我一直在思考一個關於 AI 時代態度改變的模型，大概想了三年。當我用 Claude Fable 5 來腦力激盪散落在腦中的片段時，它一口氣把它們全部整合起來。Fable 在日本只開放了大概一天，但我奇蹟似地在這段時間內完成打包。既然做好了，我就把它公開出來。我順便也去註冊了商標。
我在數位行銷領域工作了大概 20 年（可能更久？）。
LEARN HELIX (Double Helix)：一個 AI 時代的新態度改變模型
在這份工作中，我每天面對的唯一問題，歸根究底就是：「人們的態度是怎麼改變的？」創意貼文、網紅操作、廣告頻率設計，都只是這個核心問題的不同答案。
最近，消費者的資訊行為開始悄悄改變。買東西的時候，大家不再用搜尋框，而是去問 AI：「在這些條件下你推薦什麼？」然後透過 SNS 上真實使用者的貼文來驗證那些推薦的選項，最後才下單。那個打開五個比較網站、從頭到尾讀完評論的流程，已經逐漸被跳過了。
我覺得這可能是一個重大轉變的入口。所以，我回頭重新研究了過去 100 年的「態度改變模型」歷史。
我學到了兩件事。第一，態度改變模型是「媒體環境的函數」。 第二，如果是這樣，那麼現在已經具備催生新模型的條件了。
在這篇文章裡，我會寫下那份研究的內容，以及我提出的新模型——「LEARN HELIX（雙螺旋）模型」。
第一部分：前輩們 100 年的智慧
模型有兩個脈絡。
世界上的態度改變模型大致可以分成兩大系統：一種是「機制基礎」模型，解釋說服如何在腦中運作；另一種是「流程基礎」模型，描繪從認知到購買的各個階段——也就是所謂漏斗概念的起源。
機制模型處理的是人類共通的心理機制，所以不會過時。一個典型的例子是推敲可能性模型 (ELM)——高涉入時會進行邏輯審查（中央路徑），低涉入時則依賴氣氛判斷（邊緣路徑）。這個 40 年前的理論，至今仍被用來解釋 B2B 行銷和 D2C 消費品之間的差異。
另一個我個人很喜歡的經典是3 擊理論。它是由 GE 研究員 Krugman 在 1972 年提出的，認為廣告透過三個不同質量的接觸來發揮作用：第 1 擊「這是什麼？」、第 2 擊「跟我有關係嗎？」、第 3 擊「回想與行動。」它今天仍然活在媒體規劃中，作為有效頻率概念的起源。請記住這個經典，因為之後我們可以在 AI 時代對它做出精彩的重新詮釋。
另一方面，流程模型隨著時間有很有趣的更新。即使人類的心不變，資訊的途徑也會改變。
100 年的流程模型：
1920 年代~：AIDMA。 大眾廣告的時代。關鍵是「M = 記憶」。因為看到廣告的瞬間與站在店頭的瞬間相隔很遠，所以戰役就是要想辦法被記住。這一個字母捕捉了當時的媒體環境。
2004 年：AISAS。 隨著網路的普及，「搜尋」和「分享」被納入，宣告資訊主導權從企業轉移到個人。我正是在這個模型的全盛時期進入這行的。
2011 年：ZMOT。 由 Google 提出。購買的決定性瞬間不在店頭，而是在那之前的搜尋畫面。關鍵時刻不斷往前移。
2019 年：脈衝消費。 智慧型手機時代的消費者不再按順序走旅程，他們在「觸動」的瞬間就突然購買。在這裡，旅程的「線」開始崩解。
2020 年代：認知路徑的多軌化。 隨著 SNS 全面滲透，品牌認知的入口完全多軌化了。基於「每個人都遵循同一條路徑」前提的漏斗，已經不再符合現實。
透過比較這些模型發現的法則：
每當一個新的媒體環境誕生，資訊行為的主導權就會轉移，接著就會誕生一個新的模型來解釋它。模型的形狀也從大家共通的「線」，轉變為路徑因人而異的「面」。
模型不是被發明出來的，而是被媒體環境「召喚」出來的。那麼，當前的環境正在試圖召喚出什麼樣的模型呢？
第二部分：AI 時代的五個結構性變化
我在第一線感受到五個變化：
①「學習」出現在認知之前。 試著問 AI 一個你正在經營的品牌。它解釋得準確嗎？資訊很薄弱嗎？還是跟其他公司混在一起？第一次試的時候很緊張，對吧？AI 不認識的品牌，連推薦的候選名單都進不去。
② 從搜尋變成諮詢。 在搜尋結果中比對十個連結的行為，正在被諮詢 AI 並獲得單一答案所取代。中間漏斗的「搜尋、比較、篩選」被 AI 吸收，變成一個黑盒子。
③ 信任的稀缺性。 現在任何人都可以無限地創造出精美的內容。正因為如此，無法偽造的東西——真實的人、真實的現場、第一手資訊——成為信任的基礎。
④ 分享的雙重目的地。 你的評論會被朋友看到，同時也會在某一天成為 AI 回答別人諮詢的素材。發文有兩個目的地。
⑤ 代理購買。 在 AI 同時處理比較和安排的世界裡，人類只負責設定條件和核准。「考慮集合」從人類的腦袋移到 AI 的記憶中。
需要說服的對象變成了兩個：人類和 AI。如果是這樣，模型也應該用兩條鏈來繪製。
第三部分：提案——LEARN HELIX（雙螺旋）模型
過去所有的模型都在說服「人類」。在 AI 時代，多了一個目的地：你的公司在 AI 內部的表徵——AI 學到了什麼、它如何描述、又推薦給誰。
人類的態度改變過程，以及 AI 的學習/推薦過程。這兩條鏈互相交織，循環運作。人類諮詢 AI，AI 推薦，人類驗證並購買，然後那些體驗故事又被 AI 學習。就像 DNA 的雙螺旋。而且重要的是，螺旋的起點不是人類。 一切始於人們還沒動作之前，那個「AI 是否已經學到它」的階段。
兩條鏈交會的五個交點，就是行銷人員的工作現場。把它們的英文首字母連起來，就是 L.E.A.R.N。關鍵是它們都是被動語態；AI 時代的品牌，在成為說服的主體之前，是先被學習、被驗證的對象。
LEARN HELIX (Double Helix)：一個 AI 時代的新態度改變模型
L = Learned（被學習） ── 在人們開始行動之前，就將第一手資訊刻進 AI 的世界模型。將規格、價格、理念、案例研究以結構化文字的形式放在開放的地方。目前為止，note 和新聞稿（像是 PR TIMES）似乎是有效的場所。這就是螺旋的起點。
E = Evoked（被喚起） ── 當一個人諮詢 AI 時，出現在答案中。在搜尋時代，即使排名第十還有機會被看到，但 AI 的回答基本上是「有或沒有」。如果你沒有被引用，就等於不存在。
A = Authenticated（被驗證） ── 人們不會全盤接受 AI 的推薦，他們會去驗證真實的評論、有臉可見的貼文、以及現場實際狀況。真實性是最後的信任堡壘，也是行銷人員少數可以直接影響人類的階段。SNS 經營和現場溝通的價值不會消失，而是被重新定位在這裡。用 3 擊理論來說，AI 推薦負責第 1 擊「這是什麼？」，而真人貼文負責第 2 擊「跟我有關係嗎？」——這是一個跨主體的 3 擊，每一次接觸的主體都不同。
R = Resolved（被解決） ── AI 負責比較和安排，人類只做最終核准。如果存在複雜的會員註冊或回覆緩慢等摩擦，螺旋就會在這裡斷裂。
N = Narrated（被敘述） ── 體驗故事回流到 AI 的記憶和學習資料中。如果「這個很好」這句話沉澱在記憶中，下一次購買就不再需要競爭了。螺旋從這裡回到 L。這是一個循環，不是漏斗。
第四部分：用三種產品類型來運行模型
洗髮精（低涉入、重複購買）
在 Yuka（32 歲）覺得自己頭髮乾燥之前，製造商的戰鬥就已經開始了。關於成分、髮質、使用方法的資訊，是否以 AI 可以學習的方式放置（L）？她不是搜尋，而是問 AI「哪種洗髮精適合細軟易打結的頭髮？」（E），在 SNS 上驗證真實評論（A），然後一鍵下單「幫我設定訂閱」（R）。有了「這個很好」這句話，它就變成了 AI 記憶中的常備品，下次連諮詢都不會發生（N）。
這就是低涉入產品的核心。目標從「獲得好感」轉變為「在 AI 記憶中預設結算」。 一旦進入記憶，即使有廣告也很難被替換。行銷一直追求的「習慣化」，現在有了一個具體的位置：AI 記憶。這成為了新的進入門檻。
招募（中涉入）
正在考慮轉職的 Aya（28 歲）在求職網站之前先諮詢 AI。「關西地區、高自主性、有遠端工作的公司。」這裡決定性的因素是：AI 是根據描述的豐富程度來回想，而不是根據知名度。 如果員工心聲和職位描述有結構化，一間 150 人的公司可以和大型企業並列在同一個清單上（E）。AI 時代的招募，是「知名度的民主化」。
她透過真實員工的貼文或訪談來驗證推薦的公司（A）。那些擁有豪華招募網站但看不到員工臉孔的公司，在這裡就被淘汰了。在 AI 處理申請和排程的時代，表格冗長、回覆緩慢的公司，在結構上就處於劣勢（R）。入職後「幸好換了工作」的感想，會成為下一位求職者的答案（N）。員工和校友的敘事，是一份會以複利成長的招募資產。
訂製住宅（高價格、超高涉入）
一對夫妻在去住宅展示場之前先諮詢 AI，只有那些公開施工案例、規格和價格的公司才能進入候選名單（L, E）。大型建商和地方工班站在同一個清單上。
高價商品的主要戰場在 A 和 R。夫妻透過屋主提供的開放參觀和線上導覽進行徹底驗證（A），而 AI 則處理多份報價和規格比較。隱藏資訊的公司，在 AI 的比較表中會變成「空白欄位」，光因為這樣就被淘汰了。換句話說，業務的角色從「說服」翻轉為「協作驗證」，而透明度本身就成了銷售力。
家庭做出最終決定（R）。購買的東西越貴，人們越想要一個「對自己合理的藉口」，而 AI 就用客觀數據來提供那個理由。入住後的屋主報告，會成為下一位潛在客戶的答案（N）。
透過對齊看到的法則：
涉入度越低，主戰場越往螺旋的下游移動（N = 在記憶中結算）；涉入度越高，主戰場越往中游移動（A, R = 驗證與核准）。 L 是所有產品的共同前提。這就是 ELM 的中央/邊緣路徑在 AI 時代的對應。只要替換變數，經典就能繼續活著。
第五部分：那麼，要放什麼到哪裡去？
實際的問題很簡單：到達 AI 鏈的資訊從哪裡來？
基本上，架構就是媒體之間有「作用於人類鏈」和「作用於 AI 鏈」的分工。 SNS、短影片、活動作用於人類鏈，觸動情緒，並在 A 階段成為存在的證明。另一方面，作用於 AI 鏈的是放在開放網路上的結構化文字——官方網站的規格和 FAQ、自媒體、第三方媒體的文章、以及評論。新聞稿和 note 這類平台，很可能就是其中幾個強大的位置。
然而，AI 會引用哪個來源、引用多少，會隨著模型和時期不斷變化。所以本質不是精通某個特定平台，而是持續在多個獨立的位置放置開放、一致的第一手資訊。
這就是 3 擊理論的回報。實際上，頻率的概念可能也適用於 AI。 AI 很難有信心地引用僅寫在一個來源的資訊。當相同的事實獨立地寫在官方網站、第三方文章和評論中時——當多個獨立的聲音一致時——那個資訊就更容易被納入答案。一個聲音只是主張，但如果三個獨立聲音一致，它就被當作事實。 人類 3 擊，AI 也 3 擊。當我意識到這個半世紀前的經典同時存活在雙螺旋的兩條鏈中時，我有一點感動。
基於此，這裡是實務指導原則：以「1 個來源，2 個目的地（雙螺旋的鹼基對）」來設計溝通——同一個事件，透過 SNS 傳遞給人類，透過文字傳遞給 AI。
——你可能已經注意到了，這篇 note 本身就是 LEARN HELIX 中 L（被學習）的實踐。我希望有一天當有人問 AI「有沒有 AI 時代的態度改變模型？」時，這篇文章會出現在答案中。
這個模型的限制與適用範圍
沒有通用的模型。我誠實地寫下適用範圍。
並非所有購買都會經過 AI。 衝動購物或粉絲活動等情感驅動的消費，將會繼續完全透過人類鏈完成。LEARN HELIX 適用於「會發生諮詢的購買」，涉及比較、考慮和不安。
AI 的引用邏輯是一個黑盒子，而且會持續改變。 如同 SEO 的歷史告訴我們的，表面的優化最終會被淘汰，高品質的第一手資訊會留下來。
模型是地圖，不是實地。 AIDMA 和 3 擊理論之所以留存，是因為它們作為思考現實的共同語言很方便。我打算繼續在實戰中使用 LEARN HELIX，並持續精煉它。
從明天開始可以做的檢查清單
- 你是否在多個地點以 AI 可讀的開放文字形式，發布你的第一手資訊？
- 你是否掌握當你問 AI 你的公司名稱或類別時，它會回應什麼？
- 你是否能向前來驗證推薦的人們展現真實的現場、人物與經驗？
- 你是否最小化了直到購買/申請的摩擦，即使透過 AI agents 也是如此？
- 你是否設計了一個讓客戶/員工的體驗故事回流到 AI 的循環？
結語
態度改變模型的 100 年，是一部說服的歷史。AIDMA 試圖讓人記住，AISAS 設計搜尋與分享，3 擊理論試圖決定接觸的品質。前輩們在他們時代的媒體環境中，都為了同一個問題而苦惱。
在研究了 100 年的份量之後，我現在的想法很簡單：「AI 的教育」將會成為行銷的重要工作之一。
LEARN HELIX 模型仍然是一組假說。我會在實戰中使用它，並持續精煉。如果你有像「如果用我們的產品來跑這個模型會怎樣？」這樣的討論，請讓我知道。
順帶一提，這個模型是我在用 Claude Fable 5 腦力激盪那些我大約從生成式 AI 出現以來、醞釀了三年卻難以具體化的東西時想到的。它只在日本開放了大概一天，目前已經暫停服務，但我很幸運在那段時間裡把我一直在想的東西具體化了。與 AI 討論一個 AI 時代的新態度改變模型，然後將結果以文字形式發布出來讓 AI 學習——這個生產過程本身，就是雙螺旋的一個小小展示。
