MB “Insightvid “ - dirbtiniu intelektu paremtas prekės ženklų stebėjimo turinio kūrimo sprendimas gebantis generuoti unikalius vaizdo įrašų atsiliepimus, kuris gali užfiksuoti žodinį atsiliepimą, toną, veido išraiškas ir neverbalinius signalus. Kuriamas produktas naudotų real data statistinius produkto vartotojų atsiliepimų įvykių duomenis ir sugebėtų generuoti atsiliepimų ataskaitą be žmogaus įsikišimo. Šis sprendimas leistų greitai sugeneruoti didelį ir skirtingą kiekį tokio tipo atsiliepimų, kur įmonės, valdančios/prekiaujančios tam tikrų prekės ženklų produktais ar paslaugomis iš gautų sugeneruotų ataskaitų galėtų priimti strateginius pardavimų sprendimus bei perduoti surinktą analizę prekės ženklo gamintojams ir paslaugų teikėjams. (pvz. Produkto klientai galėtų gauti prekės ženklo produkto atsiliepimų analizę pasirinktinai pagal sugeneruotus kriterijus, iš kurių galėtų daryti strateginius konkretaus projekto ženklo pozicionavimo ir pardavimų sprendimus, vartotojai galėtų matyti atsiliepimus apie įsigyjamą prekę ar paslaugą ). Didieji duomenys (angl. „Big data“) ir dirbtinis intelektas šiandien reikšmingai keičia visą vartojimo prekių pasaulį. Daugumoje pardavimo procesuose yra surenkama didžiuliai kiekiai duomenų, todėl dirbtinio intelekto pagrindu veikiančios duomenų apdorojimo ir kompiuterinio mokymosi technologijos turi tiesioginę įtaką prekės ženklų stebėjimo turinio duomenų analizavimui. Šie duomenys padės produkto klientams suprasti pardavimų problemas su susijusiu prekės ženklu. Šiuose duomenyse dažnai slypi pati įdomiausia informacija, kurią tinkamai pateikus, tai gali tapti puikiu produktu, kuris gali sutelkti tinkamų pardavimo sprendimų produkto klientams ir pritraukti produkto vartotojų susidomėjimą, matant atitinkamus atsiliepimus apie tam tikro prekės ženklo produktą. 1. Problema: - Prekės ženklams reikia daugiau holistinių įžvalgų, kurios fiksuotų ne tik tai, ką sako vartotojai, bet ir kaip jie jaučiasi. - Greitai kintančioje rinkoje prekių ženklams reikia atsiliepimų realiuoju laiku, kad jie galėtų veiksmingai pakeisti savo strategijas. - Duomenų rinkimo metodas turėtų būti įtraukiantis, kad būtų užtikrintas tikras dalyvavimas ir autentiškas grįžtamasis ryšys. - Nors individualūs interviu suteikia gilumo, jie nėra keičiami. Nauji metodai turėtų suderinti kokybinį turtingumą ir kiekybinį platumą. 2. Sprendimo metodai: – Vaizdo įrašų atsiliepimai: leisdami vartotojams teikti atsiliepimus vaizdo įrašo formatu, prekės ženklai gali užfiksuoti žodinį atsiliepimą, toną, veido išraiškas ir neverbalinius signalus. - AI pagrįsta analizė: pažangūs AI modeliai perrašo ir analizuoja vaizdo įrašų atsiliepimus, išgaudami pagrindinius jausmus ir įžvalgas. Tai leidžia apdoroti realiu laiku ir generuoti įžvalgas. - Interaktyvios platformos. Šiuolaikinės platformos leidžia atlikti interaktyvias apklausas, kuriose vartotojai gali dalyvauti dinamiškesniais būdais, padidindami dalyvavimo lygį. - Smulkūs demografiniai filtrai: pažangios stebėjimo sistemos leidžia prekių ženklams filtruoti įžvalgas pagal demografinius rodiklius, pvz., amžių, lytį ir vietą, užtikrinant pritaikytas strategijas. - Tiesioginė užklausa: prekės ženklai gali tiesiogiai pateikti užklausą atsiliepimų duomenų bazėje, kad gautų įžvalgų konkrečiomis temomis ar kriterijams. Skiriamieji veiksniai: 1. Įžvalgos gylis. Nors tradiciniai metodai fiksuoja tai, ką sako vartotojai, naujasis požiūris fiksuoja, kaip jie tai sako, ir siūlo išsamesnį nuotaikų supratimą. 2. Atsiliepimai realiuoju laiku: užuot laukę ketvirtinių ataskaitų, prekės ženklai beveik iš karto gauna įžvalgas, leidžiančias greitai priimti sprendimus. 3. Vartotojų įtraukimas: Interaktyvūs ir vaizdo įrašais pagrįsti grįžtamojo ryšio metodai yra patrauklesni nei apklausų raštu pildymas, užtikrinantys geresnį dalyvavimą ir autentiškesnį grįžtamąjį ryšį. 4. Mastelio keitimas: AI pagrįsta analizė užtikrina, kad net jei vaizdo įrašų atsiliepimuose yra daug turinio, jį galima padidinti iki tūkstančių ar net milijonų atsakymų, nepakenkiant įžvalgos gyliui. Apibendrinant galima pasakyti, kad nors tradiciniai prekės ženklo stebėjimo metodai turi savo privalumų, naujasis metodas siūlo išsamesnį, realaus laiko ir keičiamo dydžio sprendimą, leidžiantį suprasti vartotojų nuotaikas. Tai ne tik metrikų stebėjimas, bet ir kintančių vartotojų ir prekių ženklų santykių supratimas. Kuriamas produktas yra orientuotas į įmones, valdančias/prekiaujančias tam tikrų prekės ženklų produktais, kur iš gautų sugeneruotų ataskaitų galėtų priimti strateginius pardavimų sprendimus bei perduoti surinktą analizę prekės ženklo gamintojams. Sukurtas unikalus turinys leistų produkto klientams daug greičiau suprasti atitinkamo prekės ženklo pardavimų pokyčius, keisti pardavimų startegijas. Toks turinys taip pat neliktų nepastebėtas paieškos sistemų robotų ir atitinkamai būtų įvertintas SERP (liet. paieškos sistemų rezultatų puslapis; angl. Search Engine Result Page) reitinge. Išanalizavus šią tikslinę grupę yra nustatyta, kad klientai susiduria su didžiuliais kaštais siekiant kaip įmanoma greičiau pasidalinti aktualiomis ką tik įvykusiomis naujienomis, jiems yra sudėtinga kurti unikalų prekės ženklo pardavimo turinį, kadangi reikia remtis statistiniais duomenimis, juos išanalizuoti, ir juos aprašyti.. Operatyvius prekės ženklo pardavimų strategijų keitimo veiksmus gali užtikrinti tik didžiausi rinkos žaidėjai, kurie investuoja į didelę žmonių komandą, tačiau naujienų pateikimas vis tiek dar nėra toks greitas, kaip to norėtų vartotojai. Besiplečiantis turinio poreikis internete verčia verslus ieškoti papildomų kokybiškų ir specializuotų sprendimų siekiant patenkinti atsiradusią paklausą. Didelis kiekis turinio gali būti sukurtas greitai ir efektyviai pasitelkiant AI sprendimą, todėl tai leistų minėtiems produkto klientams sutaupyti nemažai kaštų pasitelkiant šį įrankį. Nebereikės analizuoti didelio kiekio duomenų, juos lyginti, teikti išvadas, generuojant unikalaus prekės ženklo pardavimo turinio tekstus. Toks sprendimas leistų atpiginti minėtų organizacijų prekės ženklo pardavimo turinio kūrimo kaštus, kurių tekstai paieškos sistemose generuotų aukštą paieškos reitingą. Vartotojai gaus momentines žinias apie perkamą prekės ženklo produktą, nes masiškai visų įvykusių vartotojų atsiliepimų naujienos būtu prieinamos momentiškai apie ieškomo prekės ženklo produktą. Šis sprendimas rinkoje būtų pristatomas SAAS verslo modeliu, generuojami atsiliepimai būtų unikalios kiekvienam produkto klientui ir perteikiais API sąsajos pagalba, masiškai pagal norimus kriterijus. Atlikus analizę panašių rinkoje veikiančių prekės ženklų stebėjimo turinio kūrimo sprendimų, nustatyta, kad panašūs sprendimai yra sukurti tik daugiau atskiromis funkcijomis paremtais sprendimais. Tačiau turinio generavimo prekės ženklų stebėjimo vaizdo atsiliepimų sprendimo, kuris apimtų įvairias rūšis ir būtų pritaikomas tinkamu vaizdo įrašų atsiliepimų modeliu dar nėra sukurta. Atsiliepimų susistemintas turinys bus atiduodamas produkto klientui. Kartu pateikiamos rekomendacijos meta duomenims, antraštėms, URL struktūrai, ir kita informacija, padėsianti optimizuoti pasirinkto prekės ženklo pardavimo strategiją. Sprendimo esmė išmokyti algoritmą atpažinti pasikartojančių atsiliepimų turinį apie konkretaus prekės ženklo produktą pagal produkto kliento pasirinktus analizės parametrus. Sprendimo tikslas yra sumažinti produkto klientų patiriamus kaštus prekės ženklo pardavimų strategijoms kurti, sukuriant prekės ženklo atsiliepimų duomenų bazę, kuri operatyviai padėtų keisti produkto pardavimų pozicionavimo ir pardavimo strategijos sprendimus, keičiant produkto vietą, poziciją ar priimant sprendimą pakeisti esamą produktą ar paslaugas kitais produktais ar paslaugomis.