Indrek Soom: AI ei peaks aitama meediaagentuuril lihtsalt kiiremini töötada, vaid targemaid otsuseid teha

Kui uut strateegiat hakatakse koostama, võetakse lauale viimased uuringud, mõni varasem presentatsioon ja inimeste enda kogemus. Viis aastat tagasi tehtud 90-leheküljeline tarbijauuring võib sisaldada tänaseni väga olulist teadmist, aga tõenäosus, et keegi selle järgmise kampaania planeerimisel uuesti tervikuna läbi töötab, on väike. Siin muudab AI mängu palju rohkem kui järjekordse Exceli faili automatiseerimine. Kliendispetsiifiline AI-lahendus võiks olla võimeline läbi töötama kogu selle teadmiste pagasi korraga. Mitte lihtsalt tegema dokumentidest kokkuvõtteid, vaid otsima seoseid.

Millised brändibarjäärid korduvad uuringust uuringusse? Millised tarbijahoiakud on viimase kolme aasta jooksul muutunud? Millised probleemid tulevad erinevates uuringutes esile erineva sõnastusega, kuid tähendavad sisuliselt sama asja? Milliste sihtrühmade puhul on brändi kaalumine kõrge, aga ostmine endiselt madal? Ühel hetkel ei ole kliendi uuringute arhiiv enam lihtsalt kaust täis PDF-e. Sellest saab kasutatav teadmiste süsteem. Ja see on juba midagi, mida klient reaalselt tunnetab.

Teine suur võimalus puudutab auditooriumeid. Meediaplaneerimine on ajalooliselt olnud väga tugevalt seotud sihtrühmadega, mida on lihtne meedias osta: 18–44, naised 25–49, Tallinn ja Harjumaa, kõrgema sissetulekuga inimesed. Need definitsioonid on samuti vajalikud, kuid harva vastavad küsimusele, kust peaks brändi järgmine kasv spetsiifilisemalt tulema. Palju huvitavam küsimus on: kes on inimesed, kelles on kõrge ostupotentsiaal, aga kes täna veel meie brändi ei vali?

Kui panna kokku tarbijauuringud, ostukäitumine, brändi positsioon, meediatarbimine ning kliendi enda andmed, on võimalik otsida kasvuauditooriume hoopis teisel tasemel. AI tugevus ei seisne siin selles, et ta mõtleb välja järjekordse loomingulise sihtrühma nime. Tema eelis on võime analüüsida korraga rohkem kombinatsioone, kui inimene suudaks tavapärase risttabeli või Exceli analüüsiga mõistliku aja jooksul läbi proovida. Võib vabalt juhtuda, et brändi järgmine kõige väärtuslikum kasvusegment ei ole tema praeguse kliendi demograafiline koopia. Just selle leidmine peaks olema agentuurile palju väärtuslikum ülesanne kui olemasoleva sihtrühma CPM-i kümnendiku võrra odavamaks optimeerimine.

Sama loogika jõuab paratamatult meediaplaneerimisse. Praegu sünnib suur osa strateegiast siiski piiratud arvu stsenaariumite põhjal. Strateeg analüüsib andmeid, vaatab varasemat kogemust, võrdleb kanaleid ning teeb soovituse. Aga mis juhtuks siis, kui enne soovituse tegemist saaks läbi mängida mitte kolm, vaid kolmkümmend realistlikku stsenaariumi? Mis juhtub reach'iga, kui võtame ühelt kanalilt 15% eelarvest ära? Millises kanalis hakkab lisainvesteeringu mõju kiiresti langema? Kui oluline on teatud sihtrühma puhul video võrreldes display'ga? Milline kombinatsioon toetab kõige paremini nii lühiajalist müüki kui pikaajalisemat brändikasvu?

AI ja statistiliste mudelite kombinatsioon võimaldab neid küsimusi järjest kiiremini läbi töötada. See ei tähenda, et masin peaks tegema lõpliku meediaplaani. Pigem vastupidi. Mida rohkem variante suudab tehnoloogia genereerida, seda olulisemaks muutub inimese võime aru saada, milline neist on reaalsuses kõige mõistlikum.

Kunagi oli agentuuri üks konkurentsieeliseid ligipääs informatsioonile. Agentuur teadis kanalite statistikat, parimaid hinnatasemeid, uuringuid, sobivaimaid formaate ja benchmarke, mida klient ise ei pruukinud igapäevaselt teada. Täna muutub informatsioon järjest odavamaks. AI suudab mõne minutiga kokku võtta uuringu, teha turuanalüüsi või pakkuda kümme võimalikku strateegilist suunda. Seetõttu nihkub agentuuri väärtus mujale. Oluliseks muutub oskus esitada õigeid küsimusi, ühendada erinevaid andmeallikaid, eristada juhuslikku korrelatsiooni päriselt olulisest ärilisest insight’ist ning lõpuks ka õigesti otsustada, milline soovitus on kliendi olukorras realistlik.

AI võib öelda, et ühe auditooriumi kasvupotentsiaal on teistest suurem. Inimene peab kriitiliselt mõtestama, miks see nii on. AI võib soovitada eelarve ümber tõsta. Spetsialist peab hindama, kas mudel arvestab kõiki piiranguid, mida päris maailmas tuleb arvestada. AI võib anda vastuse väga kiiresti. See ei tähenda automaatselt, et vastus on õige. Seetõttu ei usu ma, et AI hakkab strateege või meediaplaneerimist täies mahus asendama. Küll aga usun, et väga kiiresti hakkavad omavahel konkureerima inimesed ja agentuurid, kes oskavad AI-d oma teadmiste võimendamiseks kasutada ning need, kes jätkavad tööd täpselt samamoodi nagu aasta tagasi.

Kõige lihtsam AI kasutus meediaagentuuris on teha olemasolevat tööd kiiremini. Kõige väärtuslikum kasutus on teha tööd, mida me varem ei suutnud üldse teha. Töödelda korraga kogu kliendi olemasolevat teadmist. Avastada seoseid, mis jäävad sadade uuringulehekülgede sisse peitu. Leida uusi kasvuauditooriume. Modelleerida korraga kümneid või sadu strateegilisi stsenaariume. Ning seeläbi jõuda otsusteni, mis põhinevad vähem kõhutundel või kogemusel, vaid rohkem kogu olemasoleva informatsiooni intelligentsel kasutamisel.

Kui AI kasutamise tulemus on lihtsalt see, et agentuur teeb sama meediaplaani või prese kiiremini valmis, oleme tehnoloogia potentsiaalist üsna väikese osa ära kasutanud. Päris muutus algab siis, kui klient saab AI tõttu targema ja tema jaoks äriliselt kasulikuma otsuse. Selle juhtumiseks on aga AI kõrvale vaja üha targemaid ja kogenumaid spetsialiste.