شاخص موفقیت پایلوت هوش مصنوعی؛ ادامه بدهیم، اصلاح کنیم یا متوقف کنیم؟

در جلساتی با یک مجموعه، با وضعیتی روبه‌رو شدیم که برای بسیاری از تیم‌های محتوا آشناست. از هوش مصنوعی برای تولید ویدئوهای فضای مجازی کمک گرفته بودند تا بازدید و تعداد دنبال‌کنندگان بالا برود. اما هدف اصلی کسب‌وکار فروش بود. ویدئوها بیشتر به سمت محتوای سرگرم‌کننده رفته بودند؛ بدون اینکه از ابتدا استراتژی فروش، مخاطب بالقوه برای خرید، شیوه معرفی محصول و اقدام بعدی بیننده به‌روشنی طراحی شده باشد.

اینجا پرسش من «چرا ویدئوی فان ساختید؟» نبود. پرسش این بود: «اگر کسی ویدئو را دید و خوشش آمد، بعد چه؟ از کجا می‌فهمیم این توجه به گفت‌وگوی خرید یا سفارش رسیده است؟» بر اساس اطلاعاتی که از این تجربه داریم، نباید ادعا کنیم فروش حتماً افت کرده یا این ویدئوها هیچ فروشی نساخته‌اند؛ داده‌ای برای چنین نتیجه‌ای در دست نیست. مسئله این بود که شاخص مورد توجه با هدف اصلی هم‌راستا نبود و مسیر رسیدن از محتوا به فروش به‌قدر کافی طراحی و سنجیده نشده بود.

پژوهشی منتشرشده در Journal of Marketing که نتایج ۸۶ مطالعه را مرور کرده، نشان می‌دهد محتوای احساسی می‌تواند برای تعامل مؤثر باشد، اما آنچه تعامل ایجاد می‌کند لزوماً همان چیزی نیست که فروش را تقویت می‌کند؛ محتوای اطلاعاتی و توضیح مزیت محصول نیز در تصمیم خرید نقش دارد. پس نتیجه این تجربه «محتوای سرگرم‌کننده را حذف کنید» نیست؛ نتیجه این است که برای هر محتوا، نقش آن در مسیر خرید را بدانید.

بازدید و دنبال‌کننده، اگر هدف آگاهی از برند باشد، می‌توانند مفید باشند. اما اگر هدف فروش است، به‌تنهایی جواب سؤال مدیر را نمی‌دهند. Tableau نیز یادآور می‌شود هیچ شاخصی ذاتاً «تزئینی» نیست؛ مسئله این است که آیا به تصمیمی درباره هدف کسب‌وکار کمک می‌کند یا فقط عدد خوبی برای ارائه است.

اگر قرار بود همین ایده دوباره به‌صورت پایلوت اجرا شود، ابتدا وضع فعلی سرنخ‌ها و سفارش‌های مرتبط با محتوا ثبت می‌شد. سپس برای چند محتوای محدود، مخاطب هدف، پیام محصول و اقدام بعدی مشخص تعریف می‌کردیم؛ مثلاً مراجعه به صفحه محصول یا ثبت درخواست مشاوره خرید. بازدید را هم کنار نمی‌گذاشتیم، اما در کنار پرس‌وجوهای مرتبط، مراجعه‌های قابل‌ردیابی و سفارش‌های ثبت‌شده می‌دیدیم. برای لینک‌های سایت می‌توان از برچسب‌های پیگیری کمپین استفاده کرد تا منشأ بخشی از مراجعه‌ها روشن‌تر شود؛ این روش به‌تنهایی تمام تماس‌ها، پیام‌ها یا خریدهای غیرمستقیم را ردیابی نمی‌کند.

در این صورت اگر بازدید خوب بود اما مراجعه یا پرس‌وجوی مرتبط شکل نمی‌گرفت، تصمیم اولیه احتمالاً «اصلاح مسیر» بود، نه کنار گذاشتن فوری هوش مصنوعی: شاید مخاطب ویدئو با مشتری هدف یکی نبوده، شاید مزیت محصول دیده نشده، یا شاید اقدام بعدی برای بیننده روشن نبوده است. این‌ها فرضیه‌های قابل‌آزمون‌اند، نه تشخیص قطعی درباره آن مجموعه.