மனித தீர்ப்பை இழக்காமல் சந்தைப்படுத்துபவர்கள் AI-ஐ எவ்வாறு திறம்பட பயன்படுத்தலாம்

AI சந்தைப்படுத்தல் உள்ளடக்கத்தை பெரிய அளவில் பயன்படுத்துவதற்கான ஒரு கட்டமைப்பு

சந்தைப்படுத்தல் துறைகள் விளம்பர உரைகளை உருவாக்கவும் அன்றாட பணிப்பாய்வுகளை விரைவுபடுத்தவும் செயற்கை நுண்ணறிவை (AI) அதிகமாக நம்பும்போது, ஒரு நடைமுறை கேள்வி உரையாடலின் மையத்திற்கு வந்துள்ளது: ஒரு பிரச்சாரம் உண்மையில் வேலை செய்கிறதா என்பதை தீர்மானிக்கும் மனித தீர்ப்பை விட்டுக்கொடுக்காமல், குழுக்கள் இந்த தொழில்நுட்பத்தின் வேகத்தை எவ்வாறு பயன்படுத்திக் கொள்ள முடியும்? Penn State ஆய்வாளர் ஒருவரும் அவரது இணை ஆசிரியர்களும் சமீபத்தில் வெளியிட்ட ஒரு ஆய்வு இதற்கான பதிலை முன்மொழிகிறது, மேலும் ஒரு பிரச்சாரத்தைத் தொடங்குவதற்கு முன்பு பாரம்பரியமாக மேற்கொள்ளப்படும் விலை உயர்ந்த, நேரம் எடுக்கும் சோதனைகளைச் சார்ந்திருப்பதைக் குறைத்துக்கொண்டு, AI-உருவாக்கிய சந்தைப்படுத்தல் உள்ளடக்கத்தை பெரிய அளவில் வெளியிடுவதற்கான ஒரு முறையை விவரிக்கிறது.

இந்த ஆய்வு Journal of Marketing Research-இல் வெளியிடப்பட்டுள்ளது, மேலும் இதை Penn State-இன் Smeal College of Business-இல் சந்தைப்படுத்தல் உதவிப் பேராசிரியரான Wreetabrata "Wreeto" Kar மற்றும் இணை ஆய்வாளர்கள் வழிநடத்தினர். அதன் அடிப்படையில், சந்தைப்படுத்தலில் AI-ஐ ஏற்றுக்கொள்வது என்பது ஒரு கருவியை வாங்குவது மட்டுமல்ல—மனித நிபுணத்துவத்தை செயல்பாட்டில் வைத்திருக்கும் ஒரு செயல்முறையை வடிவமைப்பதாகும் என்று இந்த ஆய்வு வாதிடுகிறது.

சந்தைப்படுத்துபவர்கள் ஏற்கனவே AI-ஐ எவ்வாறு பயன்படுத்துகிறார்கள்

இந்த ஆய்வுடன் தொடர்புடைய ஒரு கேள்வி-பதில் பகுதியில், AI சந்தைப்படுத்தல் பணியில் எவ்வாறு பல வழிகளில் பின்னிப் பிணைந்துள்ளது என்பதை Kar விளக்கினார். உள்ளடக்க உருவாக்கம் மிகவும் தெளிவாகத் தெரியும் பயன்பாடாக இருந்தாலும், அது மட்டுமே அல்ல. ஒரு காலத்தில் பல மணிநேர கைமுறை உழைப்பை எடுத்த பல்வேறு பணிகளைக் கையாள இப்போது குழுக்கள் AI-ஐ நம்புகின்றன.

மிகவும் தெளிவாகத் தெரியும் பயன்பாடுகள்

• மின்னஞ்சல்கள், சமூக ஊடக இடுகைகள், விளம்பரங்கள் மற்றும் தயாரிப்பு விவரங்களை வரைவு செய்தல்
• பிரச்சாரங்களுடன் சேர்ந்து செல்ல படங்கள் மற்றும் குறுகிய வீடியோ உள்ளடக்கங்களை உருவாக்குதல்

விளம்பர உரை எழுதுவதைத் தாண்டிய பணிகள்

சந்தைப்படுத்தலில் AI-இன் எல்லை உரை மற்றும் காட்சிகளை விட மிகவும் விரிவானது. Kar-இன் கூற்றுப்படி, பிரச்சாரக் கருத்துகளை உருவாக்கவும், தங்கள் சந்தைகளை ஆராயவும், ஒவ்வொரு குழுவிற்கும் ஏற்ற செய்திகளை உருவாக்க வாடிக்கையாளர்களைப் பிரிக்கவும் தரவுகளை பகுப்பாய்வு செய்யவும் சந்தைப்படுத்துபவர்கள் இந்த அமைப்புகளைப் பயன்படுத்துகிறார்கள். சில நிறுவனங்கள் இன்னும் முன்னேறி, வாடிக்கையாளர் நடத்தையை முன்னறியவும், வாடிக்கையாளர் பயணத்தின் சில பகுதிகளை தானியங்குபடுத்தவும் AI-ஐ பயன்படுத்துகின்றன.

• பிரச்சார யோசனைகளை உருவாக்குதல் மற்றும் மூளைச்சலவை செய்தல்
• சந்தை ஆராய்ச்சி நடத்துதல்
• தனிப்பயனாக்கப்பட்ட செய்திகளுக்காக வாடிக்கையாளர்களை குழுக்களாகப் பிரிக்க தரவுகளை பகுப்பாய்வு செய்தல்
• வாடிக்கையாளர்கள் அடுத்து என்ன செய்வார்கள் என்பதை முன்னறிதல்
• வாடிக்கையாளர் பயணத்தின் தேர்ந்தெடுக்கப்பட்ட படிகளை தானியங்குபடுத்துதல்

இவை அனைத்தையும் சேர்த்துப் பார்க்கும்போது, AI என்பது ஒரு சிற众 நிச்சயமற்ற புதுமையிலிருந்து சந்தைப்படுத்தல் நிறுவனங்களுக்குள் ஒரு இயக்க அடுக்காக மாறிவிட்டது—இது கருத்தாக்கம், ஆராய்ச்சி, உற்பத்தி மற்றும் வழங்கல் ஆகியவற்றைத் தொடுகிறது.

நன்மைகளும் சவால்களும்

வேகமே முக்கிய நன்மை

சந்தைப்படுத்தலில் AI-இன் நன்மைகள் பற்றிக் கேட்டபோது, Kar முதலில் வேகத்தைச் சுட்டிக்காட்டினார். முன்பு சாத்தியமாக இருந்ததை விட மிக அதிக எண்ணிக்கையிலான யோசனைகளை உருவாக்கவும் ஆராயவும் இந்த தொழில்நுட்பம் சந்தைப்படுத்துபவர்களை அனுமதிக்கிறது, மேலும் ஒரு வெற்றுப் பக்கத்திற்கும் ஒரு செயல்படும் கருத்துக்கும் இடையிலான இடைவெளியைக் குறைக்கிறது. மேலும், இது தனிப்பயனாக்கத்தை மிகவும் எளிதாக்குகிறது, ஏனெனில் குழுக்கள் ஒரே பொதுவான விளம்பரத்தில் திருப்திப்படாமல், வெவ்வேறு வகையான வாடிக்கையாளர்களுக்கு தனித்துவமான செய்திகளை உருவாக்க முடியும்.

சிரமம் எங்கே உள்ளது

AI-ஐ கவர்ச்சிகரமானதாக மாற்றும் அதே அளவு அழுத்தத்தையும் உருவாக்குகிறது. அதிக உள்ளடக்கம் என்பது எடுக்க வேண்டிய அதிக முடிவுகளைக் குறிக்கிறது, மேலும் விலை உயர்ந்ததும் மெதுவானதுமான பாரம்பரிய சோதனை, ஒரு குழு இப்போது உருவாக்கக்கூடிய உள்ளடக்கத்தின் அளவுடன் ஈடுகொடுக்க முடியாது. இந்த பதற்றத்தைத் தீர்ப்பதற்காகவே இந்த புதிய கட்டமைப்பு வடிவமைக்கப்பட்டுள்ளது, பாரம்பரிய சோதனை மட்டுமே சுமக்க வேண்டிய சுமையின் அளவைக் குறைப்பதன் மூலம்.

முன்மொழியப்பட்ட கட்டமைப்பின் உள்ளே

Kar மற்றும் அவரது இணை ஆசிரியர்கள் உருவாக்கிய அணுகுமுறை, ஒரு வணிகம் ஏற்கனவே செய்ததிலிருந்து கற்றுக்கொள்வதை அடிப்படையாகக் கொண்டது. ஒவ்வொரு புதிய AI-உருவாக்கிய உள்ளடக்கத்தையும் புதிதாக மதிப்பிடுவதற்குப் பதிலாக, நிறுவனத்தின் முந்தைய சந்தைப்படுத்தல் பிரச்சாரங்களின் செயல்திறன் தரவுகளைப் பயன்படுத்தி வரும் உள்ளடக்கத்தைப் பரிசோதிக்க AI மாதிரிகளை இந்த கட்டமைப்பு பயிற்றுவிக்கிறது. இவ்வாறு பயிற்றுவிக்கப்பட்ட பிறகு, மாதிரிகள் சந்தைப்படுத்தல் குழுவிற்கு உள்ளடக்க பரிந்துரைகளையும் மதிப்பீடுகளையும் திருப்பித் தருகின்றன, எதை இயக்குவது என்பதை முடிவு செய்ய மக்களுக்கு விரைவான அடிப்படையை வழங்குகின்றன.

இந்த வடிவமைப்பு ஒரு நிறுவனத்தின் சொந்த பிரச்சார வரலாற்றை ஒரு பரிசோதனை பொறிமுறையாக மாற்றுகிறது. மாதிரிகள் முதல் வடிகட்டியாகச் செயல்படுகின்றன, அதே நேரத்தில் சந்தைப்படுத்துபவர்கள் தங்களுக்குக் கிடைக்கும் பரிந்துரைகளுக்கு தங்கள் நிபுணத்துவத்தைப் பயன்படுத்துகிறார்கள். அந்த வகையில், இந்த கட்டமைப்பு மக்களை செயல்முறையிலிருந்து அகற்றும் முயற்சி அல்ல—மனித கவனம் மிகவும் தேவைப்படும் முடிவுகளுக்கு செலவிடப்படும் வகையில் AI-ஐ நிலைநிறுத்தும் முயற்சியாகும்.

வணிக சூழல் ஏன் முக்கியம்

AI பயன்பாடுகள் அவற்றைப் பயன்படுத்தும் வணிகத்தின் குறிப்பிட்ட சூழ்நிலைகளில் வேரூன்றியிருக்கும்போது சிறந்த முறையில் செயல்படும் என்று Kar வலியுறுத்தினார். ஒரு நிறுவனத்திற்கான உள்ளடக்கத்தைப் பரிசோதிக்கும் ஒரு மாதிரி, அந்த நிறுவனத்தின் பிரச்சாரங்கள், வாடிக்கையாளர்கள் மற்றும் முடிவுகளால் தகவலளிக்கப்படுகிறது; பரிந்துரைகளை அர்த்தமுள்ளதாக்கும் தரவு, நிறுவனமே உருவாக்கிய தரவாகும். ஒரே ஒரு ஆயத்த கருவி ஒவ்வொரு சந்தைப்படுத்துபவருக்கும் சமமாகச் சேவை செய்ய முடியும் என்ற கருத்திலிருந்து இது வேறுபடுகிறது.

சூழலுக்கு இந்த முக்கியத்துவம், ஆராய்ச்சியாளர்கள் AI-ஐ சந்தைப்படுத்தல் நிபுணத்துவத்திற்கு மாற்றாக அல்ல, மாறாக ஒரு நிரப்பியாக ஏன் வரையறுக்கிறார்கள் என்பதையும் விளக்குகிறது. மாதிரிகள் உருவாக்கும் மதிப்பீடுகள் ஒரு முடிவுக்கான உள்ளீடுகள், முடிவே அல்ல.

மனித மூலதனமே தீர்மானிக்கும் காரணி

ஆய்வின் உடன்வரும் விவாதத்தில் மிகவும் குறிப்பிடத்தக்க கருப்பொருள் மக்களின் பங்கு. இந்த தொழில்நுட்பங்களை வெற்றிகரமாகச் செயல்படுத்துவதில் மனித மூலதனம் மிக முக்கியம் என்று Kar விவரித்தார். சந்தைப்படுத்துபவர்கள் கருவிகளைச் சரியாக இயக்க வேண்டும் என்பது மட்டுமல்ல; ஒரு AI அமைப்பின் செயல்திறன், மக்கள் அதற்குக் கொண்டு வரும் அறிவு, தீர்ப்பு மற்றும் நிறுவன புரிதலைப் பொறுத்தது என்பதே கருத்து.

இந்த வரையறை, AI-ஐ ஏற்றுக்கொள்வது முற்றிலும் ஒரு தொழில்நுட்ப முயற்சி என்ற பொதுவான அனுமானத்தை எதிர்க்கிறது. நடைமுறையில், AI-உருவாக்கிய உள்ளடக்கத்திலிருந்து ஒரு நிறுவனம் பெறும் மதிப்பு, அதன் மக்கள் பரிந்துரைகளை எவ்வளவு சிறப்பாக விளக்குகிறார்கள், ஒரு பரிந்துரை தவறாகும்போது அதை எவ்வாறு அடையாளம் காண்கிறார்கள், மற்றும் வெளியீட்டை பிராண்ட் அடைய முயற்சிக்கும் இலக்குடன் எவ்வாறு இணைக்கிறார்கள் என்பதைப் பொறுத்தது.

மின்னஞ்சல் பிரச்சார எடுத்துக்காட்டு என்ன காட்டுகிறது

இந்த கட்டமைப்பை செயல்பாட்டில் நிரூபிக்க, ஆராய்ச்சியாளர்கள் ஒரு பெரிய அளவிலான மின்னஞ்சல் சந்தைப்படுத்தல் பிரச்சாரத்தை எடுத்துக்காட்டாகப் பயன்படுத்தினர். இந்தப் பயிற்சி, தரவு பகுப்பாய்வை ஒரு சந்தைப்படுத்துபவரின் மதிப்பீட்டுடன் இணைப்பதன் மூலம் ஒரு பிரச்சாரம் வெற்றிபெறுமா என்பதை முன்னறிய புதிய அணுகுமுறை எவ்வாறு உதவ முடியும் என்பதைக் காட்டியது—மனித மற்றும் இயந்திர உள்ளீடுகள் ஒன்றாகப் பயன்படுத்தப்படும்போது மிகவும் வலுவானவை என்ற ஆய்வின் பரந்த வாதத்தை இந்த இணை பிரதிபலிக்கிறது.

சந்தைப்படுத்தல் குழுக்களுக்கு இதன் பொருள்

AI-ஐ தங்கள் சந்தைப்படுத்தல் செயல்பாடுகளில் ஆழமாகக் கொண்டுவருவது எப்படி என்பதை எடையிடும் நிறுவனங்களுக்கு, இந்த ஆய்வு சில நடைமுறை பரிசீலனைகளைச் சுட்டிக்காட்டுகிறது:

• கடந்த கால பிரச்சார செயல்திறனை ஒரு பதிவாக மட்டுமல்ல, ஒரு வளமாகக் கருதுங்கள்—புதிய உள்ளடக்கத்தைப் பரிசோதிக்கும் மாதிரிகளைப் பயிற்றுவிக்க இதைப் பயன்படுத்தலாம்.
• மேற்பார்வையின் தேவையை நீக்குவதற்குப் பதிலாக, கருத்தாக்கம் மற்றும் தனிப்பயனாக்கத்தை AI விரைவுபடுத்தும் என்று எதிர்பாருங்கள்.
• மாதிரி உருவாக்கிய மதிப்பீடுகள் சந்தைப்படுத்துபவர் முடிவுகளை மாற்றுவதற்குப் பதிலாக அவற்றுக்குத் தகவலளிக்கும் செயல்முறைகளை உருவாக்குங்கள்.
• உண்மையிலேயே பயனுள்ளதாக இருக்க, கருவிகள் ஒரு நிறுவனத்தின் சொந்த சூழலுக்கு ஏற்ப மாற்றியமைக்கப்பட வேண்டும் என்பதை உணருங்கள்.
• AI வெளியீடு முடிவுகளாக மாறுகிறதா என்பதை இறுதியில் தீர்மானிக்கும் மனித நிபுணத்துவத்தில் முதலீடு செய்யுங்கள்.

முன்னோக்கிய பாதை

ஒரு சந்தைப்படுத்தல் குழு உருவாக்கக்கூடிய உள்ளடக்கத்தின் அளவு வேகமாக உயர்ந்து வரும் நேரத்தில் இந்த ஆய்வு வந்துள்ளது, அந்த உள்ளடக்கத்தைச் சரிபார்க்கும் முறைகள் அதற்கு ஈடுகொடுக்கவில்லை. ஒரு நிறுவனத்தின் சொந்த வரலாற்று செயல்திறன் தரவுகளைப் பயன்படுத்தி AI-உருவாக்கிய உள்ளடக்கத்தைப் பரிசோதிக்கும் ஒரு வழியை முன்மொழிவதன் மூலம், சந்தைப்படுத்தல் செய்பவர்களின் தீர்ப்பை கைவிடத் தேவையில்லாத ஒரு அளவீட்டு பாதையை Kar மற்றும் அவரது இணை ஆசிரியர்கள் வழங்குகிறார்கள். பாரம்பரிய சோதனையை தானியங்கியால் மாற்றுவது பற்றியது இந்த பாடம் குறைவு; தரவு துறையைச் சுருக்கி, மனித நிபுணத்துவம் இறுதி முடிவை எடுக்கும் வகையில் பணிப்பாய்வை மறுவடிவமைப்பது பற்றியது அதிகம்.

இந்தக் கட்டுரை Phys.org-இன் செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.