צרכנים שלא קיימים עומדים להחליט מה נקנה

פרי לוי

בשנת 1985 השיקה חברת קוקה קולה את ה-"New Coke". זו היתה אחת מתקלות השיווק המהדהדות בהיסטוריה, שנעשתה לאחר שהחברה ביצעה מעל 200,000 מבחני טעימה וקבוצות מיקוד שאישרו שהצרכנים מעדיפים את הטעם החדש. הסיפור של New Coke ממחיש את אחת הבעיות הוותיקות של מחקרי השוק, מה שאנשים אומרים בסביבה מחקרית אינו תמיד זהה למה שהם עושים כשהחלטה אמיתית מונחת לפניהם.

חלפו ארבע עשורים, והיום מנהלי שיווק כבר לא צריכים לגייס 200,000 נחקרים. בלחיצת כפתור אחת, ניתן לייצר תוך דקות 100,000 "צרכנים סינתטיים", פרופילים אלגוריתמיים המבוססים על מודלי שפה (LLMs), בעלי גיל, הכנסה, מאפיינים פסיכוגרפיים והיסטוריית רכישות מדומיינת. אלא שהקלות והמהירות האלו מציבות את עולם השיווק בפני אותה מלכודת קוקה קולה, רק בעוצמה מעריכית.

הבעיה אינה שהצרכן הסינתטי טועה. הבעיה היא שאנחנו עלולים להאמין לו יותר מדי.

הפיתוי העסקי של מחקר שוק סינתטי הוא אדיר. מחקר שוק מסורתי עולה אלפי שקלים ונמשך שבועות, בשעה שסימולציה אלגוריתמית עולה הרבה פחות ומסתיימת עד שהקפה מוכן. סמנכ"לי שיווק יכולים לבדוק 50 וריאציות של קמפיין או שפה תקשורתית עוד לפני פגישת ההנהלה. אלא שהמחקרים העדכניים מצביעים על בעיה מעניינת יותר. מודלי שפה מסוגלים לשחזר דפוסים צרכניים רחבים, אך עדיין מתקשים לשחזר את השונות, ההטיות והחריגות שמאפיינות אנשים אמיתיים.

מחקר חדש של NIM (Marketing Intelligence Review) בחן נשאלים סינתטיים מול נשאלים האנושיים בתרחישים שיווקיים, ומצא תוצאה שנשמעת כמעט מושלמת, התשובות הסינתטיות תאמו את בחירות הנשאלים האנושיים בכ־79% מהמקרים. אלא שכאשר נכנסים לעומק הנתונים, התמונה משתנה. המודלים נטו באופן שיטתי להפריז בבחירת מותגים מוכרים, והציגו פחות שונות מהנשאלים האנושיים.

וזה ההבדל הקריטי, הבעיה של צרכן סינתטי אינה בהכרח שהוא טועה. הבעיה היא שהוא עלול להיות משכנע דווקא כשהוא טועה באופן שיטתי. הוא יודע לשחזר את התמונה הכללית, אבל עלול 'להחליק' את החריגים, את אי הוודאות ואת הצרכן שלא מתנהג כמו הממוצע.

הארכיטקטורה החדשה: Synthetic First, Human Final

הטעות האסטרטגית של ארגונים רבים כיום היא ההתייחסות לצרכן הסינתטי כאל תחליף לצרכן האנושי. צרכן סינתטי אינו צרכן. הוא מודל שמנסה לדמות דפוסים שנלמדו מנתונים קיימים. לכן, הוא יכול להיות מצוין בהעלאת השערות אבל, מסוכן כאשר הופכים אותו לתחליף למציאות. הפתרון אינו פסילת הטכנולוגיה, אלא אימוץ ארכיטקטורת עבודה דו-שלבית: Synthetic First, Human Final.

1. שלב הסינון האלגוריתמי (Synthetic First): משמש כ"מעבדת ניסויים" מהירה וזולה. בשלב זה ה-AI מריץ סימולציות על עשרות השערות, מסנן רעיונות גרועים, מעלה תרחישי קיצון ומזקק את השאלות.
2. שלב האימות האנושי (Human Final): משמש כפרוטוקול ההכרעה הסופי. את הקונספטים ששרדו את הניסוי הסינתטי מעבירים לבני אדם אמיתיים, כדי לבדוק נכונות לשלם, תגובות רגשיות והתנהגות רכישה בפועל.

ה-AI מאפשר לנו להגיע אל הצרכנים האמיתיים כשאנחנו מצוידים בשאלות חדות יותר ובמספר השערות שכבר עברו סינון. הוא יכול לעזור למנהלי השיווק להחליט מה כדאי לבדוק, אבל לא להחליט במקומם מה נכון לצרכנים.

הסכנה: "תיבת תהודה" ארגונית

חברות שיסתמכו אך ורק על צרכנים סינתטיים ימצאו את עצמן מקבלות החלטות בתוך "תיבת תהודה" (Echo Chamber). המודל יגיד למנהלים בדיוק את מה שאותם מנהלים אימנו אותו לחשוב על הצרכן. בנקודה הזו, המותג מאבד את המגע עם המציאות הצרכנית החמקמקה, זו שמונעת משיקולים אי-רציונליים, מצבי רוח, אירועים חדשותיים ולחץ חברתי. בעולם שבו כולם יכולים להריץ מילון סקרים סינתטיים בשנייה, היתרון התחרותי האמיתי יעבור לחברות שידעו לפענח את התהליכים הלא-צפויים של בני האדם האמיתיים.

מה צריך לזכור לגבי סוכנים סינטטיים?

1. הגדרת "סף קו אדום": קבעו כלל ארגוני שלפיו שום החלטת תמחור, פיתוח מוצר או מיצוב אסטרטגי לא תתקבל אך ורק על בסיס דאטה מצרכנים סינתטיים.
2. פרוטוקול סימולציה מקדים: השתמשו בכלי AI כדי להריץ "סימולציית חיכוך" על שאלון המחקר שלכם לפני שיגורו לקהל האנושי, במטרה לנפות שאלות מוטות או מיותרות.
3. מדד כיול דינמי (Calibration Index): השוו באופן קבוע את התחזיות של הצרכנים הסינתטיים להתנהגות הקנייה בפועל של לקוחות, ובנו מפת דיוק אלגוריתמית ייעודית לארגון שלכם.

פרי לוי מלווה חברות ומרצה בתחום חוויית לקוח ודאטה בדיגיטל