Tények az önbemutatás helyett. Hogyan írjuk le a márkát az LLM válaszok kutatása előtt? | 1

I. rész | Kutatási alapok és márkaadatok

Összegyűjthet több száz választ a ChatGPT-től, a Geminitől, a Perplexity-től és más rendszerektől, mégsem tud meg semmi megbízhatót a márkájáról. Ehhez elég, ha a kutatás tárgyát túl tág, pontatlan vagy pozicionálási nyelven írják le. Ezért a Semantio-ban az első komoly döntés nem a modell kiválasztása vagy egy forgatókönyv megírása. Hanem annak meghatározása, hogy pontosan mit kell kutatni.

Egy márka láthatóságának kutatása a generatív mesterséges intelligenciában olyan folyamatnak tűnhet, amely egy kérdéssel kezdődik. Kiválasztunk egy rendszert, forgatókönyveket futtatunk, válaszokat gyűjtünk, és megfigyeljük, hogy a márkát említették-e, leírták-e vagy ajánlották-e.

Módszertanilag azonban a folyamat sokkal korábban kezdődik.

Mielőtt ellenőrizzük, mit mondanak a modellek egy márkáról, meg kell határoznunk, mi számít annak a márkának egy adott tanulmány határain belül. Azonosítanunk kell a hivatalos nevét és aliasait, meg kell határoznunk a piacot, meg kell különböztetnünk a tulajdonosától, a vállalatcsoporttól, a forgalmazótól vagy partnertől, és le kell írnunk a tényleges tevékenységi körét. Csak ezen az alapon építhetünk forgatókönyveket és értelmezhetjük az eredményeket.

A Semantio-ban ezt az alapot az Identitás biztosítja. Ez nem egy cégprofil vagy egy rövidített Rólunk oldal. Ez a kutatott entitás modellje, amelyre a generatív AI-ban a márka reprezentációjának monitorozásának későbbi szakaszai épülnek.

Az identitás nem a márka önbemutatása

A kutatáshoz készített leírás más célt szolgál, mint egy értékesítési szöveg.

Egy weboldal állíthatja, hogy egy vállalat innovatív, rugalmas, elkötelezett és közel áll ügyfeleihez. Egy stratégiai prezentáció meghatározhatja ambícióit, kívánt asszociációit és versenyelőnyeit. Az értékesítési anyagok kereskedelmi érvek lencséjén keresztül keretezhetik a versenytársakat.

Ezen anyagok egyike sem automatikusan a kutatás tárgyának semleges leírása.

Az identitásnak egyszerűbb, mégis igényesebb kérdésekre kell választ adnia:

• melyik márkát, céget vagy intézményt kutatják?

• melyik piacon és nyelven?

• mely termékeket, szolgáltatásokat vagy megoldásokat kínálja ténylegesen?

• mely nevek utalnak ugyanarra az entitásra?

• mely entitások kapcsolódnak hozzá, de maradnak különállóak?

• mely ajánlati vagy földrajzi korlátokat kell megőrizni?

• mely információk tények, és melyek csak márkaállítások?

Ez a különbségtétel kulcsfontosságú. Az identitás azt írja le, amit vizsgálni akarunk, nem pedig azt, amit szeretnénk, ha a kutatás bizonyítana.

Ha eleve azt írjuk, hogy egy márka a legjobb, legmegbízhatóbb vagy leginnovatívabb szolgáltató a kategóriájában, akkor nem egy semleges referenciapontot készítünk. Egy elvárt eredményt vezetünk be a projektbe.

A leírásban elkövetett hiba az egész tanulmány hibájává válhat

Egy pontatlan űrlapmező apró tökéletlenségnek tűnhet. A gyakorlatban azonban megváltoztathatja minden későbbi szakasz felépítését. Először a nagy nyelvi modelleket tévesztheti meg, majd torzíthatja az összegyűjtött adatok értelmezését.

Például, ha egy helyi kiskereskedő és telepítő egy globális gyártó hivatalos partnere, ez nem jelenti azt, hogy a helyi vállalat a gyártó összes termékét, technológiáját és képességét kínálja minden piacon. Ha egy oktatási márka egy másik személy vagy szervezet által létrehozott módszert használ, ezeket az entitásokat nem szabad automatikusan minden tekintetben azonosnak tekinteni. Ha egy magyar vállalat egy nemzetközi csoporthoz tartozik, a csoport ajánlata nem válik automatikusan a magyar vállalat ajánlatává.

Az ilyen egyszerűsítések következményei később visszatérnek:

• a forgatókönyvek olyan termékekre vonatkozhatnak, amelyeket a kutatott márka nem kínál

• a modelleket helytelen tények alapján értékelhetik

• egy másik entitásra vonatkozó választ helyesnek tekinthetnek

• egy valódi hallucináció észrevétlen maradhat

• a versenytársakat rossz kategóriából választhatják ki

• az eredmény pontosnak tűnhet, miközben más objektumot mér, mint amit szándékoztak

Ezért egy gyakorlati AI láthatósági audit először egy referenciamodellt határoz meg, és csak ezután értékeli a válaszok jelenlétét, szerepét, pontosságát, bizonyítékait és stabilitását.

A „human-in-the-loop” még a kutatás előtt kezdődik

Az emberi szerep nem korlátozódik az AI-támogatott rendszer által készített szöveg ellenőrzésére.

Egy eszköz megtalálhatja az entitásneveket, kinyerhet terméklistákat, rendszerezhet dokumentumokat, javasolhat célcsoportokat és azonosíthat hasonló kategóriájú vállalatokat. Valakinek még mindig el kell döntenie:

• hol van a kutatott márka határa

• melyik piacot fedi le a projekt

• mi a termék, mi a szolgáltatás és mi csak egy változat

• mely információk aktuálisak

• mely képességek tartoznak a márkához, és melyek egy partnerhez vagy csoporthoz

• milyen részletességre van szükség

• mi az, ami még nem került megerősítésre

Ezek a döntések a márka és annak tényleges működésének ismeretét igénylik. Gyakran több ember összevont tudására van szükség: a márkatulajdonos, a termékmenedzser, az értékesítési csapat, az ügyfélszolgálati csapat, a műszaki csapat vagy a kutatást végző személy tudására.

A márka szakértője sem tévedhetetlen forrás. Tudása segít megérteni a kontextust, azonosítani a hiányosságokat és feloldani a határokat. Nem szünteti meg a tények ellenőrzésének, vagy a tapasztalat és a feltételezések megkülönböztetésének szükségességét.

A legjobb eredmény akkor születik, ha az ember három szinten marad a folyamatban:

1. meghatározza a kutatás tárgyát

2. ellenőrzi az információkat a források és a szervezeti tudás alapján

3. jóváhagyja a végső modellt, mielőtt azt forgatókönyvek generálására és válaszok értékelésére használnák

Kétféleképpen kezdhetjük

A Semantio jelenlegi verziójában kétféleképpen kezdheti meg az identitás létrehozását.

Kézi kitöltés

A kézi útvonal az űrlap egymást követő szakaszain keresztül vezet. A felhasználó önállóan adja meg a márkára, termékekre, perszónákra és versenytársakra vonatkozó információkat.

Ez az ajánlott megközelítés, különösen akkor, ha:

• a márka összetett struktúrával rendelkezik

• az ajánlat piaconként eltérő

• a stratégiai dokumentumok sok pozicionálási nyelvet tartalmaznak

• a vállalat B2B és B2C területen is működik

• az ajánlat egy része külső partnerektől vagy gyártóktól származik

• a kutatás csak a portfólió egy részét fedi le

• szoros ellenőrzésre van szüksége minden elem felett

A kézi bevitel nem azért értékes, mert tovább tart. Azért értékes, mert egy sor tudatos döntést igényel. Minden nevet, határt, kategóriát és kapcsolatot külön-külön kell mérlegelni.

Stratégiai dokumentumok feltöltése

A második útvonal lehetővé teszi az interfészen jelzett formátumú anyagok feltöltését, beleértve a PDF, DOCX, PPTX, TXT, CSV és XLSX fájlokat. A Semantio ezeket felhasználhatja a márkára, domainre, termékekre, célcsoportokra és versenytársakra vonatkozó információk kinyerésére. Ha egy dokumentum nem tartalmazza a szükséges információkat, a releváns mező üresen maradhat a későbbi kitöltéshez.

Ez hasznos gyorsítás, de nem önálló módszer a márka megértésére. Miért? Egy generatív modell nem tud helyes identitást létrehozni megfelelő bemeneti anyag nélkül. Ráadásul az eredmény minősége a feltöltött dokumentumok minőségétől, aktualitásától és hatókörétől függ. Ha egy stratégiai prezentáció aspirációs pozicionálást, tág értékeket és versenytársakkal való összehasonlításokat tartalmaz, az automatizált kinyerés hűen átviheti pontosan azt a tartalmat, amely később aláássa a kutatás semlegességét.

Emiatt a dokumentumokból generált leírást piszkozatként kell kezelni. Minden mező felülvizsgálatát igényli valaki, aki ismeri:

• melyik piacra vonatkozik az anyag

• hogy a dokumentum az üzlet aktuális állapotát írja-e le

• hogy az egész vállalatot, egy adott márkát vagy csak egy termékcsaládot mutatja-e be

• mely állítások tények

• mely állítások fejeznek ki ambíciót vagy pozicionálást

• mit nem tartalmaz egyáltalán a dokumentum

Az automatizált kinyerés felgyorsíthatja a munkát. Nem ruházza át a leírás hatóköréért és semlegességéért való felelősséget egy személyről egy modellre.

Készítse elő az anyagot, mielőtt elkezdi kitölteni a mezőket

A legjobb kiindulópont nem egyetlen weboldal, hanem egy kis, rendezett forráskészlet.

Érdemes előkészíteni:

1. a hivatalos márka weboldalát és fő domainjét

2. aktuális termék- és szolgáltatásoldalakat

3. katalógusokat, dokumentációkat, feltételeket, árlistákat vagy műszaki anyagokat

4. információkat a tulajdonosi struktúráról és a kapcsolódó entitásokról

5. hivatalos márkaprofilokat, ha segítenek megerősíteni az aktuális tevékenységi kört

6. a termékért, értékesítésért és ügyfelekért felelős emberek tudását

7. az alternatív nevek, rövidítések és történelmi változatok listáját, amelyek még forgalomban vannak

8. a fontos hiányosságok és vitatott kérdések listáját

A hierarchia számít. A márka által szolgáltatott anyagok és a hivatalos források élvezzenek elsőbbséget. Megbízható külső források megerősíthetnek bizonyos tényeket, de nem szabad felhasználni őket információk kitöltésére pusztán azért, mert hihetőnek hangzanak.

A leírást nem szabad kizárólag keresési találatokból származó részletekből felépíteni. Ezeket kiragadják a kontextusból, elavultak lehetnek, és nem mutatják, melyik entitásra vonatkozik az információ.

Ha egy szervezetnek még nincsenek koherens anyagai, a probléma túlmutathat az űrlap kitöltésén. Ebben az esetben a kiindulópont a definíciók, kapcsolatok és a nyelv rendezése lehet a márka szemantikai stratégiájának részeként.

Először határozza meg a kutatás hatókörét

Az első munkamondatnak a következőnek kell lennie:

Ebben a kutatásban pontosan elemezzük...

Ezután egészítse ki úgy, hogy ne hagyjon teret több, egyformán érvényes értelmezésnek.

A hatókörnek meg kell határoznia:

• a kutatott márkát, céget vagy intézményt

• az országot vagy régiót

• a nyelvet

• a B2B, B2C vagy hibrid modellt

• a teljes ajánlatot vagy a portfólió meghatározott részét

• minden földrajzi és szervezeti határt

• fontos kizárásokat

Példa:

Ebben a kutatásban egy magyar márkát elemzünk, amely kapuk és ajtók tanácsadását, telepítését és szervizelését biztosítja a hazai piacon. Nem tulajdonítjuk neki annak a nemzetközi gyártónak a teljes kínálatát, amelynek hivatalos partnere.

Ez a mondat azonnal elválaszt két entitást, és megakadályozza az ajánlat asszociáció útján történő bővítését.

Egy másik példa:

Ebben a kutatásban egy oktatási márkát elemzünk, amely egy specifikus fejlesztési módszerrel kapcsolatos tanfolyamokat és eseményeket szervez. Megkülönböztetjük a márkát, a módszer alkotóját, a nemzetközi szervezetet és a szolgáltatásokat nyújtó jogi entitásokat.

E megkülönböztetés nélkül egy modell helyesen állapíthat meg tényeket a módszerről vagy annak alkotójáról, miközben nem válaszol a kutatott márkára vonatkozó kérdésre.

Válassza szét az entitásokat, mielőtt elkezdi leírni őket

Egy vállalat egyszerre jelenhet meg kereskedelmi márkaként, jogi entitásként, helyi fiókként, forgalmazóként, hivatalos partnerként, csoporttagként vagy programüzemeltetőként. Ezek a szerepek nem felcserélhetők.

A leírás kitöltése előtt érdemes egy egyszerű munkatáblázatot készíteni:

A cél nem a profil kibővítése a teljes vállalati történettel. Hanem a hibák elkerülése, amelyek később befolyásolhatják a modellválaszok értékelését.

Hogyan töltsük ki a márkaadatokat

A Márkaadatok szakasz gyűjti a kutatott entitás alapvető információit. Minden mezőnek más funkciója van.

Ne feledje, hogy az ország kiválasztása nem technikai formalitás. Ugyanaz a márka eltérő kínálattal, eltérő versenytársakkal és eltérő vásárlási helyzetekkel rendelkezhet Magyarországon, Németországban vagy a globális piacon. Ha a földrajzi hatókör tisztázatlan marad, a későbbi válaszok helyesek lehetnek egy olyan piacra vonatkozóan, amely nem releváns a szervezet számára.

Kezdje definícióval, ne méréssel

Ha ellenőrizni szeretné, hogyan reprezentálják az AI modellek a márkáját, először készítse elő a forrásokat, és vonjon be valakit, aki ismeri az ajánlatát és szervezeti felépítését. Ezután hozzon létre egy új identitást a Semantio-ban, és fordítson annyi figyelmet a Márkaadatok szakaszra, amennyit az egész tanulmány feltételezéseire fordítana.

Mert pontosan erről van szó.

A Semantio később következetesen monitorozhatja a válaszokat több rendszerből, és megmutathatja a márka reprezentációjának változásait. Azonban semmilyen mérés nem korrigálhat egy kétértelmű kutatási objektumot. Először egy megbízható referenciapontot kell felépítenie.

A II. részben a semleges márka leírásának elkészítésére és az ajánlat rendszerezésére térünk át.