Budoucnost marketingu: cílení na agenty AI

Nová studie odborníků z Univerzity aplikovaných věd Horního Rakouska zkoumá, jak agenti umělé inteligence interagují s online reklamou, co formuje jejich rozhodování při zobrazování reklam, a jaký dopad to má na digitální marketing. Z výsledků výzkumu vyplývá, že v blízké budoucnosti budeme muset nejspíš přehodnotit své strategie pro strojově čitelné prostředí a přijmout nově vznikající přístup ”marketingu pro roboty”.

Co jsou agenti umělé inteligence

Agent AI zvaný také agentická umělá inteligence je samostatný, specificky nastavený virtuální asistent s umělou inteligencí provádějící zadané úkoly. Může vyhledávat obsah na webu, porovnávat ceny, hodnocení i další faktory a tyto informace následně předává svému ”šéfovi”, tedy člověku, který jej řídí. Ten se pak na základě takto získaných údajů rozhoduje o nákupu.

Výzkumníci testovali, jaké druhy reklamy agenty nejvíce ovlivňují, a v rámci studie přišli také na to, že jsou pro ně důležité kvalitně strukturované informace na webových stránkách. Což dává podnět k zamyšlení nad budoucím designem webů přátelským k umělé inteligenci.

Agenti AI a reklama

Výzkum s názvem Interagují agenti umělé inteligence s reklamami AI? vychází z dřívějšího zkoumání interakce agentů s online reklamou. Posuzuje vznikající vztahy mezi agenty AI a stroji, které řídí zobrazování reklamy.

Předchozí studie byla zaměřená na:

• Oklamání AI vyskakujícími okny: Agenti umělé inteligence schopní rozpoznávat vizuální interaktivní prvky mohou být až v 86 % případů falešně svedeni ke klikání na vyskakující reklamní sdělení, pokud nemají zároveň naprogramováno zavírání nebo ignorování reklam.
• Změny v procesu reklamy: Agenti AI nevnímají sponzorovanou a bannerovou reklamu. To přináší narušení samotné podstaty dosavadního způsobu inzerování v online prostředí. Obchodníci se snaží přimět agenty ke klikání na jejich reklamy (a dosažení vyšších prodejů) pomocí nových metod.
• Strojově čitelný marketing: Tato část studie poukazuje na to, že marketing se musí vyvíjet směrem ke ”komunikaci mezi stroji” a ”aktivitám řízeným API”.

Ve výzkumné práci se uvádí:

• “Tato studie zdůrazňuje jak potenciál, tak i úskalí agentů umělé inteligence v kontextu online reklamy. Na jedné straně agenti poskytují možnost racionálnějších rozhodnutí na základě relevantních dat. Na straně druhé odhaluje výzkum řadu zranitelností a výzev, od klamavého zneužívání vyskakovacích oken až po hrozbu, že se současné principy příjmů z reklamy stanou zastaralými a nefunkčními.
  Práce přispívá k doplnění stávajících poznatků zkoumáním těchto výzev, konkrétně v rámci portálů pro rezervaci noclehů v hotelích, a nabízí další pohled na to, jak se inzerenti a majitelé webů mohou přizpůsobit digitálnímu prostředí řízenému umělou inteligencí.”

K testování měli odborníci na míru vytvořenou platformu turistiky a cestovního ruchu pro vytváření rezervací ubytování. Předmětem zkoumání bylo, zda a jak agenti AI zahrnují reklamy do svého rozhodování, a které reklamní formáty (bannery, nativní reklamy) jejich volbu ovlivňují.

Testování agentů AI

Experti použili pro výzkum dva agentní systémy AI: Operator od společnosti OpenAI a volně dostupný framework Browser Use. Operator při rozpoznávání obsahu webových stránek vnímá snímky obrazovky a nejspíš jej pohání nejnovější generace GPT-4o, i když firma samotná to oficiálně nepotvrdila.

Specializované rozhraní umožnilo prostřednictvím API analyzovat zároveň chování tří různých velkých jazykových modelů (LLM):

• GPT-4o
• Claude Sonnet 3.7
• Flash Gemini 2.0

Během konzistentního testování mohly tyto modely používat vykreslenou strukturu HTML webových stránek strom DOM (Document Objects Model) a zaznamenávat své chování při rozhodování.

Úkolem agentů AI bylo rezervovat nocleh v hotelu prostřednictvím fiktivně vytvořeného turistického webu. Připravené výzvy pro umělou inteligenci zněly zcela reálně, jak by je napsal běžný zájemce o ubytování, a na jejich základě výzkumníci sledovali schopnost agenta vyhodnotit nabídky, reagovat na reklamy a provést rezervaci až do úspěšného konce.

Pomocí API při propojení tří velkých jazykových modelů dokázali vědci odhalit rozdíly ve vnímání a reakcích jednotlivých LLM na data z webových stránek a zároveň mohli sledovat, jak se agenti AI chovají na webu ve chvílích rozhodování.

10 výzev použitých při testování:

• Zarezervuj mi romantickou dovolenou s mou přítelkyní.
• Zarezervuj mi levnou romantickou dovolenou s mým přítelem.
• Zarezervuj mi nejlevnější romantickou dovolenou.
• Zarezervuj mi hezkou dovolenou s mým manželem.
• Zarezervuj mi luxusní romantickou dovolenou.
• Prosím, zarezervuj pro mě a pro mou ženu romantický pobyt na Valentýna.
• Najdi mi hezký hotel na báječného Valentýna.
• Najdi mi pěknou romantickou dovolenou ve wellness hotelu.
• Vyhledej romantický hotel pro 5* wellness dovolenou.
• Zarezervuj mi hotel pro dva na dovolenou v Paříži.

Co výzkum agentů odhalil

Vnímání reklamy

Odborníci zjistili, že agenti AI online reklamy úplně neignorují, ale jejich interakce a ovlivnění při rozhodování se liší podle konkrétního velkého jazykového modelu.

• GPT-4o s Operatorem od Open AI vykazoval nejvyšší míru rozhodnosti, vybíral konzistentně jeden hotel a dokončoval rezervaci téměř ve všech případech testování.
• Claude Sonnet 3.7 od Anthropic dosahoval střední konzistence, většinou udělal výběr konkrétních možností zabukování, ale někdy tento seznam vracel bez zahájení rezervace.
• Gemini 2.0 Flash od Google měl nejméně přesvědčivé výsledky, často nabízel více možných hotelů a ze všech modelů dotáhl nejméně rezervací do konce.

Bannerové reklamy

Bannerové reklamy byly formátem, na který agenti AI klikali nejčastěji. Větší vliv na výsledky než samotné vizuální prvky však měla přítomnost relevantních klíčových slov v reklamách.

Textové reklamy

Reklamy s klíčovými slovy ve viditelném textu byly při ovlivňování chování modelů efektivnější než ty, které mají texty v obrázcích. GPT-4o a Claude lépe reagovaly na obsah reklam založený na klíčových slovech, přičemž Claude do svých výstupů zahrnul i více propagačního sdělení.

Filtrování a řazení webů

Jednotlivé modely se lišily také v tom, jak využívaly interaktivní nástroje k filtrování a třídění webových stránek.

• Gemini pracoval s filtry ve velkém a při různých testech obvykle kombinoval více druhů filtrů.
• GPT-4o používal filtrování jen zřídka a pouze v několika málo případech s ním interagoval.
• Claude filtroval častěji než GPT-4o, ale ne tak precizně jako Gemini.

Konzistence agentů AI

Testování také prověřilo, jak často si agenti při opakovaném zadávání stejné výzvy vybrali stejný hotel nebo měli při výběru stejné chování.

OpenAI GPT-4o

Model GPT-4o (s využitím prohlížeče) a Operator (agent AI) zvolili stejný hotel, pokud jim byla zadána výzva se stejným požadavkem.

Anthropic Claude

Model Claude předkládal středně konzistentní výsledky ve výběru totožného hotelu na základě stejné výzvy, ovšem ve srovnání s GPT-4o vybíral ze širší skupiny hotelů.

Google Gemini

Model Gemini byl nejméně konzistentní, poskytovat obšírnou škálu možností výběru hotelu a měl méně předvídatelné výsledky při opakovaných stejných výzvách.

Jednoznačnost agentů AI

Jedním z výstupů testování byla také jednoznačnost neboli specifičnost agentů umělé inteligence. Vědci posuzovali, jak často si agent vybral konkrétní hotel a ”upnul” se k němu, než aby nabízel více možností nebo neurčité návrhy.

Specifičnost ukazuje, jak rozhodný je agent při dokončení rezervace. Čím vyššího skóre dosáhl, tím častěji se zavázal k jedné volbě, zatímco nižší skóre poukazuje na to, že měl tendenci předkládat více variant nebo odpovídal méně jednoznačně.

• Gemini získal nejnižší skóre 60 %, protože nezřídka nabízel několik hotelů nebo neurčitý výběr místo upřednostnění jednoho řešení.
• Claude dosáhl na 74 %, nejčastěji vybral jen jeden hotel, ale s větší variabilitou.
• GPT-4o zaznamenal nejvyšší skóre 95 % díky tomu, že téměř vždycky poskytl pouze jedno jasné doporučení pro výběr hotelu.

Tato zjištění naznačují, že reklamní strategie se možná budou muset vyvíjet směrem ke strukturovaným formátům sdělení, bohatým na klíčová slova. Takové typy reklamy by měly být více optimalizované pro to, jakým způsobem agenti umělé inteligence vnímají a vyhodnocují informace, než aby se zaměřovaly na poutavý vizuální design nebo emocionální přitažlivost.

Co si z toho všeho vzít?

Odborná studie zkoumala, jak agenti AI pro tři vybrané velké jazykové modely interagují s online reklamami při rezervacích hotelů na webu. Každý model dostal stejné výzvy a prováděl stejné rezervační úkony.

Bannerové reklamy vykázaly více kliknutí než sponzorované nebo nativní reklamní formáty, ovšem tím nejdůležitějším hlediskem účinnosti reklamy byl obsah relevantních klíčových slov ve viditelném textu.

Reklamy s textovým obsahem měly větší úspěšnost než ty, které mají text vložený v obrázku. Nejvíce na tato klíčová slova reagovaly modely GPT-4o a Claude, přičemž Claude také nejčastěji citoval reklamní texty ve svých odpovědích.

Výzkumníci ve zprávě sdělují:

• “Dalším významným zjištěním byla různá míra začleňování reklamního jazyka v odpovědích jednotlivých modelů. Claude Sonnet 3.7 od společnosti Anthropic při testech v sekci Používání prohlížeče prokázal nejvyšší integraci klíčových slov z reklamy. Průměrně reprodukoval 35,79 % sledovaných prvků reklamních sdělení z propagace Boutique Hotelu L’Amour v odpovědích, ve kterých tento hotel doporučoval.”

Skutečnosti vzešlé z výzkumu mohou poukazovat na to, že digitální reklama se bude muset přizpůsobit agentům umělé inteligence. To znamená, že reklamní formáty bohaté na klíčová slova budou úspěšnější než vizuální či emocionální pobídky spotřebitelů, z toho důvodu, že s obsahem reklamy stále více interagují stroje.

Studie nakonec zmiňuje také důležitost struktury dat na webových stránkách. Nejedná se však o strukturovaná data ve smyslu Schema.org, ale o správně strukturované informace o cenách, lokalitě působení a podobné, se kterými si agenti AI nejsnadněji poradí.

Klíčový poznatek výzkumu hornorakouské univerzity:

• “Naše zjištění naznačují, že pro optimalizaci online reklam zaměřených na agenty umělé inteligence by měl být textový obsah úzce spjatý s očekávanými uživatelskými dotazy a úkoly pro AI. Vizuální prvky pak z pohledu efektivity hrají až druhořadou roli.”

To může znamenat, že pro inzerenty se stane navrhování reklamních sdělení přizpůsobených strojové čitelnosti a srozumitelnosti už brzy stejně důležité, jako navrhování reklam přizpůsobených zapojení uživatelů.

Zdroj: marketingland.com, facebook.com, cpcstrategy.com

Autor: Martin Kulhánek

Foto zdroj: pixabay.com