با پیشرفتهای خیرهکننده در حوزۀ هوش مصنوعی و یادگیری ماشین، چشمانداز بازاریابی دیجیتال در حال تغییر و تحولی عمیق است. در گذشتهای نه چندان دور، تمرکز اصلی بازاریابان بر جذب و متقاعد کردن ذهن انسانها بود؛ اما اکنون، بازیگران جدیدی وارد عرصه شدهاند: عوامل هوش مصنوعی یا همان AI Agents. این عوامل که به سرعت در حال تبدیل شدن به دستیاران معتمد کاربران برای جستوجو، مقایسه و حتی تصمیمگیری در مورد خرید هستند، قوانین مربوط به بازاریابی و تبلیغات را بازنویسی میکنند. در حال حاضر، پرسش مهمی که مطرح میشود این است: در دنیایی که ماشینها بخشی از فرآیند تصمیمگیری خرید را بر عهده دارند، چگونه باید بازاریابی کرد؟ پاسخ در پارادایم نوظهور «بازاریابی برای ماشینها» نهفته است.
تحقیقات اخیر، از جمله مطالعهای کلیدی که در دانشگاه علوم کاربردی اتریش انجام شده، نگاهی روشنگرانه به این پدیده دارند و نشان میدهند که عوامل هوش مصنوعی چگونه با محتواهای آنلاین، به ویژه تبلیغات، تعامل میکنند و چه عواملی بیشترین تأثیر را بر تصمیمات آنها دارند. درک این تعاملات برای هر بازاریاب دیجیتال که میخواهد در آینده رقابتی این حوزه باقی بماند، حیاتی است. از این رو این مطلب از ویپدیا را به موضوع دلایل اهمیت بازاریابی برای ماشینها اختصاص دادیم.
عوامل هوش مصنوعی، بازیگران جدید در مسیر خرید مصرفکننده
پیش از پرداختن به جزئیات تحقیق، ضروری است مفهوم «عامل هوش مصنوعی» را روشن کنیم. عامل هوش مصنوعی در واقع دستیارهای هوش مصنوعی مستقلی هستند که میتوانند وظایف خاصی را به طور خودکار انجام دهند. این وظایف میتوانند شامل جستوجوی اطلاعات در وب، تحلیل و مقایسه دادهها، و در نهایت ارائۀ نتایج یا حتی اقدام مستقیم براساس اطلاعات جمعآوری شده باشند.
تصور کنید کاربری از عامل هوش مصنوعی خود میخواهد بهترین هتلبرای تعطیلات آخر هفته را پیدا کند. این عامل میتواند به تنهایی وبسایتهای مختلف را بررسی کند، قیمتها را مقایسه کند، نظرات کاربران را بخواند و براساس معیارهای تعیین شده (مانند بودجه، موقعیت مکانی، امتیاز کاربران)، لیستی از گزینهها یا حتی یک پیشنهاد نهایی را به کاربر انسانی خود ارائه دهد.
همانطور که وابستگی کاربران به این عوامل برای پیمایش حجم عظیم اطلاعات آنلاین افزایش مییابد، اهمیت تأثیرگذاری بر خود این عواملِ هوش مصنوعی نیز بیشتر میشود. دیگر کافی نیست که صرفاً محتوایی برای جذب انسانها تولید شود؛ محتوا باید به گونهای باشد که توسط ماشینها نیز قابل فهم، قابل پردازش و تأثیرگذار باشد.
بررسی تعامل عوامل هوش مصنوعی با تبلیغات آنلاین
مطالعهای که در دانشگاه علوم کاربردی اتریش انجام شد، با عنوان صریح «آیا عوامل هوش مصنوعی با تبلیغات هوش مصنوعی تعامل دارند؟»، به بررسی دقیق این تعاملات در محیطی کنترل شده پرداخت. محققان یک پلتفرم شبیهسازیشده برای رزرو هتل ایجاد کردند و سه مدل زبانی بزرگ (LLM) پیشرو در آن زمان را به عنوان عوامل هوش مصنوعی مورد آزمایش قرار دادند: GPT-4o از اوپنایآی، Claude Sonnet 3.7 از Anthropic و Gemini 2.0 Flash از گوگل.
این مدلها از طریق API به سیستم متصل شدند تا رفتار آنها در مواجهه با اطلاعات صفحه و عناصر تبلیغاتی ردیابی شود. هدف اصلی این بود که بفهمند عوامل هوش مصنوعی چگونه با تبلیغات آنلاین برخورد میکنند و چه عواملی بر تصمیمات آنها در فرآیند رزرو هتل تأثیر میگذارد. این تحقیق نه تنها به پرسش اصلی خود پاسخ داد، بلکه بینشهای ارزشمندی در مورد نحوۀ پردازش اطلاعات توسط مدلهای مختلف و تأثیر ساختاردهی محتوا بر فرآیند بازاریابی برای ماشینها ارائه داد.
آنچه عوامل هوش مصنوعی را تحت تأثیر قرار میدهد
نتایج این تحقیق چندین نکتۀ مهم و بعضاً شگفتآور را روشن کرد که درک آنها برای استراتژیهای بازاریابی آینده ضروری است:
1) تعامل با تبلیغات: نادیده گرفتن یا پردازش؟
برخلاف تصور اولیه که ممکن است عوامل هوش مصنوعی صرفاً به دنبال اطلاعات «اصلی» صفحه باشند و تبلیغات را نادیده بگیرند، تحقیق نشان داد که این عوامل با تبلیغات آنلاین تعامل دارند. با این حال، سطح و نوع این تعامل به طور قابل توجهی بین مدلهای مختلف زبان متفاوت بود. این یافته حاکی از آن است که تبلیغات همچنان میتوانند در مسیر تصمیمگیری ماشینها نقش داشته باشند، اما نه لزوماً به همان روشی که بر انسانها تأثیر میگذارند.
2) تبلیغات بنری: پرکلیک، اما نه لزوماً مؤثرترین
یکی از یافتههای جالب این بود که تبلیغات بنری بیشترین میزان کلیک را در میان عوامل هوش مصنوعی داشتند. اما نکتۀ حیاتی اینجاست که صرف کلیککردن به معنای تأثیرگذاری بر تصمیم نهایی نبود. تحقیق نشان داد که وجود کلمات کلیدی مرتبط در تبلیغات، تأثیر به مراتب بیشتری بر نتایج و انتخاب نهایی هتل توسط عوامل داشت تا صرف جذابیت بصری بنر.
این موضوع یک پیام مهم برای بازاریابانی به همراه داشت: در حالی که طراحی بصری برای انسانها حیاتی است، برای ماشینها، ارتباط معنایی از طریق کلمات کلیدی اهمیت بیشتری پیدا میکند.
3) اهمیت متن در مقابل تصویر
تحقیق فوق به وضوح نشان داد که تبلیغاتی که کلمات کلیدی مرتبط در متن قابل مشاهدهشان گنجانده شده بود، مؤثرتر از تبلیغاتی بودند که متن (حاوی کلمات کلیدی) در قالب تصویر قرار داشت. برخی عوامل هوش مصنوعی قادر به پردازش دقیق متن درون تصاویر نبودند یا آن را نادیده میگرفتند. این موضوع بر ضرورت قابل خوانشبودن محتوا برای ماشینها تأکید دارد؛ متنی که مستقیماً قابل استخراج و تحلیل باشد، برای عوامل هوش مصنوعی ارزشمندتر است. GPT-4o و Claude نسبت به کلمات کلیدی متنی واکنشپذیری بیشتری نشان دادند و کلودی حتی تمایل بیشتری به نقل قول مستقیم زبان تبلیغاتی در پاسخهای خود داشت. این موضوع نشان میدهد که برخی مدلها فعالانهتر زبان تبلیغات را پردازش کرده و در فرآیند خود وارد میکنند.
4) تفاوت در استفاده از ابزارهای مرتبط با صفحه: فیلترها و مرتبسازی
عوامل هوش مصنوعی در نحوۀ استفاده از ابزارهای تعاملی موجود در صفحه، مانند فیلترها و گزینههای مرتبسازی، رفتارهای متفاوتی نشان دادند. جمینای به طور گسترده و سیستماتیک از فیلترها استفاده میکرد و چندین نوع فیلتر را ترکیب میکرد.
GPT-4o به ندرت از فیلترها استفاده میکرد و کلودی رفتاری بینابین این دو داشت. این تفاوتها نشان میدهد که مدلهای مختلف ممکن است استراتژیهای متفاوتی برای جمعآوری و پالایش اطلاعات در یک صفحه داشته باشند و طراحی واسط کاربری که استفاده از این ابزارها را برای ماشینها آسان کند، میتواند بر نحوۀ تعامل آنها با محتوا تأثیر بگذارد.
5) سازگاری و خاص بودن: آیا رفتار ماشینها پیشبینیپذیری است؟
محققان دو ویژگی مهم دیگر را نیز بررسی کردند: سازگاری (Consistency) و خاص بودن (Specificity). سازگاری به این معناست که اگر یک دستور چندین بار به عامل داده شود، آیا هر بار همان هتل را انتخاب میکند یا نتایج متفاوتی ارائه میدهد. خاص بودن نیز به این اشاره دارد که عامل چقدر تمایل دارد یک پیشنهاد واحد و مشخص ارائه دهد، نه اینکه لیستی از گزینهها یا پیشنهادات مبهم بدهد؛ به عبارت دیگر، چقدر در تصمیمگیری قاطع است.
- سازگاری: GPT-4o و اوپراتور (OpenAI’s proprietary agent) بیشترین سازگاری را نشان دادند و در پاسخ به دستورات یکسان، به طور مداوم همان هتل را انتخاب کردند. کلودی سازگاری متوسطی داشت، در حالی که جمینای کمترین سازگاری را نشان داد و نتایج متنوعتری تولید میکرد. این نشان میدهد که رفتار برخی عوامل قابل پیشبینیتر از دیگری است، که این موضوع میتواند در طراحی استراتژیهای هدفگیری برای آنها اهمیت داشته باشد.
- خاص بودن: GPT-4o با نرخ ۹۵% بیشترین خاص بودن را داشت و تقریباً همیشه یک توصیه درمورد هتل مشخصی ارائه میداد. کلود با ۷۴% در رتبۀ بعدی قرار گرفت و جمینای با ۶۰% کمترین خاص بودن و بیشترین تمایل به ارائۀ چندین گزینه را از خود نشان داد. این یافته به طور مستقیم با میزان قاطعیت عامل در تکمیل وظیفه مرتبط است. برای بازاریابان، این امر به معنای درک این موضوع است که چگونه میتوانند محتوا یا پیشنهادات خود را به گونهای ارائه دهند که احتمال انتخاب قطعی آنها توسط عامل هوش مصنوعی را افزایش دهد.
آیندۀ بازاریابی در گرو فهم ماشینها
یافتههای این تحقیق و پژوهشهای مرتبط دیگر در حوزۀ هوش مصنوعی و بازاریابی، پیامدهای عمیقی برای متخصصان بازاریابی دیجیتال دارند. مهمترین پیام این است:
بازاریابی دیجیتال باید با عصر عوامل هوش مصنوعی سازگار شود.
تمرکز صرف بر جذابیت بصری و احساسی که برای متقاعد کردن انسانها طراحی شدهاند، در دنیایی که ماشینها واسطۀ دسترسی به اطلاعات و تصمیمگیری شدهاند، کافی نخواهد بود. در عوض، تأکید باید بر ارتباط معنایی، وضوح اطلاعات و قابلیت خوانش برای ماشینها باشد. این موضوع بدان معناست که:
-
اهمیت کلمات کلیدی: کلمات کلیدی دیگر صرفاً برای رتبهبندی در نتایج جستوجوی انسانها مهم نیستند، بلکه به عنصری حیاتی برای فهم محتوا توسط عوامل هوش مصنوعی تبدیل شدهاند. اطمینان از اینکه کلمات کلیدی مرتبط به وضوح در متن قابل مشاهده، عناوین و توضیحات وجود دارند، بیش از پیش اهمیت مییابد. این امر نیازمند درک عمیقتری از نحوۀ پردازش زبان طبیعی توسط مدلهای هوش مصنوعی و همسوسازی محتوا با پرسوجوهای احتمالی کاربران (و در نتیجه عوامل هوش مصنوعی آنها) است.
-
دادههای ساختاریافته: تحقیق مورد بحث به دادههای ساختاریافته در متن صفحه (مانند قیمتها، مکانها، ویژگیهای محصول) اشاره میکند و نه لزوماً دادههای ساختاریافته Schema.org. با این حال، هر دو به یک اصل مهم اشاره دارند: ماشینها برای درک دقیق و سریع اطلاعات به دادههای ساختاریافته نیاز دارند. اطمینان از اینکه اطلاعات کلیدی محصول یا خدمات شما به صورت واضح، منظم و قابل استخراج در صفحات وب شما قرار داده شدهاند (چه از طریق فرمتهای قابل خوانش برای انسان و چه از طریق میکرودیتا یا نشانهگذاری Schema.org)، میتواند به عوامل هوش مصنوعی کمک کند تا محتوای شما را بهتر درک کرده و در فرآیند تصمیمگیری خود لحاظ کنند. به عبارت دیگر، ساختاردهی منطقی و واضح محتوا نه تنها برای کاربران انسانی مفید است، بلکه برای قابلیت پردازش توسط ماشینها نیز حیاتی است.
-
طراحی دوستدار هوش مصنوعی: همانطور که محققان اشاره کردند، یافتههایشان زمینههایی را برای تفکر در مورد طراحی دوستدار هوش مصنوعی باز میکند. این موضوع شامل طراحی واسطهای کاربری است که استفاده از آنها برای عوامل هوش مصنوعی آسان باشد (مثلاً با استفاده از DOM tree خوانا و قابل دسترسی)، و همچنین ارائۀ اطلاعات کلیدی به روشی که برای پردازش خودکار بهینه شامل: برجستهکردن اطلاعات مهم مانند قیمت، موجودی و مشخصات فنی به روشی استاندارد و قابل تشخیص برای ماشینها باشد.
-
تغییر در ارزیابی اثربخشی تبلیغات: معیارهای سنتی مانند نرخ کلیک (CTR) همچنان مهم هستند، اما در دنیای بازاریابی برای ماشینها، باید معیارهای جدیدی نیز در نظر گرفته شوند. اینکه آیا عامل هوش مصنوعی اطلاعات کلیدی از تبلیغ شما را پردازش کرده و در تصمیم خود لحاظ نموده است، یا اینکه چقدر احتمال دارد تبلیغ شما منجر به انتخاب قطعی توسط عامل شود (خاص بودن بالا)، میتواند شاخصهای مهمتری برای اثربخشی در این محیط جدید باشند.
ادغام هوش مصنوعی در استراتژی بازاریابی
پژوهشهای گستردهتر در زمینۀ تأثیر هوش مصنوعی بر بازاریابی نشان میدهد که این تأثیر بسیار فراتر از صرفاً بازاریابی برای ماشینهاست. هوش مصنوعی در حال تغییر نحوۀ انجام بازاریابی نیز هست. از اتوماسیون وظایف تکراری مانند تحلیل دادهها و تقسیمبندی مخاطبان گرفته تا پیشبینی رفتار مشتری و شخصیسازی در مقیاس وسیع، هوش مصنوعی ابزارهایی قدرتمند را در اختیار بازاریابان قرار میدهد که در ادامه به معرفی آنها میپردازیم:
- تحلیل پیشبینیکننده (Predictive Analytics): با استفاده از یادگیری ماشین، بازاریابان میتوانند حجم عظیمی از دادههای مشتری را تحلیل کرده و الگوهایی را کشف کنند که به پیشبینی رفتارهای آینده مانند احتمال خرید، ریزش مشتری یا ارزش طول عمر مشتری (CLV) کمک میکند. این امر به بازاریابان امکان میدهد منابع خود را به شکل مؤثرتری تخصیص دهند و کمپینهای هدفمندتری ایجاد کنند.
- شخصیسازی در مقیاس (Personalization at Scale): هوش مصنوعی این امکان را فراهم میکند که تجربیات فردی برای هر کاربر ایجاد شود، از توصیههای محصول شخصیسازی شده در وبسایتهای تجارت الکترونیک گرفته تا محتوای ایمیل و تبلیغات هدفمند. این سطح از شخصیسازی در بازاریابی برای ماشینها میتواند به افزایش نرخ تبدیل، بهبود تجربۀ مشتری و ایجاد وفاداری به برند کمک کند.
- بهینهسازی محتوا و سئو (Content Optimization and SEO): هوش مصنوعی میتواند در تحلیل عملکرد محتوا، شناسایی کلمات کلیدی مؤثر، و حتی تولید محتوا یا بهینهسازی آن برای موتورهای جستوجو (که خود از الگوریتمهای هوش مصنوعی استفاده میکنند) یاریرسان باشد. درک اینکه موتورهای جستوجو چگونه محتوا را آنلیز، فهرستبندی و رتبهبندی میکنند (بر اساس عواملی مانند ارتباط معنایی، کیفیت، قابلیت استفاده و زمینه) برای اطمینان از دیدهشدن محتوا توسط ماشینها و انسانها حیاتی است.
- تبلیغات برنامهریزیشده (Programmatic Advertising): خرید و فروش فضای تبلیغاتی به صورت خودکار و بلادرنگ، به شدت متکی بر الگوریتمهای هوش مصنوعی است که دادههای کاربر را تحلیل کرده و تعیین میکنند کدام تبلیغ در چه زمانی و برای چه کسی نمایش داده شود تا بیشترین بازده را داشته باشد.
چالشها و ملاحظات اخلاقی
در کنار فرصتهای بیشمار، بازاریابی برای ماشینها و استفاده از هوش مصنوعی در بازاریابی چالشها و ملاحظات اخلاقی خاص خود را نیز دارد. سوگیریهای احتمالی در دادههایی که مدلهای هوش مصنوعی بر اساس آنها آموزش میبینند، میتواند منجر به تبعیض در هدفگیری تبلیغات شود.
نگرانیهای مربوط به حریم خصوصی دادهها و نحوۀ جمعآوری، پردازش و استفاده از اطلاعات کاربران توسط عوامل هوش مصنوعی و الگوریتمهای بازاریابی نیز از اهمیت بالایی برخوردار است. شفافیت در مورد اینکه چه زمانی کاربران با یک عامل هوش مصنوعی در حال تعامل هستند و نحوۀ استفاده از دادههای آنها، برای حفظ اعتماد ضروری است.
نتیجهگیری؛ همزیستی یا جایگزینی؟
آیا عوامل هوش مصنوعی جایگزین بازاریابان انسانی خواهند شد؟ احتمالاً نه به طور کامل. هوش مصنوعی میتواند بسیاری از وظایف مبتنی بر داده و تکراری را به طور مؤثرتری انجام دهد، اما خلاقیت، همدلی، درک عمیق از احساسات انسانی و توانایی ایجاد ارتباطات معنادار همچنان در قلمروی انسانها باقی میماند. آیندۀ بازاریابی احتمالاً شاهد همزیستی و همکاری بین بازاریابان انسانی و ابزارهای هوش مصنوعی، از جمله عوامل هوش مصنوعی، خواهد بود.
بازاریابان آینده باید مهارتهای خود را در نحوۀ عملکرد هوش مصنوعی، توانایی کار با دادهها، تحلیل نتایج الگوریتمها و طراحی استراتژیهایی که هم برای انسانها و هم برای ماشینها جذاب و قابل فهم باشند، ارتقا دهند. تمرکز بر ایجاد محتوای با کیفیت، مرتبط و ساختاریافته که نیازهای هر دو گروه مخاطب را برآورده کند، کلید موفقیت در بازاریابی برای ماشینها خواهد بود.