Dar prieš kelerius metus dalis reklamos agentūros vertės slypėjo tame, kad ji turėjo įrankius ir kompetencijas, kurių pats klientas paprastai neturėjo. Šiandien situacija kitokia. Teksto variantą, vizualo idėją ar pirmą kampanijos struktūrą su dirbtinio intelekto pagalba gali pasiruošti ir pats verslas.
Tai nereiškia, kad agentūros tapo nereikalingos. Greičiau pasikeitė klausimas, už ką joms iš tikrųjų mokama.
Renkantis, su kuo dirbti, vien faktas, kad skaitmeninės reklamos agentūra naudoja AI, šiandien mažai ką pasako. Kur kas įdomiau, kam jis naudojamas, kas tikrina rezultatą ir kur prasideda žmogaus sprendimas.
Kas iš tikrųjų pasikeitė agentūrų darbe?
Dirbtinis intelektas geriausiai matomas ten, kur anksčiau reikėdavo daug rankinio darbo.
Pavyzdžiui, paruošti kelias skelbimo antraščių kryptis, susisteminti didelį duomenų kiekį, padaryti pirmą ataskaitos santrauką ar iš vienos kūrybinės idėjos išvystyti daugiau variantų dabar galima gerokai greičiau.
Tačiau greitesnė gamyba ir geresnė reklama nėra tas pats.
Įsivaizduokime dvi agentūras. Abi per vieną dieną gali parengti dvidešimt reklamos variantų. Viena juos tiesiog paleidžia. Kita iš jų atrenka keturis, nes žino, kokią auditorijos problemą tikrina kiekvienas variantas, kokiam pirkėjo kelio etapui jis skirtas ir pagal kokį rodiklį bus vertinamas.
Iš šalies abiejų komandų produktyvumas gali atrodyti panašiai. Rezultato logika – visai kita.
AI sutrumpino kelią iki pirmo varianto. Jis nepanaikino poreikio nuspręsti, kuris variantas apskritai vertas kliento biudžeto.
Kuo skaitmeninės reklamos agentūra turėtų išsiskirti, kai AI prieinamas visiems?
Prieš keletą metų įspūdingai paruošta prezentacija galėjo būti šioks toks signalas, kad komanda skyrė nemažai laiko analizei ir pasiruošimui. Dabar vien prezentacijos blizgesys sako kur kas mažiau – gerai atrodančią medžiagą pagaminti tapo paprasčiau.
Todėl verta žiūrėti ne tik į tai, ką agentūra pristato, bet ir kaip iki to priėjo.
Ar komanda gali paaiškinti, kodėl pasirinko vieną auditoriją, o ne kitą? Kodėl dalis biudžeto skiriama paieškai, o dalis socialiniams tinklams? Kodėl vienas pasiūlymas testuojamas dabar, o kitas paliekamas vėlesniam etapui?
Tas pats galioja ir AI.
Vienos agentūros jį naudos idėjų generavimui, kitos – duomenų analizei, ataskaitoms, reklaminių tekstų variantams ar techninėms užduotims. Pats įrankių sąrašas nėra labai svarbus. Svarbiau, ar aiški riba tarp automatizuoto darbo ir sprendimo, už kurį kažkas prisiima atsakomybę.
Penki klausimai agentūrai prieš pasirašant sutartį
Apie dirbtinį intelektą nebūtina rengti atskiro dviejų valandų susitikimo. Dažniausiai užtenka kelių normalių klausimų.
1. Kuriuose jūsų darbo etapuose naudojamas AI?
Geras atsakymas nebūtinai turi būti ilgas. Svarbu, kad jis būtų konkretus. „Naudojame moderniausias technologijas“ nepaaiškina beveik nieko.
2. Kas patikrina AI parengtą turinį prieš jam pasiekiant klientus?
Sugeneruoti penkiasdešimt antraščių lengva. Atsirinkti tas, kurios atitinka prekės ženklo toną, nėra klaidinančios ir realiai tinka kampanijai, vis dar yra redakcinis bei strateginis darbas.
3. Kokie mano verslo duomenys patenka į naudojamus įrankius?
Tai ypač svarbu, jei agentūrai perduodama nevieša informacija – kainodara, klientų duomenys, pardavimų rezultatai ar vidiniai dokumentai.
4. Jei dalis darbų atliekama greičiau, ką klientas iš to gauna?
Nebūtinai mažesnę sąskaitą. Vertė gali atsirasti ir kitur: daugiau kūrybos testų, dažnesnė analizė, greitesnės korekcijos ar daugiau laiko strateginiam darbui.
Svarbiausia, kad efektyvumo naudą jaustų ne vien paslaugos teikėjas.
5. Ką po trijų mėnesių laikysime geru rezultatu – ir ką laikysime nesėkme?
Šitas klausimas su AI tiesiogiai nesusijęs, bet apie agentūros darbo kokybę dažnai pasako daugiausia. Jei rezultato kriterijai apibrėžiami tik jau pasibaigus kampanijai, praktiškai bet kokius skaičius galima paaiškinti kaip sėkmę.
Kur dirbtinis intelektas padeda mažiau, nei atrodo?
Didžiausia AI stiprybė yra gebėjimas greitai apdoroti informaciją ir pasiūlyti variantų. Bet verslo sprendimuose vien variantų neužtenka.
Tarkime, ataskaitoje matyti, kad vienas kanalas šį mėnesį atveda užklausas 30 procentų pigiau nei kitas.
Automatinė rekomendacija gali būti paprasta: perkelkime didesnę biudžeto dalį ten.
Žmogui dar kyla keli klausimai. Ar pigesnės užklausos virsta tokios pačios vertės klientais? Ar kanalas išlaikys rezultatą padvigubinus biudžetą? Ar sumažinus investicijas į kitą kanalą po kelių mėnesių nesumažės bendras paklausos kiekis?
Ataskaitoje atsakymo gali nebūti.
Čia ir atsiranda verslo kontekstas: maržos, sezoniškumas, pardavimo ciklo trukmė, komandos pajėgumas aptarnauti naujas užklausas, ankstesni bandymai ir tai, kas vyksta rinkoje.
Dirbtinis intelektas gali padėti informaciją surinkti ir struktūruoti. Sprendimas, ką su ja daryti, išlieka svarbiausia darbo dalimi.
„Demoagency“ šį santykį apibrėžia gana paprastai: AI naudojamas kaip greičio ir produktyvumo įrankis, bet ne kaip pozicionavimo, biudžeto paskirstymo ar atsakomybės už rezultatą pakaitalas.
Duomenų klausimas tampa dar svarbesnis
AI naudojimas turi ir ne tokią matomą pusę – jo rezultatas priklauso nuo informacijos, su kuria dirbama.
Prasti arba nepilni duomenys gali labai greitai virsti profesionaliai skambančia, bet klaidinga išvada. Tai aktualu ne tik reklamai. Apie DI taikymą versle, duomenų valdymą ir su tuo susijusias rizikas plačiau rašyta .
Reklamos kontekste tai galima pamatyti labai praktiškai.
Jei analitikoje neteisingai sužymėtos konversijos, AI gali nepriekaištingai išanalizuoti neteisingus skaičius. Jei CRM neatskiria kokybiškų užklausų nuo nekokybiškų, algoritmas gali optimizuoti reklamą būtent tiems kontaktams, kurių pardavimų komanda nenori.
Automatizacija blogo pamato nesutvarko. Kartais ji tiesiog leidžia greičiau padaryti neteisingą išvadą.
Trys ženklai, kad AI pradeda dirbti ne kliento naudai
Pirmas – ataskaitų daugėja, bet sprendimų mažėja.
Dešimties puslapių mėnesio santrauka nėra vertingesnė už vieną puslapį vien todėl, kad joje daugiau teksto. Klientui svarbiausia suprasti: kas pasikeitė, kodėl tai svarbu ir ką dėl to darysime kitą mėnesį.
Antras – turinys tampa vis labiau pakeičiamas.
Jei pašalinus logotipą nebeįmanoma pasakyti, kuriai įmonei priklauso reklaminis tekstas ar vizualas, problema nebūtinai yra pats AI. Greičiau kažkas nepadarė paskutinės, svarbiausios darbo dalies – nepritaikė rezultato konkrečiam prekės ženklui.
Trečias – agentūra nustoja užduoti klausimus.
Per pusmetį versle gali pasikeisti kainos, prioritetai, marža, produktai, klientų tipai ar pardavimų komandos situacija. Jei partneris vis dar dirba pagal informaciją, gautą pirmą bendradarbiavimo mėnesį, net pats pažangiausias modelis analizuos pasenusį verslą.
Nė vienas šių signalų atskirai dar nereiškia, kad reikia keisti partnerį. Tačiau jei visi trys tampa nuolatine darbo norma, verta paklausti, kur tiksliai šiame procese kuriama agentūros vertė.
Ką tai reiškia verslui, kuris agentūrą renkasi šiandien?
Paradoksas gana paprastas: kuo daugiau rutininių darbų galima automatizuoti, tuo svarbesni tampa žmonių priimami sprendimai.
Klientui nebereikia mokėti už tai, kad kažkas rankomis padarytų darbą, kurį įrankis gali atlikti per kelias minutes. Tačiau vis dar verta mokėti už gerai suformuluotą problemą, teisingą prioritetą, kampanijos logiką, duomenų interpretaciją ir žmogų, kuris gali pasakyti: šito dabar nedarome, nes pinigus prasmingiau skirti kitur.
Todėl renkantis reklamos partnerį verta mažiau klausti, ar jis „naudoja AI“, ir daugiau – kaip AI pakeitė jo darbo procesą ir ką iš to realiai gauna klientas.
Jei atsakymas aiškus, technologija tampa privalumu. Jei atsakymas apsiriboja gražiais terminais, verta klausti dar kartą.
About the Author
