جستجوی مبتنی بر هوش مصنوعی (AI search) در حال تغییر نحوه بیان نیازها و خواسته‌های کاربران است. در گذشته، موتورهای جستجوی سنتی مخاطبان را مجبور می‌کردند تا نیازهای پیچیده و شخصی خود را در قالب چند کلیدواژه کوتاه فشرده سازند. اما دستیارهای هوش مصنوعی این امکان را فراهم کرده‌اند که افراد پرسش‌هایی دقیق، جزئی و کاملاً منطبق با شرایط فردی خود مطرح کنند. این تغییر رفتار، نه‌تنها شیوه تعامل کاربران با ابزارهای دیجیتال را دگرگون ساخته، بلکه به برندها فرصتی استثنایی داده است تا از طریق تحلیل پرامپت‌ها (Prompts) و بافت رفتاری مخاطبان، به شناختی عمیق‌تر از مشتریان دست یابند.
از کلیدواژه‌های فشرده تا مکالمات انسانی و پرجزئیات
پیش از ظهور موتورهای جستجو، افراد برای پاسخ به سوالات پیچیده به دوستان، کتابخانه‌ها یا مشاوران متخصص مراجعه می‌کردند؛ برای نمونه، در برنامه‌ریزی یک سفر، جزئیات کامل خواسته خود را برای یک مشاور سفری مطرح می‌کردند. با همه‌گیر شدن گوگل، کاربران یاد گرفتند زبان خود را به عبارت‌های کوتاهی مانند «بهترین هتل خانوادگی تنریف» تقلیل دهند؛ عبارتی که حجم زیادی از جزئیات و نیازهای واقعی در آن حذف می‌شد.
امروزه با دستیارهای هوش مصنوعی، یک کاربر می‌تواند به سادگی بپرسد: «برای دو بزرگسال و دو کودک خردسال، در تنریف کجا اقامت کنیم؟ هتلی می‌خواهیم که اتاق کودکان دارای فضای خواب مجزا اما در همان اتاق باشد، کیفیت غذا بالا باشد، استخر با آب گرم برای کودکان داشته باشد و امکان اجاره خودرو نیز فراهم باشد.» این حجم از جزئیات دقیق، نشان می‌دهد هوش مصنوعی نیازهای انسان را پیچیده‌تر نکرده، بلکه به کاربران اجازه داده است همان پیچیدگی‌های طبیعی و انسانی را که سال‌ها سرکوب شده بود، دوباره بیان کنند.
از منظر علوم رفتاری، کلیدواژه‌ها تنها «قصد» (Intent) کاربر را نشان می‌دادند، اما مکالمات کامل و مفصل، علل، انگیزه‌ها، نگرانی‌ها و موانع پشت این قصد را آشکار می‌سازند. پیش از این، چنین درک عمیقی تنها در مراحل انتهایی مسیر مشتری و هنگام گفتگو با فروشندگان حاصل می‌شد، اما اکنون به بخشی از فرآیند کشف اولیه تبدیل شده است.
حافظه دستیارهای هوشمند و محدودیت‌های ردگیری سنتی پرامپت
یکی از ابعاد مهم جستجوی هوش مصنوعی، قابلیت حافظه و درک بافت (Context) در طول زمان است. همان‌طور که افراد به استفاده مداوم از یک یا دو ابزار هوش مصنوعی عادت می‌کنند، این دستیارها ترجیحات، عادات، سوابق و گفتگوهای قبلی کاربر را به خاطر می‌سپارند.
برای مثال، دو کاربر مختلف را در نظر بگیرید که پرامپت کاملاً یکسانی را وارد می‌کنند: «بهترین کفش دویدن چیست؟». اگر یکی از این دو کاربر در گفتگوهای قبلی خود به آسیب‌دیدگی زانو اشاره کرده باشد، دستیار هوش مصنوعی بر اساس همان بافت تاریخی، توصیه‌ای متفاوت ارائه خواهد داد، حتی اگر عبارت آسیب‌دیدگی زانو در پرامپت جدید ذکر نشده باشد.
این مسئله ابزارهای ردگیری پرامپت (Prompt Tracking) را با چالش مواجه می‌کند. سال‌هاست که بازاریابان رتبه‌بندی کلیدواژه‌ها را در گزارش‌های SEO و هیئت‌مدیره ثبت کرده‌اند و اکنون مایلند همان روش را برای هوش مصنوعی بازسازی کنند. با این حال، وقتی دو فرد با پرامپت یکسان به دلیل بافت‌های متفاوت، پاسخ‌های متفاوتی دریافت می‌کنند، یک پرامپت استاندارد شده تنها می‌تواند یک نسخه از تجربه ممکن را نشان دهد. از این رو، برندها باید علاوه بر ردگیری پرامپت‌ها، به داده‌های اختصاصی وب‌سایت خود (مانند صفحاتی که ورودی از پلتفرم‌های هوش مصنوعی دارند) نیز توجه کنند.
تغییر استراتژی برندها؛ از بهینه‌سازی موتورهای جستجو تا هوش کسب‌وکار
وقتی مفهوم «بهترین» از یک معیار عمومی به یک پاسخ کاملاً شخصی و متناسب با شرایط تغییر می‌کند، دیگر یک پاسخ واحد و بهترین وجود ندارد. در چنین فضایی، تمرکز بر بخش‌های تخصصی بازار (Niche) و تولید محتوا برای نیازهای خاص بسیار ارزشمند می‌شود. برندها به‌جای تعقیب موضوعات دارای حجم جستجوی بالا، باید دلایل کافی به هوش مصنوعی بدهند تا نشان دهند چرا در یک شرایط خاص، بهترین گزینه هستند.
به گفته بکی سیمز (Becky Simms)، مدیر آژانس فعال در این حوزه، این تحول موجب شده تا بازاریابان به‌جای پرسش درباره نحوه نمایش در پاسخ‌های ChatGPT، سوالات استراتژیک‌تری از خود بپرسند:
- ما واقعاً برای چه گروهی از مشتریان فوق‌العاده هستیم؟
- در چه شرایط و موقعیت‌هایی دقیقاً بهترین انتخاب محسوب می‌شویم؟
- مشتریان به چه دلایلی ما را انتخاب می‌کنند که شاید خودمان نیز از آن بی‌خبر باشیم؟
- چه شواهد و مدارکی برای اثبات این برتری وجود دارد؟
سیمز رویکرد آژانس خود را «جستجوی رفتارمحور» (Behavior-led search) می‌نامد و تاکید می‌کند که غنی‌ترین بینش‌ها همیشه از ابزارهای دیجیتال به‌دست نمی‌آیند. کارشناسان فروش، تیم‌های پشتیبانی مشتریان و کارکنان حاضر در فروشگاه‌ها، هتل‌ها یا شعب که روزانه با سوالات دقیق و جزیی مخاطبان مواجه می‌شوند، بهترین منبع برای درک رفتارهای واقعی هستند. انتقال این دانش انسانی به استراتژی‌های جستجو و بازاریابی، کلید موفقیت برندها در عصر هوش مصنوعی خواهد بود.