นอย่างมากนับตั้งแต่นำ AI มาใช้ แต่มีเพียง 45 เปอร์เซ็นต์เท่านั้นที่เห็นการปรับปรุงคุณภาพ และสองในสามยังคงสรุป AI ที่ใช้ข้อมูลประชากรเป็นหลัก แก้ไขบทสรุปของผู้ชมด้วยสัญญาณพฤติกรรมและความตึงเครียดของผู้ชมที่แท้จริง และคุณภาพของผลงานก็เป็นสิ่งที่ต้องรักษาไว้
ประเด็นสำคัญ
- ในการสำรวจของ WARC เกี่ยวกับนักการตลาด 400 เปอร์เซ็นต์ 88 สร้างสรรค์ผลงานด้วย AI ได้มากขึ้นอย่างมีนัยสำคัญ แต่มีเพียง 45 เท่านั้นที่รายงานการปรับปรุงคุณภาพที่แท้จริง
- สองในสามยังคงสร้าง AI โดยสรุปโดยเน้นที่ข้อมูลประชากรเป็นหลัก แม้ว่าเกือบหกในสิบกล่าวว่าการแบ่งส่วนตามข้อมูลประชากรไม่ได้สะท้อนถึงพฤติกรรมของผู้ชมอีกต่อไป เพียงร้อยละ 17 เท่านั้นที่สรุปเนื้อหาโดยสรุปอย่างสม่ำเสมอพร้อมสัญญาณพฤติกรรม บริบทของชุมชน หรือความตึงเครียดของผู้ชม
- ชั้นการซ่อมแซมของมนุษย์ที่เคยจับกางเกงในที่อ่อนแอได้หายไป และแบบจำลอง AI จะขัดเกลาแนวคิดที่ไม่ดีพอ ๆ กับแนวคิดที่แข็งแกร่ง
- ในเอเชียตะวันออกเฉียงใต้ ซึ่งทีมหนึ่งอาจครอบคลุมตลาดหกถึงสิบเอ็ดแห่ง ข้อมูลสรุปด้านประชากรศาสตร์จะลบความแตกต่างเล็กๆ น้อยๆ ในท้องถิ่นซึ่งเป็นงานทั้งหมด
- ทีมที่ก้าวไปข้างหน้าถือว่าบรีฟเป็นผลิตภัณฑ์และใช้วิจารณญาณก่อนจัดส่งสินทรัพย์
คอขวดคือ AI หรือบรีฟ?
ทีมการตลาดทั่วเอเชียตะวันออกเฉียงใต้กำลังผลิตเนื้อหาที่สร้างสรรค์มากขึ้นกว่าที่เคย เก้าในสิบกล่าวว่า generative AI ได้ทวีคูณผลลัพธ์ของพวกเขา แต่น้อยกว่าครึ่งเชื่อว่าเนื้อหาที่มีมากมายมีประสิทธิภาพดีขึ้นจริงๆ มีบางอย่างอยู่กลางท่อกำลังพังอย่างเงียบๆ และไม่ใช่โมเดล
งานวิจัยใหม่จาก WARC ดำเนินการร่วมกับ TikTok และ LIONS Advisory และ รายงานโดย PPC Land สำรวจนักการตลาด 400 และค้นพบรูปแบบที่โดดเด่น แม้ว่าเปอร์เซ็นต์ 88 ของผู้ตอบแบบสอบถามกล่าวว่าพวกเขากำลังสร้างสรรค์ผลงานได้มากขึ้นอย่างมากนับตั้งแต่ใช้เครื่องมือ AI มีเพียง 45 เท่านั้นที่รายงานว่ามีการปรับปรุงคุณภาพอย่างแท้จริง ผลผลิตเพิ่มขึ้น ผลลัพธ์ยังคงทรงตัว ปัญหาอยู่ที่ทีมส่วนใหญ่ไม่เคยคิดที่จะมอง: ผู้ชมบรีฟ
เหตุใดนักการตลาดจึงใช้ข้อมูลที่พวกเขารู้ว่าล้าสมัยอยู่ตลอดเวลา
รายละเอียดที่เปิดเผยมากที่สุดในการศึกษาของ WARC ไม่ใช่ช่องว่างของผลลัพธ์ในตัวมันเอง นี่คือสิ่งที่นักการตลาดยอมรับเกี่ยวกับข้อมูลของตนเอง สองในสามกล่าวว่าพวกเขายังคงสรุปโมเดล AI เชิงสร้างสรรค์โดยใช้ข้อมูลประชากรเป็นหลัก เช่น อายุ รายได้ หรือสถานที่ตั้ง ในเวลาเดียวกัน นักการตลาดเกือบหกในสิบกล่าวว่าการแบ่งส่วนตามข้อมูลประชากรไม่ได้สะท้อนถึงพฤติกรรมที่แท้จริงของผู้ชมอีกต่อไป
กล่าวอีกนัยหนึ่ง ทีมต่างรู้ดีว่าให้อาหารแก่ระบบ AI ตามอินพุตที่แน่นอนที่พวกเขาระบุว่าเสียหาย มีเพียงร้อยละ 17 เท่านั้นที่กล่าวว่าพวกเขาสรุปสิ่งที่มีความหมายมากขึ้นอย่างสม่ำเสมอ เช่น สัญญาณพฤติกรรม บริบทของชุมชน หรือความตึงเครียดของผู้ฟังอย่างแท้จริง WARC เรียกสิ่งนี้ว่าช่องว่างทางสติปัญญามากกว่าช่องว่างทางเทคโนโลยี และการวางกรอบนั้นสมควรที่จะทำซ้ำบ่อยๆ เพราะมันจะทำให้การสนทนาทั้งหมดอยู่ห่างจากเครื่องมือและกลับไปสู่กลยุทธ์
เกิดอะไรขึ้นกับการตรวจสอบคุณภาพมนุษย์?
เป็นเวลาหลายทศวรรษแล้วที่ Creative Brief ไม่เคยถือเป็นเอกสารที่เสร็จสมบูรณ์ มันทำหน้าที่เหมือนเป็นบรรทัดเริ่มต้นของการสนทนามากกว่า นักยุทธศาสตร์จะตั้งคำถามในส่วนนี้ ผู้อำนวยการฝ่ายสร้างสรรค์จะถามลูกค้าว่าจริงๆ แล้วรู้สึกอย่างไรในช่วงเวลาแห่งการตัดสินใจ ผู้กำกับศิลป์จะละทิ้งแนวคิดสองสามข้อแรกไปโดยสิ้นเชิง เมื่อแคมเปญเข้าถึงลูกค้า บรีฟเล็กๆ น้อยๆ มักจะได้รับการแก้ไขหลายครั้งโดยผู้ที่งานของเขารวมถึงการตรวจพบจุดอ่อนก่อนที่จะเผยแพร่
กระบวนการนั้นจงใจเชื่องช้า และความเชื่องช้าก็มีจุดมุ่งหมาย นอกจากนี้ยังมีค่าใช้จ่ายสูงอีกด้วย ซึ่งทำให้เป็นหนึ่งในผู้เสียชีวิตกลุ่มแรกๆ เมื่อลำดับเวลาการผลิตลดลงจากสัปดาห์เหลือเพียงไม่กี่วัน เมื่อชั้นการซ่อมแซมของมนุษย์หายไป กางเกงในก็หยุดส่งผ่านกลุ่มผู้เชี่ยวชาญที่สงสัยและเริ่มไหลไปสู่โมเดลกำเนิดโดยตรงแทน
การเปลี่ยนแปลงดังกล่าวมีความสำคัญอย่างมาก เนื่องจากโมเดล AI ไม่มีสัญชาตญาณในการตั้งคำถามกับข้อมูลที่อ่อนแอ มันจะสร้างรูปแบบที่ขัดเกลาและมั่นใจของแนวคิดที่ไม่ดีสี่สิบรูปแบบ เช่นเดียวกับแนวคิดที่แข็งแกร่งสี่สิบรูปแบบ บรีฟที่ไม่ชัดเจนใช้เพื่อส่งผลให้เกิดครีเอทีฟโฆษณาที่ไม่มีประสิทธิภาพอย่างเห็นได้ชัดซึ่งผู้อื่นจะทราบก่อนการเปิดตัว ตอนนี้ผลลัพธ์ที่ได้คือเนื้อหาที่สวยงามและดูเป็นมืออาชีพที่หลุดลอยไปโดยไม่มีใครแตะต้อง เพียงเพราะมันดูเป็นที่ยอมรับเมื่ออยู่บนพื้นผิว
เหตุใดทีมต่างๆ มักผิดนัดการกำหนดเป้าหมายตามข้อมูลประชากร
หากนักการตลาดทราบดีอยู่แล้วว่าการบรรยายสรุปข้อมูลประชากรมีประสิทธิภาพต่ำกว่าปกติ เหตุใดจึงยังคงเป็นตัวเลือกเริ่มต้น คำตอบที่ตรงไปตรงมาไม่ใช่ความเชื่อมั่น มันเป็นความเฉื่อย
กลุ่มอายุ กลุ่มรายได้ และข้อมูลสถานที่ตั้งแบบกว้างๆ อยู่ในส่วนการวางแผน แผนการโฆษณา และโครงสร้างการตั้งชื่อแคมเปญอยู่แล้ว การนำกลับมาใช้ใหม่ไม่จำเป็นต้องมีการวิจัยเพิ่มเติม ไม่มีเครื่องมือใหม่ และไม่มีการสนทนากับลูกค้าหรือเพื่อนร่วมงานที่ไม่สบายใจ ข้อมูลเชิงลึกด้านพฤติกรรมและชุมชนต้องการทั้งสามประการ ภายใต้กำหนดเวลาที่จำกัด เส้นทางที่มีการต่อต้านน้อยที่สุดมักจะชนะเสมอ และเส้นทางนั้นเป็นเพียงการจดชวเลขทางประชากรศาสตร์
GWI ได้กล่าวถึงประเด็นที่คล้ายกันเมื่อเร็วๆ นี้ โดยสังเกตว่าการกำหนดเป้าหมายตามกลุ่มอายุเป็นวิธีการแบ่งกลุ่มที่ขี้เกียจที่สุดวิธีหนึ่งในการตลาด เนื่องจากความแตกต่างภายในรุ่นเดียวมักจะใหญ่กว่าความแตกต่างระหว่างรุ่น มันเป็นการวิพากษ์วิจารณ์ที่ยุติธรรมและเป็นสิ่งที่ไม่ค่อยได้พูดออกมาดังๆ อ่านความเห็นเกี่ยวกับเทคโนโลยีการตลาดเป็นเวลาหนึ่งสัปดาห์ และเกิดความแตกแยกที่ชัดเจน บริษัทวิจัยกลุ่มเป้าหมายมักจะหยุดอยู่แค่สถิติเท่านั้น แพลตฟอร์มเวิร์กโฟลว์และแพลตฟอร์มการฟังทางสังคมมักจะเริ่มต้นที่ปุ่มเผยแพร่ มีผู้เล่นเพียงไม่กี่คนที่กล่าวถึงช่องว่างระหว่างนั้น ซึ่งเป็นจุดที่ช่องว่างทางสติปัญญาอาศัยอยู่
เหตุใดทีมการตลาดในเอเชียตะวันออกเฉียงใต้จึงรู้สึกเป็นอันดับแรก
การบีบอัดระดับภูมิภาคทำให้ปัญหานี้รุนแรงโดยเฉพาะในเอเชียตะวันออกเฉียงใต้ ทีมงานที่อยู่ในสิงคโปร์อาจรับผิดชอบตลาดหกถึงสิบเอ็ดตลาดในหลายภาษา โดยทำงานด้วยงบประมาณที่แทบจะไม่ครอบคลุมตลาดสองแห่งในยุโรปตะวันตก ความแตกต่างกันนิดหน่อยในท้องถิ่นไม่ใช่โบนัสที่ดีในสภาพแวดล้อมนั้น มันเป็นงานทั้งหมด และบังเอิญเป็นสิ่งที่การบรรยายสรุปด้านประชากรศาสตร์ถูกลบไปจริงๆ
นำเสนอโมเดล Generative ที่สร้างโดยผู้หญิงในเมืองที่มีอายุระหว่าง 25 ถึง 34 ปีที่มีรายได้ปานกลาง และจะผลิตเนื้อหาที่สามารถดำเนินการได้ในทางเทคนิคในกรุงจาการ์ตา มะนิลา หรือกัวลาลัมเปอร์ แต่ไม่ได้เชื่อมโยงถึงส่วนใดเลย ผลลัพธ์จะอ่านว่าถูกต้องตามหลักไวยากรณ์ ตรงใจแบรนด์ และน่าจดจำโดยสิ้นเชิง ทำซ้ำรูปแบบนั้นในตลาดทั้ง 11 แห่งตามกำหนดการเผยแพร่รายสัปดาห์ และผลลัพธ์ที่ได้คือระบบที่มีประสิทธิภาพอย่างยิ่งในการผลิตเนื้อหาที่ไม่มีใครจำได้ในสัปดาห์ต่อมา
การปฏิบัติต่อบรีฟในฐานะผลิตภัณฑ์หมายความว่าอย่างไร
ทีมการตลาดที่กำลังดำเนินการอยู่ในขณะนี้ได้ทำการเปลี่ยนแปลงโครงสร้างโดยเจตนาครั้งหนึ่ง ตอนนี้พวกเขาถือว่าบรีฟเป็นผลิตภัณฑ์จริง ไม่ใช่สำรับที่เสร็จสมบูรณ์และไม่ใช่ทรัพย์สินขั้นสุดท้าย ใครก็ตามที่ควบคุมคุณภาพของอินพุตตั้งแต่ต้นนั้นจะควบคุมคุณภาพของทุกสิ่งที่ตามมาดาวน์สตรีมได้อย่างมีประสิทธิภาพ
การเปลี่ยนแปลงนี้แสดงให้เห็นแล้วว่าเครื่องมือที่ปลายทั้งสองด้านของไปป์ไลน์มีการพัฒนาอย่างไร ที่ส่วนหน้า แพลตฟอร์มใหม่ๆ กำลังแปลหมวดหมู่สดและข้อมูลพฤติกรรมให้เป็นความตึงเครียดของผู้ชมที่มีหลักฐานสนับสนุน เพื่อให้แน่ใจว่าบรีฟนำเสนอสิ่งที่สังเกตได้อย่างแท้จริง แทนที่จะเป็นสิ่งที่คิดง่ายๆ ในส่วนแบ็คเอนด์ ธุรกิจประเภทใหม่ๆ ที่มุ่งเน้นการดำเนินการก็เกิดขึ้นเช่นกัน ตัวอย่างหนึ่งคือ Touchigh ซึ่งเป็นบริษัทที่ช่วยให้ผู้ขายข้ามพรมแดนชาวจีนเข้าถึงผู้ซื้อชาวอเมริกันโดยการรวมเครื่องมือการมองเห็นการค้นหาด้วย AI เข้ากับเนื้อหาโซเชียลภาษาอังกฤษพื้นเมือง จากนั้นให้คะแนนเนื้อหานั้นสำหรับประสิทธิภาพที่คาดการณ์ไว้ก่อนที่จะเผยแพร่ แทนที่จะรายงานเฉพาะผลลัพธ์ในภายหลัง
รายละเอียดดังกล่าวมีความสำคัญมากกว่าอุตสาหกรรมเฉพาะที่มาจาก บริษัทขนาดเล็กที่เน้นการดำเนินการซึ่งให้บริการลูกค้าที่คำนึงถึงราคาได้บรรลุข้อสรุปเดียวกันกับบริษัทวิจัยขนาดใหญ่อย่างเป็นอิสระ การตัดสินอย่างมีวิจารณญาณจะต้องเกิดขึ้นก่อนที่จะมีการจัดส่งสินทรัพย์ หรือตามความเป็นจริงแล้ว มันจะไม่เกิดขึ้นเลย
ความเร็วและคุณภาพสามารถอยู่ร่วมกันได้หรือไม่?
สิ่งที่ตัวเลขปัจจุบันแนะนำคือกำลังใจอย่างแท้จริง ทีมการตลาดเลเยอร์การซ่อมแซมที่สูญเสียไปในช่วงเร่งรีบในการนำ AI มาใช้ สามารถสร้างขึ้นมาใหม่ได้ในราคาประหยัดพอที่จะอยู่รอดได้แม้ตามกำหนดเวลาที่จำกัดที่สุด เมื่อเอเจนซี่ SAMY แข่งขันกับคู่แข่งรายใหญ่กว่ามากสำหรับลูกค้าด้านการบริการในสหราชอาณาจักร การวางแผนหมวดหมู่ที่ครั้งหนึ่งเคยใช้เวลาหลายสัปดาห์ถูกบีบอัดให้เหลือประมาณ 13 นาทีต่อบรีฟ โดยมีความแม่นยำในการคลิกผ่านที่คาดการณ์ไว้ซึ่งมีความน่าเชื่อถือมากกว่าการประมาณค่าโดยมนุษย์แบบดั้งเดิมถึง 3 เท่า SAMY ได้รับรางวัลรีเทนเนอร์
เรื่องจริงในตัวอย่างนี้ไม่ใช่ความเร็วของตัวเอง ความจริงที่ว่าระดับของทีมตัดสินที่ก่อนหน้านี้ไม่สามารถสมัครได้อย่างสม่ำเสมอ เป็นสิ่งที่พวกเขาสามารถนำไปใช้กับบรีฟทุกรายการที่พวกเขาเขียนได้ ไม่ใช่แค่รายการที่มีไทม์ไลน์ที่กว้างขวางเท่านั้น การตัดสินที่เกิดขึ้นเมื่อมีเวลาว่างเท่านั้นนั้นไม่เคยเป็นมาตรฐานในการเริ่มต้นเลย มันเป็นความหรูหราที่มีเพียงไม่กี่ทีมที่สามารถจ่ายได้อย่างน่าเชื่อถือ
ทีมการตลาดทุกคนควรถามอะไรเกี่ยวกับบรีฟของตน
ความจริงที่น่าอึดอัดที่ฝังอยู่ในการค้นพบของ WARC ก็คือหลายทีมตระหนักดีว่าข้อมูลที่ป้อนเข้ามามีข้อบกพร่องและเลือกที่จะจัดส่งต่อไป เพียงเพราะการแก้ไขช่วงสั้น ๆ จะใช้เวลาในสัปดาห์นี้นานกว่าการจัดส่งผลผลิตปานกลาง
การคำนวณนั้นมีการเปลี่ยนแปลงอย่างรวดเร็ว เนื่องจากข้อมูลอัจฉริยะของผู้ชมในระดับเชิงประจักษ์สามารถทำได้ภายในไม่กี่นาทีแทนที่จะใช้เวลาหลายสัปดาห์ เหตุผลในการบรรยายสรุปเกี่ยวกับ AI เชิงสร้างสรรค์ที่มีทางลัดทางประชากรศาสตร์ที่ล้าสมัยก็หายไป และข้อแก้ตัวเมื่อเนื้อหานั้นมีประสิทธิภาพต่ำกว่ามาตรฐานก็เช่นกัน
ลองพิจารณาบรีฟที่ทีมของคุณจัดทำในไตรมาสนี้ มีกี่คนที่ย้อนกลับไปถึงสิ่งที่คุณสังเกตเห็นเกี่ยวกับผู้ชมของคุณอย่างแท้จริง และมีกี่รายการที่เป็นเทมเพลตของไตรมาสที่แล้วซึ่งมีวันที่ใหม่ประทับอยู่ด้านบน
SOMIN เหมาะสมกับการเปลี่ยนแปลงนี้ตรงไหน?
นี่คือช่องว่าง SOMIN ที่สร้างขึ้นเพื่อปิดอย่างแน่นอน SODA เปลี่ยนหมวดหมู่ที่กระจัดกระจายและสัญญาณของผู้บริโภคให้เป็นข้อมูลอัจฉริยะที่มีโครงสร้างและมีหลักฐานสนับสนุน ซึ่งบรีฟสามารถทำได้จริง ในขณะที่ชุด SoMonitor ซึ่งครอบคลุม Brand Tracker, Content Library, Perspective Studies และ SoInspire ช่วยให้ข่าวกรองนั้นเชื่อมโยงกับสุขภาพของแบรนด์ โฆษณาที่ตีพิมพ์ มุมมองของผู้ชม และช่วงเวลาทางวัฒนธรรมที่เกิดขึ้นใหม่ แทนที่จะปล่อยให้มันแยกจากกันในรายงานที่แยกจากกัน เมื่อจับคู่กับข้อมูลผู้ชมเชิงลึกจากพันธมิตรอย่าง GWI ทีมการตลาดจะได้รับบางสิ่งที่ใกล้เคียงกับ Live Brief มากกว่าแบบคงที่ โดยมีพื้นฐานมาจากสิ่งที่ผู้ชมกำลังทำและรู้สึกอยู่ในขณะนี้ แทนที่จะเป็นกลุ่มประชากรที่สมมติเมื่อหลายเดือนก่อน สำหรับทีมที่พยายามแก้ไขช่องว่าง ด้านสติปัญญาก่อนที่จะถึงโมเดล การผสมผสานระหว่างข้อมูลที่สังเกตได้และเครื่องมือที่เชื่อมต่อนั้นเป็นจุดที่เลเยอร์การซ่อมแซมถูกสร้างขึ้นมาใหม่
FAQ
เหตุใด AI จึงไม่ปรับปรุงคุณภาพงานสร้างสรรค์
เพราะทีมส่วนใหญ่ให้อาหารแบบบรีฟที่อ่อนแอ ในการศึกษาของ WARC นักการตลาดร้อยละ 88 สร้างสรรค์ผลงานด้วย AI ได้อย่างสร้างสรรค์มากขึ้น แต่มีเพียง 45 เท่านั้นที่เห็นคุณภาพที่ดีขึ้น และสองในสามยังคงสรุปโมเดลด้วยข้อมูลประชากรเป็นหลัก
คุณควรสรุป generative AI ด้วยอะไรแทนข้อมูลประชากร
สัญญาณพฤติกรรม บริบทของชุมชน และความตึงเครียดของผู้ฟังอย่างแท้จริง: สิ่งที่สังเกตเกี่ยวกับผู้ฟังแทนที่จะคิดไปเอง มีเพียง 17 เปอร์เซ็นต์ของนักการตลาดในการศึกษาของ WARC เท่านั้นที่สรุปเนื้อหาในลักษณะนี้อย่างสม่ำเสมอ
เหตุใดทีมจึงยังสรุปข้อมูล AI ด้วยข้อมูลประชากร
ความเฉื่อย. กลุ่มอายุ ขอบเขตรายได้ และข้อมูลสถานที่อยู่ในส่วนการวางแผนและแผนการโฆษณาอยู่แล้ว ดังนั้นการนำข้อมูลเหล่านี้กลับมาใช้ใหม่ไม่จำเป็นต้องมีการวิจัยใหม่ เครื่องมือ หรือการสนทนาที่ยากลำบาก ในขณะที่ข้อมูลเชิงลึกด้านพฤติกรรมต้องการทั้งสามประการ
ช่องว่างทางปัญญาในตลาด AI คืออะไร?
ชื่อของปัญหาคือ WARC: AI สามารถสร้างสรรค์ผลงานได้มากขึ้น แต่ความเข้าใจของผู้ชมที่ป้อนเข้าไปยังไม่ดีขึ้น นั่นทำให้เป็นปัญหาด้านกลยุทธ์มากกว่าปัญหาด้านเทคโนโลยี
บทความที่เกี่ยวข้อง
- ความเป็นเนื้อเดียวกันของคอนเทนต์ AI: ทำไมทุกแบรนด์จึงฟังดูเหมือนกัน
- เหตุใดโฆษณาในหมวดหมู่เดียวจึงดูเหมือนกันทั้งหมด
- เทมเพลตครีเอทีฟบรีฟ: เพอร์โซน่า ความขัดแย้งในใจผู้บริโภค แองเกิล สตอรี่
- จะเปลี่ยนอินไซต์จากโซเชียลลิสเซนนิ่งให้เป็นบรีฟแคมเปญได้อย่างไร?
- ความขัดแย้งในใจผู้บริโภคในการตลาดคืออะไร และจะค้นหาได้อย่างไร?
