لماذا قد تكون أهمية طلب الحمض النووي أكبر من بيانات الهدر في عصر الذكاء الاصطناعي
صناعة الإعلان تقوم بأحد أكبر رهانات التكنولوجيا في تاريخها.
تستثمر مليارات الدولارات في رسومات الهوية، وغرف التنظيف، ومنصات بيانات العملاء، وتقنيات التعاون في البيانات، وأنظمة الذكاء الاصطناعي المدبرة المصممة لأتمتة قرارات التسويق. تعكس المعاملات الحديثة، مثل استحواذ Publicis على LiveRamp، والاستثمارات عبر الصناعة اعتقادًا متزايدًا بأن المستقبل ينتمي إلى المنظمات القادرة على ربط أكبر قدر من بيانات المستهلكين.
يبدو أن الافتراض منطقي. يجب أن تُنتج المزيد من البيانات رؤى أفضل. يجب أن تُنتج الرؤى الأفضل توقعات أفضل. يجب أن تُنتج التوقعات الأفضل نتائج أعمال أفضل.
لكن ماذا لو كان أكبر افتراض في الصناعة خاطئًا؟ ماذا لو كانت المزيد من البيانات لا تُنتج بالضرورة توقعات أفضل؟ ماذا لو كان التحدي الحقيقي ليس في ربط المزيد من البيانات ولكن في فهم ما إذا كانت البيانات المربوطة تحتوي على المعلومات التي يحتاجها المسوقون فعليًا؟
على مدى عقود، تم بناء التسويق الرقمي على الهدر السلوكي – آثار الأقدام الرقمية التي يتركها المستهلكون من خلال المعاملات وزيارات المواقع والبحث وبرامج الولاء والأجهزة المحمولة وتفاعلات الإعلانات.
الهدر السلوكي ذو قيمة. إنه يخبر المنظمات بما فعله المستهلكون. ما يفشل في توضيحه غالبًا هو السبب في أنهم فعلوا ذلك. قد تصبح هذه التفرقة أكثر أهمية كلما أخذ الذكاء الاصطناعي دورًا أكبر في صنع القرار التجاري.
تتعلم معظم أنظمة الذكاء الاصطناعي من الملاحظات التاريخية. تحدد الأنماط والارتباطات والعلاقات ضمن البيانات الموجودة. لكن لا يهم مدى تعقيد النموذج، تظل فهمه محدودة بجودة وملاءمة المعلومات التي يتلقاها.
لا يمكن لنموذج学习 المعلومات التي لا توجد في مجموعة البيانات.
في عام 2018، قبل جميع الاستثمارات الأخيرة في شركات الذكاء الاصطناعي، وجدت الأبحاث التي قدمت في المؤتمر الدولي للبحث في الإعلان (ICORIA) من قبل مدرسة ميديل بجامعة نورث وسترن للتسويق المتكامل أن النماذج التي تتضمن متغيرات سلوكية، ومواقف، ودوافع مستهلكي موثوق بها حققت دقة استهداف أعلى بمقدار أربع مرات تقريبًا مقارنة بالنهج التقليدية المستندة إلى الديموغرافيات والمعاملات.
هذا الاكتشاف مهم لأنه يتحدى أحد الافتراضات الأساسية في علم البيانات الحديث: أن المزيد من الملاحظات تنتج تلقائيًا توقعات أفضل.
بدلاً من ذلك، تقترح الأبحاث أن البيانات ذات الصلة السببية – البيانات التي تقيس العوامل التي تحرك السلوك المستقبلي – قد تكون أكثر قيمة بكثير من مجرد زيادة حجم المخرجات الملاحظة.
السلوك البشري لا يبدأ بمعاملة. إنه يبدأ بعلم النفس.
يعاني المستهلكون من العواطف. تؤثر تلك العواطف على التوقعات. تشكل التوقعات النوايا. تقود النوايا القرارات. في النهاية تصبح القرارات معاملات.
ومع ذلك، فإن معظم أنظمة التسويق الحديثة تبدأ القياس في المرحلة النهائية من تلك العملية.
بحلول الوقت الذي تظهر فيه عملية الشراء في قاعدة بيانات المعاملات، قد تكون العوامل الأكثر أهمية التي تحرك السلوك غير مرئية بالفعل: الثقة، الأمن المالي، التوقعات الاقتصادية، التفاؤل، الخوف، الضغط، الدوافع، والطموحات. غالبًا ما تحدد هذه العوامل قرارات المستهلكين قبل وقت طويل من ظهور تلك القرارات في الأنظمة السلوكية.
كانت استجابة الصناعة إلى حد كبير جمع المزيد من البيانات. المزيد من الأجهزة. المزيد من المحددات. المزيد من المعاملات. المزيد من النقرات. المزيد من الملاحظات. المزيد من الروابط.
لكن ربط المزيد من الملاحظات لا يُحسن الفهم تلقائيًا إذا كانت الملاحظات نفسها تفشل في التقاط أسباب السلوك.
تخيل مجموعتين من البيانات. تحتوي إحداهما على عشرة مليارات معاملة بيع بالتجزئة. بينما تحتوي الأخرى على عشرة آلاف مستهلك تمثيلي إحصائيًا يبلغون عن خطط إنفاقهم المستقبلية، وثقتهم الاقتصادية، وتوقعاتهم الوظيفية، ونوايا الشراء، ودوافعهم، وتطلعاتهم المالية.
تفترض معظم المنظمات بشكل غريزي أن مجموعة البيانات الأكبر هي الأفضل. ومع ذلك، إذا كان الهدف هو توقع الطلب المستقبلي، فقد تحتوي مجموعة البيانات الأصغر على معلومات أكثر فائدة لأنها تقيس العوامل المؤثرة في السلوك بدلاً من سجل السلوك بعد حدوثه بالفعل.
هنا قد يستحق مفهوم جديد مزيدًا من الاهتمام: حمض نووي الطلب.
يمثل حمض نووي الطلب العوامل العاطفية والاقتصادية والنفسية والسلوكية التي تخلق سلوك الشراء المستقبلي. على عكس الهدر السلوكي، الذي يسجل النتائج بعد اتخاذ القرارات، يسعى حمض نووي الطلب لقياس الظروف التي تنتج تلك القرارات في المقام الأول.
يخبر الهدر السلوكي المسوقين عن الأماكن التي كان فيها المستهلكون. يساعد حمض نووي الطلب في تفسير المكان الذي قد يتجهون إليه.
أظهرت أبحاث الاقتصاديين فرانشيسكو دي أكونتو وميشيل ويبر أن توقعات المستهلكين غالبًا ما تحسن التوقعات الاقتصادية لأن المعتقدات والنوايا غالبًا ما تتغير قبل أن يتغير السلوك. في العديد من الحالات، تحتوي التوقعات على معلومات لم تظهر بعد في المعاملات أو التقارير الحكومية أو مؤشرات السوق.
ديميرهان ينيجون، دكتوراه، أستاذ مساعد سابق في علوم القرار بجامعة جورج واشنطن وجامعة نيوهامشير، يشرح: “نوايا وتوقعات المستهلكين ليست مجرد آراء. عندما يتم قياسها بشكل صحيح، فهي مؤشرات رائدة للسلوك الاقتصادي وسلوك الشراء المستقبلي. تجاهلها يعني تجاهل المعلومات التي قد لا توجد بعد في بيانات المعاملات.”
تصبح هذه التحديات أكثر أهمية مع دخول الذكاء الاصطناعي المدبر للتيار الرئيسي.
يتم الطلب بشكل متزايد من الأنظمة المدبرة تحديد الجماهير، وتخصيص الميزانيات، وتحسين الحملات، وتوصية الإجراءات، وأتمتة القرارات. تعتمد جودة تلك القرارات كليًا على جودة الإشارات التي تغذي النظام.
إذا كانت تلك الإشارات تعكس بشكل أساسي النشاط التاريخي، فإن الذكاء الاصطناعي يخاطر بأن يصبح فعالًا بشكل استثنائي في تحليل الماضي مع البقاء محدودًا في قدرته على توقع المستقبل.
في الواقع، قد تعاني العديد من المنظمات مما يمكن تسميته ‘عمى سببي’… الميل إلى قياس النتائج بينما تفشل في قياس القوى التي تخلق تلك النتائج.
غالبًا ما تكشف عملية شراء تجزئة عن القليل جدًا حول المستهلك الأساسي. هل تم الشراء للاستخدام الشخصي أم كهدية؟ هل تم شراؤه من قبل حامل الحساب، أو الزوج، أو الطفل، أو أحد أفراد الأسرة؟ هل كانت القرار مدفوعة بالضرورة، أو الطموح، أو الراحة، أو الاحتفال؟ نادراً ما توفر المعاملة نفسها تلك الإجابات.
ومع ذلك، تحاول العديد من أنظمة الهوية بناء ملفات شخصية للمستهلكين تتسم بتفاصيل دقيقة بناءً على ملاحظات تتطلب عدة طبقات من الاستنتاج. يمكن أن تصبح النماذج الناتجة معقدة للغاية. لكن يجب ألا يتم الخلط بين التعقيد والفهم.
مع استمرار تطور توقعات الخصوصية، تبدأ المنظمات أيضًا في طرح أسئلة جديدة حول سلالة البيانات، والشفافية، والقدرة على التفسير. وقد أدى ذلك إلى تجديد الاهتمام ببيانات الطرف صفر (المعلومات التي يشاركها المستهلكون عمدًا وباستباقية) والتي تقلل من الحاجة للاستنتاج وتوفر رؤية مباشرة إلى الدوافع والنوايا والتفضيلات.
بدأ المفهوم بالفعل في الانتقال من النظرية إلى الممارسة. يقوم عدد متزايد من المنظمات بتطوير نماذج جمهور جاهزة للذكاء الاصطناعي التي تتضمن متغيرات عاطفية، ودافعة، ونفسية إلى جانب إشارات سلوكية تقليدية. بدلاً من استهداف المستهلكين فقط بناءً على ما اشتروه، تسعى هذه النماذج لفهم المحركات الأساسية مثل التفاؤل، والثقة المالية، واحتياجات الأمان، ودوافع المكانة، وسلوكيات الوقاية، ورفاهية العاطفية. مع تزايد توفر هذه المناهج من خلال أنظمة الذكاء الاصطناعي المستندة إلى السحابة وأسواق البيانات، قد يحصل المسوقون على وصول مباشر إلى إشارات المستهلك السببية التي كان من الصعب قياسها سابقًا على نطاق واسع. تشير الإعلانات والصادرات الأخيرة في الصناعة إلى أن نماذج المستهلكين العاطفية والدافعة بدأت تتحرك من الأبحاث الأكاديمية إلى النشر التجاري.
تمتد الآثار إلى ما هو أبعد من استهداف الجمهور. قد تؤدي نفس الإشارات العاطفية والدافعة في النهاية إلى تحسين التوقعات والتخصيص، وتخصيص الوسائط، وتطوير المنتجات، وصنع القرار الذكائي المدبر من خلال تزويد النماذج بمعلومات حول سبب حدوث السلوك بدلاً من ما حدث فقط.
الدرس الأوسع يمتد بعيدًا عن الإعلان.
أدى الذكاء الاصطناعي إلى سباق لبناء نماذج أكبر، وبنية تحتية أكثر تعقيدًا، ومجموعات بيانات متصلة بشكل متزايد. ومع ذلك، قد لا تكون المنظمات التي تجمع أكبر قدر من البيانات هي الفائزين في المستقبل. قد تكون المنظمات التي تجمع أكبر قدر من البيانات السببية ذات الصلة.
توفر الأبحاث في نورث وسترن التي تقترح تحسينًا أو أربع مرات في دقة الاستهداف دليلًا مهمًا. قد لا تأتي النتائج الأفضل من تغذية الذكاء الاصطناعي بمزيد من الهدر السلوكي. قد تأتي من تغذية الذكاء الاصطناعي بمعلومات أفضل حول الدوافع والتوقعات والعواطف والنوايا البشرية التي تخلق السلوك في المقام الأول.
أنفقت صناعة الإعلان عقودًا في بناء أنابيب متزايدة التعقيد.
قد تأتي الاختراق التالي من فهم الأشخاص وراء الأنابيب أخيرًا.
إفصاح: تم إجراء دراسة مشاعر المستهلك المذكورة أعلاه بواسطة شركتي، تحليلات والتبصر في الازدهار. هذه هي نفس مجموعة البيانات التي استخدمها الاتحاد الوطني للبيع بالتجزئة، ومتاحة من خدمات أمازون ويب، وبلومبرغ، ومجموعة بورصة لندن للتحليل الاقتصادي.
