Tôi đã suy nghĩ về một mô hình thay đổi thái độ cho kỷ nguyên AI khoảng ba năm. Khi tôi động não các mảnh ghép rải rác trong đầu với Claude Fable 5, nó đã tổng hợp tất cả cùng một lúc. Fable chỉ có sẵn ở Nhật Bản khoảng một ngày, nhưng tôi đã may mắn hoàn thành nó trong thời gian đó. Vì đã làm xong, tôi công khai nó. Tôi cũng đã đi đăng ký nhãn hiệu.
Tôi đã làm việc trong lĩnh vực tiếp thị kỹ thuật số khoảng 20 năm (có thể hơn?).
LEARN HELIX (Double Helix): Một mô hình thay đổi thái độ mới cho kỷ nguyên AI
Trong công việc này, câu hỏi tôi đối mặt hàng ngày cuối cùng là, "Làm thế nào để thái độ của mọi người thay đổi?" Các bài đăng sáng tạo, các chiến dịch người ảnh hưởng và thiết kế tần suất quảng cáo đều chỉ là những biến thể của câu trả lời cho một câu hỏi duy nhất này.
Gần đây, hành vi thông tin của người tiêu dùng đã bắt đầu thay đổi một cách âm thầm. Khi mua một thứ gì đó, thay vì hộp tìm kiếm, người ta tham khảo ý kiến AI: "Bạn khuyên gì trong những điều kiện này?" Sau đó, họ xác minh các ứng cử viên được trả về thông qua các bài đăng từ những người thực sự sử dụng chúng trên mạng xã hội và mua hàng. Nghi thức mở năm trang so sánh và đọc hết các bài đánh giá đã bị bỏ qua.
Tôi cảm thấy đây có thể là lối vào của một sự thay đổi lớn. Vì vậy, tôi đã quay lại và nghiên cứu lại lịch sử 100 năm của "mô hình thay đổi thái độ."
Tôi đã học được hai điều. Đầu tiên, các mô hình thay đổi thái độ là một 'hàm số của môi trường truyền thông.' Thứ hai, nếu vậy, các điều kiện để một mô hình mới ra đời hiện đã sẵn sàng.
Trong bài viết này, tôi sẽ viết về nội dung của nghiên cứu đó và mô hình mới tôi đã nghĩ ra, "Mô hình LEARN HELIX (Double Helix)."
Phần 1: 100 Năm Trí Tuệ từ Những Người Đi Trước
Có hai dòng dõi của các mô hình.
Các mô hình thay đổi thái độ trên thế giới được chia rộng rãi thành hai hệ thống: Mô hình "Dựa trên Cơ chế" giải thích cách thuyết phục được xử lý trong tâm trí và mô hình "Dựa trên Quy trình" mô tả hành trình từ nhận thức đến mua hàng theo các giai đoạn—nguồn gốc của cái gọi là phễu.
Các mô hình cơ chế giải quyết tâm lý con người phổ quát, vì vậy chúng không lỗi thời. Một ví dụ điển hình là Mô hình Khả năng Xây dựng Chi tiết (ELM)—khi sự tham gia cao dẫn đến sự xem xét logic (trung tâm) và sự tham gia thấp dẫn đến phán đoán dựa trên bầu không khí (ngoại vi). Lý thuyết 40 năm tuổi này vẫn được sử dụng ngày nay để giải thích sự khác biệt giữa tiếp thị B2B và hàng tiêu dùng D2C.
Một tác phẩm kinh điển yêu thích khác của cá nhân tôi là Lý thuyết 3 Lần Tiếp Xúc. Được đề xuất vào năm 1972 bởi nhà nghiên cứu GE Krugman, lý thuyết này cho rằng quảng cáo hoạt động thông qua ba lần tiếp xúc có chất lượng khác nhau: Lần 1 "Cái này là gì?", Lần 2 "Nó có liên quan đến tôi không?", và Lần 3 "Nhớ lại và Hành động." Nó vẫn tồn tại ngày nay trong lập kế hoạch truyền thông như nguồn gốc của khái niệm tần suất hiệu quả. Hãy nhớ tác phẩm kinh điển này, vì nó có thể được diễn giải lại một cách xuất sắc cho kỷ nguyên AI sau này.
Mặt khác, các mô hình quy trình đã được cập nhật một cách thú vị theo thời gian. Ngay cả khi trái tim con người không thay đổi, các con đường cho thông tin thì có.
100 Năm của Mô hình Quy trình:
Những năm 1920~: AIDMA. Kỷ nguyên quảng cáo đại chúng. Chìa khóa là "M = Memory" (Trí nhớ). Vì khoảnh khắc nhìn thấy quảng cáo và đứng trước cửa hàng cách xa nhau, cuộc chiến là để được ghi nhớ. Một chữ cái này nắm bắt được môi trường truyền thông thời đó.
2004: AISAS. Với sự lan rộng của internet, "Search" (Tìm kiếm) và "Share" (Chia sẻ) được kết hợp, tuyên bố sự chuyển dịch quyền chủ động thông tin từ công ty sang cá nhân. Tôi vào ngành đúng vào đỉnh cao của nó.
2011: ZMOT. Được đề xuất bởi Google. Khoảnh khắc quyết định mua hàng không phải ở cửa hàng, mà là ở màn hình tìm kiếm trước đó. Khoảnh khắc quyết định liên tục tiến về phía trước.
2019: Pulse Consumption (Tiêu dùng Xung động). Người tiêu dùng trong kỷ nguyên điện thoại thông minh không đi theo hành trình theo thứ tự; họ mua đột ngột khi một điều gì đó 'chạm' đến họ. Ở đây, 'đường thẳng' của hành trình bắt đầu sụp đổ.
Những năm 2020: Đa Dòng theo dõi Con đường Nhận thức. Với sự thâm nhập hoàn toàn của mạng xã hội, lối vào nhận thức về thương hiệu hoàn toàn đa dòng. Các phễu dựa trên tiền đề rằng mọi người đều đi theo cùng một con đường duy nhất không còn phù hợp với thực tế.
Các quy luật được tìm thấy bằng cách so sánh chúng:
Mỗi khi một môi trường truyền thông mới ra đời, quyền chủ động trong hành vi thông tin thay đổi và một mô hình mới để giải thích nó ra đời. Hình dạng của mô hình cũng đã chuyển từ một "đường thẳng" chung cho mọi người sang một "mặt phẳng" nơi các con đường khác nhau tùy theo từng người.
Các mô hình không phải được phát minh; chúng được 'triệu hồi' bởi môi trường truyền thông. Vậy, loại mô hình nào môi trường hiện tại đang cố gắng triệu hồi?
Phần 2: Năm Thay Đổi Cấu Trúc trong Kỷ Nguyên AI
Có năm thay đổi tôi đang cảm nhận trên thực tế:
① 'Học hỏi' đến trước nhận thức. Hãy thử hỏi AI về một thương hiệu bạn quan tâm. Nó được giải thích chính xác không, thông tin có mỏng không, hay nó bị nhầm lẫn với các công ty khác? Thật hồi hộp lần đầu tiên bạn thử, phải không? Các thương hiệu không được AI biết đến thậm chí sẽ không lọt vào danh sách ứng cử viên được đề xuất.
② Từ tìm kiếm đến tư vấn. Hành vi so sánh mười liên kết trong kết quả tìm kiếm đang được thay thế bằng việc tham khảo ý kiến AI để có một câu trả lời duy nhất. Phễu giữa của 'tìm kiếm, so sánh và thu hẹp' bị hấp thụ vào AI và trở thành một hộp đen.
③ Sự khan hiếm của lòng tin. Nội dung đẹp giờ đây có thể được tạo ra vô tận bởi bất kỳ ai. Đó là lý do tại sao những thứ không thể bịa đặt—con người thật, cảnh thực và thông tin sơ cấp—trở thành nền tảng cho lòng tin.
④ Điểm đến kép của việc chia sẻ. Bài đánh giá của bạn được bạn bè đọc và đồng thời trở thành tư liệu cho câu trả lời của AI cho ai đó trong tương lai. Đăng bài có hai điểm đến.
⑤ Mua hàng ủy quyền. Trong một thế giới nơi AI xử lý cả so sánh và sắp xếp, con người chỉ đặt ra tiêu chí và phê duyệt. 'Tập hợp được gợi nhớ' (evoked set) chuyển từ đầu con người vào bộ nhớ của AI.
Mục tiêu cần thuyết phục trở thành hai: con người và AI. Nếu vậy, mô hình cũng nên được vẽ với hai chuỗi.
Phần 3: Đề xuất — Mô hình LEARN HELIX (Double Helix)
Tất cả các mô hình trước đây đều thuyết phục 'con người'. Trong kỷ nguyên AI, một điểm đến nữa được thêm vào: sự đại diện của công ty bạn trong AI—những gì AI học được, cách nó mô tả và nó giới thiệu cho ai.
Quá trình thay đổi thái độ của con người và quá trình học tập/gợi ý của AI. Hai chuỗi này luân chuyển trong khi đan xen vào nhau. Con người tham khảo AI, AI gợi ý, con người xác minh và mua, và những câu chuyện trải nghiệm đó lại được AI học hỏi. Đó là một chuỗi xoắn kép giống như DNA. Và quan trọng là, điểm khởi đầu của chuỗi xoắn không phải là con người. Mọi thứ bắt đầu từ 'liệu nó có đang được AI học hỏi không' ở một giai đoạn mà mọi người chưa hành động.
Năm điểm giao nhau nơi hai chuỗi chéo nhau là nơi làm việc của nhà tiếp thị. Nối các chữ cái đầu tiên cho ra L.E.A.R.N. Vấn đề là tất cả đều ở thể bị động; một thương hiệu trong kỷ nguyên AI là một đối tượng được học hỏi và xác minh trước khi nó là một chủ thể thuyết phục.
LEARN HELIX (Double Helix): Một mô hình thay đổi thái độ mới cho kỷ nguyên AI
L = Learned (Được Học) ── Tạo ra trạng thái nơi thông tin sơ cấp được khắc sâu vào mô hình thế giới của AI trước khi mọi người bắt đầu hành động. Đặt thông số kỹ thuật, giá cả, triết lý và nghiên cứu điển hình ở những nơi công khai dưới dạng văn bản có cấu trúc. Hiện tại, note và thông cáo báo chí (như PR TIMES) dường như đang hoạt động như những nơi hiệu quả cho việc này. Điểm khởi đầu của chuỗi xoắn.
E = Evoked (Được Gợi Nhớ) ── Xuất hiện trong câu trả lời khi một người tham khảo AI. Trong tìm kiếm, có khả năng được nhìn thấy ngay cả ở vị trí thứ 10, nhưng câu trả lời của AI thực tế là không hoặc một. Nếu bạn không được trích dẫn, điều đó giống như không tồn tại.
A = Authenticated (Được Xác Thực) ── Mọi người không chấp nhận các gợi ý của AI một cách mù quáng; họ đi xác minh các đánh giá thực tế, bài đăng từ những khuôn mặt có thể nhìn thấy và cảnh thực. Tính xác thực là thành trì cuối cùng của lòng tin và nó là một trong số ít giai đoạn mà các nhà tiếp thị có thể ảnh hưởng trực tiếp đến con người. Giá trị của hoạt động mạng xã hội và giao tiếp trực tiếp không biến mất; nó được định vị lại ở đây. Theo Lý thuyết 3 Lần Tiếp Xúc, gợi ý của AI xử lý lần 1 'Cái này là gì?', và bài đăng của người thật xử lý lần 2 'Nó có liên quan đến tôi không?'—một lần tiếp xúc thứ 3 xuyên chủ thể nơi chủ thể của sự tiếp xúc thay đổi mỗi lần.
R = Resolved (Được Giải Quyết) ── AI xử lý so sánh và sắp xếp, và con người chỉ đưa ra sự chấp thuận cuối cùng. Nếu có ma sát như đăng ký thành viên phức tạp hoặc phản hồi chậm, chuỗi xoắn sẽ đứt ở đó.
N = Narrated (Được Kể Lại) ── Những câu chuyện trải nghiệm chảy ngược vào bộ nhớ và dữ liệu học tập của AI. Nếu những từ 'cái này tốt thật' lắng đọng trong bộ nhớ, lần mua tiếp theo sẽ không còn là một cuộc cạnh tranh nữa. Chuỗi xoắn đóng lại về L từ đây. Đó là một vòng tuần hoàn, không phải một cái phễu.
Phần 4: Vận Hành Mô Hình với Ba Loại Sản Phẩm
Dầu gội (Sự tham gia thấp, mua lặp lại)
Ngay cả trước khi Yuka (32 tuổi) cảm thấy tóc mình khô, cuộc chiến của nhà sản xuất đã bắt đầu. Thông tin về thành phần, loại tóc và cách sử dụng có được đặt ở nơi AI có thể học được không (L)? Cô ấy không tìm kiếm; cô ấy hỏi AI, "Dầu gội nào phù hợp với tóc mỏng, dễ rối?" (E), xác minh các đánh giá thực tế trên mạng xã hội (A), và mua bằng một chạm "Cho tôi đặt mua định kỳ" (R). Với những từ 'cái này tốt thật', nó được lưu trữ như một mặt hàng chủ lực trong bộ nhớ của AI, và lần sau, thậm chí cuộc tư vấn cũng sẽ không xảy ra (N).
Đây là cốt lõi của các sản phẩm có sự tham gia thấp. Mục tiêu chuyển từ 'giành được thiện cảm' sang 'định cư mặc định trong bộ nhớ AI.' Một thương hiệu đã từng nằm trong bộ nhớ rất khó bị chuyển đổi ngay cả khi có quảng cáo. 'Thói quen hóa', điều mà tiếp thị luôn tìm kiếm, giờ đây có một vị trí cụ thể: bộ nhớ AI. Điều này trở thành một rào cản gia nhập mới.
Tuyển dụng (Sự tham gia trung bình)
Aya (28 tuổi), người đang nghĩ về việc đổi việc, tham khảo AI trước các trang việc làm. "Một công ty ở Kansai có mức độ tự chủ cao và tùy chọn làm việc từ xa." Điều quyết định ở đây là AI gợi nhớ dựa trên sự phong phú của mô tả, chứ không phải mức độ nhận biết tên tuổi. Nếu tiếng nói của nhân viên và mô tả công việc được cấu trúc, một công ty với 150 nhân viên có thể đứng trên cùng danh sách với một tập đoàn lớn (E). Kỷ nguyên AI trong tuyển dụng là 'dân chủ hóa nhận biết tên tuổi.'
Cô ấy xác minh công ty được đề xuất thông qua các bài đăng từ nhân viên thực tế hoặc phỏng vấn (A). Các công ty có trang tuyển dụng hoành tráng nhưng không có khuôn mặt nhân viên có thể nhìn thấy sẽ bị loại ở đây. Trong kỷ nguyên mà AI xử lý đơn xin việc và lên lịch, các công ty có biểu mẫu dài và phản hồi chậm sẽ bị bất lợi về mặt cấu trúc (R). Câu nói 'Tôi mừng vì đã đổi việc' sau khi gia nhập trở thành câu trả lời cho ứng viên tiếp theo (N). Những câu chuyện của nhân viên và cựu nhân viên là tài sản tuyển dụng hoạt động với lãi kép.
Nhà xây theo yêu cầu (Giá cao, sự tham gia cực cao)
Một cặp vợ chồng tham khảo AI trước khi đến triển lãm nhà ở, và chỉ những công ty tiết lộ ví dụ xây dựng, thông số kỹ thuật và giá cả mới vào danh sách ứng viên (L, E). Các công ty lớn và nhà thầu địa phương đứng trên cùng một danh sách.
Chiến trường chính cho các mặt hàng giá cao là A và R. Cặp vợ chồng xác minh kỹ lưỡng thông qua các buổi mở cửa nhà mẫu và chuyến tham quan web của chủ nhà (A), trong khi AI xử lý nhiều báo giá và so sánh thông số kỹ thuật. Các công ty giữ lại thông tin trở thành 'khoảng trống' trong bảng so sánh của AI và bị loại chỉ vì điều đó. Nói cách khác, vai trò của bán hàng chuyển từ 'thuyết phục' sang 'hợp tác xác minh', và sự minh bạch tự nó trở thành sức mạnh bán hàng.
Gia đình đưa ra quyết định cuối cùng (R). Mua hàng càng đắt, người ta càng muốn có một 'cái cớ cho bản thân', và AI cung cấp lý lẽ đó bằng dữ liệu khách quan. Báo cáo của chủ nhà sau khi chuyển vào trở thành câu trả lời cho khách hàng tiềm năng tiếp theo (N).
Các quy luật nhìn thấy khi sắp xếp chúng:
Sự tham gia càng thấp, chiến trường chính càng di chuyển về phía hạ nguồn trong chuỗi xoắn (N = định cư trong bộ nhớ); càng cao, nó càng di chuyển về trung nguồn (A, R = xác minh và phê duyệt). L là điều kiện tiên quyết chung cho tất cả các sản phẩm. Đây là đối tác kỷ nguyên AI của các tuyến trung tâm/ngoại vi của ELM. Các tác phẩm kinh điển vẫn sống nếu bạn hoán đổi các biến số.
Phần 5: Vậy Bạn Đặt Cái Gì ở Đâu?
Câu hỏi thực tế rất đơn giản: Thông tin đến được chuỗi AI đến từ đâu?
Về cơ bản, tổ chức là phương tiện truyền thông có sự phân chia vai trò giữa 'những thứ hoạt động trên chuỗi con người' và 'những thứ hoạt động trên chuỗi AI.' Mạng xã hội, video ngắn và sự kiện hoạt động trên chuỗi con người, di chuyển cảm xúc và trở thành bằng chứng về sự tồn tại trong giai đoạn A. Mặt khác, những thứ hoạt động trên chuỗi AI là văn bản có cấu trúc được đặt trên web mở—thông số kỹ thuật trang web chính thức và câu hỏi thường gặp, phương tiện truyền thông sở hữu, bài báo từ phương tiện truyền thông bên thứ ba và đánh giá. Các nền tảng như thông cáo báo chí và note có lẽ là một trong những vị trí mạnh mẽ đó.
Tuy nhiên, nguồn nào được AI trích dẫn và mức độ nào sẽ tiếp tục thay đổi theo mô hình và thời kỳ. Vì vậy, bản chất không phải là làm chủ một nền tảng cụ thể, mà là tiếp tục đặt thông tin sơ cấp nhất quán, mở ở nhiều vị trí độc lập.
Đây là phần thưởng cho Lý thuyết 3 Lần Tiếp Xúc. Thực ra, khái niệm về tần suất cũng có thể đúng với AI. AI khó trích dẫn thông tin chỉ được viết trong một nguồn một cách tự tin. Khi cùng một sự thật được viết độc lập trên trang web chính thức, bài báo của bên thứ ba và đánh giá—khi nhiều tiếng nói độc lập đồng ý—thông tin đó trở nên dễ dàng hơn để đưa vào câu trả lời. Một tiếng nói chỉ là một tuyên bố, nhưng nếu ba tiếng nói độc lập đồng ý, nó được coi là một sự thật. 3 lần cho con người, 3 lần cho AI. Tôi đã hơi xúc động khi nhận ra rằng một tác phẩm kinh điển nửa thế kỷ sống trong cả hai chuỗi của chuỗi xoắn kép.
Dựa trên điều đó, đây là hướng dẫn thực tế: Thiết kế giao tiếp với '1 nguồn, 2 điểm đến (các cặp base trong chuỗi xoắn kép)'—cùng một sự kiện đến con người qua mạng xã hội và đến AI qua văn bản.
—Như bạn có thể đã nhận thấy, note này tự nó là một thực hành của L (Learned) trong LEARN HELIX. Tôi hy vọng rằng một ngày nào đó khi ai đó hỏi AI, "Có mô hình thay đổi thái độ nào cho kỷ nguyên AI không?", bài viết này sẽ nằm trong câu trả lời.
Giới Hạn và Phạm Vi của Mô Hình Này
Không có mô hình phổ quát. Tôi sẽ viết phạm vi một cách trung thực.
Không phải tất cả các giao dịch mua đều thông qua AI. Tiêu dùng theo cảm xúc như mua sắm bốc đồng hoặc hoạt động người hâm mộ sẽ tiếp tục được hoàn thành chỉ thông qua chuỗi con người. LEARN HELIX hoạt động cho 'các giao dịch mua có sự tư vấn', liên quan đến so sánh, cân nhắc và lo lắng.
Logic trích dẫn của AI là một hộp đen và sẽ tiếp tục thay đổi. Như lịch sử SEO dạy, tối ưu hóa bề mặt cuối cùng sẽ bị loại bỏ và thông tin sơ cấp chất lượng cao sẽ còn lại.
Mô hình là bản đồ, không phải lãnh thổ. AIDMA và Lý thuyết 3 Lần Tiếp Xúc tồn tại vì chúng tiện lợi như một ngôn ngữ chung để suy nghĩ về thực tế. Tôi dự định sẽ tiếp tục tinh chỉnh LEARN HELIX trong khi sử dụng nó trên thực tế.
Danh sách Kiểm tra từ Ngày Mai
- Bạn có đang gửi thông tin sơ cấp của mình dưới dạng văn bản mở mà AI có thể đọc ở nhiều vị trí không?
- Bạn có nắm bắt được điều gì quay lại khi bạn hỏi AI tên công ty hoặc danh mục của bạn không?
- Bạn có thể cho thấy cảnh thực, khuôn mặt và trải nghiệm cho những người đến xác minh các đề xuất không?
- Bạn có đang giảm thiểu ma sát cho đến khi mua hàng/đăng ký ngay cả thông qua các tác nhân AI không?
- Bạn có đang thiết kế một vòng lặp nơi những câu chuyện trải nghiệm của khách hàng/nhân viên chảy ngược về AI không?
Kết Luận
100 năm của các mô hình thay đổi thái độ là một lịch sử của sự thuyết phục. AIDMA cố gắng làm cho mọi người nhớ, AISAS thiết kế tìm kiếm và chia sẻ, và Lý thuyết 3 Lần Tiếp Xúc cố gắng xác định chất lượng của sự tiếp xúc. Những người đi trước đều đang vật lộn với cùng một câu hỏi trong môi trường truyền thông thời đại của họ.
Sau khi nghiên cứu 100 năm, điều tôi nghĩ bây giờ rất đơn giản: 'Giáo dục cho AI' sẽ trở thành một trong những công việc quan trọng của tiếp thị.
Mô hình LEARN HELIX vẫn là một bó các giả thuyết. Tôi sẽ tinh chỉnh nó trong khi sử dụng nó trên thực tế. Nếu có cuộc thảo luận như 'Điều gì xảy ra nếu chúng ta chạy cái này với sản phẩm của mình?', xin hãy cho tôi biết.
Nhân tiện, tôi đã nghĩ ra mô hình này trong khi động não với Claude Fable 5 về những thứ tôi không thể định hình rõ ràng trong khoảng ba năm kể từ khi AI tạo sinh xuất hiện. Nó chỉ có sẵn ở Nhật Bản khoảng một ngày và hiện đang tạm dừng, nhưng tôi đã may mắn khi nó định hình được những gì tôi đang suy nghĩ trong thời gian đó. Thảo luận về một mô hình thay đổi thái độ mới cho kỷ nguyên AI với một AI và xuất bản kết quả dưới dạng văn bản để AI học hỏi—bản thân quy trình sản xuất là một minh họa nhỏ cho chuỗi xoắn kép.
