AI markanızı önerince
müşteri sitenize gelir mi?

Son ziyaret kaydı önceki marka önerisini gösteriyor mu?

Bir kişi yapay zekâ asistanından koşu saati önerisi istiyor. Asistan bazı markaların adını veriyor. Kişi daha sonra Google’da bu markalardan birini arayıp sitesine gidiyor. Site kaydı ziyaretin arama motorundan geldiğini gösterebilir. Ancak kullanıcının markayı daha önce sohbette gördüğünü göstermez. Araştırma, sohbet içindeki marka önerisiyle sonradan yapılan arama ve ziyaret arasındaki bu ilişkiyi inceliyor.

Markanın sohbette geçmesi her zaman yeni ilgi anlamına gelmiyor. Bir kişi zaten kullandığı telefonun ayarlarını sorabilir. Asistanın telefon markasını söylemesi, kişiyi markayla yeni tanıştırdığı anlamına gelmez. Araştırmacılar önerileri bu tür sıradan anılmalardan ayırmak istedi. Kullanıcının marka hakkında zaten süren etkinliğini de hesaba katmaya çalıştı.

Araştırmacılar hangi kayıtları birleştirdi?

Scrunch AI araştırmacıları Michael Iannelli ve Alan Ai, katılım izni bulunan bir panelin verisini kullandı. Panel, aynı kişilerin web sayfası ziyaretlerini ve yapay zekâ sohbetlerini kaydediyordu. Araştırmacılar sayfa ziyaretlerini zaman bilgileriyle sohbetlere bağladı. Bu sayede belirli bir yanıttan önce ve sonra aynı kullanıcının ne yaptığını inceleyebildi.

Veriler İngilizce konuşulan 2 pazardan geldi. Sohbetler ChatGPT, Claude ve Gemini’yi kapsadı. Google’ın arama içine yerleştirdiği yapay zekâ özetleri ve AI Modu kapsam dışında kaldı. Bu hizmetlerde sohbeti başlatan arama zaten davranış ölçümünün bir parçası olabilecekti. Ekip sohbet asistanlarıyla arama içine yerleşmiş hizmetleri bu nedenle ayırdı.

Analizdeki kayıt birimi kullanıcı, yanıt ve marka eşleşmesiydi. Aynı yanıt birden fazla marka içerebiliyordu. Aynı kullanıcı da farklı yanıtlarda yeniden görünebiliyordu. Araştırmacılar her eşleşmede ilgili davranışın belirlenen süre içinde gerçekleşip gerçekleşmediğine baktı. Sonuçların paydası benzersiz müşteriler veya siparişler değil, analize uygun bu eşleşmelerdi.

Yeni ilgi ile mevcut müşteri davranışı nasıl ayrıldı?

Ekip önce yanıttaki marka ifadesini sınıflandırdı. Bir dil modeli markanın önerilip önerilmediğini, yalnız anılıp anılmadığını veya olumsuz değerlendirildiğini belirledi. Dil modeli, metinden öğrenilmiş ilişkilerle sınıflandırma yapan yapay zekâ sistemidir. Araştırmacılar modelin kararlarını daha güçlü başka bir modelle karşılaştırdı. Bu kontrol insan değerlendirmesine dayanan kesin doğruluk ölçümü değildi.

Ana karşılaştırma, önceki 7 günde markayla ilgili gözlenmiş etkinliği olmayan kişilere yapılan önerileri kapsadı. Ekip bu sürede marka araması, markanın kendi sitesine ziyaret veya markaya özgü satıcı sayfasına ziyaret görmemeyi koşul yaptı. Makale bu kişileri müşteri olmayanlar diye adlandırıyor. Ancak bu tanım kişinin markadan hiç alışveriş yapmadığını kanıtlamıyor. Çevrim dışındaki veya izlenmeyen kanallardaki ilişki bilinmiyor.

Araştırmacılar yanıttan sonraki 7 gündeki davranışı geçmişteki eşit uzunlukta dönemlerle karşılaştırdı. Bu geçmiş dönemler yanıttan 14, 21 ve 28 gün önce başlıyordu. Karşılaştırma, uygunluk için boş olması istenen hemen önceki haftayla yapılmadı. Böylece geçmiş dönemin tanım gereği sıfır olmasını artış kanıtı gibi kullanmadılar.

Ekip marka adını içeren Google aramasını, markanın kendi sitesini ziyaret etmeyi ve satıcıdaki markalı sayfaya gitmeyi ayrı ölçtü. Satıcı ölçümünde yalnız sitenin adına bakmadı. Sayfa adresinin ürün yolunda ilgili marka adının bulunmasını aradı. Büyük bir satıcı sitesine yapılan her ziyareti önerilen ürün markasına yazmadı. Ürün markalarıyla satıcıların kendi marka adlarını da ayrı tuttu.

Öneriden sonra hangi davranışlar daha sık görüldü?

Yakın dönemde gözlenen marka etkinliği olmayan kişilere yapılan önerilerde, marka araması oranı geçmiş karşılaştırma dönemlerinde %2,9’du. Yanıttan sonraki dönemde %7,2 oldu. Aradaki fark 4,3 yüzde puandı. Yüzde puan, yüzde oranlarının doğrudan farkıdır. Bu değer göreli artış yüzdesi değil. Araştırmacıların geçmiş dönemlerle yaptığı gözlemsel karşılaştırmayı anlatıyor.

Markanın kendi sitesine ziyaret oranı geçmiş karşılaştırmada %3,1, sonraki dönemde %5,5 oldu. Fark 2,4 yüzde puandı. Markaya özgü satıcı sayfası ziyaretinde oranlar %0,8 ve %1,8’di. Buradaki fark 1,0 yüzde puandı. Bu son davranış bir ürün sayfasına erişimi gösteriyor. Sepete ekleme, ödeme veya tamamlanmış satın alma kaydı değil.

Araştırmacılar yalnız tarafsız biçimde anılan markalarda daha küçük farklar buldu. Öneri ile sıradan anılma aynı sonucu vermedi. Ekip yanıtta adı geçen markaları aynı kategorideki adı geçmeyen markalarla da karşılaştırdı. Arama ve marka sitesi ziyaretindeki artış, adı geçen markalarda daha belirgindi. Satıcı ziyaretindeki karşılaştırma ise daha belirsizdi. Bu kontroller, genel internet etkinliğinin bütün farkı açıklayıp açıklamadığını sınamaya yardımcı oldu.

Ek incelemeler ilk bulguyu nasıl değiştirdi?

Araştırmacılar bütün marka anılmalarını birlikte değerlendirdiğinde sorun gördü. Bazı kişilerin marka sitesine ziyaretleri, asistan yanıtından önce zaten yükseliyordu. Bu kişilerin sonraki ziyaretlerini bütünüyle öneriye bağlamak yanlış olacaktı. Ekip mevcut marka ilgisini ayrı inceledi. Önceden etkin olan kullanıcıların davranışında önerinin ayrıca ne kadar hızlanma yarattığını kesin biçimde ayıramadı.

Marka araması, markanın sitesi ve satıcı sayfası zorunlu bir sıra oluşturmuyordu. Kullanıcı bazen doğrudan marka sitesine gidebiliyordu. Bazen önce satıcıya bakıyordu. Araştırmacılar bu davranışları tek bir satış hesabının ardışık oranları olarak kullanmadı. Farklı ürün kategorilerinde ziyaretin yöneldiği yer de değişti. Bazı kategorilerde satıcı sayfası daha belirgin bir hedef oldu.

Ekip asistanları ayrı karşılaştırdığında ChatGPT sonrasında daha fazla etkinlik gördü. Ancak aynı kişilerin farklı asistan kullanımlarına baktığında farklar istatistiksel olarak belirgin kalmadı. Araştırmacılar bu sonucu asistanın tek başına daha etkili olmasıyla açıklamadı. Hangi kişilerin hangi hizmeti kullandığı da fark yaratıyordu. Daha az tanınmış markaların mutlaka daha fazla yarar gördüğüne veya anılma sırasının düzenli bir üstünlük sağladığına ilişkin güvenilir kanıt da bulmadı.

Araştırma neden satın alma etkisini kanıtlamıyor?

Araştırmacılar kullanıcıları rastgele öneri gören ve görmeyen gruplara ayırmadı. Kişide o sırada oluşan marka ilgisi hem soruyu hem sonraki ziyareti etkileyebilir. Geçmiş dönem ve benzer marka kontrolleri bu olasılığı azaltmaya çalışıyor. Yine de aynı oturumda ortaya çıkan markaya özgü ilgiyi tamamen dışlayamıyor. Bu nedenle farkları önerinin kesin nedensel etkisi olarak sunmak mümkün değil.

Panel insanların dikkatini veya bütün satın almalarını ölçmüyor. Asistan yanıtını okumakla ekranda bulunması da aynı şey değil. Kullanıcı uygulamada işlem yapabilir veya fiziksel mağazadan alışveriş yapabilir. İzleme süresinden sonra harekete geçebilir. Makalenin başlığında satın alma geçiyor. Ancak gözlenen sonuçlar arama ve sayfa ziyaretleriyle sınırlı.

Yazarlar toplam panel büyüklüğünü ve analiz gruplarındaki kişi sayılarını ticari hassasiyet nedeniyle açıklamıyor. Bu durum sonuçların bağımsız değerlendirilmesini sınırlandırıyor. Veri, yazarların çalıştığı Scrunch AI’ın ticari ölçüm sisteminden geliyor. Marka kümesi de tanınmış tüketici markalarına ağırlık veriyor. Az bilinen yerel markalar için aynı büyüklükte fark beklenemez.

İncelenen sürüm arXiv ön baskısıdır. Metin bir sürümünün çalıştay konuşmasına kabul edildiğini belirtiyor. Bu bilgi, incelenen sürümün hakemli dergi yayını olduğu anlamına gelmiyor. Kullanıcı konuşmaları ve ham ziyaret kayıtları paylaşılmıyor. Yazarlar analizin önceden toplanmış, izinli ve kimlik bilgileri ayrılmış kayıtlarla yapıldığını bildiriyor.

Yazarlar hangi ölçüm değişikliğini öneriyor?

Yazarlar, asistanın markayı anmasını sonraki arama ve ziyaretlerden ayrı bir temas olarak kaydetmeyi öneriyor. Yalnız son ziyareti getiren bağlantıya bakmanın önceki sohbeti kaçırdığını belirtiyorlar. Bunun yanında her marka anılmasının öneri sayılmamasını istiyorlar. Önceden süren marka ilişkisini yeni ilgiyle karıştırmamayı da ölçümün gerekli parçası olarak görüyorlar.

Araştırmacılar sonraki çalışmalarda bu kayıtların gerçek işlem ve tekrar alışveriş verileriyle birleştirilmesini öneriyor. Böyle bir bağlantı kurulmadan ziyaret farkını gelir veya müşteri edinme maliyetine çevirmiyorlar. Sonuçlarını markaların daha çok anılmasını sağlama tavsiyesi olarak sunmuyorlar. Asistanlarda görünme, sonradan arama yapma ve satın alma arasındaki ayrımın ölçümde korunmasını istiyorlar.