AI有能力永远改变 B2B 市场研究

来源：Shutterstock

我们真的、真的、真的试图抵制写有关人工智能的文章。

但最终，我们还是无法自拔。

不，这篇文章不是人工智能写的。 01010001010101。开玩笑的。或者我们是？是的，我们是。

共识是人工智能将颠覆创意生产。但请记住，制作创意只是 B2B 营销工作的一部分。 B2B 营销人员的第一个也是最重要的责任是诊断：了解客户。

因此，我们在这里为您提供对人工智能的逆向看法。

最大的颠覆不是创意。最大的干扰将是诊断。

人工智能有潜力永远改变市场研究。并且为了更好。

欢迎来到全球最大的 B2B 座谈会

如果诊断如此重要，那么为什么 B2B 营销人员不在市场研究上投入更多资金？

我们会给您一个简单的答案：因为大多数市场研究都是缓慢、昂贵且存在缺陷的。我们提出了错误的问题，并花费了 10 万多美元等待六个月的答案。在 B2B 领域，市场研究的难度加倍。虽然为您的牙线品牌招募一组有牙齿的人很容易，但为您的 ERP 品牌招募一组 IT 决策者却很困难。仅成本就使得大多数 B2B 品牌无法进行市场研究。

但在过去的几年里，市场研究领域发生了一场悄然的革命。 Jenni Romaniuk 教授出版了两本开创性的书籍，帮助营销人员向 B2B 买家提出更好的问题。用人工智能的话说，Romaniuk 教授的“更好的问题”帮助解决了 “；提示问题”。她正在教营销人员要问什么问题。但如何快速回答这些问题仍然是一个未解决的问题......直到现在。

人工智能正在开始解决这个问题。

那么，为什么人工智能如此擅长快速且易于访问的市场研究呢？

因为 GPT 本质上是在互联网副本上训练的，包括数万亿个集体网站、链接和评论。人工智能与 GPT 一样，可以“调查”世界上最大的在线面板——互联网——以进行品牌绩效评估。它返回初步答案的速度明显快于传统的市场研究调查，而且成本仅为传统市场研究调查的一小部分。

我们认识到速度和成本并不是一切 - 数据质量非常重要，人类仍然需要审查和验证人工智能的输出。但在品牌研究方面，我们处于“所有模型都是错误的，但有些模型有用”的阵营。在我们耳边经过一番修改，我们进行了两项测试来分析人工智能作为市场研究“副驾驶”的有用性。

现在我们想与我们亲爱的读者分享我们所学到的知识。

B2B 品牌不应该害怕被拒绝，而应该害怕不为人知

类别入口点上的 ChatGPT

我们认为品类入口点 (CEP) 应构成 B2B 品牌定位的基础。

购买情况是导致 95% 的未来买家最终进入市场的原因。为了成长，您的品牌需要在尽可能多的情况下被人们记住。但在建立这种联系之前，您需要了解您所在类别中所有不同的购买情况。

Ehrenberg-Bass：将品牌信息与购买情况联系起来赢得“思想和市场”

因此，在纽约市一个阳光明媚的周五早晨，我们决定要求 ChatGPT 生成 32 个不同的 re 列表。买家可能购买 CRM 的原因。 ChatGPT 在大约 20 秒内给了我们 32 个答案。诸如“为支持团队提供 360 度客户信息视图，从而提供个性化和主动支持”之类的答案。请参阅下面的示例。

来源：ChatGPT 2022 年 6 月版

这些对于 CRM 营销人员来说都是可行的 CEP，可在 20 秒内生成，成本为 0.00 美元。

值得注意的是，正如 Ehrenberg-Bass Institute 所描述的那样，购买情况的“诱导”只是正确 CEP 研究的第一阶段。根据“3C”（共同、有竞争力、可信）确定正确情况的优先级仍需要进行后续调查，以评估不同 CEP 对您品牌的相对价值。

但与此同时，ChatGPT 还可以编写一项调查，以确定在哪些情况下会想到哪些品牌。这就是基您需要进行的调查来衡量和优化您的心理可用性：

来源：ChatGPT 2022 年 6 月版

Dall-E 独特的品牌资产

Romaniuk 教授创造了“独特品牌资产”(DBA) 一词来描述徽标、标语和人物等品牌设计。但我们满嘴脏话的导师里特森教授有一个与之竞争的术语，称为“品牌代码”。

我们一直更喜欢资产这个词，因为这是一个与秘密管理大多数营销部门的首席财务官产生共鸣的财务概念。但人工智能的最新发展可能会推动里特森在这场言论竞赛中取得领先。

为什么品牌代码比独特资产更重要？因为品牌代码不再是理论概念。品牌代码现已成为技术要求。如果你的品牌不能转化为代码，那么你的品牌就不可能被转化为代码。o 像 Dall-E 一样利用人工智能的力量。

大多数 B2B 类别都千篇一律，几乎没有什么独特的品牌代码。

我们第一次意识到这一点是在看到我们的朋友 Noah Brier 开发的工具之后。 Noah 拥有联合营销和编码背景，并开发了一款名为 CollXbs 的工具，该工具使用人工智能来促进知名品牌之间的合作。他用非常简单的术语向我们解释了人工智能和品牌之间的联系：

“在某些方面，品牌的目标——创建可识别的模式——对于机器学习工具来说是完美的，机器学习工具可以有效地识别大型数据集中的模式。人工智能似乎能够了解哪些品牌强，哪些品牌弱。例如，当你在系统中与爱马仕进行合作时，另一个品牌必须具有强烈的美感，否则爱马仕就会淹没它。一般来说，强势品牌似乎会带来更好、更现实的结果。”

在换句话说，拥有清晰代码的品牌很快就会在创意开发上拥有明显的优势。

当今测试品牌代码强度的最佳方法是使用 Romaniuk 教授的“独特资产矩阵”。但同样，这是一种基于调查的方法，既费钱又费时间。相反，您可以要求 Dall-E 为您生成广告，对您的品牌代码进行初步测试。

当我们要求 Dall-E 为 LinkedIn 移动应用生成 Guinness 广告时，我们得到了下图。

来源：Dall-E 3 月 2 日版本

这则广告不会在戛纳赢得狮子奖，也不会立即解雇任何艺术总监。但广告确实告诉你，吉尼斯黑啤酒拥有三项非常强大的独特资产：竖琴、字体和黑白颜色组合。它告诉您吉尼斯品牌在过去的几十年里一直得到如此忠实和一致的管理几个世纪以来，即使是人工智能也可以制作出可识别的广告。这使得 Dall-E 成为独特资产测试的快速、廉价且有用的补充。

我们尝试为 B2B 客户复制相同的实验，但生成的广告是通用的，可以归因于任何品牌。大多数 B2B 类别都千篇一律，几乎没有什么独特的品牌代码。

同样，我们很容易想象未来人工智能可以扫描某个类别中的数千个广告，并生成最强大的品牌代码列表，用于您的营销传播。 Dall-E 可以让我们在等待时保持忙碌。