Chatboty AI a strategia marketingowa

Czy ChatGPT może stworzyć dla mnie strategię marketingową? Odpowiednio formułując prompty i prowadząc rozmowę z chatbotem, możemy uzyskać dokument, który będzie przypominał strategię. Jednak strategia to nie dokument ani plan. Strategia to przede wszystkim seria decyzji i wyborów, które musimy podjąć. W procesie strategicznym decydujemy, co chcemy robić, a czego świadomie się wyrzekamy. Co więcej, rezygnacja z określonych działań staje się coraz ważniejsza.

W świecie, który nieustannie się komplikuje, a nowe narzędzia i możliwości pojawiają się niemal codziennie, łatwo ulec pokusie, by robić wszystko, wszędzie, naraz. Jednak takie podejście nie ma nic wspólnego z myśleniem i działaniem strategicznym.

Dlatego chcemy Cię zachęcić do wykorzystywania chatbotów AI jako narzędzia wspierającego proces tworzenia strategii, a nie jedynie do generowania gotowych „strategii” czy planów działania.

Świadomie pomijamy tu rozważania na temat tego, czym jest strategia – definicji jest wiele, a my wierzymy, że każdy jest w stanie działać strategicznie. Dlatego przyjmujemy definicję Rogera Martina:

„Strategia nie jest długim dokumentem zawierającym plan. Jest serią współzależnych i istotnych decyzji, które pozycjonują organizację do wygrywania”.

Taka definicja strategii pasuje niemal do każdej aktywności, która może mieć miejsce w każdej organizacji. Pasuje też do różnych ról w branży – strategów biznesowych, marki, planerów czy komunikacji.

Dla uporządkowania postanowiliśmy podzielić strategię na następujące części, które mogą być elementem procesu strategicznego:

• Definiowanie celów i wyzwań marki
• Research
• Analiza konkurencji
• Analiza grupy docelowej
• Big Idea
• Burza Mózgów
• Podejście do mediów

Mamy nadzieję, że ten artykuł pozwoli Ci na bardziej efektywne działania, które przyniosą korzyści Tobie i organizacji, w której pracujesz.

Czy chatboty AI myślą?

Aby skutecznie wykorzystywać chatboty AI, musimy zrozumieć ich ograniczenia – przynajmniej na obecnym etapie rozwoju tych narzędzi.

Chatboty AI, czyli modele językowe, dysponują „wiedzą” opartą na ogromnych zbiorach danych, na których zostały wytrenowane. Potrafią dostrzegać wzorce i powiązania w tych danych, a następnie na ich podstawie tworzyć ogólne zasady. Działa to jednak mechanicznie i opiera się głównie na statystyce, a nie na głębokim zrozumieniu kontekstu, w jakim rozważane są różne zagadnienia.

Raport badawczy firmy Apple zatytułowany „The Illusion of Thinking” jasno pokazuje, że modele językowe, takie jak Claude czy Deepseek, nie potrafią myśleć. Są to systemy, które jedynie znakomicie rozpoznają wzorce dzięki treningowi na olbrzymich ilościach danych.

Chatbot nie posiada zdolności doświadczania świata, nie potrafi na bieżąco aktualizować swojej wiedzy ani weryfikować, czy znane mu zasady sprawdzają się w rzeczywistości. To zasadnicza różnica w porównaniu do ludzkiego uczenia się, które opiera się na doświadczeniu i informacji zwrotnej płynącej z otoczenia.

Zrozumienie tych ograniczeń jest kluczowe, zwłaszcza gdy myślimy o wykorzystaniu chatbotów w procesie strategicznym – procesie, w którym niezwykle ważne jest rozumienie kontekstu działań oraz naszej unikalnej sytuacji.

Dlatego istotne jest, by dostarczyć chatbotowi możliwie jak najwięcej informacji o naszym projekcie.

WATCHOUT:

• UWAGA! Pamiętaj, by nie udostępniać żadnemu narzędziu AI danych wrażliwych swojej firmy lub firmy klienta, dla którego pracujesz, bez uprzednio uzyskanej zgody!
• Jeżeli to możliwe, wyłącz chatbotowi opcję uczenia się na Twoich danych.

Im bardziej zaawansowana ma być strategia i im bardziej nietypowe jest wyzwanie, przed którym stoimy, tym mniej pomocny okaże się chatbot.

Warto jednak pamiętać, że wiele wyzwań, z którymi mierzą się marketerzy, ma charakter powtarzalny. Mogą to być na przykład próby odmładzania grupy docelowej marki czy poprawy retencji klientów.

To problemy, z którymi w przeszłości zmagały się już tysiące organizacji. Jeśli znalazły skuteczne rozwiązania, ich doświadczenia często zostały opisane w literaturze biznesowej, artykułach branżowych czy studiach przypadków.

I tu właśnie tkwi siła chatbotów – mają one dostęp do niemal nieskończonego repozytorium case studies oraz opisów udanych kampanii.

Dzięki temu możemy szybko poznać najlepsze praktyki, które pomogą nam rozwiązać nasze wyzwanie.

Chatbot może również podpowiedzieć, jak zastosować te sprawdzone rozwiązania w kontekście naszego biznesu. Oczywiście, najlepsze praktyki zwykle są rozwiązaniami ogólnymi, ale to wcale nie jest wada. Mitem jest przekonanie, że strategia musi być w pełni unikalna – strategia przede wszystkim musi być skuteczna.

Warto zaznaczyć, że chatbot nie ma całościowej wiedzy na temat rozwiązań strategicznych wdrażanych przez firmy. Jest to wiedza chroniona przez agencje i przedsiębiorstwa, stąd dane, które posiada chatbot, mogą być cząstkowe.

Definiowanie celów i wyzwań marki

Zastanówmy się nad tym, jak modele LLM mogą wspierać nas w procesie tworzenia i analizy briefu. Przede wszystkim, nie należy wgrywać pełnych briefów bezpośrednio do narzędzia.

Nie chcemy, aby miało ono dostęp do takiej wiedzy i było w stanie uczyć się na naszych danych w przyszłości. Ponadto, jeśli pracujesz po stronie agencji, zawsze zapytaj o zgodę klienta, zanim rozpoczniesz tego typu prace.

DOBRYMI PRAKTYKAMI UŁATWIAJĄCYMI PRACĘ Z BRIEFAMI SĄ:

• Anonimizowanie / skasowanie wszelkich danych wrażliwych;
• Określenie ogólnego kontekstu naszej marki / produktu;
• Rozpatrywanie osobno punktów, nad którymi potrzebujemy popracować, aby AI ich nie pomieszał;
• Używanie modelu jako narzędzia do doprecyzowywania niejasności lub jako źródła inspiracji do rozwiązań.

Jeśli opiszesz modelowi wyjściową sytuację Twojej marki, może to pomóc w określeniu kierunków działań. Jeśli jesteś odbiorcą briefu, a Twoim zadaniem jest przygotowanie rekomendacji, model może zaproponować listę pytań pogłębiających, które pomogą uzupełnić niejasne elementy.

Częstą bolączką jest nieprecyzyjne wyznaczenie celów, jakie mamy zaadresować, a dzięki zastosowaniu modelu możemy te cele doprecyzować lub nakreślić im jakiś kierunek, który następnie powinniśmy skonsultować z twórcą briefu. Wreszcie, możemy określić metodę pomiaru, by sprawdzić po kampanii, czy zostały one osiągnięte.

Innym aspektem jest identyfikacja wyzwań, na które należy odpowiedzieć. Dokument często zawiera ich wiele naraz, co utrudnia sformułowanie klarownej rekomendacji. Dzięki wiedzy, na której model AI został wytrenowany, możliwe jest określenie priorytetów oraz zasugerowanie właściwych kierunków rozwiązania.

Wreszcie z AI możemy zidentyfikować wszelkie luki informacyjne. Pozwoli nam to poprosić klienta (w pierwszej kolejności) o ich wypełnienie, a w przypadku braku informacji z jego strony, na samodzielne ich określenie – na przykład wyznaczenie głównych konkurentów marki lub określenie grupy docelowej. Konkretne sugestie co do tych punktów znajdziesz w dalszej części artykułu.

Research

Researchowi poświęcony został osobny rozdział Przewodnika, jednak nie sposób pominąć go w części dotyczącej strategii. W tym artykule skupimy się przede wszystkim na desk research, czyli gromadzeniu i analizie informacji, które możemy pozyskać, pracując z chatbotem AI.

Współpracując z chatbotem AI, możemy m.in.:

• wyszukiwać informacje dostępne w sieci
• analizować dokumenty i duże zbiory danych
• badać grupę docelową produktu lub usługi
• odkrywać ścieżki zakupowe klientów
• budować persony zakupowe
• segmentować grupę docelową
• analizować konkurencję i w pewnym stopniu jej aktywność

Warto jednak pamiętać, że chatboty AI nie zawsze dysponują kompletem informacji, których potrzebujemy.

Najczęściej wynika to z braku dostępu do najnowszych i aktualnych danych.

Dodatkowym problemem jest zjawisko halucynacji, czyli sytuacji, w której chatbot pod wpływem promptów „wymyśla” fakty lub liczby, które nie mają odzwierciedlenia w rzeczywistości.

Musimy być świadomi, że niektóre narzędzia posiadają znacznie mniejszą bazę informacji w języku polskim, a co za tym idzie – na temat polskiego rynku.

To bardzo ważne zastrzeżenie, ponieważ chatboty mogą powoływać się na dane czy wyniki badań rzekomo dotyczące Polski, podczas gdy w rzeczywistości odnoszą się one do innych rynków.

Dlatego przestrzegamy, aby nie ufać bezkrytycznie odpowiedziom chatbota.

Kusząca jest wizja zdobycia wszystkich potrzebnych informacji o trendach rynkowych czy aktywności konkurencji za pomocą kilku promptów, jednak w praktyce jest to rzadko możliwe.

Solidny research wymaga odpowiedniego przygotowania. Każdy, kto go prowadzi, powinien najpierw jasno określić jego cel, następnie konsekwentnie zadawać chatbotowi kolejne, pogłębione pytania.

Kluczowe jest samodzielne weryfikowanie źródeł informacji – poza chatbotem, przy pomocy własnych poszukiwań w wyszukiwarce.

Mając to wszystko na uwadze, przygotowaliśmy dla Ciebie kilka zasad bezpieczeństwa, którymi warto się kierować – tzw. watchout.

Stosując się do tych kilku zasad bezpieczeństwa, ograniczamy ryzyka, które niesie ze sobą korzystanie z chatbotów AI przy dokonywaniu researchu.

WATCHOUT:

• Nie traktuj wszystkich odpowiedzi jak faktów – chatbot może halucynować, weryfikuj informacje.
• Nie zakładaj, że dane są aktualne – wiedza chatbota może być ograniczona do określonej daty lub mieć szczątkowy dostęp do danych.
• Dane finansowe, takie jak te dotyczące wielkości rynku, wartości budżetów czy wysokości budżetów konkurencji, mogą być nieprawdziwe lub nieaktualne.
• Uważaj na dane pochodzące z badań, na które powołuje się chatbot – mogą nie być prawdziwe lub nie dotyczyć obszaru Twojego zainteresowania.
• Nie bierz za pewnik danych na temat konkurencji, gdyż chatbot nie ma dostępu do szczegółowych danych na temat Twoich konkurentów.
• Uważaj na interpretacje prawa przez chatbota – mogą być one nieprawdziwe.
• Uważaj na zaszyte w dokumentach PDF warstwy tekstu w kolorze białym, które mogą być dla Ciebie niewidoczne, ale mogą zawierać podstępne komendy dla chatbota.

Analiza konkurencji

Analiza konkurencji nie jest najmocniejszą stroną chatbotów.

Bo o ile chatboty dysponują sporą wiedzą o społeczeństwie, głównie dlatego, że wiele badań socjologicznych i marketingowych jest ogólnodostępnych, sytuacja wygląda zupełnie inaczej w przypadku szczegółowych analiz rynku.

Tego typu badania są produktami i usługami, za które firmy płacą niebagatelne kwoty.

Wyniki prac agencji badawczych są zwykle ściśle chronione zarówno przez zleceniodawców, jak i samych wykonawców, a co za tym idzie – pozostają poza zasięgiem chatbotów.

Modele językowe nie mają również dostępu do danych pochodzących z płatnych platform analitycznych, które będą najczęstszym źródłem insightów rynkowych dla biznesu.

Dlatego chatboty powinniśmy traktować wyłącznie jako narzędzie pomocnicze w analizie konkurencji – narzędzie, które może pomóc w uzyskaniu odpowiedzi na ogólne pytania i wspierać nas w planowaniu kolejnych kroków.

Jednak przeprowadzenie pełnowartościowej analizy konkurencji wyłącznie przy pomocy chatbota jest w zasadzie niemożliwe.

W tym celu niezbędne jest sprawdzenie źródeł informacji, które pozostają de facto poza jego zasięgiem.

Istnieją jednak sposoby, by w efektywny sposób wykorzystać chatbota w pracy nad analizą konkurencji.

Zamiast pytać wprost o konkurentów, warto najpierw zasilić chatbota informacjami na temat naszej firmy, produktu i grupy docelowej.

Gdy chatbot będzie miał już te informacje, warto zadać mu serię pytań, w ramach których możemy odkryć cztery poziomy konkurencji.

Te pytania mogą wyglądać następująco:

1. Jakie marki mają produkt nierozróżnialny od mojego?

2. Jakie marki mają produkt podobny do mojego, lecz z innymi funkcjonalnościami lub cechami?

3. Jakie produkty i których marek różnią się od mojego produktu, ale zaspokajają tę samą potrzebę mojej grupy docelowej?

4. Jakie produkty i których marek różnią się od mojego produktu, ale walczą o te same zasoby mojej grupy docelowej (np. czas, pieniądze)?

Brzmi to nieco abstrakcyjnie, ale te odpowiedzi mogą być dla nas bardzo ciekawe pod kątem szerokiej analizy konkurencji.

Dla przykładu: działając w ten sposób, jesteśmy w stanie zrobić z chatbotem burzę mózgów na temat naszej konkurencji i odkryć kategorie, marki, produkty i usługi, które są konkurencyjne wobec naszej marki, ale wcześniej o tym nie myśleliśmy.

Gdybyśmy byli Brand Managerami marki Coca-Cola, odpowiedzi na te pytania mogłyby wyglądać następująco:

1. Bezpośredni konkurenci – Pepsi Cola.
2. Pośredni konkurenci – napoje gazowane takie jak Fanta, 7UP, Mountain Dew.
3. Dalsi konkurenci – produkty gaszące pragnienie – woda, herbata, sok.
4. Konkurenci walczący o zasoby konsumenta – inne produkty dostępne w sklepie – lody, tubki owocowe, batony, cukierki.

W taki sposób możemy nie tylko odkryć naszą konkurencję bezpośrednią, ale także spojrzeć na naszą konkurencję z punktu widzenia konsumenta, który na ogół ma znacznie większy wybór, niż nam się wydaje.

Taka analiza pozwala nam również spojrzeć uważniej na ścieżkę zakupową konsumenta.

WATCHOUT:

• Uważaj na wymyślone przez chatbota case studies lub kampanie marketingowe konkurencji, które nigdy nie miały miejsca.
• Uważaj na marki, produkty lub usługi, które nie są dostępne na rynku lub nie istnieją w przedstawianej przez chatbota formie.

Analiza grupy docelowej

Analiza grupy docelowej, podobnie jak analiza konkurencji, nie będzie możliwa od ręki, choć wielu z nas by tak chciało.

Dostęp do danych o konsumencie często stoi za narzędziami takimi jak GWI i TGI oraz za odpłatnymi badaniami konsumenckimi firm badawczych.

Zawsze sprawdzaj stopień bezpieczeństwa danych, jaki oferuje narzędzie, na którym chcesz pracować, oraz czy dane, którymi dysponujesz, możesz w ogóle wrzucić do AI.

Jeśli masz trudność w weryfikacji, rekomendujemy zwrócić się do działu prawnego w Twojej firmie.

Asystent AI może nam pomóc w doborze i wymyśleniu kontekstu dla naszej target group, podpowie pytania, które możemy zadać w badaniu (aby lepiej poznać konsumenta docelowego), a wreszcie pomoże nam w zbudowaniu buyer persony czy segmentacji klientów.

Tu istotna będzie analiza danych, na podstawie których AI może wnioskować i ubierać dane w insighty czy gotowe opisy do prezentacji.

Na tym etapie mamy kilka istotnych rad, które polepszą jakość pracy, ponieważ dobrze przygotowany plik z danymi zwiększy dokładność analizy i zmniejszy ryzyko błędnych wniosków:

Warto zadbać o to, aby nasza tabela z danymi była uporządkowana: miała jasne opisy wierszy i kolumn, nie zawierała błędów liczbowych ani niewłaściwego formatowania komórek.

Dane liczbowe nie mogą zawierać w tej samej komórce opisów tekstowych (np. 15 tys., 1,5 mln, 3 dni itp.) ani znaku procent (np. 50%), bo może to utrudniać AI poprawne odczytanie wartości.

W prompcie należy jasno wskazać nazwy kolumn, na podstawie których spodziewamy się wnioskowania.

Jeśli nasze dane zawierają legendę, warto dodać osobny arkusz – ułatwi to zrozumienie opisu danych.

Aby zwiększyć jakość outputu, przypisz modelowi rolę analityka biznesowego bądź marketing managera.

Jeśli dysponujesz obszerną bazą danych lub dotyczy ona kilku target group, lepiej będzie rozbić bazę na pojedyncze arkusze, dzięki czemu model nie pomiesza danych ze sobą i łatwiej będzie mu wnioskować.

Zmiana języka na angielski może poprawić jakość i dokładność danych.

Jeśli nie masz dostępu do modelu, który umożliwia wgrywanie plików w formacie .xls czy .xlsx, to pamiętaj, że zawsze możesz użyć do tego po prostu Excela.

Program ma już wbudowany moduł „Analizuj dane” (ang. Analyze Data) i pozwala na przeprowadzanie analiz oraz tworzenie propozycji wykresów.

Należy pamiętać, że nie zawsze pierwsza analiza będzie satysfakcjonująca – dopytuj, drąż, proś o spojrzenie na sprawę z jakiejś innej perspektywy.

Challenge’owanie narzędzia zawsze będzie korzystne.

Masz do wyboru różne sposoby pracy z danymi.

Możesz zlecić przedstawienie kluczowych cech Twojej grupy docelowej, poprosić o opisy najbardziej charakterystycznych zmiennych lub też poprosić sztuczną inteligencję, aby wcieliła się w buyer personę.

Jako postać może opowiedzieć o sobie z perspektywy pierwszej osoby.

Taki zabieg jest szczególnie przydatny, jeśli chcesz na prezentacji pokazać świat oczami Twojego konsumenta.

Korzystając z narzędzi typu text-to-image, text-to-voice, a nawet text-to-video, możesz kolejno: przedstawić wizerunek Twojej persony, sprawić, że opowie o sobie w formacie audio, a nawet połączyć te wszystkie rozwiązania i przygotować wideo, w którym wybrana persona przedstawi się we własnej „osobie”.

WATCHOUT:

• Jak wszędzie, musimy uważać na halucynacje. Z ciekawostek: New York Times podał w czerwcu 2025 r., że z uwagi na rozwój AI powstało już 22 nowych zawodów, a wśród nich są zawody dotyczące weryfikacji pracy AI takie jak: AI Auditor czy Consistency Coordinator.
• Nie udostępniamy chatbotowi danych wrażliwych, bo nie każda firma badawcza wyraża na to zgodę.
• Czytaj zatem regulaminy i umowy firm badawczych, by wiedzieć, co możesz zrobić, a czego nie.
• Wizualizacje i typy wykresów, które podpowiada narzędzie, nie zawsze będą prawidłowe.

Big idea

Big Idea to wyróżniający się i kluczowy dla Twojej kampanii marketingowej pomysł lub koncepcja.

To główny, centralny motyw, który ma na celu przyciągnięcie uwagi odbiorców, pomóc wyróżnić markę i zapaść w pamięć odbiorców komunikacji marketingowej.

Tak naprawdę trudno wytłumaczyć, czym jest Big Idea, dlatego najprościej posłużyć się przykładami:

• Nike – Just Do It
• Snickers – Głodny nie jesteś sobą
• KitKat – Czas na przerwę, czas na KitKat\

To przykłady Big Idea, które kierunkują cały wysiłek marketingowy marek od wielu lat.

To coś znacznie więcej niż hasło marketingowe.

To źródło, z którego zespoły marketingu i agencje współpracujące czerpią inspirację do tworzenia platform komunikacyjnych, haseł kampanii i wszelkich innych działań, mających na celu promowanie marki.

Byłoby idealnie, gdyby chatbot był w stanie stworzyć taką Big Idea, gotową na podbicie świata, jednak nie jest to możliwe.

Będzie on w stanie tylko stworzyć generyczne hasła (lub takie, które zostały już przez kogoś stworzone), jednak nie będzie to Big Idea, która pozwoli komukolwiek zawojować świat.

Dotarcie do Big Idea nie jest takie proste, ale to, że chatbot nie może jej stworzyć, nie znaczy, że nie może nam w tym pomóc.

Zacznijmy od uproszczonego przepisu na Big Idea, stosując lekko zmodyfikowany „4 Points Framework” od Marka Pollarda:

Hasło „Zjedz Snickers, by poczuć się sobą” nie brzmi jak inspirująca Big Idea, ale gdy trochę zmienimy to zdanie zachowując jego sens, będzie zupełnie inaczej – „Snickers – głodny nie jesteś sobą”.

Zaczynamy od zdefiniowania problemu, który zauważamy w grupie docelowej w wyniku jej analizy. Powinien to być problem, który chcemy rozwiązać lub w jakiś sposób wiąże się on z naszą marką, usługą lub produktem.

1. PROBLEM
   Jest to niewypowiedziana prawda konsumencka, która rzuca nowe światło na problem.
2. INSIGHT
   Coś, co sprawia, że nasza marka, usługa lub produkt może być potencjalnie w umysłach naszej grupy docelowej motywacją do zakupu.
3. PRZEWAGA
   Niestandardowy lub nowy sposób patrzenia na naszą markę, usługę lub produkt.

Oczywiście sam framework wydaje się nieco abstrakcyjny, dlatego spróbujmy wypełnić nasz framework na przykładzie marki Snickers:

Ludzie patrzą na batony jak na słodycze i puste kalorie, a nie posiłek.

1. PROBLEM
   Ludzie czują się i zachowują nieswojo, gdy są głodni.
2. INSIGHT
   Snickers to baton, który ma najmniej pustych kalorii i może być posiłkiem.
3. PRZEWAGA
   Zjedz Snickersa, by poczuć się sobą.

Hasło „Zjedz Snickers, by poczuć się sobą” nie brzmi jak inspirująca Big Idea, ale gdy trochę
zmienimy to zdanie zachowując jego sens, będzie zupełnie inaczej – „Snickers – głodny nie jesteś sobą”.

WATCHOUT:

• Uważaj na generyczne i sztampowe hasła przy generowaniu Big Idea.
• Uważaj na hasła, które są już wykorzystywane przez inne marki.
• Nie pozostawiaj chatbotowi pracy nad problemami, insightami i przewagami. To proces, w którym musisz uczestniczyć, jeśli liczysz na ciekawą i wyróżniającą się Big Idea.

Burza mózgów

A co, gdyby wypracować wspólnie z AI jakieś konkretne pomysły? Tu przydadzą nam się dane o firmie i naszej kampanii, których użyliśmy na początkowych etapach pracy oraz dane o naszym konsumencie! Przecież to właśnie do niego skierujemy nasze działania.

Nie zapomnij też o dostarczeniu modelowi Twojej Big Idea, którą wypracowałeś, a także informacji o produkcie i wyzwaniu, na jakie powinnyśmy odpowiedzieć.

Pamiętaj o zachowaniu ostrożności – nie zasilamy AI danymi poufnymi.

Burza mózgów z wykorzystaniem narzędzi AI staje się coraz częstszą metodą pracy.

Generowanie pomysłów jest szybkie i łatwe, bo używając nawet najprostszego promptu jesteśmy w stanie w kilkanaście sekund otrzymać różne propozycje działań, które mogą stanowić punkt wyjścia do dalszej pracy.

Natomiast dużo lepsze wyniki osiągniemy, jeśli sięgniemy po sprawdzone praktyki:

WATCHOUT:

• W burzach mózgów nie ma złych pomysłów, więc ciężko o jakieś ostrzeżenie!
• Pamiętaj jednak, by sprawdzić wykonalność wypracowanego pomysłu, a jeśli to zrobisz, przejdź do jego wyceny – w realu!

Przydziel modelowi rolę np. kreatywnego stratega, nagradzanego dyrektora kreatywnego etc.; co ciekawe, możesz też poprosić chat, by wcielił się w jakąś postać np. „Myśl, jak Legalna Blondynka”, „Postrzegaj świat, jak Sheldon Cooper z The Big Bang Theory” – zaskoczysz się, jak taka perspektywa zmienia kierunek, w którym zmierzasz.

• Opisz swoją firmę i produkt.
• Sprecyzuj wyzwanie, przed którym stoi twoja marka.
• Opisz pomysł na kampanię, jeśli go masz na tym etapie.
• Określ grupę docelową.
• Podaj cel kampanii.
• Określ preferowane media – często będzie tak, że na tym etapie doskonale wiesz, które touchpointy chcesz postawić w swojej rekomendacji.
• Określ, jakich rozwiązań model ma unikać – bo skoro już wiesz, czego najbardziej potrzebujesz, to powinieneś wiedzieć, jakich działań wolałbyś nie używać.
• Zastosuj konkretną metodę burzy mózgów – jednak aby znaleźć metodę adekwatną do Twojej sytuacji, najlepiej opisz swoje wyzwanie i zapytaj model, jaką metodę rekomenduje; jeśli nie wiesz, od czego zacząć, proponujemy trzy sprawdzone metody, które mogą ułatwić Ci start prac: SCAMPER, Mind Mapping (Mapa myśli) i Reverse Brainstorming.
• Realiach naszej marki, a wreszcie opisanie, jak mają czuć się odbiorcy/widzowie. W skrócie – dostarcz jak najwięcej kontekstu.

Każdy pomysł, na który się zdecydujesz, warto dopracować. Pamiętaj, że możesz zlecić to zadanie AI poprzez: stosowanie pytań doprecyzowujących, poproszenie o dopasowanie pomysłu do wcześniej wypracowanej persony, osadzenie aktywacji w jakiś konkretnych realiach.

Podejście do mediów

Wykorzystując narzędzia AI, możemy dopracować nasze rekomendacje mediowe. Przestrzegamy – tej części pracy nie można w całości powierzyć modelowi, gdyż ten nie przygotuje nam złożonej rekomendacji mediowej. Dlaczego? Nie posiada tak kompleksowej i aktualnej wiedzy o mediach, nie zna złożoności i niuansów rynku oraz nie dysponuje: wycenami, warunkami zakupu czy też benchmarkami z naszych poprzednich kampanii. Co więcej, większości z tych danych nawet nie będziemy mogli wrzucić do narzędzia AI!

To, w czym model pomoże na tym etapie, to dopracowanie sposobu prezentacji danych oraz samej argumentacji doboru mediów.

Przeanalizujmy przypadek:
Zwiększenie wydatków w online wideo kosztem telewizji. Oto framework, który pomoże nam napisać prompt i wypracować treść rekomendacji:

Przedstaw co najmniej 10 argumentów przemawiających za zwiększeniem udziału online wideo z 10% do 16% w media mix, kosztem telewizji, która obecnie stanowi 70% budżetu.

ZADANIE
Konsumpcja mediów w naszej grupie docelowej wyraźnie pokazuje wzrost zainteresowania wideo online, takim jak YouTube czy OLV, kosztem telewizji. Zjawisko nasiliło się jeszcze bardziej w ciągu ostatnich kilku lat. Pomimo tej wyraźnej tendencji, klient nie zmienia swojego media mixu od lat. Tu warto zauważyć, że jeśli dysponujemy danymi o kontekście, warto będzie je wkleić; na potrzeby ćwiczenia określamy stosunkowo krótki kontekst.

KONTEKST
Wciel się w rolę doświadczonego pracownika agencji mediowej.

ROLA
Tekstowy, każda myśl jest przedstawiona w osobnym punkcie.

FORMAT ODPOWIEDZI
Nie wrzucaj warunków zakupowych marki. Sprawdź jakość otrzymanych danych.

WATCHOUT:

• Nie wprowadzaj do modelu stawek ani danych z kampanii, aby uniknąć ryzyka, że w przyszłości będzie się na nich szkolił.
• Nie wrzucaj warunków zakupowych marki.
• Sprawdź jakość otrzymanych danych.

Autorzy: Marta Gątarczyk, Mateusz Decyk, Adrian Peplak z Grupy Roboczej AI IAB Polska