دوان فارستر (Duane Forrester)، نویسنده و تحلیل‌گر حوزه فناوری و بازاریابی، در یادداشتی تحلیلی به بررسی سرعت شتابان تغییر رفتار خریداران تحت تاثیر ابزارهای هوش مصنوعی و ناتوانی کسب‌وکارها در همگامی با این تغییرات پرداخته است. او استدلال می‌کند که مدل‌های سنتی بازاریابی و فروش که بر پایه «عدم تقارن اطلاعاتی» (Information Asymmetry) میان خریدار و فروشنده شکل گرفته بودند، به سرعت در حال فروپاشی هستند. خریداران امروز با استفاده از دستیارهای هوش مصنوعی، پیش از ورود به هرگونه تعامل رسمی با فروشندگان، به اطلاعاتی دست می‌یابند که فرآیند تصمیم‌گیری آن‌ها را به طور کامل دگرگون می‌کند.
فروپاشی عدم تقارن اطلاعاتی؛ تجربه یک خرید
فارستر برای تبیین این موضوع، تجربه شخصی خود را از خرید یک خودروی باری (Truck) مطرح می‌کند. او با وارد کردن شماره شناسایی خودرو (VIN) در یک دستیار هوش مصنوعی، توانست ظرف چند دقیقه اطلاعات جامعی را به دست آورد که حتی فروشنده حاضر در نمایندگی نیز از آن‌ها بی‌خبر بود. این ابزار توانست تاریخچه حضور خودرو در تمامی سایت‌های فروش را بازسازی کند و نشان دهد که خودروی مذکور ۲۸۰ روز در بازار باقی مانده و قیمت آن تا کنون ۵,۰۰۰ دلار کاهش یافته است. همچنین سوابق مالکیت، تصادفات، مشکلات فنی شناخته‌شده برای آن مدل خاص و میزان گارانتی کارخانه‌ای باقی‌مانده استخراج شد. دستیار هوش مصنوعی حتی سوالات دقیقی را برای پرسش از فروشنده طراحی کرد؛ سوالاتی که به جای کلی‌گویی، مستقیماً به جزییات فنی مانند تعویض یا برنامه‌نویسی مجدد سیستم انتقال قدرت اشاره داشتند.
نکته کلیدی این است که تمامی منابع اطلاعاتی مورد استفاده هوش مصنوعی از ده سال پیش نیز وجود داشتند؛ از جمله پایگاه‌های داده دولتی، گزارش‌های تاریخچه خودرو، انجمن‌های مالکان و بخشنامه‌های سازندگان. تفاوت بزرگ در این است که گردآوری این حجم از اطلاعات در گذشته نیازمند یک هفته جستجوی مداوم بود، اما اکنون به کمک هوش مصنوعی در چند دقیقه و بدون نیاز به هیچ تخصصی انجام می‌شود. بدین ترتیب، مزیتی که نمایندگی‌های فروش بر اساس دسترسی انحصاری به اطلاعات داشتند، در مدت زمان نوشیدن یک فنجان قهوه از بین رفت.
شتاب همه‌گیری چت‌بات‌ها و تغییر نقطه شروع تصمیم‌گیری
بر اساس نظرسنجی مرکز تحقیقات پیو (Pew Research Center) که در ماه فوریه با مشارکت ۵,۱۱۹ بزرگسال آمریکایی انجام شد، حدود نیمی از شرکت‌کنندگان از چت‌بات‌های هوش مصنوعی استفاده می‌کنند که این رقم نسبت به یک‌سوم در سال ۲۰۲۴ افزایش یافته است. تقریباً یک‌چهارم پاسخ‌دهندگان به صورت روزانه از این ابزارها استفاده می‌کنند و جستجوی اطلاعات، رایج‌ترین کاربرد آن‌ها گزارش شده است. همچنین آمارها نشان می‌دهد میزان استفاده از ChatGPT در میان بزرگسالان آمریکایی از ۱۸ درصد در سال ۲۰۲۳ به ۴۴ درصد در سال ۲۰۲۶ رسیده است.
این آمارها نشان می‌دهند که خریداران در میانه فرآیند تصمیم‌گیری به سراغ کسب‌وکارها می‌آیند، نه در نقطه شروع آن. تمام مراحل تحقیق، مقایسه و محدود کردن گزینه‌ها پیش از بارگذاری سایت یا تماس با کارشناس فروش، در پنجره چت هوش مصنوعی انجام شده است. با این حال، بسیاری از کسب‌وکارها همچنان فرآیند فروش خود را به گونه‌ای آغاز می‌کنند که گویی این اولین گفتگوی مشتری است؛ صفحات فرود به توضیح مفاهیم اولیه می‌پردازند و تماس‌های اولیه به معرفی کلی محصول اختصاص دارد. این محتوا برای مخاطبی طراحی شده که پیش از این، آن مرحله را پشت سر گذاشته است.
از نتایج ده‌گانه جستجو تا پاسخ‌های خلاصه چت‌بات‌ها
در گذشته، موتورهای جستجو ده نتیجه آبی‌رنگ را به همراه پیوندهای مختلف ارائه می‌دادند، اما اکنون دستیارهای هوش مصنوعی بازار را تحلیل کرده و تنها سه نام تجاری را در قالب یک پاراگراف خلاصه به کاربر پیشنهاد می‌کنند. این تغییر برای شرکت‌های بزرگ و باسابقه چالش‌برانگیز است؛ چرا که دارایی‌های سنتی آن‌ها مانند سابقه ۱۵ ساله مشتریان یا ردپای گسترده در جستجوهای سنتی، دیگر معیار اصلی مدل‌های هوش مصنوعی برای معرفی آن‌ها به عنوان گزینه برتر نیست.
بسیاری از کسب‌وکارها که رشد خود را مدیون ایجاد صفحات متعدد برای هر محصول، شهر یا کاربرد خاص بودند، اکنون با سیستمی مواجه‌اند که به جای ارجاع کاربر به آن صفحات، اطلاعات آن‌ها را می‌خواند و در قالب دو پاراگراف خلاصه به کاربر تحویل می‌دهد. اگرچه این صفحات همچنان برای تغذیه مدل‌های هوش مصنوعی اهمیت دارند، اما دیگر ترافیک مستقیمی ایجاد نمی‌کنند. این امر نیازمند بازنگری جدی در استراتژی تولید محتواست؛ جایی که ساختار، سازگاری و همخوانی اطلاعات با سایر منابع، اهمیت بیشتری نسبت به تعداد صفحات پیدا می‌کند.
چالش‌های جدید در سنجش اثربخشی بازاریابی
بسیاری از شرکت‌ها پس از مشاهده ارجاع نام خود در ابزارهایی مانند ChatGPT، Perplexity، Copilot و AI Overviews گوگل، متوجه می‌شوند که نرخ کلیک (CTR) بسیار پایینی دریافت می‌کنند. اگرچه ابزارهای سنجش بهبود یافته‌اند؛ برای مثال گوگل در ماه مه کانال AI Assistant را به گوگل آنالیتیکس ۴ (GA4) اضافه کرد و مایکروسافت در ماه فوریه گزارش عملکرد هوش مصنوعی (AI Performance) را در ابزار وب‌مستر بینگ ارائه داد، اما این ابزارها تنها انتهای فرآیند تصمیم‌گیری (یعنی کلیک یا ارجاع نهایی) را ثبت می‌کنند.
تأثیر اصلی هوش مصنوعی بر خریدار در مراحلی رخ می‌دهد که هیچ کلیکی ثبت نمی‌شود. موتورهای پاسخ‌گو طراحی شده‌اند تا به پرسش‌ها پاسخ دهند، نه اینکه ترافیک را به سایت‌های دیگر هدایت کنند. بنابراین، ارزیابی کانال‌های هوش مصنوعی بر اساس معیارهای سنتی مانند کلیک، گمراه‌کننده خواهد بود. کسب‌وکارها باید به جای انتظار برای افزایش کلیک‌های ارجاعی، شاخص‌های جدیدی مانند سهم سوالات پاسخ‌داده‌شده توسط هوش مصنوعی در حوزه کاری خود و حجم کل کلیک‌های خارج‌شده از نتایج گوگل را رصد کنند.
راهکار مواجهه با شکاف زمانی
خریداران با سرعت به‌روزرسانی نرم‌افزارها (در عرض چند هفته یا چند ماه) تغییر می‌کنند، در حالی که کسب‌وکارها بر اساس چرخه‌های برنامه‌نویسی سالانه حرکت می‌کنند. این عدم تقارن زمانی باعث عقب ماندن بازاریابی شرکت‌ها می‌شود. برای حل این مسئله، دوان فارستر توالی اقدامات زیر را پیشنهاد می‌کند:
- پیش از تصمیم‌گیری درباره آنچه می‌خواهید بگویید، بدانید که در حال حاضر درباره شما چه گفته می‌شود.
- پیش از تصمیم‌گیری درباره محل انتشار، مشخص کنید چه اطلاعاتی باید در پاسخ هوش مصنوعی قرار گیرد.
- سنجش و اندازه‌گیری را به عنوان آخرین مرحله و پس از مشخص شدن هدف تغییر قرار دهید.
برعکس کردن این ترتیب و تمرکز اولیه بر خرید ابزارها یا تعیین معیارهای سنجش بدون درک علت‌ها، تنها منجر به اتلاف زمان و بودجه خواهد شد.