آیا برندی شناخته‌شده و ثروتمند خطرناک است؟ نگاهی به فرمول برندینگ که در عصر هوش مصنوعی واژگون شده است
با فراگیر شدن طراحی و تولید محتوا به کمک هوش مصنوعی مولد، کارشناسان معتقدند کانون تمایز میان برندها در حال تغییر است و «شواهد»، «سیستم عملیاتی» و «هواداری» اهمیت بیشتری پیدا کرده‌اند. در عصری که هوش مصنوعی پیش از مصرف‌کنندگان برندها را می‌خواند و ارزیابی می‌کند، همخوانی میان آنچه برند می‌گوید و آنچه در عمل انجام می‌دهد، در کنار هوادارانی که این ادعاها را تضمین می‌کنند، به یکی از پایه‌های رقابت‌پذیری برند تبدیل شده است.
شرکت مشاوره برندینگ MetaBranding بعدازظهر روز ۱۶ اکتبر، هفتصد و شصت‌ویکمین سمینار آزاد مطالعات چهارشنبه با عنوان «بررسی عملی برندینگ در عصر هوش مصنوعی» را در سالن Spigen در منطقه گانگنام سئول برگزار کرد.
در ادامه سمیناری با موضوع «تعریف برندینگ در عصر هوش مصنوعی» که در ماه آوریل برگزار شده بود، شش کارشناس حوزه‌های برند، طراحی، روابط عمومی و پژوهش، طی شش ماه راهکارهای عملی خود را ارائه کردند.
«هوش مصنوعی داور است؛ با شواهد قضاوت می‌کند، نه با حقیقت»
پارک هانگ-کی، مدیرعامل MetaBranding و سخنران اصلی این رویداد، تأکید کرد که در عصر هوش مصنوعی، پیش‌فرض‌های خودِ بازاریابی و برندینگ تغییر کرده است. به گفته او، اگر بازاریابی سنتی بر این فرض استوار بود که «انسان خرید می‌کند و انسان مصرف می‌کند»، اکنون پیام‌های شرکت‌ها از فیلتر هوش مصنوعی عبور می‌کنند تا به مردم برسند. او ساختاری را که در آن انسان، هوش مصنوعی و دو مشتری برای تصمیم‌گیری با یکدیگر همکاری می‌کنند، «های مشتری» تعریف کرد.
مدیرعامل MetaBranding روش قضاوت هوش مصنوعی را به یک قاضی تشبیه کرد. او گفت: «قاضی حقیقت را داوری نمی‌کند. شواهد لازم است و روند رسیدگی نیز باید دقیق باشد.» به گفته او، همین موضوع درباره هوش مصنوعی نیز صدق می‌کند. او افزود: «حتی یک برند خوب هم بدون شواهد انتخاب نمی‌شود. صرفاً زیاد تبلیغ کردن ممکن است معنای چندانی نداشته باشد.» وی همچنین گفت: «پس از عصر جست‌وجو، اکنون وارد عصر فراخوانی و عصر توصیه شده‌ایم.»
او پیش‌بینی کرد که این تغییرات می‌تواند برای برندهای بزرگ تهدیدآمیز باشد. به گفته او، هوش مصنوعی ممکن است به نفع برندهای ضعیف‌تر عمل کند و افزود: «ما نمی‌توانیم موفقیت برندهای بزرگ را تضمین کنیم. من رقیب قدرتمندی نیستم؛ ممکن است یک برند بسیار کوچک و ناشناخته مرا شکست دهد.» او خاطرنشان کرد: «انسان‌ها حتی اگر خرید اشتباهی انجام دهند، پس از ۱۵ سال آن را فراموش می‌کنند، اما هوش مصنوعی هرگز فراموش نمی‌کند.»
او همچنین گفت معنای فلسفه برند نیز در حال تغییر است. پارک هانگ-کی گفت: «اگر فلسفه پیش‌تر چیزی برای به رخ کشیدن بود، اکنون به یک یادداشت تعهد تبدیل شده است»، و افزود که هوش مصنوعی را نباید در این زمینه بی‌محابا به کار گرفت، زیرا وعده‌ها و اظهارات برند را راستی‌آزمایی می‌کند.
او گفت: «صفحه اصلی وب‌سایت، از نگاه هوش مصنوعی، رسمی‌ترین سند است. هوش مصنوعی به تصاویر علاقه‌ای ندارد. همان چیزی را که گفته‌اید بررسی می‌کند، اما از شما سؤال می‌پرسد.»
«رقابت برندها، نبرد بر سر مختصات معناست»
کیم هیونگ-نام، مدیر مرکز تحقیقات برند MetaBranding، رویکرد «شواهدگرایی» مطرح‌شده از سوی مدیرعامل را به یک روش اجرایی تبدیل کرد.
کیم سه مرحله را پیشنهاد کرد: تعیین مختصات معنا، اثبات نشانه‌های واقعی و اندازه‌گیری سهم معنا. او تأکید کرد که برند باید به‌صورت راهبردی یکی از ۳۶ مختصات حاصل از ترکیب دو محور «انتقال» و «رابطه» در جهان ارزشی شامل ۹ گزینه را انتخاب کند و جهت‌گیری تمام عناصر برند را با آن مختصات همسو سازد.
او افزود: «هوش مصنوعی شواهدگراست. اگر شواهدی وجود نداشته باشد، چیزی قابل محاسبه نیست و وقتی چیزی قابل محاسبه نباشد، معنا نیز قابل خواندن و توصیه کردن نیست.»
از نظر کیم، شاخص‌های عملکرد نیز باید از «سهم بازار» به «سهم معنادار» تغییر کنند. او توضیح داد: «صدها برابر مهم‌تر از اینکه بپرسیم برند ما چه معنایی دارد، این است که وقتی معنای مخالف را مطرح می‌کنیم، آیا نام برند ما فراخوانده می‌شود یا نه.»
کیم که شرکت Volvo را نمونه موفقی می‌دانست که بیش از ۶۰ سال یک مختصات واحد، یعنی «ایمنی»، را حفظ کرده است و Jaguar را نمونه‌ای از پراکندگی مختصات می‌دانست که ابتدا برندسازی مجدد خود را بدون شواهد اعلام کرد، گفت: «رقابت برندها در عصر هوش مصنوعی، نبرد بر سر مختصات معنایی است.»
«نمی‌توانم پاسخ هوش مصنوعی را اصلاح کنم؛ چیزی که می‌توانیم اصلاح کنیم، محتوای رسانه‌ای است»
لی جونگ-دائه، مدیرعامل Message House، از منظر بهینه‌سازی جست‌وجوی مولد هوش مصنوعی (GEO) گفت برندها باید فراتر از یک «برند قابل مشاهده»، به «برند پاسخ‌گو» تبدیل شوند. او گفت: «سهم استفاده از هوش مصنوعی افزایش خواهد یافت» و افزود: «اکنون مسئله مهم این است که آیا قابلیت استناد به ما و جملاتی که نوشته‌ایم، همراه با منابع، به‌درستی در پاسخ‌های هوش مصنوعی بازتاب پیدا می‌کند یا نه.»
او برای روشن‌تر شدن موضوع، تجربه جست‌وجوی نام خود در هوش مصنوعی را برای حاضران مطرح کرد. در معرفی شرکت در پاسخ هوش مصنوعی، عبارت قدیمی که مدت‌ها پیش تغییر کرده بود همچنان باقی مانده بود و وقتی منبع آن بررسی شد، منشأ آن در همه موارد به وب‌سایت‌های خود شرکت بازمی‌گشت.
او گفت: «نمی‌توانید نتایج پاسخ هوش مصنوعی را اصلاح کنید. کاری که می‌توانیم انجام دهیم، اصلاح و تکمیل محتوای رسانه‌ای است.» وی افزود: «حتی اگر ۱۰ بار یک سؤال را مطرح کنید، پاسخ‌های هوش مصنوعی کمی با هم تفاوت دارند؛ بنابراین نباید فقط به دقت پاسخ نگاه کنیم، بلکه باید روند کلی آن را بررسی کنیم.»
لی درباره شیوه نگارش جملات نیز گفت: «اگر جملاتی که در وب‌سایت می‌نویسید، با جایگزین کردن نام رقیب همچنان معنادار باشند، آن جملات واقعاً متعلق به شما نیستند. هوش مصنوعی آنها را دریافت نمی‌کند.»
او همچنین استفاده از «نوشتار دوگانه» را توصیه کرد؛ به این معنا که در کنار روایت مناسب برای انسان‌ها، یک لایه پایه شامل برگه‌های اطلاعاتی و پرسش‌وپاسخ برای هوش مصنوعی وجود داشته باشد. او گفت: «راهبرد ترویج رسانه‌ای نیز باید تغییر کند. انتشار محتوا در ۱۰۰ رسانه کوچک تأثیر قابل‌توجهی ندارد» و افزود که احتمال استناد به محتوا زمانی بیشتر است که در رسانه‌هایی با اعتبار و اقتدار بالا منتشر شود.
«داده‌های برند برای تشخیص اینکه این، خودِ ما هستیم؛ اگر ثبت نشود، از بین می‌رود»
کیم میو-یونگ، مدیرعامل Vice Versa Design Studio، به مشکلات استفاده از هوش مصنوعی در سایت‌ها اشاره کرد. او گفت: «در دوره‌های آموزشی یا جلسات مشاوره عملی هوش مصنوعی، زیاد می‌شنوم که افراد می‌گویند: اگر از هوش مصنوعی استفاده کنیم، کار سریع است، اما خروجی شبیه برند ما نیست. اگر کار را سریع انجام دهید، خروجی‌ها ناسازگار می‌شوند؛ اگر مسئول مربوطه تک‌تک آنها را بررسی کند، کار کند می‌شود و اگر میزان بررسی را کاهش دهید، حادثه‌ای رخ خواهد داد.»
او ریشه این مشکل را نه در عملکرد هوش مصنوعی، بلکه در نبود «داده‌های برند» دانست. او گفت: «قضاوت‌هایی مانند اینکه این عکس شبیه ما نیست یا این ترکیب رنگ متعلق به ما نیست، خودِ داده‌های برند هستند. اما این موارد ثبت نمی‌شوند و در نتیجه پس از پایان جلسه از بین می‌روند.» او افزود: «هوش مصنوعی نمی‌داند من چه چیزی را اصلاح کرده‌ام. سطح عملکرد هوش مصنوعی به این دلیل پیشرفت نمی‌کند که ما دلیل اصلاحات را نمی‌دانیم.»
او به‌عنوان راه‌حل، مفهوم «Brand OS» یا سیستم‌عامل برند را پیشنهاد کرد که با گردآوری داده‌های پراکنده برند، فرایند تولید، بررسی، توزیع و دریافت بازخورد را به یکدیگر متصل می‌کند. نخستین گام این است که راهنمای PDF موجود به ساختاری تبدیل شود که هوش مصنوعی نیز بتواند آن را بخواند. او نمونه‌ای از یک پروژه برندینگ برای یک سازمان غیرانتفاعی را مطرح کرد که در آن، پس از تبدیل راهنما به HTML و آموزش آن به هوش مصنوعی، محتوای شبکه‌های اجتماعی که در راهنما وجود نداشت نیز با حال‌وهوای همان برند تولید شد.
کیم گفت: «مهم این است که قضاوت امروز، فردا ناپدید نشود. این نقطه آغاز Brand OS است.»
مصاحبه هوش مصنوعی با هزار نفر؛ کشف «صداقت» در یک هفته
جونگ هه-یون، مدیر برنامه‌ریزی راهبردی MetaBranding، نمونه‌هایی از نوآوری در پژوهش با استفاده از هوش مصنوعی ارائه کرد. او گفت: «یک پرسش‌نامه معمولی می‌تواند به تکلیفی برای پر کردن تبدیل شود، اما گفت‌وگو با هوش مصنوعی می‌تواند شبیه گفت‌وگو با فردی باشد که به شما گوش می‌دهد.» به گفته او، هوش مصنوعی به پرسیدن پرسش‌های تکمیلی متناسب با پاسخ افراد ادامه می‌دهد و پاسخ‌دهندگان با این پیش‌فرض که «هوش مصنوعی مرا قضاوت نمی‌کند» صادقانه‌تر صحبت می‌کنند.
MetaBranding با بیش از هزار کارمند، برای هر نفر حدود ۲۰ دقیقه مصاحبه با هوش مصنوعی انجام داد و تفسیر نتایج را ظرف یک هفته به پایان رساند. در پروژه‌ای برای تغییر نام یک شرکت تابعه نیز، این شرکت با بررسی دقیق دریافت که واکنش‌هایی که در ظاهر «نارضایتی از تغییر» به نظر می‌رسیدند، در واقع ناشی از اضطراب درباره تعلق سازمانی و بی‌اعتمادی به فرایند بودند و بر همین اساس راهبرد اجرایی مرحله‌به‌مرحله‌ای طراحی شد.
در یک نظرسنجی کمی واقعی، «قیمت» مهم‌ترین دلیل انتخاب برند اعلام شده بود. اما وقتی این موضوع در مصاحبه‌های عمیق با هوش مصنوعی بررسی شد، مشخص شد عامل اصلی فقط پایین بودن قیمت نیست، بلکه «احساس پیروزی» ناشی از پیدا کردن پایین‌ترین قیمت است.
جونگ گفت: «پژوهش فقط درباره پیدا کردن پاسخ نیست؛ اینکه یافته‌ها را به حرکت تبدیل کنیم، موضوع دیگری است.» او افزود: «پژوهش با هوش مصنوعی پرسش‌نامه‌ای نیست که از افراد پاسخ درست بخواهد؛ بلکه گوش دادن به احساس واقعی هر فرد است.»
«آنچه هوش مصنوعی نمی‌تواند بازتولید کند؛ اصالتِ شخص ثالث»
پارک چان-وو، مدیرعامل WiseNext و مدیر مؤسسه تحقیقات برندینگ هواداری MetaBranding که آخرین سخنران این نشست بود، بر اصالتی تأکید کرد که بر پیوندهای انسانی و اعتماد استوار است.
او گفت: «امروز، زمانی که فردی دیگری را می‌شناسد، به او اعتماد می‌کند و او را نزد دیگران تضمین می‌کند، تنها زمانی می‌توان اصالت را احساس کرد که شخص ثالث نیز آن را تأیید کند.» وی افزود: «هوش مصنوعی نیز داستان برند را که در همه‌جا توسط حامیان آن بیان می‌شود، گردآوری می‌کند.» او هواداری در عصر هوش مصنوعی را «دارایی اعتماد» تعریف کرد.
پارک به‌ویژه رویه‌ای رایج در صنعت را که در آن برندها با借 گرفتن از هواداری دیگران و تمرکز صرف بر «بازاریابی هواداری» تلاش می‌کنند فوراً فروش را افزایش دهند، به «Hwajeon Nong» تشبیه کرد. او گفت: «پیشنهاد من این است که به‌جای خرید صرفِ بازاریابی هواداری، همراه با هواداران برندینگ هواداری را بسازیم. سؤال واقعی این نیست که آیا هوادار داریم یا نه؛ مسئله این است که آیا می‌توانیم داستان خود را با دستور زبان هواداری روایت کنیم یا نه.»
برای این منظور، او مفهوم «کد هواداری» را مطرح کرد؛ مجموعه‌ای از قواعد مشارکت که میان هواداران مشترک است. پارک با اشاره به کمپین Heineken به‌عنوان نمونه‌ای شاخص، توضیح داد که این برند برای هواداران اینترمیلان که یک باور خرافی داشتند مبنی بر اینکه اگر به‌صورت شهودی تیم خود را تشویق کنند، تیم شکست می‌خورد، در دورترین نقطه از ورزشگاه یک بار تک‌نفره راه‌اندازی کرد. او گفت: «تیم در بازی شکست خورد، اما هیچ‌کس از Heineken دلخور نشد. برعکس، رابطه‌ای شکل گرفت که در آن هواداران احساس کردند: آنها هواداران ما را درک می‌کنند و به آنها احترام می‌گذارند.»
او همچنین به تجربه مشاوره دو ساله خود با شرکت Hanseong اشاره کرد. این شرکت روایت‌های قدیمی و طولانی‌مدتی را که سال‌ها مسکوت مانده بود، جمع‌بندی و در وب‌سایت خود منتشر کرد و در ادامه دریافت که حامیانی به‌صورت داوطلبانه شروع به نوشتن نقد و دستور پخت کردند، حتی بدون آنکه از آنها خواسته شده باشد. این افراد در نهایت به‌عنوان هواداران برند پرورش داده شدند.