Google விளம்பரங்களும் Analytics-உம் முழுவதும் AI agents-ஐ விரிவுபடுத்துகிறது

Marketing tools-இல் மேலும் ஆழமாக agentic AI-ஐ தள்ளுகிறது Google

Google, Google Ads மற்றும் Google Analytics முழுவதும் புதிய AI features தொகுப்பை வெளியிடுவதாகக் கூறுகிறது; இதன் மூலம் campaign analysis மற்றும் optimization-ஐ மேலும் conversational, automated, மற்றும் தினசரி marketing workflows-இல் நெருக்கமாக உட்பொதிய முடியும். இந்த update enterprise AI-யில் பரிச்சயமான ஒரு வாக்குறுதியை மையமாகக் கொண்டுள்ளது: performance மாற்றங்களைப் புரிந்துகொள்ள, reports உருவாக்க, அடுத்ததாக என்ன செய்ய வேண்டும் என்பதை தீர்மானிக்க எடுத்துக்கொள்ளும் நேரத்தை குறைப்பது.

Google-ன் படி, இந்த சமீபத்திய release அதன் in-product AI agent Ask Advisor-ஐ அடிப்படையாகக் கொண்டு, marketers-க்கு விரைவாக insights கண்டறிய உதவும் புதிய capabilities-ஐ சேர்க்கிறது; அதேசமயம் decisions மற்றும் execution-இல் கட்டுப்பாடு மனிதர்களிடமே இருக்கும். நிறுவனம் இதை machine-generated analysis-ஐ human judgment-உடன் சேர்க்கும் வழியாகக் காண்கிறது; strategic oversight-ஐ மாற்றும் முயற்சியாக அல்ல.

இந்த அறிவிப்பு மூன்று நடைமுறை பயன்பாடுகளை மையமாக்குகிறது. முதலில், Google Analytics-இல் உள்ள புதிய homepage summaries முக்கிய performance shifts மற்றும் குறிப்பிடத்தக்க data trends-ஐ, பயனர்கள் பல reports-ஐ கைமுறையாகப் பார்க்க வேண்டாமலேயே, வெளிப்படுத்த முடியும் என Google கூறுகிறது. இரண்டாவது, plain-language text requests மூலம் charts மற்றும் reports உருவாக்க prompt-based visual reporting-ஐ சேர்க்கிறது. மூன்றாவது, ஒத்த நிறுவனங்களுடன் தங்களுடைய performance-ஐ ஒப்பிட businesses-க்கு உதவும் benchmarking அம்சங்களை அறிமுகப்படுத்துகிறது.

Google கூறுவதன்படி என்ன மாறுகிறது

Google-ன் விளக்கம் dashboards-லிருந்து guided analysis-க்கு மெல்ல நகரும் மாற்றத்தைக் காட்டுகிறது. பாரம்பரிய analytics products-இல் குழுக்கள் பொதுவாக மாற்றங்களைக் கண்காணிக்க, anomalies-ஐ கண்டறிய, சாத்தியமான காரணங்களைப் புரிந்துகொள்ள, பின்னர் findings-ஐ stakeholder-களுக்காகத் தயார் செய்ய வேண்டியிருக்கும். Google அந்த சங்கிலியைச் சுருக்க முயல்கிறது; AI-ஐ summarization layer மற்றும் reporting assistant இரண்டாகவும் மாற்றி.

புதிய homepage insights முக்கிய மாற்றங்கள் நிகழும் போதே அவற்றை முன்னிலைப்படுத்தும் வகையில் வடிவமைக்கப்பட்டுள்ளன என நிறுவனம் கூறுகிறது. இது முக்கியம், ஏனெனில் analytics tools-களில் சிறிய குழுக்கள் திறமையாகக் கண்காணிக்க முடியாத அளவுக்கு data அதிகமாக இருக்கிறது. Summary view marketers-க்கு traffic shifts, campaign movement, அல்லது conversion changes-ஐ முதலில் தேடாமலேயே கண்டறிய உதவும்.

Prompt-based reporting feature இன்னொரு முக்கிய மாற்றத்தைச் சுட்டுகிறது: analytics interfaces இப்போது menu-driven exploration-இல் குறைவாக சார்ந்திருக்கின்றன. பயனர்கள் தங்களுக்குத் தேவையான report-ஐ natural language-இல் விவரிக்க முடிந்தால், report generation வேகமாகவும் non-specialists-க்கு எளிதாகவும் மாறும். குறிப்பாக dedicated analysts இல்லாத small businesses அல்லது cross-functional teams-க்கு இது பயனுள்ளதாக இருக்கலாம்.

Benchmarking வேறொரு வகை மதிப்பை சேர்க்கிறது. campaign அல்லது business performance-ஐ peers-உடன் ஒப்பிடுவது, ஒரு weak metric company-specific பிரச்சினையா அல்லது broader market pattern-ஆ என்பதை தீர்மானிக்க குழுக்களுக்கு உதவும். இந்த ஒப்பீடுகள் முடிவுகளை மேம்படுத்த புதிய வழிகளை கண்டறிய உதவும் என்று Google கூறுகிறது.

விளம்பரத்தைத் தாண்டி இது ஏன் முக்கியம்

இந்த அறிவிப்பு marketing-ஐ மையமாகக் கொண்டாலும், பெரிய முக்கியத்துவம் கட்டமைப்புரீதியானது. Google ஏற்கெனவே தினசரி business operations-உள் இருக்கும் products-இல் AI-ஐ மேலும் ஆழமாகப் பதிக்கிறது. இது generative AI-ஐ standalone chatbot அல்லது novelty feature ஆகப் பார்ப்பதிலிருந்து வேறுபட்டது. இந்த மாதிரியில் AI, மக்கள் பணம் செலவிட, returns-ஐ அளவிட, மற்றும் internal results-ஐ வெளிப்படுத்த பயன்படுத்தும் software-இன் operational surface-இன் ஒரு பகுதியாக மாறுகிறது.

இந்த integration strategy enterprise AI-யின் தற்போதைய போட்டிப் பருவத்தையும் காட்டுகிறது. Software நிறுவனங்கள் summarization, recommendation, action ஆகியவற்றின் default layer ஆக AI-ஐ மாற்ற முயற்சிக்கின்றன. Google-க்கு Ads மற்றும் Analytics குறிப்பாக முக்கியமான products; ஏனெனில் அவை revenue decisions-க்கு அருகில் உள்ளன. AI advertisers-க்கு complex performance signals-ஐ வேகமாகப் புரிந்துகொள்ள உதவுமானால், Google தனது tools-இன் stickiness-ஐயும் marketing efficiency-ஐ மேம்படுத்தும் தன் வாதத்தையும் வலுப்படுத்துகிறது.

பயனரின் பங்கை நிறுவனம் விவரிக்கும் முறையிலும் கவனம் உள்ளது. இந்த tools expertise-ஐ அதிகரிக்கவும், பயனர்களை driver’s seat-இல் வைத்திருக்கவும் உருவாக்கப்பட்டவை என்று Google கூறுகிறது. business AI-யில் உள்ள மைய tension-ஐ இந்த மொழி ஒப்புக்கொள்கிறது: customers வேகத்தையும் எளிமையையும் விரும்புகிறார்கள், ஆனால் budget allocation மற்றும் commercial performance-க்கு நேரடியாகக் கட்டுப்பட்ட பகுதிகளில் அதிக கட்டுப்பாட்டை ஒப்படைக்க பலரும் இன்னும் தயங்குகிறார்கள்.

நடைமுறை பலன்கள் முதலில் எங்கே தோன்றலாம்

மிக உடனடி பயனாளர்கள், campaign மற்றும் site data நிறைய இருந்தும் அவற்றை ஆய்வு செய்ய நேரம் குறைவாக உள்ள குழுக்களாக இருக்கலாம். Automated summaries monitoring overhead-ஐ குறைக்கும். Prompt-driven reports managers, executives, அல்லது clients-க்கு தனிப்பயன் views-ஐ specialist ஒருவர் கைமுறையாக உருவாக்க வேண்டாமலே கேட்கச் செய்யும். Benchmarking performance உரையாடல்களுக்கு, குறிப்பாக வெளிப்புற சூழ்நிலைகள் மாறும்போது, அதிக context வழங்கும்.

இந்த அம்சங்கள் expert மற்றும் non-expert பயனர்களுக்கு இடையிலான gap-ஐயும் குறைக்கலாம். Analytics platforms பெரும்பாலும் சில தொழில்நுட்ப நிபுணத்துவமிக்க குழு உறுப்பினர்களின் மீது சார்பை உருவாக்குகின்றன. Plain-language tools நம்பத்தகுந்தவாறு செயல்பட்டால், அமைப்புக்குள் உள்ள அதிகமானோர் performance data-வை நேரடியாகப் புரிந்துகொள்ள பங்குபெற முடியும்.

எனினும், இந்த systems-இன் பயன் செயல்படுத்தும் தரத்தைப் பொறுத்தது. Summaries உண்மையில் முக்கியமான மாற்றங்களைத் துல்லியமாகக் காட்ட வேண்டும்; பொதுவான observations அல்ல. Prompt-based reporting intent-ஐ சரியாகப் புரிந்துகொள்ள வேண்டும். Benchmarking, செயலில் வழிகாட்டும் அளவுக்கு தொடர்புடைய comparisons-ஐ வழங்க வேண்டும். Google-ன் அறிவிப்பு திசையைக் காட்டுகிறது; ஆனால் உயர் முக்கியத்துவம் கொண்ட campaign முடிவுகளில் பயனர்கள் outputs-ஐ நம்புகிறார்களா என்பதே உண்மையான சோதனை.

துறைக்கான பரந்த சைகை

Google-ன் update முதிர்ந்த software வகைகளில் AI product design எங்கு செல்கிறது என்பதற்கான ஒரு சைகையும் ஆகும். தனி AI experience-க்கு users-ஐ அனுப்புவதற்குப் பதிலாக, நிறுவனங்கள் ஏற்கெனவே உள்ள workflows-இன் மேல் AI அமர வேண்டும் என்று விரும்புகின்றன; data-வை விரைவான புரிதலாக மாற்றி insight மற்றும் action இடையிலான தூரத்தை குறைக்க முயல்கின்றன.

Marketing software-க்கு இந்த அணுகுமுறை மிகவும் ஈர்க்கக்கூடியது, ஏனெனில் அடிப்படை பிரச்சினை data பற்றாக்குறை அல்ல. அது data-வை மிக அதிகமாகவும், மிக அடிக்கடியும், கால அழுத்தத்தில் புரிந்துகொள்ள வேண்டிய சுமை. Google-ன் யோசனை AI அந்த வேலைக்கு முதல் pass ஆக இருக்கலாம் என்பதே: மாற்றத்தைச் சுருக்கவும், view-ஐ உருவாக்கவும், context சேர்க்கவும், பின்னர் மனிதரை அடுத்த முடிவை எடுக்க விடவும்.

இந்த மாதிரி வேலை செய்தால், அதன் விளைவு கண்கவர் புதிய திறன்கள் மட்டுமல்ல; அன்றாட business interfaces-இன் மெதுவான மறுவடிவமைப்பும் ஆகும். Marketing stack reports-ஐ தோண்டுவதற்குப் பதிலாக சுருக்கப்பட்ட பரிந்துரைகளுக்கு பதிலளிப்பதைக் குறித்ததாக மாறும். Google-ன் சமீபத்திய Ads மற்றும் Analytics update இந்த மாற்றம் இனி கோட்பாடு மட்டுமல்ல என்பதைச் சுட்டுகிறது. இது product strategy ஆக மாறுகிறது.

இந்தக் கட்டுரை Google AI Blog-இன் செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.