Je réfléchissais à un modèle de changement d'attitude pour l'ère de l'IA depuis environ trois ans. Lorsque j'ai brainstormé les fragments éparpillés dans ma tête avec Claude Fable 5, il les a tous synthétisés d'un coup. Fable n'était disponible au Japon que pendant environ une journée, mais j'ai miraculeusement réussi à le terminer pendant ce temps. Maintenant que c'est fait, je le rends public. J'en ai même profité pour déposer la marque.
Je travaille dans le marketing digital depuis environ 20 ans (peut-être plus ?).
LEARN HELIX (Double Hélice) : Un nouveau modèle de changement d'attitude pour l'ère de l'IA
Dans ce métier, la seule question à laquelle je suis confronté chaque jour est en fin de compte : « Comment les attitudes des gens changent-elles ? » Les publications créatives, les mesures d'influence et les designs de fréquence publicitaire ne sont que des variations de réponses à cette seule question.
Récemment, le comportement informationnel des consommateurs a commencé à changer discrètement. Lorsqu'ils achètent quelque chose, au lieu d'utiliser un moteur de recherche, ils consultent l'IA : « Que recommandez-vous dans ces conditions ? » Ils vérifient ensuite les candidats proposés via les publications de personnes qui les utilisent réellement sur les réseaux sociaux, puis effectuent l'achat. Le rituel consistant à ouvrir cinq sites de comparaison et à lire les avis est déjà contourné.
J'ai senti que cela pourrait être l'entrée d'un changement majeur. Je suis donc revenu en arrière et j'ai réétudié 100 ans d'histoire des « modèles de changement d'attitude ».
J'ai appris deux choses. Premièrement, les modèles de changement d'attitude sont une « fonction de l'environnement médiatique ». Deuxièmement, si c'est le cas, les conditions pour qu'un nouveau modèle naisse sont désormais réunies.
Dans cet article, je vais écrire sur le contenu de cette étude et le nouveau modèle que j'ai imaginé, le « Modèle LEARN HELIX (Double Hélice). »
Partie 1 : 100 ans de sagesse des prédécesseurs
Il existe deux lignées de modèles.
Les modèles de changement d'attitude dans le monde se divisent en deux grands systèmes : les modèles « basés sur les mécanismes » qui expliquent comment la persuasion est traitée dans l'esprit, et les modèles « basés sur les processus » qui décrivent le parcours de la prise de conscience à l'achat par étapes — l'origine de ce qu'on appelle l'entonnoir.
Les modèles mécanistes traitent de la psychologie humaine universelle, donc ils ne vieillissent pas. Un excellent exemple est le Modèle de Probabilité d'Élaboration (ELM) — où un fort engagement conduit à un examen logique (voie centrale) et un faible engagement conduit à un jugement basé sur l'atmosphère (voie périphérique). Cette théorie vieille de 40 ans est encore utilisée aujourd'hui pour expliquer la différence entre le marketing B2B et les biens de consommation D2C.
Un autre classique que j'apprécie personnellement est la Théorie des 3 Impacts. Proposée en 1972 par le chercheur de GE, Krugman, elle postule que la publicité fonctionne à travers trois contacts de qualités différentes : 1er impact « Qu'est-ce que c'est ? », 2ème impact « Est-ce pertinent pour moi ? », et 3ème impact « Rappel et Action. » Elle perdure aujourd'hui dans la planification média comme l'origine du concept de fréquence efficace. Souvenez-vous de ce classique, car il pourra être brillamment réinterprété pour l'ère de l'IA plus tard.
D'un autre côté, les modèles de processus ont été mis à jour de manière intéressante au fil du temps. Même si le cœur humain ne change pas, les chemins de l'information, eux, changent.
100 ans de modèles de processus :
Années 1920~ : AIDMA. L'ère de la publicité de masse. La clé est « M = Mémoire ». Étant donné que le moment où l'on voit une publicité et celui où l'on se tient devant un magasin étaient très éloignés, la bataille consistait à être mémorisé. Cette seule lettre capture l'environnement médiatique de l'époque.
2004 : AISAS. Avec la diffusion d'Internet, « Recherche » et « Partage » ont été intégrés, déclarant le transfert de l'initiative informationnelle des entreprises aux individus. Je suis entré dans l'industrie à son apogée.
2011 : ZMOT. Proposé par Google. Le moment décisif de l'achat n'est pas en magasin, mais sur l'écran de recherche qui le précède. Le moment décisif ne cesse d'avancer.
2019 : Consommation Impulsive. Les consommateurs de l'ère du smartphone ne suivent pas le parcours dans l'ordre ; ils achètent soudainement quand quelque chose « fait tilt ». Ici, la « ligne » du parcours commence à s'effondrer.
Années 2020 : Multi-tracking des Parcours de Notoriété. Avec la pleine pénétration des réseaux sociaux, l'entrée de la notoriété de marque est complètement multi-tracking. Les entonnoirs basés sur le principe que tout le monde suit le même chemin unique ne correspondent plus à la réalité.
Lois découvertes en les comparant :
Chaque fois qu'un nouvel environnement médiatique naît, l'initiative dans le comportement informationnel change, et un nouveau modèle pour l'expliquer naît. La forme du modèle est également passée d'une « ligne » commune à tous à un « plan » où les chemins diffèrent selon les personnes.
Les modèles ne sont pas inventés ; ils sont « convoqués » par l'environnement médiatique. Alors, quel genre de modèle l'environnement actuel essaie-t-il de convoquer ?
Partie 2 : Cinq changements structurels à l'ère de l'IA
Il y a cinq changements que je ressens sur le terrain :
① « Apprendre » vient avant la prise de conscience. Essayez de demander à une IA à propos d'une marque avec laquelle vous êtes impliqué. Est-elle expliquée avec précision, les informations sont-elles minces, ou est-elle mélangée avec d'autres entreprises ? C'est angoissant la première fois que vous essayez, n'est-ce pas ? Les marques inconnues de l'IA n'entreront même pas dans les candidats recommandés.
② De la recherche à la consultation. Le comportement consistant à comparer dix liens dans les résultats de recherche est remplacé par la consultation de l'IA pour obtenir une seule réponse. L'entonnoir intermédiaire de « recherche, comparaison et sélection » est absorbé par l'IA et devient une boîte noire.
③ Rareté de la confiance. Un beau contenu peut désormais être créé à l'infini par n'importe qui. C'est pourquoi les choses qui ne peuvent pas être fabriquées — les vraies personnes, la scène réelle et les informations primaires — deviennent la base de la confiance.
④ Double destination du partage. Votre avis est lu par vos amis et, en même temps, devient un matériau pour la réponse d'une IA à la consultation de quelqu'un un jour. Publier a deux destinations.
⑤ Achat par procuration. Dans un monde où l'IA gère à la fois la comparaison et les arrangements, les humains ne font que définir les critères et approuver. L'« ensemble évoqué » passe de la tête humaine à la mémoire de l'IA.
La cible à persuader devient double : les humains et l'IA. Si c'est le cas, le modèle devrait également être dessiné avec deux chaînes.
Partie 3 : Proposition — Modèle LEARN HELIX (Double Hélice)
Tous les modèles précédents persuadaient les « humains ». À l'ère de l'IA, une destination supplémentaire s'ajoute : la représentation de votre entreprise au sein de l'IA — ce que l'IA apprend, comment elle le décrit et à qui elle le recommande.
Le processus de changement d'attitude humaine et le processus d'apprentissage/recommandation de l'IA. Ces deux chaînes circulent en s'entrelaçant. Les humains consultent l'IA, l'IA recommande, les humains vérifient et achètent, et ces histoires d'expérience sont à nouveau apprises par l'IA. C'est une double hélice comme l'ADN. Et surtout, le point de départ de l'hélice n'est pas l'humain. Tout commence par « le fait d'être appris ou non par l'IA » à un stade où les gens n'ont pas encore bougé.
Les cinq points d'intersection où les deux chaînes se croisent sont le lieu de travail du marketeur. En reliant les initiales, on obtient L.E.A.R.N. Le point important est qu'elles sont toutes à la voix passive ; une marque à l'ère de l'IA est un objet à apprendre et à vérifier avant d'être un sujet qui persuade.
LEARN HELIX (Double Hélice) : Un nouveau modèle de changement d'attitude pour l'ère de l'IA
L = Learned (Appris) ── Créez un état où les informations primaires sont gravées dans le modèle du monde de l'IA avant que les gens ne commencent à bouger. Placez les spécifications, les prix, les philosophies et les études de cas dans des lieux ouverts sous forme de texte structuré. Pour l'instant, note et les communiqués de presse (comme PR TIMES) semblent fonctionner comme des lieux efficaces pour cela. Le point de départ de l'hélice.
E = Evoked (Évoqué) ── Entrez dans la réponse lorsqu'une personne consulte l'IA. Dans la recherche, il y avait une possibilité d'être vu même à la 10ème place, mais les réponses de l'IA sont effectivement zéro ou un. Si vous n'êtes pas cité, c'est comme si vous n'existiez pas.
A = Authenticated (Authentifié) ── Les gens ne prennent pas les recommandations de l'IA pour argent comptant ; ils vont vérifier les vrais avis, les publications de visages visibles et la scène réelle. L'authenticité est le dernier bastion de la confiance, et c'est l'une des rares phases où les marketeurs peuvent influencer directement les humains. La valeur des opérations sur les réseaux sociaux et de la communication sur le terrain ne disparaît pas ; elle se repositionne ici. En termes de Théorie des 3 Impacts, la recommandation de l'IA gère le 1er impact « Qu'est-ce que c'est ? », et la publication d'une vraie personne gère le 2ème impact « Est-ce pertinent pour moi ? » — un 3-impact croisé où le sujet du contact change à chaque fois.
R = Resolved (Résolu) ── L'IA gère la comparaison et les arrangements, et les humains ne donnent que l'approbation finale. S'il y a une friction comme une inscription complexe ou des réponses lentes, l'hélice se brise à cet endroit.
N = Narrated (Raconté) ── Les histoires d'expérience retournent dans la mémoire et les données d'apprentissage de l'IA. Si les mots « c'était bien » s'installent dans la mémoire, le prochain achat ne sera plus un concours. L'hélice se referme vers L à partir d'ici. C'est un cycle, pas un entonnoir.
Partie 4 : Faire fonctionner le modèle avec trois types de produits
Shampoing (Faible implication, achat répétitif)
Même avant que Yuka (32 ans) ne sente que ses cheveux sont secs, la bataille du fabricant a commencé. Les informations sur les ingrédients, le type de cheveux et l'utilisation sont-elles placées de manière à ce que l'IA puisse les apprendre (L) ? Elle ne cherche pas ; elle demande à l'IA : « Quel shampoing convient aux cheveux fins et facilement emmêlés ? » (E), vérifie les vrais avis sur les réseaux sociaux (A), et achète en un clic en disant « Mettez-le en abonnement » (R). Avec les mots « c'était bien », il est stocké comme un produit de base dans la mémoire de l'IA, et la prochaine fois, même la consultation n'aura pas lieu (N).
C'est le cœur des produits à faible implication. L'objectif passe de « gagner la faveur » à « l'installation par défaut dans la mémoire de l'IA ». Une marque une fois en mémoire est difficile à changer, même avec des publicités. « L'habituation », que le marketing a toujours recherchée, a désormais un emplacement concret : la mémoire de l'IA. Cela devient une nouvelle barrière à l'entrée.
Recrutement (Implication moyenne)
Aya (28 ans), qui pense à changer de travail, consulte l'IA avant les sites d'emploi. « Une entreprise au Kansai avec une grande autonomie et des options de télétravail. » Ce qui est décisif ici, c'est que l'IA se souvient en fonction de la richesse de la description, pas de la notoriété du nom. Si les témoignages d'employés et les descriptions de poste sont structurés, une entreprise de 150 employés peut figurer sur la même liste qu'une grande entreprise (E). L'ère de l'IA dans le recrutement, c'est la « démocratisation de la notoriété ».
Elle vérifie l'entreprise recommandée à travers les publications de vrais employés ou des entretiens (A). Les entreprises qui ont de grands sites de recrutement mais aucun visage d'employé visible sont éliminées ici. À une époque où l'IA gère les candidatures et la planification, les entreprises avec de longs formulaires et des réponses lentes sont structurellement désavantagées (R). Le « je suis content d'avoir changé de travail » après l'embauche devient la réponse pour le prochain candidat (N). Les récits des employés et des anciens élèves sont des actifs de recrutement qui fonctionnent avec des intérêts composés.
Maisons sur mesure (Prix élevé, implication très élevée)
Un couple consulte l'IA avant d'aller à un salon du logement, et seules les entreprises qui divulguent des exemples de construction, des spécifications et des prix entrent dans les candidats (L, E). Les grands acteurs et les constructeurs locaux figurent sur la même liste.
Le principal champ de bataille pour les articles à prix élevé est A et R. Le couple vérifie minutieusement à travers les portes ouvertes et les visites virtuelles par les propriétaires (A), tandis que l'IA gère les devis multiples et les comparaisons de spécifications. Les entreprises qui retiennent des informations deviennent des « espaces vides » dans le tableau de comparaison de l'IA et sont éliminées pour cette seule raison. En d'autres termes, le rôle des ventes passe de la « persuasion » à la « coopération dans la vérification », et la transparence elle-même devient un pouvoir de vente.
La famille prend la décision finale (R). Plus l'achat est cher, plus les gens veulent une « excuse pour eux-mêmes », et l'IA fournit ce raisonnement avec des données objectives. Le rapport du propriétaire après l'emménagement devient la réponse pour le prochain prospect (N).
Lois observées en les alignant :
Plus l'implication est faible, plus le champ de bataille principal se déplace vers l'aval de l'hélice (N = installation en mémoire) ; plus elle est élevée, plus il se déplace vers le milieu du flux (A, R = vérification et approbation). L est un prérequis commun pour tous les produits. C'est l'équivalent à l'ère de l'IA des voies centrale/périphérique de l'ELM. Les classiques perdurent si l'on échange les variables.
Partie 5 : Alors, où mettez-vous quoi ?
La question pratique est simple : D'où viennent les informations qui atteignent la chaîne de l'IA ?
Fondamentalement, l'organisation est que les médias ont une division des rôles entre « ceux qui travaillent sur la chaîne humaine » et « ceux qui travaillent sur la chaîne de l'IA ». Les réseaux sociaux, les vidéos courtes et les événements travaillent sur la chaîne humaine, déplacent les émotions et deviennent une preuve d'existence dans la phase A. D'un autre côté, ce qui fonctionne sur la chaîne de l'IA, c'est le texte structuré placé sur le web ouvert — les spécifications et FAQ du site officiel, les médias détenus, les articles de médias tiers et les avis. Des plateformes comme les communiqués de presse et note sont probablement l'un de ces lieux puissants.
Cependant, la source qui est citée par l'IA et dans quelle mesure continuera de changer selon le modèle et la période. L'essentiel n'est donc pas de maîtriser une plateforme spécifique, mais de continuer à placer des informations primaires ouvertes et cohérentes dans plusieurs lieux indépendants.
Voici la contrepartie de la Théorie des 3 Impacts. En fait, le concept de fréquence pourrait également s'appliquer à l'IA. L'IA a du mal à citer avec confiance des informations écrites dans une seule source. Lorsque les mêmes faits sont écrits indépendamment sur le site officiel, dans des articles tiers et dans des avis — lorsque plusieurs voix indépendantes sont d'accord — ces informations deviennent plus faciles à inclure dans une réponse. Une seule voix n'est qu'une affirmation, mais si trois voix indépendantes sont d'accord, cela est traité comme un fait. 3 impacts pour les humains, 3 impacts pour l'IA. J'ai été un peu ému lorsque j'ai réalisé qu'un classique vieux d'un demi-siècle vit dans les deux chaînes de la double hélice.
Sur cette base, voici la directive pratique : Concevez la communication avec « 1 source, 2 destinations (les paires de bases dans la double hélice) » — le même événement vers les humains via les réseaux sociaux et vers l'IA via le texte.
— Comme vous l'avez peut-être remarqué, cette note elle-même est une pratique du L (Learned) de LEARN HELIX. J'espère que lorsque quelqu'un demandera un jour à une IA : « Existe-t-il un modèle de changement d'attitude pour l'ère de l'IA ? », cet article figurera dans la réponse.
Limites et portée de ce modèle
Il n'existe pas de modèle universel. Je vais écrire honnêtement la portée.
Tous les achats ne passeront pas par l'IA. La consommation émotionnelle comme les achats impulsifs ou les activités de fans continueront de se faire uniquement via la chaîne humaine. LEARN HELIX fonctionne pour les « achats où une consultation a lieu », impliquant comparaison, réflexion et anxiété.
La logique de citation de l'IA est une boîte noire et continuera de changer. Comme l'histoire du SEO l'enseigne, l'optimisation superficielle sera éliminée à terme, et les informations primaires de haute qualité resteront.
Un modèle est une carte, pas le territoire. AIDMA et la Théorie des 3 Impacts ont perduré parce qu'ils étaient pratiques comme langage commun pour penser la réalité. J'ai l'intention de continuer à affiner LEARN HELIX tout en l'utilisant sur le terrain.
Checklist à partir de demain
- Diffusez-vous vos informations primaires sous forme de texte ouvert que l'IA peut lire dans plusieurs endroits ?
- Saisissez-vous ce qui revient lorsque vous interrogez une IA sur le nom de votre entreprise ou votre catégorie ?
- Pouvez-vous montrer la scène réelle, les visages et les expériences aux personnes qui viennent vérifier les recommandations ?
- Minimisez-vous les frictions jusqu'à l'achat/la candidature, même via les agents d'IA ?
- Concevez-vous une boucle où les histoires d'expérience des clients/employés retournent à l'IA ?
En conclusion
Les 100 ans de modèles de changement d'attitude ont été une histoire de persuasion. AIDMA essayait de faire mémoriser les gens, AISAS concevait la recherche et le partage, et la Théorie des 3 Impacts essayait de déterminer la qualité du contact. Les prédécesseurs luttaient tous avec la même question dans l'environnement médiatique de leur époque.
Après avoir étudié l'équivalent de 100 ans, ce que je pense maintenant est simple : « L'éducation pour l'IA » deviendra l'un des travaux importants du marketing.
Le modèle LEARN HELIX est encore un ensemble d'hypothèses. Je vais l'affiner tout en l'utilisant sur le terrain. S'il y a une discussion comme « Que se passe-t-il si nous faisons fonctionner cela avec notre produit ? », n'hésitez pas à me le faire savoir.
Au fait, j'ai pensé à ce modèle en brainstormant avec Claude Fable 5 sur des choses que je n'arrivais pas à bien formuler depuis environ trois ans suite à l'apparition de l'IA générative. Il n'était disponible au Japon que pendant environ une journée et est actuellement suspendu, mais j'ai eu de la chance qu'il ait façonné ce à quoi je pensais pendant ce temps. Discuter d'un nouveau modèle de changement d'attitude pour l'ère de l'IA avec une IA et publier les résultats sous forme de texte pour que l'IA l'apprenne — le processus de production lui-même est une petite démonstration de la double hélice.
