بازاریابی هوش مصنوعی نمی‌تواند رفتارهای خرید را پیش‌بینی و کنترل کند

بر خلاف ادعای رسانه‌ها، بازاریابی هوش مصنوعی هنوز نتوانسته امکان پیش‌بینی یا دستکاری رفتار های خرید را بوجود آورد. رسانه‌ها همیشه هشدار می‌دهند که بعضی از بازاریابان با نیات نه چندان خوب از هوش مصنوعی استفاده می‌کنند تا بتوانند رفتار های خرید افراد را پیش‌بینی و حتی کنترل کنند.

در مستند «نفوذ بزرگ The great hack» این هشدار به تصویر کشیده شده است. در این فیلم نشان داده می شود که شرکت «انلتیکا کمبریج Analytica Cambridge» از شبکه‌های اجتماعی سواستفاده کرده تا بتواند به یافته‌های عمیقی درباره روحیات کاربران دست پیدا کند. سپس با همین یافته‌ها تبلیغ‌های هدفمندی را طراحی و اجرا کرده تا بر روی انتخابات 2016 آمریکا اثر بگذارد.

«راجر مک‌نامی» به عنوان یکی از سرمایه‌گذاران سرشناس در حوزه فناوری در این باره معتقد است: «شرکت‌‌های فناوری یک ابزار جادویی دارند که داده‌های همه کاربران را جمع می‌کند و وضعیت زندگی آنها را به تصویر می‌کشد. با این چوب جادویی، آنها می‌توانند رفتار ما را دستکاری کنند.»

یکی از اساتید روانشناسی دانشگاه هاروارد هم با هشدار درباره دیجیتال مارکتینگ و استفاده از هوش مصنوعی تأکید کرده امروز هدف بازاریابی هوش مصنوعی تبدیل کردن ما به موجودات خودکاری است که رفتارهای خرید مورد انتظار آنها را انجام می‌دهند. ایده استفاده از فناوری از جمله هوش مصنوعی با نیت‌های غیرانسانی به خوراک خوبی برای نظریه پردازان توطئه تبدیل شده است.

اما بررسی‌های انجام شده نشان می‌دهد این ادعاها بیش از حد غیرواقعی هستند. هوش مصنوعی خرید مبل راحتی را برای شما می پسندد؟! در این مورد هیچ تردیدی وجود ندارد که پیشرفت‌های هوش مصنوعی و روش‌های یادگیری ماشین منجر به تحولات بزرگی در عرصه‌های تشخیص تصویر، ترجمه زبان و … شده‌اند. با این حال پیش‌بینی رفتار خرید مصرف‌کنندگان در فهرست کاربردهای هوش مصنوعی نیست.

در واقع ترجیح و علاقه‌مندی مصرف‌کنندگان نسبت به یک کالا زمانی شکل می‌گیرد که تصمیم خرید گرفته شده باشد. پس هوش مصنوعی چنین قابلیتی ندارد. این یعنی مردم مثلا برای خرید مبلمان و میز غذاخوری گروهی از معیارها مثل زیبایی، راحتی، کیفیت و قیمت را در نظر می‌گیرند، اما دقیقا مشخص نیست که چرا در نهایت مبلمان شرکت راحت‌نشین را به مبل‌های شرکت زیبانشین ترجیح می‌دهند!

می‌توانیم از یک مثال دیگر هم استفاده کنیم، مثلا شما می‌خواهید توستر بخرید. به احتمال زیاد نمی‌دانید چه مدلی با چه امکاناتی برای شما مناسب‌تر است. حتی نمی‌دانید چه مقدار بیشتر حاضرید برای یک توستر خرج کنید. همه اینها اما در طول فرایند خرید شکل می‌گیرند، پس تا قبل از این فرایند و در طول آن داده‌ای در این موارد وجود ندارد که متخصصان هوش مصنوعی و بازاریاب‌ها از آن برای پیش‌بینی و کنترل رفتار خرید استفاده کنند.

تصمیم خرید توستر، مبل یا هر چیز دیگری وابسته به متغیرهای زیادی است که در مسیر خرید اتفاق می‌افتند. متغیرهایی مثل نقد و بررسی خریداران، پیشنهاد محصول با استفاده از پردازش زبان طبیعی، ارائه محصولات جدید و … هستند که به شدت در تصمیم نهایی خرید اثر می‌گذارند. تاثیرگذاری بر روی این متغیرها توسط هوش مصنوعی پیچیده است و تغییرات ناگهانی در رفتار خرید این پیش‌بینی را اصلا غیرممکن می‌کند.

پس بازاریابی هوش مصنوعی به چه کاری می‌آید؟ با این حال هوش مصنوعی می‌تواند بخش‌های منطقی‌تر از رفتار خرید که بیشتر به شکل عادت درآمده‌اند را پیش‌بینی کند. مثلا اگر ریحانه هر روز صبحش را با خرید و نوشیدن قهوه فرانسه آغاز می‌کند، احتمالا قهوه یکی از عناصر اصلی تشکیل دهنده سبد خرید اوست.

همچنین پیش‌بینی رفتارهای خرید گروهی نیز از طریق بازاریابی هوش مصنوعی و داده‌کاوی امکان‌پذیر شده است. مثلا آنهایی که کنسول ایکس‌باکس خریده‌اند، رغبت بیشتری به دیدن تبلیغ بازی‌های ایکس‌باکس دارند و همین موضوع در حالت برعکس برای کاربران کنسول پلی‌استیشن نیز صدق می‌کند.

اما دسترسی به داده‌هایی مثل اینها به معنی پیش‌بینی مطلق رفتار خرید مشتریان نیست. فیسبوک در یک کمپین تبلیغاتی که بر اساس تاریخچه فعالیت افراد در این شبکه اجتماعی طراحی شده بود نشان داد که تنها 1.5 نفر از 10000 نفر، بعد از مشاهده تبلیغ تصمیم گرفته‌اند آن را بخرند.

اگرچه این مدل از تبلیغات هدفمند توانست فروش آن محصول را تا 50 درصد افزایش دهد اما این بسیار دورتر از این ادعا است که شرکت‌ها یک چوب جادویی دارند و می‌توانند رفتارهای خرید را به هر نحوی شکل دهند و کنترل کنند. علاوه بر این تفاوت چندانی میان استفاه از الگوریتم‌های سنتی و ساده‌تر برای پیش‌بینی رفتار خرید در مقایسه با روش‌های یادگیری ماشین در هوش مصنوعی مشاهده نشد.

روش‌های یادگیری ماشین صرفا هزینه بیشتری دارند اما کمکی به پیش‌بینی دقیق‌تر رفتار خرید نمی‌کنند. بررسی سیستم‌های هوشمند پیشنهاد خرید در سایت‌هایی مثل آمازون و نتفلیکس هم نشان داده روش‌های آماری ساده‌تر برای استخراج الگوهای رفتاری مصرف‌کنندگان به همان اندازه کارایی داشته که الگوریتم‌های یادگیری ماشین کارایی دارند.

نکته پایانی این است که ما فعلا نباید بابت کنترل و دستکاری رفتارهای خریدمان نگران باشیم. چیزی که می‌تواند خطرساز باشد دستکاری در نقد و بررسی‌ها و سایر داده‌هایی است که هر روز بیشتر از آنها برای انتخاب و تصمیم‌گیری استفاده می‌کنیم.

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید.