更多人工智慧產生的內容並沒有讓活動變得更好，因為模型的簡短內容很弱，而不是模型本身。在與 TikTok 和 LIONS Advisory 進行的 WARC 研究中，88% 的 400 行銷人員表示，自從採用人工智慧以來，他們的創意顯著增加，但只有 45% 的品質有所提高，三分之二的人仍然主要透過人口統計數據來介紹人工智慧。透過行為訊號和真實的觀眾緊張程度來確定觀眾簡介，並且輸出品質有依據。
重點摘要
- 在 WARC 對 400 行銷人員的調查中，88% 的人利用人工智慧創造了更多創意，但只有 45% 的人報告了品質的任何真正改進。
- 三分之二的人仍然主要關注人口統計數據，儘管近十分之六的人表示人口統計細分不再反映受眾的行為方式；只有 17% 始終簡短地介紹行為信號、社區背景或受眾緊張情緒。
- 過去用來捕捉薄弱內褲的人類修復層已經消失，人工智慧模型可以像完善強大的概念一樣輕鬆地完善一個糟糕的概念。
- 在東南亞，一個團隊可能涵蓋六到十一個市場，人口統計簡報消除了整個工作中的當地細微差別。
- 推進的團隊將簡報本身視為產品，並在資產交付前進行判斷。
瓶頸是AI還是簡報？
東南亞各地的行銷團隊正在創造比以往更多的創意資產。十分之九的人表示，生成式人工智慧使他們的產出倍增。然而，只有不到一半的人相信大量的內容實際上表現得更好。管道中間的某些東西正在悄然破裂，但它不是模型。
WARC 與 TikTok 和 LIONS Advisory 共同開展的新研究以及 由 PPC Land 報告的研究對 400 行銷人員進行了調查，並發現了一個驚人的模式。雖然 88% 的受訪者表示，自從採用人工智慧工具以來，他們的創造力顯著提高，但只有 45% 的人表示品質有了真正的提高。產量攀升。結果持平。問題出在大多數團隊從未想到的地方：觀眾簡介。
為什麼行銷人員繼續使用他們明知已經過時的數據？
WARC 研究中最能說明問題的細節並不是產出缺口本身。這是行銷人員對自己的投入所承認的。三分之二的人表示，他們仍然主要使用年齡、收入或位置等人口數據來介紹生成式人工智慧模型。同時，近十分之六的行銷人員表示，人口統計細分不再反映受眾的實際行為。
換句話說，團隊故意向人工智慧系統提供他們已經確定為損壞的輸入。只有 17% 表示他們始終會提供更有意義的內容，例如行為訊號、社群背景或真正的觀眾緊張情緒。 WARC 稱這是情報差距而不是技術差距，這個框架值得經常重複，因為它將整個對話從工具轉移回戰略。
人類品質檢查發生了什麼事？
幾十年來，創意簡報從未被視為完成的文件。它的作用更像是談話的開場白。策略師會質疑這個區隔市場。創意總監會詢問客戶在做決定時的實際感受。藝術總監會完全放棄最初的幾個概念。當一項活動到達客戶手中時，一份薄弱或懶惰的簡報通常會被那些負責在上線前發現弱點的人修改好幾次。
這個過程故意緩慢，而緩慢是有目的的。它的成本也很高，這使得它成為當生產時間從幾週縮短到幾天時最先遭受損失的公司之一。隨著人類修復層的消失，內褲不再經過一系列懷疑的專業人士，而是開始直接流入生成模型。
這種轉變非常重要，因為人工智慧模式沒有本能去質疑弱輸入。它會像四十個強大的概念一樣容易地產生四十個糟糕的、自信的變體。過去，一個薄弱的簡報會導致明顯薄弱的創意，人們會在發布之前發現這一點。現在，它會產生精美的、具有專業外觀的內容，這些內容未經修改就可以通過，只是因為它在表面上看起來可以接受。
為什麼團隊總是預設人口目標定位？
如果行銷人員已經知道人口統計簡報表現不佳，為什麼它仍然是預設選擇？誠實的答案不是信念。這是慣性。
年齡層、收入範圍和廣泛的位置資料已經存在於規劃平台、媒體計劃和活動命名結構中。重複使用它們不需要額外的研究，不需要新的工具，也不需要與客戶或同事進行不舒服的對話。行為和社區為基礎的洞察力需要這三者。在緊迫的期限下，阻力最小的路徑幾乎總是獲勝，而這條路徑就是人口統計速記。
GWI 最近也提出了類似的觀點，指出年齡範圍定位是行銷中最懶惰的細分方法之一，因為一代人之間的差異往往大於世代之間的差異。這是一種公平的批評，很少有人大聲說出來。瀏覽一週的行銷科技評論，就會發現明顯的分歧。受眾研究公司往往只停留在統計數據上。工作流程和社群聆聽平台往往從發布按鈕開始。很少有玩家能夠解決中間的問題，而這正是智力差距所在。
為什麼東南亞行銷團隊首先有這種感覺？
區域壓縮使得這個問題在東南亞尤其嚴重。位於新加坡的團隊可能負責 6 到 11 個不同的市場，使用多種語言，其預算幾乎無法跨越西歐的兩個市場。在那種環境下，本地的細微差別並不是一個好的獎勵。這就是整個工作，而且剛好是人口簡報所抹掉的內容。
為生成模型提供一個圍繞 25 歲至 34 歲中等收入城市女性的簡報，它將產生技術上可以在雅加達、馬尼拉或吉隆坡運行的內容，但在其中沒有一個能夠完全連接。結果將被視為語法正確、符合品牌並且完全容易被遺忘。按每週的發布計劃在 11 個市場重複這種模式，其結果是一個極其高效的系統，用於產生一周後沒人記得的內容。
將簡報視為產品意味著什麼？
目前領先的行銷團隊進行了深思熟慮的結構性變革。他們現在將簡報本身視為實際產品，而不是成品甲板，也不是最終資產。誰控制了早期輸入的質量，誰就有效地控制了下游所有內容的品質。
這種轉變已經從生產管道兩端的工具的演變中體現出來。在前端，較新的平台正在將即時類別和行為數據轉化為有證據支持的觀眾緊張情緒，確保簡報包含真正觀察到的內容，而不是簡單假設的內容。在後端，一種新的以執行為中心的業務類別也正在出現。 Touchigh 就是一個例子，該公司透過將人工智慧搜尋視覺工具與母語英語社交內容相結合，幫助中國跨境賣家接觸美國買家，然後在發布之前對內容的預測表現進行評分，而不是事後才報告結果。
這個細節比它來自的特定行業更重要。專注於執行的小型公司，為價格敏感的客戶提供服務，獨立地得出了與大型研究公司相同的結論。關鍵的判斷需要在資產交付之前發生，或者實際上，它根本不會發生。
速度和品質能否共存？
目前的數字確實令人鼓舞。在人工智慧採用熱潮中失去的修復層行銷團隊可以以足夠經濟的價格重建，以在最緊迫的期限內生存。當代理商 SAMY 為英國飯店客戶與規模相當大的競爭對手進行競爭時，曾經需要花費數週時間的品類規劃被壓縮為每個簡報大約 13 分鐘，預測的點擊率準確性比傳統的人類估計可靠約三倍。 SAMY贏得了保留。
此範例中的真實故事不是速度本身。事實上，以前團隊無法持續應用一定程度的判斷力，現在他們可以將其應用到他們撰寫的每一份簡報中，而不僅僅是那些時間表寬裕的簡報。只有在有空閒時間時才會做出的判斷從一開始就不是一個真正的標準。這是一種奢侈，很少有球隊能夠負擔得起。
每個行銷團隊應該就其簡報提出哪些問題？
WARC 調查結果中隱藏的令人不安的事實是，許多團隊已經認識到他們的輸入有缺陷，並選擇無論如何交付，僅僅是因為本週糾正簡報比交付平庸的輸出花費更多的時間。
這種計算正在迅速改變。隨著證據級受眾情報在幾分鐘而不是幾週內就可以實現，用過時的人口捷徑生成式人工智慧進行簡報的理由正在消失，當內容表現不佳時的藉口也消失了。
因此，請考慮您的團隊本季製作的簡報。有多少是真正可以追溯到您觀察到的有關受眾的真實情況，有多少只是上個季度的模板，上面印有新的日期？
SOMIN 在這個轉變中處於什麼位置？
這正是 SOMIN 旨在彌合的差距。 SODA 將分散的類別和消費者訊號轉化為結構化的、有證據支持的情報，而簡報實際上可以作為依據，而 SoMonitor 套件涵蓋品牌追蹤器、內容庫、視角研究和 SoInspire，使這些情報在品牌健康、已發表的創意、受眾觀點和新興文化時刻之間保持聯繫，而不是將其孤立在單獨的報告中。與 GWI 等合作夥伴提供的深入受眾數據相結合，行銷團隊得到的內容更接近動態簡報，而不是靜態簡報，其基礎是受眾現在的實際行為和感受，而不是幾個月前假設的人口統計範圍。對於試圖在到達模型之前修復情報差距的團隊來說，觀察到的資料和連接工具的組合正是重建修復層的地方。
FAQ
為什麼人工智慧沒有提高創意品質？
因為大多數球隊都給它提供了薄弱的簡報。在 WARC 研究中，88% 的行銷人員利用人工智慧產生了顯著更高的創意，但只有 45% 的人看到了更好的質量，三分之二的人仍然主要使用人口統計數據來簡要介紹模型。
除了人口統計數據之外，您還應該向生成人工智慧介紹什麼？
行為訊號、社區背景和真正的觀眾緊張感：對觀眾的觀察而不是假設。 WARC 研究中只有 17% 的行銷人員一致以這種方式進行簡報。
為什麼團隊仍然向人工智慧提供人口統計？
慣性。年齡層、收入範圍和位置數據已經存在於規劃平台和媒體計劃中，因此重複使用它們不需要新的研究、工具或困難的對話，而行為洞察則需要這三者。
AI行銷的智力差距有多大？
WARC 對這個問題的稱呼是：人工智慧可以產生更多的創意，但受眾對它的理解並沒有提高。這使得它成為一個戰略問題而不是技術問題。
相關閱讀
- AI 內容同質化：為什麼每個品牌聽起來都一樣
- 為什麼某一類別的廣告看起來都一樣？
- 創意簡報模板：人物誌、消費者矛盾、策略角度、洞察故事
- 如何把社群聆聽洞察轉化為行銷活動簡報？
- 什麼是行銷中的消費者矛盾？如何發現它？
