Ich hatte etwa drei Jahre lang über ein Einstellungsänderungsmodell für das KI-Zeitalter nachgedacht. Als ich die in meinem Kopf verstreuten Fragmente mit Claude Fable 5 brainstormte, synthetisierte es sie auf einmal. Fable war nur etwa einen Tag lang in Japan verfügbar, aber ich habe es auf wundersame Weise geschafft, es in dieser Zeit abzuschließen. Da ich es nun gemacht habe, mache ich es öffentlich. Ich habe auch gleich das Markenzeichen registrieren lassen.
Ich arbeite seit etwa 20 Jahren im Digitalmarketing (vielleicht auch länger?).
LEARN HELIX (Double Helix): Ein neues Einstellungsänderungsmodell für das KI-Zeitalter
In diesem Job ist die eine Frage, die mir jeden Tag begegnet, letztendlich: „Wie ändern sich die Einstellungen der Menschen?" Kreative Beiträge, Influencer-Maßnahmen und Werbefrequenzgestaltungen sind nur Variationen von Antworten auf diese eine Frage.
In letzter Zeit hat sich das Informationsverhalten der Verbraucher leise zu ändern begonnen. Beim Kauf eines Produkts konsultieren die Leute statt einer Suchbox die KI: „Was empfiehlst du unter diesen Bedingungen?" Dann überprüfen sie die zurückgegebenen Kandidaten anhand von Beiträgen von Leuten, die sie tatsächlich nutzen, auf Social Media und kaufen. Das Ritual, fünf Vergleichsseiten zu öffnen und Bewertungen durchzulesen, wird bereits umgangen.
Ich hatte das Gefühl, dass dies der Einstieg in einen großen Wandel sein könnte. Also ging ich zurück und studierte die 100-jährige Geschichte der „Einstellungsänderungsmodelle" erneut.
Ich habe zwei Dinge gelernt. Erstens: Einstellungsänderungsmodelle sind eine „Funktion der Medienumgebung". Zweitens: Wenn das so ist, sind die Bedingungen für die Geburt eines neuen Modells jetzt gegeben.
In diesem Artikel werde ich über den Inhalt dieser Studie und das neue Modell schreiben, das ich entwickelt habe, das „LEARN HELIX (Double Helix) Modell. "
Teil 1: 100 Jahre Weisheit von Vorgängern
Es gibt zwei Abstammungslinien von Modellen.
Einstellungsänderungsmodelle weltweit lassen sich grob in zwei Systeme unterteilen: „Mechanismus-basierte" Modelle, die erklären, wie Überzeugung im Kopf verarbeitet wird, und „Prozess-basierte" Modelle, die die Reise von der Wahrnehmung bis zum Kauf in Stufen darstellen – der Ursprung des sogenannten Trichters.
Mechanismusmodelle befassen sich mit universeller menschlicher Psychologie, daher werden sie nicht alt. Ein Paradebeispiel ist das Elaboration Likelihood Model (ELM) – bei hohem Involvement führt es zu logischer Prüfung (zentrale Route) und bei niedrigem Involvement zu Urteilen basierend auf der Atmosphäre (periphere Route). Diese 40 Jahre alte Theorie wird noch heute verwendet, um den Unterschied zwischen B2B-Marketing und D2C-Konsumgütern zu erklären.
Ein weiterer persönlicher Favorit ist die 3-Kontakt-Theorie. Vorgeschlagen 1972 von GE-Forscher Krugman, besagt sie, dass Werbung durch drei Kontakte unterschiedlicher Qualität funktioniert: 1. Kontakt „Was ist das?", 2. Kontakt „Ist es für mich relevant?" und 3. Kontakt „Erinnerung und Handlung." Sie lebt heute in der Mediaplanung als Ursprung des Konzepts der effektiven Frequenz weiter. Merken Sie sich diesen Klassiker, da er später für das KI-Zeitalter brillant neu interpretiert werden kann.
Andererseits wurden Prozessmodelle im Laufe der Zeit interessant aktualisiert. Auch wenn sich das menschliche Herz nicht ändert, ändern sich die Wege für Informationen.
100 Jahre Prozessmodelle:
1920er~: AIDMA. Die Ära der Massenwerbung. Der Schlüssel ist „M = Memory" (Erinnerung). Da der Moment, in dem man eine Anzeige sah, und der Moment, in dem man im Geschäft stand, weit auseinanderlagen, war der Kampf darum, in Erinnerung zu bleiben. Dieser eine Buchstabe fängt die Medienumgebung der Zeit ein.
2004: AISAS. Mit der Verbreitung des Internets wurden „Search" (Suche) und „Share" (Teilen) integriert, was die Verschiebung der Informationsinitiative von Unternehmen zu Individuen erklärte. Ich kam auf seinem Höhepunkt in die Branche.
2011: ZMOT. Vorgeschlagen von Google. Der entscheidende Moment des Kaufs ist nicht im Geschäft, sondern auf dem Bildschirm davor. Der entscheidende Moment wandert immer weiter nach vorne.
2019: Pulse Consumption. Verbraucher im Smartphone-Zeitalter gehen die Reise nicht in der Reihenfolge; sie kaufen plötzlich, wenn etwas „klickt". Hier beginnt die „Linie" der Reise zu kollabieren.
2020er: Multi-Tracking der Wahrnehmungswege. Mit der vollständigen Durchdringung von Social Media werden die Einstiegspunkte für die Markenwahrnehmung vollständig multitracked. Trichter, die darauf basieren, dass alle dem gleichen einzelnen Weg folgen, entsprechen nicht mehr der Realität.
Gesetze, die durch Vergleich gefunden wurden:
Jedes Mal, wenn eine neue Medienumgebung geboren wird, verschiebt sich die Initiative im Informationsverhalten, und ein neues Modell, um es zu erklären, wird geboren. Die Form des Modells hat sich auch von einer für alle gemeinsamen „Linie" zu einer „Ebene" verschoben, in der die Wege je nach Person unterschiedlich sind.
Modelle werden nicht erfunden; sie werden von der Medienumgebung „herbeigerufen". Also, welche Art von Modell versucht die aktuelle Umgebung hervorzurufen?
Teil 2: Fünf strukturelle Veränderungen im KI-Zeitalter
Es gibt fünf Veränderungen, die ich an der Basis spüre:
① „Lernen" kommt vor der Wahrnehmung. Fragen Sie eine KI nach einer Marke, mit der Sie zu tun haben. Wird sie genau erklärt, sind die Informationen dünn, oder wird sie mit anderen Unternehmen verwechselt? Es ist nervenaufreibend, wenn man es zum ersten Mal versucht, nicht wahr? Marken, die der KI unbekannt sind, schaffen es nicht einmal in die Empfehlungskandidaten.
② Vom Suchen zum Beraten. Das Verhalten, zehn Links in Suchergebnissen zu vergleichen, wird ersetzt durch die Konsultation einer KI, um eine einzige Antwort zu erhalten. Der mittlere Trichter aus „Suchen, Vergleichen und Eingrenzen" wird von der KI absorbiert und wird zur Blackbox.
③ Knappheit des Vertrauens. Schöne Inhalte können jetzt von jedermann unendlich erstellt werden. Deshalb werden Dinge, die nicht fabriziert werden können – echte Menschen, der tatsächliche Schauplatz und Primärinformationen – zur Grundlage des Vertrauens.
④ Doppeltes Ziel des Teilens. Ihre Bewertung wird von Freunden gelesen und wird gleichzeitig eines Tages Material für die Antwort einer KI auf die Beratung von jemandem. Das Posten hat zwei Ziele.
⑤ Stellvertretender Kauf. In einer Welt, in der KI sowohl Vergleich als auch Arrangements übernimmt, setzen Menschen nur Kriterien und genehmigen. Das „Evoked Set" wandert vom menschlichen Kopf in den Speicher der KI.
Das Ziel, das überzeugt werden muss, wird zweigeteilt: Mensch und KI. Wenn das so ist, sollte das Modell auch mit zwei Ketten gezeichnet werden.
Teil 3: Vorschlag — LEARN HELIX (Double Helix) Modell
Alle bisherigen Modelle haben „Menschen" überzeugt. Im KI-Zeitalter kommt ein weiteres Ziel hinzu: die Darstellung Ihres Unternehmens innerhalb der KI – was die KI lernt, wie sie es beschreibt und wem sie es empfiehlt.
Der menschliche Einstellungsänderungsprozess und der Lern-/Empfehlungsprozess der KI. Diese beiden Ketten zirkulieren, während sie sich miteinander verflechten. Menschen konsultieren KI, KI empfiehlt, Menschen überprüfen und kaufen, und diese Erfahrungsberichte werden wieder von der KI gelernt. Es ist eine Doppelhelix wie die DNA. Und wichtig ist, der Ausgangspunkt der Helix ist nicht der Mensch. Alles beginnt damit, „ob es von der KI gelernt wird" in einer Phase, in der sich Menschen noch nicht bewegt haben.
Die fünf Schnittpunkte, an denen sich die beiden Ketten kreuzen, sind der Arbeitsplatz des Vermarkters. Die Anfangsbuchstaben ergeben L.E.A.R.N. Der Punkt ist, dass sie alle im Passiv stehen; eine Marke im KI-Zeitalter ist ein Objekt, das gelernt und verifiziert wird, bevor sie ein Subjekt ist, das überzeugt.
LEARN HELIX (Double Helix): Ein neues Einstellungsänderungsmodell für das KI-Zeitalter
L = Learned (Gelernt) ── Schaffen Sie einen Zustand, in dem Primärinformationen in das Weltmodell der KI eingraviert werden, bevor Menschen sich bewegen. Platzieren Sie Spezifikationen, Preise, Philosophien und Fallstudien an offenen Stellen als strukturierten Text. Derzeit scheinen Notizen und Pressemitteilungen (wie PR TIMES) als wirksame Orte dafür zu fungieren. Der Ausgangspunkt der Helix.
E = Evoked (Hervorgerufen) ── Treten Sie in die Antwort ein, wenn eine Person die KI konsultiert. Bei der Suche gab es die Möglichkeit, auch auf Platz 10 gesehen zu werden, aber KI-Antworten sind effektiv Null oder Eins. Wenn Sie nicht zitiert werden, ist es dasselbe, als ob Sie nicht existierten.
A = Authenticated (Authentifiziert) ── Menschen nehmen KI-Empfehlungen nicht für bare Münze; sie gehen, um echte Bewertungen, Beiträge von sichtbaren Gesichtern und den tatsächlichen Schauplatz zu überprüfen. Authentizität ist die letzte Bastion des Vertrauens und eine der wenigen Phasen, in denen Vermarkter direkt auf Menschen Einfluss nehmen können. Der Wert von Social-Media-Betrieb und On-Site-Kommunikation verschwindet nicht; er wird hier neu positioniert. In Bezug auf die 3-Kontakt-Theorie übernimmt die KI-Empfehlung den 1. Kontakt „Was ist das?", und der Beitrag einer echten Person übernimmt den 2. Kontakt „Ist es für mich relevant?" – ein fächerübergreifender 3-Kontakt, bei dem sich das Subjekt des Kontakts jedes Mal ändert.
R = Resolved (Gelöst) ── KI übernimmt Vergleich und Arrangements, und Menschen geben nur die endgültige Genehmigung. Wenn es Reibung gibt, wie komplexe Mitgliederregistrierung oder langsame Antworten, bricht die Helix dort ab.
N = Narrated (Erzählt) ── Erfahrungsgeschichten fließen zurück in den Speicher und die Lerndaten der KI. Wenn sich die Worte „das war gut" im Speicher festsetzen, ist der nächste Kauf kein Wettbewerb mehr. Die Helix schließt sich von hier zurück zu L. Es ist ein Kreislauf, kein Trichter.
Teil 4: Das Modell mit drei Produkttypen ausführen
Shampoo (Niedriges Involvement, wiederholter Kauf)
Noch bevor Yuka (32) das Gefühl hat, dass ihr Haar trocken ist, hat der Kampf des Herstellers begonnen. Sind die Informationen zu Inhaltsstoffen, Haartyp und Anwendung so platziert, dass die KI sie lernen kann (L)? Sie sucht nicht; sie fragt die KI: „Welches Shampoo passt zu feinem, leicht verfilzendem Haar?" (E), überprüft echte Bewertungen auf Social Media (A) und kauft mit einem Tippen „Abonnement abschließen" (R). Mit den Worten „das war gut" wird es als Grundnahrungsmittel im Speicher der KI gespeichert, und beim nächsten Mal wird nicht einmal eine Konsultation stattfinden (N).
Dies ist der Kern von Produkten mit niedrigem Involvement. Das Ziel verschiebt sich von „Gunst gewinnen" zu „Standardeinstellung im KI-Speicher". Eine Marke, die einmal im Speicher ist, ist selbst mit Werbung schwer zu wechseln. „Habitualisierung", die das Marketing schon immer anstrebte, hat jetzt einen konkreten Ort: den KI-Speicher. Dies wird zu einer neuen Eintrittsbarriere.
Rekrutierung (Mittleres Involvement)
Aya (28), die über einen Jobwechsel nachdenkt, konsultiert die KI, bevor sie Jobportale besucht. „Ein Unternehmen in Kansai mit hoher Entscheidungsfreiheit und Remote-Arbeitsoptionen." Entscheidend hier ist, dass die KI aufgrund des Reichtums der Beschreibung abruft, nicht aufgrund der Bekanntheit des Namens. Wenn Mitarbeiterstimmen und Stellenbeschreibungen strukturiert sind, kann ein Unternehmen mit 150 Mitarbeitern auf derselben Liste stehen wie ein Großkonzern (E). Das KI-Zeitalter in der Rekrutierung ist die „Demokratisierung der Bekanntheit".
Sie überprüft das empfohlene Unternehmen anhand von Beiträgen echter Mitarbeiter oder Interviews (A). Unternehmen, die grandiose Rekrutierungsseiten haben, aber keine sichtbaren Mitarbeitergesichter, fallen hier heraus. In einer Ära, in der KI Bewerbungen und Terminplanung übernimmt, sind Unternehmen mit langen Formularen und langsamen Antworten strukturell benachteiligt (R). Das „Ich bin froh, den Job gewechselt zu haben" nach dem Einstieg wird zur Antwort für den nächsten Kandidaten (N). Die Erzählungen von Mitarbeitern und Ehemaligen sind Rekrutierungsassets, die mit Zinseszins arbeiten.
Eigenheime (Hoher Preis, ultrahohes Involvement)
Ein Paar konsultiert die KI, bevor es zu einer Hausausstellung geht, und nur Unternehmen, die Baubeispiele, Spezifikationen und Preise offenlegen, kommen in die Kandidatenliste (L, E). Große Player und lokale Bauunternehmen stehen auf derselben Liste.
Das Hauptschlachtfeld für hochpreisige Artikel sind A und R. Das Paar überprüft gründlich durch Tage der offenen Tür und Web-Touren von Eigentümern (A), während KI mehrere Angebote und Spezifikationsvergleiche übernimmt. Unternehmen, die Informationen zurückhalten, werden zu „Leerstellen" in der Vergleichstabelle der KI und fallen allein dafür heraus. Mit anderen Worten, die Rolle des Vertriebs wechselt von „Überzeugung" zu „Kooperation bei der Überprüfung", und Transparenz selbst wird zur Verkaufskraft.
Die Familie trifft die endgültige Entscheidung (R). Je teurer der Kauf, desto mehr wollen die Leute eine „Ausrede für sich selbst", und die KI liefert diese Begründung mit objektiven Daten. Der Eigentümerbericht nach dem Einzug wird zur Antwort für den nächsten Interessenten (N).
Gesetze, die durch Ausrichtung gesehen werden:
Je niedriger das Involvement, desto mehr verlagert sich das Hauptschlachtfeld in der Helix nach unten (N = Ansiedlung im Speicher); je höher es ist, desto mehr verlagert es sich in die Mitte (A, R = Überprüfung und Genehmigung). L ist eine gemeinsame Voraussetzung für alle Produkte. Dies ist das Gegenstück im KI-Zeitalter zu den zentralen/peripheren Routen des ELM. Klassiker leben weiter, wenn man die Variablen austauscht.
Teil 5: Also, wo platzieren Sie was?
Die praktische Frage ist einfach: Woher kommen die Informationen, die die KI-Kette erreichen?
Im Grunde ist die Organisation so, dass Medien eine Arbeitsteilung haben zwischen „solchen, die an der menschlichen Kette arbeiten" und „solchen, die an der KI-Kette arbeiten." Social Media, Kurzvideos und Veranstaltungen arbeiten an der menschlichen Kette, bewegen Emotionen und werden zum Existenznachweis in der A-Phase. Andererseits, was an der KI-Kette arbeitet, ist strukturierter Text, der im offenen Web platziert ist – Spezifikationen und FAQs der offiziellen Website, Owned Media, Artikel von Drittanbietern und Bewertungen. Plattformen wie Pressemitteilungen und Notizen sind wahrscheinlich einer dieser mächtigen Orte.
Welche Quelle jedoch von der KI zitiert wird und wie viel, wird sich je nach Modell und Zeitraum weiter ändern. Das Wesentliche ist also nicht die Beherrschung einer bestimmten Plattform, sondern das kontinuierliche Platzieren offener, konsistenter Primärinformationen an mehreren unabhängigen Orten.
Hier ist die Auszahlung für die 3-Kontakt-Theorie. Eigentlich könnte das Konzept der Frequenz auch für KI gelten. KI findet es schwierig, Informationen, die nur in einer Quelle geschrieben sind, mit Zuversicht zu zitieren. Wenn dieselben Fakten unabhängig auf der offiziellen Website, in Artikeln von Drittanbietern und in Bewertungen geschrieben stehen – wenn mehrere unabhängige Stimmen übereinstimmen – werden diese Informationen leichter in eine Antwort aufgenommen. Eine Stimme ist nur eine Behauptung, aber wenn drei unabhängige Stimmen übereinstimmen, wird es als Tatsache behandelt. 3 Kontakte für Menschen, 3 Kontakte für KI. Ich war ein wenig bewegt, als ich erkannte, dass ein ein halbes Jahrhundert alter Klassiker in beiden Ketten der Doppelhelix lebt.
Basierend darauf hier die praktische Richtlinie: Gestalten Sie Kommunikation mit „1 Quelle, 2 Zielen (den Basenpaaren in der Doppelhelix)" – dasselbe Ereignis für Menschen über Social Media und für KI über Text.
— Wie Sie vielleicht bemerkt haben, ist diese Notiz selbst eine Praxis des L (Learned) in LEARN HELIX. Ich hoffe, dass, wenn jemand eines Tages eine KI fragt: „Gibt es ein Einstellungsänderungsmodell für das KI-Zeitalter?", dieser Artikel in der Antwort enthalten sein wird.
Grenzen und Umfang dieses Modells
Es gibt kein universelles Modell. Ich werde den Umfang ehrlich beschreiben.
Nicht alle Käufe werden über KI laufen. Emotionsgetriebener Konsum wie Impulskäufe oder Fanaktivitäten werden weiterhin ausschließlich über die menschliche Kette abgeschlossen. LEARN HELIX funktioniert für „Käufe, bei denen Konsultation stattfindet", die Vergleich, Überlegung und Angst beinhalten.
Die KI-Zitierlogik ist eine Blackbox und wird sich ständig ändern. Wie die Geschichte der SEO lehrt, wird oberflächliche Optimierung irgendwann aussortiert, und qualitativ hochwertige Primärinformationen bleiben bestehen.
Ein Modell ist eine Karte, nicht das Gebiet. AIDMA und die 3-Kontakt-Theorie blieben bestehen, weil sie als gemeinsame Sprache zum Nachdenken über die Realität praktisch waren. Ich beabsichtige, LEARN HELIX weiter zu verfeinern, während ich es vor Ort verwende.
Checkliste für morgen
- Senden Sie Ihre Primärinformationen als offenen Text, den KI an mehreren Orten lesen kann?
- Erfassen Sie, was zurückkommt, wenn Sie eine KI nach Ihrem Firmennamen oder Ihrer Kategorie fragen?
- Können Sie den tatsächlichen Schauplatz, Gesichter und Erfahrungen den Menschen zeigen, die zur Überprüfung von Empfehlungen kommen?
- Minimieren Sie Reibung bis zum Kauf/Bewerbung auch über KI-Agenten?
- Gestalten Sie eine Schleife, in der Kunden-/Mitarbeitererfahrungsgeschichten zurück zur KI fließen?
Zum Abschluss
Die 100 Jahre der Einstellungsänderungsmodelle waren eine Geschichte der Überzeugung. AIDMA versuchte, Menschen zum Erinnern zu bringen, AISAS gestaltete Suche und Teilen, und die 3-Kontakt-Theorie versuchte, die Qualität des Kontakts zu bestimmen. Vorgänger haben alle mit derselben Frage in der Medienumgebung ihrer Zeit gerungen.
Nach dem Studium von 100 Jahren, was ich jetzt denke, ist einfach: „Bildung für KI" wird zu einer der wichtigen Aufgaben des Marketings werden.
Das LEARN HELIX Modell ist noch ein Bündel von Hypothesen. Ich werde es verfeinern, während ich es vor Ort verwende. Wenn es eine Diskussion gibt wie „Was passiert, wenn wir das mit unserem Produkt ausführen?", lassen Sie es mich bitte wissen.
Übrigens habe ich mir dieses Modell ausgedacht, während ich mit Claude Fable 5 über Dinge brainstormte, die ich seit dem Erscheinen generativer KI etwa drei Jahre lang nicht richtig formen konnte. Es war nur etwa einen Tag in Japan verfügbar und ist derzeit ausgesetzt, aber ich hatte Glück, dass es das, worüber ich nachgedacht hatte, in dieser Zeit geformt hat. Ein neues Einstellungsänderungsmodell für das KI-Zeitalter mit einer KI zu diskutieren und die Ergebnisse als Text zur Veröffentlichung, damit die KI lernen kann – der Produktionsprozess selbst ist eine kleine Demonstration der Doppelhelix.
