گروه لندی (Lendi Group)، شرکت استرالیایی فعال در زمینه وام مسکن و فروش املاک، روش‌های جدیدی را برای ارزیابی اثرگذاری هوش مصنوعی بر فرآیند کشف برند و تصمیم‌گیری مشتریان به کار گرفته است. با انتقال تدریجی کاربران به سمت ابزارهای هوش مصنوعی مولد برای انجام تحقیقات اولیه، بازاریابان با چالش سنجش بازدهی در محیطی مواجه شده‌اند که داده‌های مستقیم آن به‌سختی در دسترس است. مایکل مک‌کاش (Michael McCash)، مدیرکل رشد در گروه لندی، با تاکید بر این مسئله عنوان می‌کند: «آنچه را نتوان اندازه‌گیری کرد، نمی‌توان بهبود بخشید.» این مجموعه با بودجه سالانه بیش از ۱۰ میلیون دلار در بخش رسانه‌های پولی، در حال آزمایش ابزارهای سنجش نوین برای شناسایی رفتار خریداران وام مسکن در بسترهای هوش مصنوعی است.
بازنگری در تخصیص بودجه رسانه‌ای و نقش مدلسازی آمیخته بازاریابی
مک‌کاش دو سال پیش به گروه لندی پیوست تا ساختار سرمایه‌گذاری رسانه‌ای بیش از ۱۰ میلیون دلاری این شرکت را بهینه‌سازی کند. او برای نیل به این هدف، یک مدل بومی برای اسنادیابی چندلمسی (multi-touch attribution) طراحی کرد و شرکت موتینکس (Mutinex) را به عنوان ارائه‌دهنده جدید خدمات مدلسازی آمیخته بازاریابی (MMM) به خدمت گرفت.
به‌کارگیری مدلسازی آمیخته بازاریابی، ناکارآمدی‌هایی را در استراتژی‌های قبلی لندی آشکار کرد که پیشتر از دید مدیریت پنهان مانده بود. برای نمونه، لندی سهم عمده‌ای از بودجه خود را به تلویزیون‌های اینترنتی (streaming TV) و ویدیوهای درخواستی مبتنی بر داده اختصاص داده بود، چرا که این کانال‌ها سال‌ها به عنوان مسیر اصلی رشد صنعت تبلیغات شناخته می‌شدند. اما گزارش‌های MMM نشان داد که تلویزیون رایگان و سراسری (free-to-air TV) بسیار کمتر از ارزش واقعی خود وزن‌دهی شده بود و در عمل، کانالی بسیار کارآمدتر محسوب می‌شد.
مک‌کاش در این خصوص توضیح داد: «ما انتقال سرمایه از کانال‌های کم‌بازده را آغاز کردیم و تلویزیون سراسری توانست این بودجه را جذب کرده و نرخ بازگشت سرمایه (ROI) را به شکل مستمر افزایش دهد.» به گفته او، خریداران رسانه اغلب به سمت کانال‌هایی تمایل دارند که خود به عنوان مصرف‌کننده از آن‌ها استفاده می‌کنند؛ از آنجا که بدنه نیروی انسانی این بخش عمدتا جوان هستند، مصرف استریمینگ بالایی دارند. علاوه بر این، بازاریابان به داده‌هایی اعتماد می‌کنند که به‌راحتی قابل مشاهده است، مانند تعداد کلیک، نمایش (impression) و نرخ کلمات کلیدی.
سنجش رفتار پنهان کاربران در مدل‌های بزرگ زبانی
با ورود هوش مصنوعی به عرصه بازاریابی، چالش جدیدی در سنجش رفتار مشتریان پدیدار شده است. به باور مک‌کاش، با تمایل روزافزون کاربران به استفاده از پلتفرم‌هایی نظیر چت‌جی‌پتی (ChatGPT)، کلود (Claude) و جمینای (Gemini)، مرحله اولیه کشف برند بار دیگر مانند دوران نخستین شکل‌گیری موتورهای جستجوی اینترنتی پنهان شده است.
نبود ابزارهای شفاف برای مشاهده نحوه پاسخ‌دهی بسترهای هوش مصنوعی به پرسش‌های کاربران، سبب شده بسیاری از بازاریابان به انجمن‌های گفت‌وگو مانند ردیت (Reddit) و ایکس (X) متوسل شوند تا چگونگی تعامل مردم با مدل‌های بزرگ زبانی (LLM) و میزان حضور برند خود را بررسی کنند. بسترهای هوش مصنوعی نمایش نحوه بازخوانی محصولات بر اساس کلمات کلیدی را دشوار یا غیرممکن ساخته‌اند.
برای حل این مسئله، لندی به عنوان یکی از مشتریان آزمایشی راهکار جدید شرکت موتینکس تحت عنوان «AI Visibility» وارد عمل شده است. این ابزار، مانند سایر راهکارهای بهینه‌سازی موتورهای هوش مصنوعی (AEO یا GEO)، با ارسال انبوه پرسش‌های مرتبط به مدل‌های زبانی مانند «یافتن وام مسکن در استرالیای غربی» و تحلیل خروجی‌ها، داده‌های تحلیلی تولید می‌کند. از آنجا که داشبورد تحلیلی متمرکزی برای پیگیری این جستجوها وجود ندارد، تنها راه موجود اجرای هزاران پرسش آزمایشی و ارزیابی خروجی‌های هوش مصنوعی است.
لندی همچنین با شرکت ترک‌سوت (Tracksuit) برای سنجش شاخص‌های برند و مقایسه جایگاه خود در هوش مصنوعی نسبت به رقبا همکاری می‌کند. علاوه بر این، این شرکت از بسترهای نظرسنجی انبوه شرکت اسکبل (Askable) بهره می‌برد تا تصویر دقیقی از وضعیت خود در بازارهای نوظهور جستجوی هوش مصنوعی داشته باشد.
ارزیابی تبلیغات در چت‌بات‌ها و تغییر در قیف فروش
علاوه بر سنجش میزان رؤیت‌پذیری برند، لندی در حال بررسی بازدهی سرمایه‌گذاری در تبلیغات مستقیم داخل چت‌بات‌های هوش مصنوعی است. بر اساس اظهارات مک‌کاش، تبلیغات در چت‌بات‌های دارای آگهی نظیر ChatGPT و Gemini هنوز بازگشت سرمایه قابل توجهی ثبت نکرده‌اند. گزارش‌های MMM لندی نشان می‌دهد که هزینه به ازای هر هزار نمایش (CPM) و نرخ جذب مشتری در این بسترها بسیار بالا بوده و حجم بالای سرمایه‌گذاری را توجیه نمی‌کند.
با این حال، لندی متوجه ظهور الگوی جدیدی در رفتار مشتریان شده است. متقاضیان وام مسکن که از طریق کادر جستجوی گوگل یا ورود مستقیم وارد وب‌سایت لندی می‌شوند، پیش از این تحقیق جامعی را از طریق پرسش از مدل‌های زبانی انجام داده‌اند. این خریداران با اطلاعات کامل‌تر و در مراحل انتهایی قیف فروش وارد سیستم می‌شوند.
در حال حاضر، استراتژی لندی در حوزه هوش مصنوعی بر ارزیابی و درک نحوه تاثیرگذاری چت‌بات‌ها بر فرآیند کشف برند متمرکز است. مک‌کاش پیش‌بینی می‌کند با توسعه کسب‌وکار تبلیغاتی پلتفرم‌های هوش مصنوعی، این شرکت‌ها داشبوردها و ابزارهای تحلیلی ناشناس‌سازی‌شده‌ای را از پرسش‌های کاربران در اختیار بازاریابان قرار خواهند داد. او تاکید دارد که دسترسی به این داده‌ها مرز بعدی بازاریابی دیجیتال خواهد بود، زیرا هوش مصنوعی اکنون به نقطه تماس نخست میلیون‌ها متقاضی مسکن و دریافت وام تبدیل شده است.