স্কেলে এআই মার্কেটিং কনটেন্ট ব্যবহারের একটি কাঠামো
মার্কেটিং বিভাগগুলো কপি তৈরি ও দৈনন্দিন কাজের গতি বাড়াতে কৃত্রিম বুদ্ধিমত্তার (এআই) ওপর 점점 더 নির্ভরশীল হয়ে উঠছে, ঠিক তখনই আলোচনার কেন্দ্রে চলে এসেছে একটি বাস্তব প্রশ্ন: কোনও ক্যাম্পেইন সত্যিই কাজ করবে কি না তা নির্ধারণকারী মানবিক বিচারবোধ না হারিয়ে দলগুলো কীভাবে এই প্রযুক্তির গতি কাজে লাগাতে পারে? পেন স্টেটের এক গবেষক ও তাঁর সহ-লেখকদের সদ্য প্রকাশিত একটি গবেষণা এর উত্তর প্রস্তাব করেছে—যা লঞ্চের আগে ঐতিহ্যগতভাবে চালানো ব্যয়বহুল ও সময়সাপেক্ষ পরীক্ষার ওপর নির্ভরতা কমিয়ে স্কেলে এআই-উৎপন্ন মার্কেটিং কনটেন্ট প্রকাশের একটি পদ্ধতি তুলে ধরে।
গবেষণাটি প্রকাশিত হয়েছে জার্নাল অব মার্কেটিং রিসার্চ-এ এবং এর নেতৃত্ব দিয়েছেন পেন স্টেটের স্মিল কলেজ অব বিজনেস-এর মার্কেটিং সহকারী অধ্যাপক ঋতব্রত “রিটো” কর, সহযোগীদের সঙ্গে। এর মূল বক্তব্য হলো, মার্কেটিংয়ে এআই গ্রহণ শুধু একটি টুল কেনার বিষয় নয়—এটি এমন একটি প্রক্রিয়া ডিজাইন করার বিষয় যা মানবিক দক্ষতাকে প্রক্রিয়ার মধ্যে ধরে রাখে।
মার্কেটাররা ইতিমধ্যেই কীভাবে এআই ব্যবহার করছেন
গবেষণার সঙ্গে যুক্ত একটি প্রশ্নোত্তর পর্বে কর এআই কীভাবে মার্কেটিং কাজে ছড়িয়ে পড়েছে তার নানা দিক তুলে ধরেন। কনটেন্ট তৈরি এখনও সবচেয়ে দৃশ্যমান ব্যবহার, তবে এটিই একমাত্র নয়। দলগুলো এখন এমন বিস্তৃত কাজে এআই ব্যবহার করছে, যা আগে ঘণ্টার পর ঘণ্টা হাতে করা শ্রমসাধ্য কাজে পরিণত হতো।
সবচেয়ে দৃশ্যমান প্রয়োগ
- ইমেইল, সোশ্যাল মিডিয়া পোস্ট, বিজ্ঞাপন ও পণ্যের বিবরণ খসড়া করা
- ক্যাম্পেইনের সঙ্গে ব্যবহারের জন্য ছবি ও ছোট ভিডিও অ্যাসেট তৈরি করা
শুধু কপি লেখার বাইরের কাজ
মার্কেটিংয়ে এআইয়ের পরিধি টেক্সট ও ভিজ্যুয়ালের অনেক বাইরে বিস্তৃত। করের মতে, মার্কেটাররা এই সিস্টেমগুলো ক্যাম্পেইনের ধারণা তৈরি, বাজার অনুসন্ধান এবং গ্রাহকদের বিভক্ত করে প্রতিটি গোষ্ঠীর জন্য উপযোগী বার্তা তৈরির জন্য ডেটা বিশ্লেষণেও ব্যবহার করেন। কিছু প্রতিষ্ঠান আরও এগিয়ে গিয়ে গ্রাহকের আচরণ পূর্বাভাস দিতে এবং গ্রাহক যাত্রার কিছু অংশ স্বয়ংক্রিয় করতে এআই ব্যবহার করে।
- ক্যাম্পেইনের ধারণা নিয়ে ব্রেনস্টর্মিং ও তা তৈরি করা
- বাজার গবেষণা পরিচালনা করা
- ব্যক্তিগতকৃত বার্তার জন্য গ্রাহকদের দলে ভাগ করতে ডেটা বিশ্লেষণ করা
- গ্রাহকরা পরবর্তীতে কী করবেন তা পূর্বাভাস দেওয়া
- গ্রাহক যাত্রার নির্বাচিত ধাপ স্বয়ংক্রিয় করা
সব মিলিয়ে এই ব্যবহারগুলো ইঙ্গিত দেয়, এআই আর নিছক কোনও অভিনব বিষয় নয়—এটি মার্কেটিং প্রতিষ্ঠানগুলোর ভেতরে একটি পরিচালন স্তরে পরিণত হয়েছে, যা ধারণা তৈরি, গবেষণা, উৎপাদন ও সরবরাহ—সবকিছুকে স্পর্শ করে।
সুবিধা ও চ্যালেঞ্জ
গতি-ই প্রধান সুবিধা
মার্কেটিংয়ে এআইয়ের সুবিধা সম্পর্কে জিজ্ঞাসা করা হলে কর প্রথমেই গতির কথা বলেন। এই প্রযুক্তি মার্কেটারদের আগের চেয়ে অনেক বেশি ধারণা তৈরি ও অন্বেষণ করতে দেয়, ফলে একটি ফাঁকা পৃষ্ঠা আর কার্যকর ধারণার মধ্যে দূরত্ব কমে আসে। এটি ব্যক্তিগতকরণও অনেক সহজ করে তোলে, কারণ দলগুলো একটি সাধারণ বার্তায় সীমাবদ্ধ না থেকে বিভিন্ন ধরনের গ্রাহকের জন্য আলাদা বার্তা তৈরি করতে পারে।
কঠিনতা কোথায়
যে স্কেল এআইকে আকর্ষণীয় করে তোলে, সেটিই চাপও তৈরি করে। বেশি কনটেন্ট মানে আরও বেশি সিদ্ধান্ত নিতে হয়, আর ঐতিহ্যগত পরীক্ষা—যা ব্যয়বহুল ও ধীরগতির—এখন একটি দল যত পরিমাণ উপাদান তৈরি করতে পারে তার সঙ্গে তাল মেলাতে পারে না। এই টানাপোড়েনই নতুন কাঠামোটি সমাধানের লক্ষ্যে তৈরি, কারণ এটি প্রচলিত পরীক্ষার ওপর চাপ কমায়।
প্রস্তাবিত কাঠামোর ভেতরে
কর ও তাঁর সহ-লেখকদের তৈরি পদ্ধতিটি একটি ব্যবসা ইতিমধ্যে যা করেছে তা থেকে শেখার ওপর নির্ভর করে। প্রতিটি নতুন এআই-উৎপন্ন কনটেন্ট শূন্য থেকে মূল্যায়ন না করে, কাঠামোটি কোম্পানির আগের মার্কেটিং ক্যাম্পেইনের পারফরম্যান্স ডেটা ব্যবহার করে এআই মডেলকে নতুন উপাদান যাচাইয়ের জন্য প্রশিক্ষণ দেয়। এভাবে প্রশিক্ষিত হওয়ার পর মডেলগুলো মার্কেটিং দলকে কনটেন্ট সুপারিশ ও রেটিং দেয়, যা কী চালানো হবে তা দ্রুত সিদ্ধান্ত নিতে সহায়তা করে।
এই নকশা কার্যত একটি প্রতিষ্ঠানের নিজস্ব ক্যাম্পেইন ইতিহাসকে যাচাইয়ের ব্যবস্থায় পরিণত করে। মডেলগুলো প্রথম ফিল্টার হিসেবে কাজ করে, আর মার্কেটাররা প্রাপ্ত সুপারিশে নিজেদের দক্ষতা প্রয়োগ করেন। এই অর্থে, কাঠামোটি মানুষকে প্রক্রিয়া থেকে সরানোর চেষ্টা নয়—এটি এআইকে এমনভাবে স্থাপন করার চেষ্টা, যাতে মানবিক মনোযোগ সেই সিদ্ধান্তগুলোতে ব্যয় হয় যেগুলোর জন্য তা সবচেয়ে বেশি প্রয়োজন।
ব্যবসার প্রেক্ষাপট কেন গুরুত্বপূর্ণ
কর জোর দিয়ে বলেন, এআই প্রয়োগ তখনই সবচেয়ে ভালো কাজ করে যখন তা ব্যবহারকারী ব্যবসার নির্দিষ্ট পরিস্থিতির ওপর ভিত্তি করে গড়ে ওঠে। একটি কোম্পানির জন্য কনটেন্ট যাচাই করা একটি মডেল সেই কোম্পানির ক্যাম্পেইন, গ্রাহক ও ফলাফল দ্বারা প্রভাবিত হয়; যে ডেটা সুপারিশগুলোকে অর্থবহ করে তোলে, তা হলো প্রতিষ্ঠানটির নিজেই তৈরি করা ডেটা। এটি সেই ধারণা থেকে সরে আসা, যে একটি একক রেডিমেড টুল প্রতিটি মার্কেটারের জন্যই সমানভাবে উপযোগী হতে পারে।
প্রেক্ষাপটের ওপর এই জোরই ব্যাখ্যা করে কেন গবেষকরা এআইকে মার্কেটিং দক্ষতার বিকল্প নয়, বরং পরিপূরক হিসেবে দেখেন। মডেলগুলো যে রেটিং দেয়, তা সিদ্ধান্তের ইনপুট, সিদ্ধান্ত নিজে নয়।
মানব পুঁজিই নির্ধারক
গবেষণার সঙ্গে যুক্ত আলোচনায় সম্ভবত সবচেয়ে উল্লেখযোগ্য বিষয় হলো মানুষের ভূমিকা। কর মানব পুঁজিকে এই প্রযুক্তিগুলো সফলভাবে কাজ করানোর জন্য অত্যন্ত গুরুত্বপূর্ণ বলে বর্ণনা করেন। মূল কথা শুধু এই নয় যে মার্কেটারদের টুলগুলো সঠিকভাবে পরিচালনা করতে হবে; বরং এআই সিস্টেমের কার্যকারিতা নির্ভর করে মানুষ যে জ্ঞান, বিচারবোধ ও সাংগঠনিক বোঝাপড়া নিয়ে আসে তার ওপর।
এই বক্তব্য একটি সাধারণ ধারণার বিরুদ্ধে যায়, যে এআই গ্রহণ নিছক একটি প্রযুক্তিগত কাজ। বাস্তবে, এআই-উৎপন্ন কনটেন্ট থেকে একটি কোম্পানি যে মূল্য পাবে তা নির্ভর করবে তার মানুষগুলো সুপারিশগুলো কতটা ভালোভাবে ব্যাখ্যা করতে পারে, কখন একটি পরামর্শ লক্ষ্যভ্রষ্ট হয়েছে তা চিনতে পারে এবং আউটপুটকে ব্র্যান্ড যা অর্জন করতে চায় তার সঙ্গে যুক্ত করতে পারে তার ওপর।
ইমেইল ক্যাম্পেইনের উদাহরণটি যা দেখায়
কাঠামোটি বাস্তবে কেমন কাজ করে তা দেখাতে গবেষকরা একটি বড় আকারের ইমেইল মার্কেটিং ক্যাম্পেইনকে উদাহরণ হিসেবে ব্যবহার করেন। এই প্রয়োগ দেখায়, নতুন পদ্ধতিটি কীভাবে ডেটা বিশ্লেষণের সঙ্গে একজন মার্কেটারের মূল্যায়ন মিলিয়ে একটি ক্যাম্পেইন সফল হবে কি না তা পূর্বাভাস দিতে সাহায্য করতে পারে—এই মিলন গবেষণার বিস্তৃত যুক্তিকে প্রতিফলিত করে যে, মানুষ ও মেশিনের ইনপুট একসঙ্গে ব্যবহার করলে সবচেয়ে শক্তিশালী হয়।
মার্কেটিং দলগুলোর জন্য এর অর্থ
যেসব প্রতিষ্ঠান তাদের মার্কেটিং কার্যক্রমে এআইকে আরও গভীরভাবে যুক্ত করার কথা ভাবছে, তাদের জন্য গবেষণাটি কয়েকটি ব্যবহারিক দিক নির্দেশ করে:
- অতীত ক্যাম্পেইনের পারফরম্যান্সকে শুধু রেকর্ড নয়, একটি সম্পদ হিসেবে দেখুন—এটি নতুন কনটেন্ট যাচাইকারী মডেল প্রশিক্ষণে ব্যবহার করা যায়।
- এআই ধারণা তৈরি ও ব্যক্তিগতকরণে গতি আনবে, তত্ত্বাবধানের প্রয়োজন মিটিয়ে দেবে না—এমনটাই প্রত্যাশা করুন।
- এমন প্রক্রিয়া গড়ুন যেখানে মডেল-উৎপন্ন রেটিং মার্কেটারের সিদ্ধান্তকে প্রতিস্থাপন নয়, বরং তথ্য জোগায়।
- স্বীকার করুন, সত্যিকারভাবে উপযোগী হতে হলে টুলগুলোকে কোম্পানির নিজস্ব প্রেক্ষাপটে মানিয়ে নিতে হবে।
- সেই মানবিক দক্ষতায় বিনিয়োগ করুন, যা শেষ পর্যন্ত নির্ধারণ করে এআইয়ের আউটপুট ফলাফলে রূপান্তরিত হবে কি না।
সামনের পথ
গবেষণাটি এমন এক সময়ে এসেছে যখন একটি মার্কেটিং দল যে পরিমাণ কনটেন্ট তৈরি করতে পারে তা দ্রুত বাড়ছে, অথচ সেই কনটেন্ট যাচাইয়ের পদ্ধতিগুলো তাল মেলাতে পারেনি। কোম্পানির নিজস্ব ঐতিহাসিক পারফরম্যান্স ডেটা ব্যবহার করে এআই-উৎপন্ন উপাদান যাচাইয়ের একটি উপায় প্রস্তাব করে কর ও তাঁর সহ-লেখকরা এমন একটি স্কেলিং পথ দেখান, যেখানে মার্কেটিং করা মানুষদের বিচারবোধ ত্যাগ করতে হয় না। শিক্ষাটি ঐতিহ্যগত পরীক্ষাকে স্বয়ংক্রিয়করণ দিয়ে প্রতিস্থাপনের বিষয় নয়, বরং কর্মপ্রবাহ পুনর্বিন্যাসের বিষয়—যেখানে ডেটা ক্ষেত্র সংকুচিত করে আর চূড়ান্ত সিদ্ধান্ত নেয় মানবিক দক্ষতা।
এই নিবন্ধটি Phys.org-এর প্রতিবেদনের ওপর ভিত্তি করে তৈরি। মূল নিবন্ধ পড়ুন।
Originally published on phys.org
