MRII: разрыв между инвестициями в ИИ и доверием потребителей — как его измерить
В индустрию ИИ влиты миллиарды долларов за последние два года, однако отдача поступает медленнее и неравномернее, чем обещал инвестиционный кейс. Маркетинговые команды перестраиваются под ИИ-нативные процессы. Производство, продажи и дистрибуция реструктурируются одновременно. При этом в категории за категорией показатели принятия отстают от объёмов расходов на ИИ. Разрыв между тем, что компании строят, и тем, что их клиенты готовы с этим делать, раз за разом оказывается неожиданностью.
Недоверие потребителей к ИИ ещё больше осложняет коммерческий потенциал технологии. Согласно AI Gap Study компании Iris Flex — репрезентативному исследованию 1003 взрослых жителей США — четверо из пяти американцев заявили, что не доверяют рекламе на основе ИИ и рекомендациям продуктов. Этот дефицит доверия объясняет, почему инвестиции в ИИ и отдача от них движутся по разным траекториям.
Это проблема измерения, которая прячется на виду.
Что сейчас не так с измерением ИИ
Большинство того, что называют AI-исследованиями сегодня, сводится к охвату и сентименту: сколько людей слышали о генеративных инструментах, сколько «интересуются» ИИ-опытом, как потребители в целом относятся к ИИ-инициативам бренда. Такие данные нужны, но они поверхностны. Они показывают, заметили ли люди ИИ. Они почти ничего не говорят о том, позволят ли люди ИИ действовать от их имени, в их категориях, с их деньгами — а это ключевой фактор для окупаемости инвестиций.
Настоящее измерение должно идти глубже охвата и сентимента. Идил Какым, основатель и CEO Iris Flex, выделяет четыре измерения, которые важны в совокупности:
Воздействие (Exposure) — как много ИИ человек встречает в повседневной жизни.
Комфорт (Comfort) — насколько легко человеку при контакте с ИИ.
Контекст (Context) — меняется ли готовность взаимодействовать с ИИ в зависимости от категории, ставок, ситуации.
Делегирование (Delegation) — готов ли человек действительно передать решение ИИ, или он хочет получить от ИИ входные данные, оставив финальное слово за собой.
Эти четыре измерения выведены из двух национальных исследований, проведённых через Iris Flex. Ни одно из них в отдельности не даёт полной картины. Человек может быть высоко воздействован ИИ и комфортен с ним абстрактно — и при этом отказываться делегировать покупательское решение в категории, которая воспринимается как личная или высокостатусная (например, продукт финансовых услуг, связанный с пенсионными накоплениями). Другой человек может сопротивляться ИИ везде, кроме одной области, где он явно экономит время — работы. Взаимодействие между воздействием, контекстом и готовностью к делегированию определяет реальное принятие. Усредняя это, компании вкладываются в «ИИ-опыт», которым большинство их реальных клиентов не будет пользоваться.
AI Proximity Index: от измерения к стратегии
Какым объединила четыре фактора в фреймворк под названием AI Proximity Index (APX) — в качестве приложения к своей книге AI for Marketing: The Consumer Perspective. APX измеряет четыре измерения и распределяет людей по восьми поведенческим сегментам: от Power Users, которые свободно делегируют решения во всех категориях, до Avoiders, которые сопротивляются ИИ даже после многократного контакта с ним.
В целом взрослые американцы высоко воздействованы ИИ, но не готовы ему делегировать. Разрыв составляет около 30 пунктов Net APX Score между уровнем воздействия ИИ и тем, как далеко люди фактически готовы его подпустить.
Понимать этот разрыв полезно, но знать, где именно он проявляется, — уже можно действовать. Практичность APX раскрывается при применении к реальной аудитории. Наложение APX-оценок на национальный датасет потребления медиа показывает, как AI proximity варьируется в зависимости от того, какие медиа люди потребляют еженедельно.
Паттерн обнаруживает разрыв между цифровыми и эфирными медиа. Слушатели подкастов, геймеры, аудитории стриминга и онлайн-видео располагаются выше среднего показателя по AI proximity — они более охотно позволяют ИИ участвовать в их решениях. Аудитории традиционного ТВ и радио — на уровне среднего или ниже. Это поведенческое различие, и именно такие сигналы упускают метрики охвата и трекеры сентимента: они появляются только при совместном измерении контекста и делегирования, с фокусом на конкретных аудиториях.
Возможность для профессионалов в области insights
Прямо сейчас перед индустрией insights открывается возможность. Исследователи особенно хорошо позиционированы, чтобы сообщить директору по маркетингу, директору по данным или CEO, где именно их клиенты находятся на шкале между воздействием ИИ и делегированием ИИ — и, следовательно, куда инвестировать, где сдержаться и где конкурент с высокой вероятностью совершит ошибку первым. Это прикладное поведенческое исследование. Оно опирается на ту же строгость, которую наша профессия уже применяет в сегментации, тестировании сообщений и journey mapping — нужно лишь направить её на новый, более актуальный вопрос.
Сложнее всего не методология — сложнее всего перевод. Модель сегментации с восемью именованными типами и proximity score — это исследовательский deliverable. Дорожная карта, которая говорит C-suite, какие категории готовы к ИИ-нативным опытам, каким нужен мост с участием человека, а каким следует оставаться нетронутыми ещё восемнадцать месяцев — это стратегия. Специалисты по insights не всегда делают этот следующий шаг от измерения к стратегии, но именно сейчас этот момент вознаграждает тех, кто его делает. Организации, которые сегодня реструктурируют своё производство, продажи и дистрибуцию под ИИ, нуждаются в человеке в комнате, способном сказать с доказательствами — не просто что их аудитория чувствует по отношению к ИИ, но как далеко эта аудитория фактически готова его подпустить. И который готов изложить эту находку перед советом директоров, а не только в приложении к отчёту.