Markalar Yapay Zeka ile Sentetik Verileri Nasıl Kullanıyor?
Markalar, yapay zeka destekli sentetik verileri kullanarak süreçlerini hızlandırıyor ve maliyetleri düşürüyor.
Markalar, ürün geliştirme ve ambalajlama gibi birçok aşamada yapay zeka tabanlı sentetik verileri kullanarak süreçlerini hızlandırmakta ve maliyetlerini düşürmektedir. İngiltere merkezli Pazar Araştırmaları Derneği (MRS) tarafından düzenlenen AI-powered Insights konferansında uzmanlar, yapay zeka destekli sentetik tüketici profillerinin, odak gruplarına ve nitel araştırmalara sürekli geri dönüş yapma ihtiyacını ortadan kaldırarak süreçleri önemli ölçüde hızlandırdığını belirtmiştir.
Ancak Strat7 tarafından yapılan bir araştırma, sentetik verilerin genel raporlamalarda başarılı olduğunu, fakat hassas ve derinlemesine detaylar gerektiğinde doğruluk oranının düşebileceğini vurgulamaktadır.
No 7 Beauty Company, yapay zeka modellerinin sağladığı güvenilir yanıtların, simüle edilen tüketici profillerinin gerçek ve güncel araştırmalara dayanması gerektiğini ifade etmektedir. Şirket, 8 farklı müşteri segmenti üzerinde gerçekleştirdiği simülasyon testlerinde yüzde 93 korelasyon ve yüzde 83 tahmin doğruluğu elde ettiğini açıklamıştır. Şirketin Küresel İçgörü Yöneticisi Rosie Hudson, bu yaklaşımın tüketiciyi her kararın merkezine koyan bir anlayış sürecine dönüştüğünü belirtmiştir.
No 7 Beauty ve iş ortağı Verve, yapay zeka modellerinin başarısı için beş temel kural belirlemiştir: Öncelikle, teknolojiye değil soruna odaklanmak, yapay zeka kullanma amacını netleştirmek önemlidir. İkinci olarak, karar odaklı yapılar kurmak ve simülasyonların günlük iş akışına entegrasyonunu sağlamak gerekmektedir. Üçüncü kural, doğrulamanın güven yaratmasıdır; yapay zeka çıktılarının saha verileriyle sürekli doğrulanması kullanımı artırır. Dördüncü olarak, benimsemenin bir süreç olduğu unutulmamalıdır; sistemin lansmanla bitmemesi, bir program olarak yürütülmesi gerekmektedir. Son olarak, araştırmanın temeldir; yapay zeka modeli, sadece içine yüklenen verinin kalitesi kadar iyidir.
Unilever, Sky ve Diageo gibi markalar, yapay zeka modellerinin veri toplama ve segmentasyon analizlerinde güçlü olduğunu kabul etmekle birlikte, teknolojinin kültürel nüansları anlamakta yetersiz kaldığına dikkat çekmektedir. Sky’da Kampanya İçgörüleri Başkanı John-William Awbrey, yapay zekâya sorulan ilk yanıtla yetinilmemesi gerektiğini, soruların kriter ve bağlam değiştirilerek tekrar tekrar sorulması gerektiğini ifade etmektedir. Diageo ise yapay zeka modellerini fikir üretme sürecinin başında değil, sonunda kullanmayı tercih etmektedir. Şirket, mevcut verilerle eğitilen büyük dil modellerinin (LLM) basmakalıp fikirler ürettiğini, insan odaklı tasarımların ise standart yapay zeka çıktılara kıyasla benzersizlik oranında yüzde 48’e karşı yüzde yedi gibi büyük bir üstünlük sağladığını vurgulamaktadır.
