2024 年の代理店向けの革新的な洞察 [無料電子ブック]

現在、マーケティング代理店を経営している方は、これまでとは異なる、より複雑な障害物が立ち並ぶ迷路を進んでいることになるでしょう。 確かに、どうすればよいかわからないほど多くの顧客データに、前例のないほどアクセスできるようになります。 しかし、アルゴリズムの変更、新しいデータ プライバシー法の解読、クライアントの満足度の維持、エスプレッソを飲む金魚の集中力の持続時間を持つ視聴者向けのコンテンツの作成もやりくりしていることになります。

日々変化する業界のトレンドを常に把握しながら、これらすべての責任を常に遂行することは、気の弱い人には向いていません。 これを成功させるには、創造性のコツや数字に対する目以上のものが必要です。 代理店の成功には、タイムリーかつ時代を超越した洞察に基づいて、両方を組み合わせる必要があります。

その迷路を乗り越えるために、私たちは電子ブック「2024 年に代理店に必須の専門家の洞察」を作成しました。 これは、2023 年のエージェンシー サミットで専門家から学んだトップ 10 の洞察を抜粋したものです。 これらの熟練した専門家は、迷路から抜け出す方法を見つけ出し、貴社の代理店が成長し、規模を拡大し続けるのに役立つ不可欠な教訓を導き出しました。 AI という猛獣の活用に関するアドバイスが必要な場合でも、ソーシャル メディアの ROI の理解と証明が必要な場合でも、これは明日の代理店の世界で生き残るだけでなく成功するためのガイドと考えてください。

この電子ブックでは、代理店向けのマーケティングのヒントを 2 つ紹介します。 フルバージョンを入手するには、無料のコピーを今すぐダウンロードしてください。

洞察その 1: AI があなたの仕事を奪うことはありません。 しかし、AI の使い方を知っている人ならそうするでしょう。

出典:クリストファー・ペン「ご存知の通り、あなたの代理店は終わりです」

Agency Summit 中に、Trustinsights.ai の共同創設者兼チーフ データ サイエンティストである Christopher Penn 氏に話を聞きました。 ペン氏は、AI が現在どのように使用されているか、将来どのように使用されるか、マーケティング代理店にとって AI が何を意味するかについて詳しく説明しました。

ペン氏が共有した重要なポイントは次のとおりです。

壁に文字が書いてあります。 AI は単なるバズワードではなく、ビジネスの運営方法に大きな変化をもたらします。 日常業務の自動化からデータ分析や顧客エンゲージメントに至るまで、AI はイノベーションのバックボーンになりつつあります。

Gartner は、マーケティング部門全体で AI を使用する組織は、2025 年までにスタッフの業務の 75% を生産業務からより戦略的な活動に移行すると予測しています。

テクノロジーの世界に属していない人にとって、「機械が私の仕事を奪ってしまうのではないか？」という不安は現実のものです。

答えは微妙です。 AI が雇用市場を大きく変えるだろう（そしてすでに変えている）のは事実です。 しかし、AI は特定の役割を置き換える一方で、私たちがまだ想像できない新しい役割も生み出すでしょう。

おそらく、AI に熟練した労働者が、そうでない労働者の仕事を奪うことになるでしょう。 ここで鍵となるのは適応性と柔軟性です。 マーケティング担当者は、雇用市場で競争力を維持するために、スキルを向上させ、再スキルを身につける必要があります。

AI、データ サイエンスの基礎、さらには AI ツールをワークフローに効果的に統合する方法を学ぶことで、あなたはかけがえのない存在になることができます。 一夜にして本格的なデータサイエンティストになる必要は決してありません。 しかし、これらの新しいテクノロジーと連携する方法を理解していれば、そうでない人よりも先を行くことができます。

今すぐ Agorapulse の無料トライアルにサインアップしてください!

再スキル化も同様に重要です。 あなたの仕事が自動化の影響を非常に受けやすい場合は、スキルセットを多様化することでセーフティネットを提供できます。 たとえば、マーケティングの専門家は現在、AI アルゴリズムを採用したデータ分析ツールや顧客関係管理ソフトウェアに精通していることが求められています。

これは、効果的なプロンプト エンジニアリングを理解し、学習することが無視できないことを意味します。

洞察その 2: 今すぐプロンプト エンジニアリングを学ばなければ、取り残される危険があります。

出典: クリストファー・ペン「ご存知の通り、あなたの代理店は終わりです」

ChatGPT や Bard などの AI ツールをマーケティング業務に使用すると、摩擦が軽減され、冗長性が排除されます。 これにより、マーケティング担当者は予算とリソースを、よりダイナミックなマーケティング組織をサポートする活動に移すことができます。

政府機関は今すぐに、即時エンジニアリングだけでなく、日常業務の自動化、通話の文字起こし、コードの記述など、AI の他のユースケースについても従業員が確実にトレーニングを受けられるようにすることから始めるべきです。

プロンプト エンジニアリングを学びたい場合は、LLM (大規模言語モデル) に基づいた AI ツールがどのように機能するかを理解することが重要です。

以下は、Penn のウェビナーからの簡単な入門書です。

まず第一に、大規模言語モデルとは何ですか? それはすべて、1957 年にジョン・ルパート・ファースが言った言葉から始まります。「あなたは、それが維持する会社によって言葉がわかるでしょう。」 これは、すべての大規模な言語モデルが機能する基礎となります。

では、それは正確には何を意味するのでしょうか？

GPT-4 のような AI 言語モデルの中核は、大規模なテキスト データセットでトレーニングされた大規模なニューラル ネットワークです。 これらは本質的に、統計的確率を使用して、その前に出現した単語に基づいてシーケンス内の次の単語を予測するパターン認識装置です。

トレーニングには、モデルに大量のデータを供給し、内部パラメーターを調整して、正確な予測を行う方法を学習することが含まれます。 このフェーズでは、モデルは基本的にエラー率を最小限に抑え、内部の「知識」を適応させて次回のパフォーマンスを向上させようとします。

トレーニングが完了すると、モデルは指定されたプロンプトに基づいてテキストを生成できます。 トレーニング中に学習した内容を使用して、次にどのような単語が来るかを予測し、人間のような言語を模倣した方法でプロンプトを効果的に「完成」させます。

ただし、これらのモデルには意識がなく、コンテキストを理解したり、いかなる種類の認識も持っていません。 彼らはデータのパターンを認識するのが非常に得意です。 したがって、プロンプトを設計するときは、基本的に、モデルがトレーニング データ内で見たパターンと一致する方法で質問を構成することになります。

GPT-4 および同様のモデルは確率論的であり、決定論的ではありません。 これは、彼らが次に考えられる最も可能性の高い単語やフレーズを「考えている」ものをあなたに提供することを意味します。 しかし、実際に役立つと思われる答えや結果に向けて彼らを導くかどうかは、あなた次第です。

「プロンプト エンジニアリングを理解する上で重要な点は、プロンプト内でより関連性の高い単語を使用するほど、プロンプトのパフォーマンスが向上し、より良い結果が得られるということです。」 (クリストファー・ペン)

プロンプトはモデルの出力の準備を整えるため、良好な結果を得るために非常に重要です。 それは誰かに即興のトピックを与えるようなものです。あなたがより明確でより具体的であるほど、応答はあなたの期待に近づきます。

プロンプトを作成するときにいくつかの簡単なルールに従うと、言語モデルを有益な結果に導くことがより簡単になります。

• 精度。 モデルが動作する境界またはパラメーターを設定する方法としてプロンプトを検討してください。 曖昧なプロンプトでは、技術的には正しいが、実際に探しているものではない答えが得られる可能性があります。 したがって、正確に、特定の言語を使用してプロンプトを作成する方が良いでしょう。 「マーケティングについて教えてください」と尋ねる代わりに、「電子商取引における顧客維持率を向上させるための革新的な戦略は何ですか?」と尋ねることもできます。
• コンテクスト。 十分な背景情報を提供します。 モデルは自分が何を知らないのかを知らないので、少しフレーミングすることが役に立ちます。 たとえば、リクエストの最終目標、対象読者、形式、口調、特定の文字数などの制限があるかどうかなどを提供するとよいでしょう。
• 制約。 質問の範囲を制限します。 「電子メール マーケティングを改善する方法」を尋ねると、さまざまな答えが得られます。 しかし、「ソーシャル メディア マーケティング代理店の電子メール マーケティング キャンペーンの開封率を向上させる 3 つの方法」を尋ねると、より焦点を絞った回答が得られる可能性があります。
• 反復。 最初の答えが完璧ではない場合は、質問を修正して再度質問してください。 これは、あなたが望む答えに向かってモデルを誘導する会話であると考えてください。
• 複数のプロンプト。 場合によっては、同じ質問を別の方法で尋ねることが役立つ場合があります。 そうすることで、より幅広い回答の中から選択できるようになったり、同じ問題に対するさまざまな視点を強調したりすることができます。
• 直接コマンド。 答えを決める前に、モデルに段階的に考えるように指示したり、賛否両論を議論したりすることができます。 「詳細な説明をする」や「要点を要約する」などのコマンドも出力を制御できます。たとえば、あまりにも基本的または一般的な回答が得られた場合は、ChatGPT にそれを伝えます。 そこで私はこう答えます。「これは非常に一般的で基本的なものだと感じます。 あなたにはこれよりもはるかに高いレベルで文章を書く能力があることを私は知っています。」 すると通常は、「その通りです。ナッジしてくれてありがとう」のような返事が返ってきます。 その後、より詳細で複雑な情報を提供していきます。
• フィードバックループ。 モデルから得られるものを取り入れて改良し、モデルにフィードバックします。 このプロセスは、より微妙な答えや複雑な答えを得るのに役立ちます。

これは決して精密な科学ではなく、どちらかというと芸術形式であり、練習すれば上達できるものだと思います。

ChatGPT から得られる応答に驚かれることがあります。 これまで考えもしなかった洞察や視点が得られるので、試してみる価値はあります。

マーケティングのヒントのインフォグラフィック

さらに多くの洞察を得るには、「代理店向けの必須の専門家洞察」の無料コピーを今すぐダウンロードしてください。