نیکی بریگز (Nicky Briggs)، تحلیلگر ارشد مؤسسه فارستر (Forrester)، در آستانه سخنرانی خود در مجمع B2B اروپا، خاورمیانه و آفریقا (B2B Forum EMEA) در لندن که در تاریخ ۲۹ سپتامبر برگزار میشود، به تشریح چالشهای جدید بازاریابی B2B در عصر هوش مصنوعی مولد پرداخته است. او مدلهای زبانی بزرگ (LLMs) را که اکنون میان برندهای B2B و مشتریان قرار گرفتهاند، به یک «ولکان تنبل» (lazy Vulcan) تشبیه میکند؛ موجودی کاملاً منطقی، بیاحساس، اما به شدت تنبل که مایل است پاسخها به سادهترین شکل ممکن در اختیارش قرار گیرد. این تغییر رفتار در موتورهای پاسخگو، بازاریابان B2B را با بحران کاهش شدید ترافیک ارگانیک مواجه کرده است، اما در عین حال فرصتهای جدیدی برای جذب مخاطبان باکیفیتتر فراهم میآورد.
مکانیسم «ولکان تنبل» و ترجیحات مدلهای زبانی بزرگ
بریگز و همکارش جان بوتن (John Buten) از اصطلاح «ولکان تنبل» برای توصیف موتورهای جستجوی مبتنی بر هوش مصنوعی استفاده میکنند. ولکانها (شخصیتهای خیالی مجموعه پیشتازان فضا) به منطقی بودن و دوری از احساسات شهرت دارند. بریگز توضیح میدهد که مدلهای زبانی بزرگ نیز دقیقاً همینگونه رفتار میکنند؛ آنها بسیار منطقی هستند اما در عین حال تمایلی به تلاش مضاعف ندارند. اگر این مدلها پاسخی آماده را پیدا کنند که مستقیماً با پرسش کاربر همخوانی داشته باشد، بدون تغییر از آن استفاده میکنند تا مجبور به تحلیل و پردازش پیچیده نشوند. به عبارت دیگر، این ماشینها ترجیح میدهند یک پاسخ آماده را بردارند تا اینکه خودشان فرمولی برای حل آن پیدا کنند.
از سوی دیگر، این موتورهای پاسخگو علاقه شدیدی به لحن و صدای انسانها نشان میدهند. بریگز با اشاره به محبوبیت پلتفرم ردیت (Reddit) برای این موتورها میگوید که دلیل این امر، وجود کارشناسان برجسته در ردیت نیست، بلکه حضور افرادی با نظرات و دیدگاههای قوی و انسانی است. این سیستمها یاد گرفتهاند که محتوای تولیدشده توسط انسان را تشخیص داده و به آن اولویت دهند. این امر پارادوکسی را برای نویسندگان ایجاد میکند: از یک سو باید ساده و محاورهای بنویسند و از سوی دیگر از به کار بردن آرایههای ادبی و استعارههای پیچیده خودداری کنند، زیرا مدلهای زبانی بزرگ در درک استعارهها بسیار ضعیف هستند و ساختاری شبیه به دانشنامه بریتانیکا (Encyclopædia Britannica) را ترجیح میدهند. بریگز معتقد است راهکار حل این تناقض، ترکیب هر دو رویکرد است؛ بخشی از محتوا باید ساختاریافته، علمی و همراه با نشانهگذاریهای استاندارد (Schema) باشد و بخش دیگر باید حامل صدای واقعی و معتبر انسانی باشد.
سقوط ترافیک وبسایتها و تغییر در فرآیند خرید
انتقال خریداران به سمت ابزارهای هوش مصنوعی مولد باعث کاهش چشمگیر ترافیک ارگانیک وبسایتهای B2B شده است. فارستر پیشبینی کرده بود که ترافیک ارگانیک طی ۱۲ تا ۱۸ ماه آینده بین ۵۰ تا ۷۵ درصد کاهش خواهد یافت، اما بریگز تایید میکند که این اتفاق بسیار سریعتر از پیشبینیها رخ داده و برخی از مشتریان آنها هماکنون به این آستانه ریزش رسیدهاند. او این وضعیت را به آشپزی تشبیه میکند که بدون چاقو کار میکند؛ چرا که یکی از ابزارهای اصلی بازاریابان از دست رفته است.
با این حال، خبر امیدوارکننده این است که درآمدهای حاصله همچنان پایدار ماندهاند. ترافیکی که از طریق ابزارهای هوش مصنوعی مولد به وبسایتها هدایت میشود، سه تا چهار برابر بیشتر احتمال دارد که به خرید یا تبدیل (Conversion) منجر شود. دلیل این امر آن است که خریداران پیش از ورود به سایت، بخش عمدهای از مسیر تصمیمگیری را طی کرده و اطلاعات کاملی کسب کردهاند. چالش اصلی در حال حاضر، عدم امکان ردیابی و انتساب دقیق (Attribution) مسیر مشتری است که طی دو دهه گذشته به طور منظم انجام میشد.
پنج گام استراتژیک برای انطباق با اکوسیستم جدید
برای حل این بحران، بریگز یک برنامه پنجمرحلهای را پیشنهاد میکند که شرکتهای پیشرو از آن استفاده میکنند:
- تبدیل میزان دیده شدن به شاخص کلیدی عملکرد (KPI): شرکتها باید کلیدواژههای قدیمی خود را به پرامپت (Prompt) تبدیل کرده و بررسی کنند که آیا در پاسخهای هوش مصنوعی حضور دارند یا خیر. شرکت اسآیپی (SAP) به عنوان یکی از پیشگامان این حوزه، داشبوردی ساده اما کاربردی برای این منظور ایجاد کرده و به روابط عمومی (PR) به عنوان محرک دیده شدن نگاه میکند، نه صرفاً ابزاری برای جذب ترافیک.
- مطالعه رفتار واقعی خریداران: تمرکز باید بر آینده باشد تا گذشته. بررسی تحقیقات پرسونای مخاطب، ضبط تماسهای فروش و مصاحبهها از منابع ارزشمند هستند. یک شرکت با تحلیل ۱۷۰۰ پرامپت در یک پلتفرم و انطباق آنها با رفتار واقعی خریداران توانست ارزش واقعی ایجاد کند.
- نوشتن به سبک خوانش مدلهای هوش مصنوعی: زمانی که مدلها به جای خریدار محتوا را مطالعه میکنند، ساختار متن بر زیباییهای ادبی ارجحیت دارد. به عنوان مثال، لینکدین (LinkedIn) به جای هدایت تمام محتواها از طریق تیم سئو، تولیدکنندگان محتوای خود را آموزش داد تا مستقیماً برای ماشینها بنویسند.
- اولویتدهی به صدای واقعی انسان: متخصصان موضوعی باید مانند اینفلوئنسرها عمل کنند. یک شرکت امنیتی کوچک با قرار دادن مدیر فناوری (CTO) و بازاریابان محصول خود در خط مقدم تولید محتوا، توانست در برابر رقبای بزرگتر خود متمایز شود.
- همکاری تیمی یکپارچه: این فرآیند وظیفه یک نفر یا یک گروه موقت نیست، بلکه نیازمند یک هماهنگی بلندمدت میان تیمهای فروش و بازاریابی است. در بسیاری از موارد، تیمهای فروش حتی از سقوط ترافیک وبسایت یا مفهوم بهینهسازی برای موتورهای پاسخگو (AEO) بیخبر هستند.
در نهایت، بریگز تاکید میکند که این تغییرات موقتی نیستند و مدلهای زبانی بزرگ به عنوان واسطههای جدید خرید باقی خواهند ماند. بنابراین، بازاریابان ناگزیرند زبان تعامل با این «ولکانهای تنبل» را بیاموزند.