AI çağına yönelik bir tutum değişikliği modeli üzerine yaklaşık üç yıldır düşünüyordum. Kafamda dağınık halde duran parçaları Claude Fable 5 ile beyin fırtınası yaparken, hepsini bir anda sentezledi. Fable, Japonya'da yalnızca bir günlüğüne kullanılabilir durumdaydı ve o süre içinde mucizevi bir şekilde işi tamamlamayı başardım. Madem yaptım, kamuya açıklıyorum. Hatta markayı da tescil ettirdim.
Yaklaşık 20 yıldır (belki daha fazla?) dijital pazarlama alanında çalışıyorum.
LEARN HELIX (Çift Sarmal): AI çağı için yeni bir tutum değişikliği modeli
Bu işte her gün karşılaştığım tek soru aslında şu: "İnsanların tutumları nasıl değişir?" Yaratıcı gönderiler, fenomen pazarlaması ve reklam sıklığı tasarımları, bu tek soruya verilen yanıtların sadece farklı versiyonlarıdır.
Son zamanlarda, tüketicilerin bilgi edinme davranışları sessiz sedasız değişmeye başladı. Bir şey satın alırken, arama kutusu yerine AI'ya danışıyorlar: "Bu koşullar altında ne önerirsin?" Ardından, önerilen seçenekleri sosyal medyada ürünü gerçekten kullanan kişilerin gönderileri aracılığıyla doğrulayıp satın alıyorlar. Beş farklı karşılaştırma sitesini açıp yorumları okuma ritüeli şimdiden aşılmış durumda.
Bunun büyük bir değişimin başlangıcı olabileceğini hissettim. Bu yüzden, 100 yıllık "tutum değişikliği modeli" tarihini yeniden incelemeye koyuldum.
İki şey öğrendim. Birincisi, tutum değişikliği modelleri, "medya ortamının bir fonksiyonudur." İkincisi, eğer durum buysa, yeni bir modelin doğması için gereken koşullar artık mevcut.
Bu yazıda, bu çalışmanın içeriğinden ve ortaya çıkardığım yeni model olan "LEARN HELIX (Çift Sarmal) Modeli"nden bahsedeceğim.
Bölüm 1: Öncüllerden 100 Yıllık Bilgelik
İki model geleneği vardır.
Dünyadaki tutum değişikliği modelleri kabaca iki sisteme ayrılır: İkna sürecinin zihinde nasıl işlendiğini açıklayan "Mekanizma Temelli" modeller ve farkındalıktan satın almaya kadar olan yolculuğu aşamalar halinde betimleyen "Süreç Temelli" modeller (yani huni kavramının kökeni).
Mekanizma modelleri evrensel insan psikolojisiyle ilgilendiği için demode olmaz. Bunun en iyi örneği, yüksek katılımın mantıksal incelemeye (merkezi yol), düşük katılımın ise atmosfere dayalı yargıya (çevresel yol) yol açtığını öne süren Ayrıntılandırma Olasılığı Modeli (ELM)'dir. 40 yıllık bu teori, B2B pazarlama ile D2C tüketim malları arasındaki farkı açıklamak için hâlâ kullanılmaktadır.
Kişisel olarak sevdiğim bir diğer klasik ise 3 Temas Teorisi'dir. 1972'de GE araştırmacısı Krugman tarafından önerilen bu teoriye göre reklam, üç farklı nitelikteki temasla işlev görür: 1. temas "Bu nedir?", 2. temas "Benim için alakalı mı?", 3. temas ise "Hatırlama ve Hareket." Bu teori, etkili frekans kavramının kökeni olarak medya planlamasında günümüze kadar gelmiştir. Bu klasiği aklınızda tutun, çünkü daha sonra AI çağı için harika bir şekilde yeniden yorumlanabilir.
Öte yandan, süreç modelleri zaman içinde ilginç bir şekilde güncellendi. İnsan kalbi değişmese bile, bilgiye giden yollar değişiyor.
100 Yıllık Süreç Modelleri:
1920'ler~: AIDMA. Kitle reklamcılığı çağı. Anahtar "M = Hafıza (Memory)". Reklamı görme anı ile mağazaya gitme anı arasında çok zaman olduğu için savaş, hatırlanmak üzerineydi. Bu tek harf, dönemin medya ortamını özetliyor.
2004: AISAS. İnternetin yaygınlaşmasıyla "Arama (Search)" ve "Paylaşma (Share)" dahil edilerek, bilgi inisiyatifinin şirketlerden bireylere geçtiği ilan edildi. Ben sektöre tam bu modelin zirve yaptığı dönemde girdim.
2011: ZMOT. Google tarafından önerildi. Satın alma anı artık mağaza önü değil, ondan önceki arama ekranıdır. Belirleyici an sürekli ileriye kayıyor.
2019: Nabız Tüketimi (Pulse Consumption). Akıllı telefon çağındaki tüketiciler yolculuğu sırayla yürümez; bir şey "tetiklendiğinde" aniden satın alır. Burada yolculuğun "çizgisi" çökmeye başlar.
2020'ler: Farkındalık Yollarının Çoklu Takibi. Sosyal medyanın tamamen yaygınlaşmasıyla, marka farkındalığına giriş noktaları tamamen çoklu hale geldi. Herkesin aynı tek yolu izlediği varsayımına dayanan huniler artık gerçeklikle uyuşmuyor.
Bunları karşılaştırarak bulunan yasalar:
Yeni bir medya ortamı her doğduğunda, bilgi davranışındaki inisiyatif değişir ve bunu açıklayacak yeni bir model doğar. Modelin şekli de herkes için ortak bir "çizgi"den, kişiye göre değişen bir "düzlem"e dönüştü.
Modeller icat edilmez; medya ortamı tarafından "çağrılır". Peki, mevcut ortam nasıl bir modeli çağırmaya çalışıyor?
Bölüm 2: AI Çağında Beş Yapısal Değişim
Sahada hissettiğim beş değişim şunlar:
① "Öğrenme" farkındalıktan önce gelir. İlgili olduğunuz bir markayı AI'ya sormayı deneyin. Doğru açıklanıyor mu, bilgiler yetersiz mi, yoksa başka şirketlerle karışıyor mu? İlk denediğinizde insanın sinirleri geriliyor, değil mi? AI'nın bilmediği markalar, öneri adaylarına bile giremez.
② Aramaktan danışmaya geçiş. Arama sonuçlarında onlarca bağlantıyı karşılaştırma davranışı, tek bir yanıt almak için AI'ya danışmaya dönüşüyor. "Arama, karşılaştırma ve eleme"den oluşan orta huni, AI tarafından emilip bir kara kutu haline geliyor.
③ Güven kıtlığı. Güzel içerikler artık herkes tarafından sınırsızca üretilebiliyor. Bu nedenle, taklit edilemeyen şeyler - gerçek insanlar, gerçek ortam ve birincil bilgiler - güvenin temeli haline geliyor.
④ Paylaşımın ikili hedefi. Yorumunuz arkadaşlarınız tarafından okunur ve aynı zamanda, bir gün birinin danışma sorusuna AI'nın vereceği yanıt için malzeme olur. Gönderi yapmanın iki hedefi vardır.
⑤ Vekaleten satın alma. AI'nın hem karşılaştırma hem de düzenlemeleri yaptığı bir dünyada, insanlar yalnızca kriterleri belirler ve onaylar. "Düşünülen set (evoked set)", insanın kafasından AI'nın hafızasına taşınır.
İkna edilmesi gereken hedef ikiye çıktı: insanlar ve AI. Eğer durum buysa, model de iki zincirle çizilmelidir.
Bölüm 3: Öneri — LEARN HELIX (Çift Sarmal) Modeli
Önceki tüm modeller "insanları" ikna ediyordu. AI çağında bir hedef daha ekleniyor: şirketinizin AI içindeki temsili - AI'nın ne öğrendiği, onu nasıl tanımladığı ve kime önerdiği.
İnsanın tutum değiştirme süreci ile AI'nın öğrenme/öneri süreci. Bu iki zincir, iç içe geçerek dolaşır. İnsanlar AI'ya danışır, AI önerir, insanlar doğrular ve satın alır ve bu deneyim hikayeleri AI tarafından tekrar öğrenilir. DNA gibi bir çift sarmaldır. Ve önemlisi, sarmalın başlangıç noktası insan değildir. Her şey, insanlar henüz harekete geçmemişken "AI tarafından öğreniliyor olmakla" başlar.
İki zincirin kesiştiği beş nokta, pazarlamacının çalışma alanıdır. Baş harfleri birleştirince L.E.A.R.N. elde edilir. Önemli olan, hepsinin edilgen çatıda olmasıdır; AI çağındaki bir marka, ikna eden özne olmadan önce, öğrenilen ve doğrulanan bir nesnedir.
LEARN HELIX (Çift Sarmal): AI çağı için yeni bir tutum değişikliği modeli
L = Learned (Öğrenilmiş) ── İnsanlar harekete geçmeden önce, birincil bilgilerin AI'nın dünya modeline kazındığı bir durum yaratın. Spesifikasyonları, fiyatları, felsefeleri ve vaka çalışmalarını yapılandırılmış metin olarak açık kaynaklara yerleştirin. Şimdilik, note ve basın bültenleri (PR TIMES gibi) bunun için etkili yerler olarak işlev görüyor. Sarmalın başlangıç noktası.
E = Evoked (Hatırlatılmış / Gündeme Getirilmiş) ── Bir kişi AI'ya danıştığında yanıta girin. Aramalarda 10. sırada bile görülme şansı varken, AI yanıtları fiilen sıfır ya da birdir. Alıntılanmıyorsanız, var olmamakla aynı şeydir.
A = Authenticated (Doğrulanmış) ── İnsanlar AI önerilerini olduğu gibi kabul etmez; gerçek yorumları, görünür yüzlerin gönderilerini ve gerçek ortamı doğrulamaya giderler. Özgünlük (Authenticity), güvenin son kalesidir ve pazarlamacıların insanları doğrudan etkileyebileceği birkaç aşamadan biridir. Sosyal medya yönetiminin ve sahadaki iletişimin değeri kaybolmaz; burada yeniden konumlanır. 3 Temas Teorisi açısından bakıldığında, AI önerisi 1. temas olan "Bu nedir?" sorusunu, gerçek kişinin gönderisi ise 2. temas olan "Benim için alakalı mı?" sorusunu ele alır. Temasın öznesinin her seferinde değiştiği, özneler arası bir 3 temas söz konusudur.
R = Resolved (Çözümlenmiş / Sonuçlandırılmış) ── AI karşılaştırma ve düzenlemeleri halleder, insanlar yalnızca nihai onayı verir. Karmaşık üyelik kaydı veya yavaş yanıtlar gibi sürtünmeler varsa, sarmal orada kırılır.
N = Narrated (Anlatılmış / Hikayeleştirilmiş) ── Deneyim hikayeleri AI'nın hafızasına ve öğrenme verisine geri akar. "Bu iyiydi" sözcükleri hafızaya yerleşirse, bir sonraki satın alma artık bir yarış olmaktan çıkar. Sarmal buradan L'ye geri döner. Bu bir huni değil, bir döngüdür.
Bölüm 4: Modelin Üç Ürün Türüyle Çalıştırılması
Şampuan (Düşük katılım, tekrarlı satın alma)
Yuka (32) saçlarının kuru olduğunu hissetmeden önce bile üreticinin savaşı başlamıştır. İçerik, saç tipi ve kullanım bilgileri AI'nın öğrenebileceği şekilde yerleştirilmiş mi (L)? O arama yapmaz; AI'ya "İnce, kolay dolaşan saçlara hangi şampuan uyar?" diye sorar (E), sosyal medyadaki gerçek yorumları doğrular (A) ve "Aboneliğe ekle" diyerek tek dokunuşla satın alır (R). "Bu iyiydi" sözleriyle birlikte AI'nın hafızasında temel bir ürün olarak depolanır ve bir dahaki sefere danışma bile gerçekleşmez (N).
Düşük katılımlı ürünlerin özü budur. Hedef, "beğeni kazanmak"tan "AI hafızasında varsayılan yerleşim"e kayar. Hafızada bir kez yer eden bir markayı reklamlarla bile değiştirmek zordur. Pazarlamanın her zaman aradığı "alışkanlık haline getirme" (habitualization) artık somut bir yere sahiptir: AI hafızası. Bu, pazara giriş için yeni bir engel haline gelir.
İşe Alım (Orta katılım)
İş değiştirmeyi düşünen Aya (28), iş ilanı sitelerinden önce AI'ya danışır. "Kansai bölgesinde, yüksek inisiyatif ve uzaktan çalışma imkanı olan bir şirket." Burada belirleyici olan, AI'nın isim bilinirliğine değil, açıklamanın zenginliğine göre hatırlama yapmasıdır. Çalışan sesleri ve iş tanımları yapılandırılmışsa, 150 çalışanlı bir şirket büyük bir kuruluşla aynı listede yer alabilir (E). İşe alımda AI çağı, "isim bilinirliğinin demokratikleşmesidir."
O, önerilen şirketi gerçek çalışanların gönderileri veya röportajlar aracılığıyla doğrular (A). Gösterişli işe alım siteleri olan ancak görünür çalışan yüzleri olmayan şirketler burada elenir. AI'nın başvuru ve zamanlama işlemlerini üstlendiği bir çağda, uzun formları ve yavaş yanıtları olan şirketler yapısal olarak dezavantajlıdır (R). İşe girdikten sonraki "İyi ki iş değiştirmişim" duygusu, bir sonraki aday için yanıt haline gelir (N). Çalışanların ve mezunların anlatıları, bileşik faizle çalışan işe alım varlıklarıdır.
Özel Müstakil Ev (Yüksek fiyat, çok yüksek katılım)
Bir çift, konut fuarına gitmeden önce AI'ya danışır ve yalnızca inşaat örneklerini, özelliklerini ve fiyatlarını açıklayan şirketler aday listesine girer (L, E). Büyük oyuncular ve yerel müteahhitler aynı listede yer alır.
Yüksek fiyatlı ürünler için ana savaş alanı A ve R'dir. Çift, açık ev turları ve ev sahiplerinin çevrimiçi turları aracılığıyla kapsamlı bir doğrulama yapar (A) ve AI birden fazla teklifi ve özellik karşılaştırmasını halleder. Bilgiyi saklayan şirketler, AI'nın karşılaştırma tablosunda "boşluklar" haline gelir ve sırf bu yüzden elenir. Başka bir deyişle, satışın rolü "ikna etmek"ten "doğrulamada işbirliği yapmak"a döner ve şeffaflığın kendisi satış gücü haline gelir.
Aile nihai kararı verir (R). Satın alma ne kadar pahalıysa, insanlar o kadar çok kendileri için bir "bahane" ister ve AI bu mantığı nesnel verilerle sağlar. Taşındıktan sonraki ev sahibi raporu, bir sonraki potansiyel alıcı için yanıt olur (N).
Bunları hizalayarak görülen yasalar:
Katılım ne kadar düşükse, ana savaş alanı sarmalda o kadar aşağıya (N = hafızada yerleşim) kayar; katılım ne kadar yüksekse, o kadar orta akıma (A, R = doğrulama ve onay) kayar. L, tüm ürünler için ortak bir ön koşuldur. Bu, ELM'nin merkezi/çevresel yollarının AI çağındaki karşılığıdır. Değişkenleri değiştirirseniz klasikler yaşamaya devam eder.
Bölüm 5: Peki, Nereye Ne Koyulur?
Pratik soru basit: AI zincirine ulaşan bilgi nereden gelir?
Temel olarak, organizasyon şöyledir: Medyanın "insan zincirinde çalışanlar" ve "AI zincirinde çalışanlar" arasında bir rol dağılımı vardır. Sosyal medya, kısa videolar ve etkinlikler insan zincirinde çalışır, duyguları harekete geçirir ve A aşamasında varoluş kanıtı haline gelir. Öte yandan, AI zincirinde çalışan şey, açık web'e yerleştirilmiş yapılandırılmış metindir - resmi site özellikleri ve SSS'ler, şirkete ait medya, üçüncü taraf medya makaleleri ve yorumlar. Basın bültenleri ve note gibi platformlar muhtemelen bu güçlü konumlardan biridir.
Ancak, AI tarafından hangi kaynağın ne kadar alıntılanacağı, modele ve döneme göre değişmeye devam edecektir. Bu nedenle öz, belirli bir platformda ustalaşmak değil, açık, tutarlı birincil bilgileri birden fazla bağımsız konuma yerleştirmeye devam etmektir.
İşte 3 Temas Teorisi'nin karşılığı. Aslında, frekans kavramı AI için de geçerli olabilir. AI, yalnızca bir kaynakta yazılı olan bilgiden emin olarak alıntı yapmakta zorlanır. Aynı gerçekler, resmi sitede, üçüncü taraf makalelerinde ve yorumlarda bağımsız olarak yazıldığında - birden fazla bağımsız ses aynı fikirde olduğunda - bu bilginin bir yanıta dahil edilmesi kolaylaşır. Tek bir ses sadece bir iddiadır, ancak üç bağımsız ses aynı fikirdeyse, bu bir gerçek olarak kabul edilir. İnsanlar için 3 temas, AI için 3 temas. Yarım asırlık bir klasiğin çift sarmalın her iki zincirinde de yaşadığını fark ettiğimde biraz duygulandım.
Buna dayanarak, işte pratik kılavuz: İletişimi "1 kaynak, 2 hedef (çift sarmaldaki baz çiftleri)" olarak tasarlayın - aynı olayı sosyal medya aracılığıyla insanlara ve metin aracılığıyla AI'ya iletin.
—Fark etmiş olabileceğiniz gibi, bu yazının kendisi LEARN HELIX'teki L (Learned) aşamasının bir uygulamasıdır. Umarım bir gün birisi AI'ya "AI çağı için herhangi bir tutum değişikliği modeli var mı?" diye sorduğunda, bu yazı yanıtın içinde yer alır.
Bu Modelin Sınırları ve Kapsamı
Evrensel bir model yoktur. Kapsamı dürüstçe yazacağım.
Tüm satın almalar AI üzerinden gerçekleşmeyecektir. Dürtüsel alışverişler veya hayran faaliyetleri gibi duygu odaklı tüketim, yalnızca insan zinciri üzerinden tamamlanmaya devam edecektir. LEARN HELIX, karşılaştırma, değerlendirme ve kaygı içeren "danışmanın gerçekleştiği satın almalar" için çalışır.
AI alıntılama mantığı bir kara kutudur ve değişmeye devam edecektir. SEO tarihinin öğrettiği gibi, yüzeysel optimizasyon eninde sonunda ayıklanacak ve yüksek kaliteli birincil bilgiler kalacaktır.
Bir model, haritadır; bölgenin kendisi değildir. AIDMA ve 3 Temas Teorisi, gerçekliği düşünmek için ortak bir dil olarak kullanışlı oldukları için kaldılar. LEARN HELIX'i sahada kullanırken geliştirmeye devam etmeyi planlıyorum.
Yarından İtibaren Yapılacaklar Listesi
- Birincil bilgilerinizi AI'nın okuyabileceği açık metin olarak birden fazla yere gönderiyor musunuz?
- Şirket adınızı veya kategorinizi bir AI'ya sorduğunuzda neyin geri geldiğini anlıyor musunuz?
- Önerileri doğrulamaya gelen kişilere gerçek ortamı, yüzleri ve deneyimleri gösterebiliyor musunuz?
- AI aracıları aracılığıyla bile satın alma/başvuruya kadar olan sürtünmeyi en aza indiriyor musunuz?
- Müşteri/çalışan deneyim hikayelerinin AI'ya geri akmasını sağlayan bir döngü tasarlıyor musunuz?
Sonuç Olarak
100 yıllık tutum değişikliği modelleri, bir ikna tarihiydi. AIDMA insanları hatırlamaya zorladı, AISAS arama ve paylaşımı tasarladı, 3 Temas Teorisi ise temasın kalitesini belirlemeye çalıştı. Öncüllerin hepsi, kendi dönemlerinin medya ortamı içinde aynı soruyla boğuşuyordu.
100 yıllık birikimi inceledikten sonra şu anda düşündüğüm şey basit: "AI için eğitim", pazarlamanın önemli işlerinden biri haline gelecek.
LEARN HELIX modeli hâlâ bir hipotez demetidir. Sahada kullanırken onu geliştireceğim. "Bunu kendi ürünümüzle çalıştırırsak ne olur?" gibi bir tartışma olursa, lütfen bana bildirin.
Bu arada, bu modeli, üretken AI'nın ortaya çıkışından bu yana yaklaşık üç yıldır tam olarak şekillendiremediğim şeyler hakkında Claude Fable 5 ile beyin fırtınası yaparken düşündüm. Japonya'da yalnızca bir günlüğüne kullanılabilirdi ve şu anda askıya alınmış durumda, ancak o süre içinde üzerinde düşündüğüm şeyleri şekillendirdiği için şanslıydım. AI çağı için yeni bir tutum değişikliği modelini bir AI ile tartışmak ve sonuçları AI'nın öğrenmesi için metin olarak yayınlamak - üretim sürecinin kendisi, çift sarmalın küçük bir gösterimidir.
