マーケティングにおける大規模な言語モデルの使用を拡張する方法
公開: 2023-05-18生成 AI と大規模な言語モデルは、私たちが知っているマーケティング業界を変えようとしています。
MarTech Conferenceで講演したTrustInsights.aiのチーフデータサイエンティスト、クリストファー・ペン氏は、競争力を維持するにはテクノロジーと、それが当社のマーケティング活動にどのような影響を与えるかを理解する必要があると述べた。
大規模な言語モデルの使用を拡張する方法、プロンプト エンジニアリングの価値、マーケティング担当者が今後のことにどのように備えることができるかを学びます。
大規模な言語モデルの背後にある前提
ChatGPT は、発売以来、ほとんどの業界でトレンドのトピックとなっています。 みんなの意見を見ずにオンラインに行くことはできません。 しかし、その背後にあるテクノロジーを理解している人は多くない、とペン氏は言う。
ChatGPT は、OpenAI の GPT-3.5 および GPT-4 大規模言語モデル (LLM) に基づく AI チャットボットです。
LLM は、英国の言語学者ジョン ルパート ファースによって 1957 年に構築された前提に基づいて構築されています。
- 「あなたは、その会社が経営する会社の言葉を知ることになるでしょう。」
これは、単語の意味は、通常その単語と一緒に表示される単語に基づいて理解できることを意味します。 簡単に言えば、単語は辞書の定義だけでなく、それが使用される文脈によっても定義されます。
この前提は、自然言語処理を理解するための鍵となります。
たとえば、次の文を見てください。
- 「お茶を淹れています。」
- 「お茶をこぼしてしまいました。」
前者は温かい飲み物を指しますが、後者は噂話のスラングです。 これらの場合の「お茶」にはまったく異なる意味があります。
語順も重要です。
- 「お茶を淹れています。」
- 「私が淹れているお茶です。」
上の文は、「醸造する」という同じ動詞を使用していますが、焦点を当てている主題が異なります。
大規模な言語モデルの仕組み
以下は、大規模な言語モデルが構築されるアーキテクチャ モデルであるトランスフォーマーのシステム図です。
簡単に言うと、トランスフォーマーは入力を受け取り、それを何か別のものに変換します (つまり、「変換」します)。
LLM は作成にも使用できますが、あるものを別のものに変えることに優れています。
OpenAI やその他のソフトウェア会社は、何百万もの文書、学術論文、ニュース記事、製品レビュー、フォーラムのコメントなどを含む膨大なデータのコーパスを取り込むことから始めます。
これらすべての取り込まれたテキストの中で、「お茶を淹れています」というフレーズがどのくらいの頻度で現れるかを考えてみましょう。
上記の Amazon 製品レビューと Reddit のコメントは一例です。
このフレーズが保持している「会社」、つまり「お茶を淹れています」の近くに表示されるすべての単語に注目してください。
「味」、「香り」、「コーヒー」、「香り」などはすべて、これらの LLM に文脈を与えます。
機械は読めません。 したがって、このすべてのテキストを処理するために、トランスフォーマー アーキテクチャの最初のステップである埋め込みが使用されます。
埋め込みにより、モデルは各単語に数値を割り当てることができ、その数値はテキスト コーパス内で繰り返し出現します。
これらのモデルでは単語の位置も重要です。
上の例では、数値は同じままですが、順序が異なります。 これが位置エンコーディングです。
簡単に言えば、大規模な言語モデルは次のように機能します。
- マシンはテキスト データを受け取ります。
- すべての単語に数値を割り当てます。
- さまざまな単語間の統計的頻度と分布を調べます。
- シーケンス内の次の単語が何になるかを考えてみてください。
これらすべてを行うには、かなりのコンピューティング能力、時間、リソースが必要になります。
マーケティング担当者が頼りにする毎日のニュースレター検索を入手します。
規約を参照してください。
迅速なエンジニアリング: 習得すべきスキル
LLM に提供するコンテキストと指示が多ければ多いほど、より良い結果が返される可能性が高くなります。 これが即時エンジニアリングの価値です。
ペン氏はプロンプトを、マシンが生成するものに対するガードレールとして考えています。 機械は私たちの入力内の単語を拾い上げ、出力を開発するときに文脈を把握します。
たとえば、ChatGPT プロンプトを作成する場合、詳細な指示により、より満足のいく応答が返される傾向があることがわかります。
ある意味、プロンプトはライターにとってのクリエイティブブリーフのようなものです。 プロジェクトを正しく完了させたい場合、ライターにたった 1 行の指示を与えることはありません。
代わりに、書いてほしいことすべてと、どのように書いてほしいかを網羅した適切なサイズの概要を送信します。
LLM の使用を拡張する
AI チャットボットについて考えるとき、ユーザーがプロンプトを入力してツールの応答を待つことができる Web インターフェイスをすぐに思い浮かべるかもしれません。 これは誰もが見慣れているものです。
「これらのツールの最終目標は決してありません。 ここは遊び場です。 ここで人間がツールをいじることになります」とペン氏は語った。 「これは企業がこれを市場に投入する方法ではありません。」
プロンプトライティングをプログラミングと考えてください。 あなたは、コンピュータに何かを実行させるための命令を書く開発者です。
特定のユースケースに合わせてプロンプトを微調整したら、API を利用して実際の開発者にそれらのプロンプトを追加コードでラップしてもらい、プログラムで大規模なデータの送受信ができるようにします。
これが、LLM がビジネスを拡大し、より良い方向に変える方法です。
これらのツールはあらゆる場所に展開されているため、誰もが開発者であることを覚えておくことが重要です。
このテクノロジーは、Microsoft Office (Word、Excel、PowerPoint) や、私たちが日常的に使用する他の多くのツールやサービスに組み込まれる予定です。
「自然言語でプログラミングしているため、必ずしも従来のプログラマーが最高のアイデアを持っているわけではありません」とペン氏は付け加えた。
LLM はライティング、マーケティングまたは PR の専門家 (プログラマーではない) によって強化されているため、ツールの革新的な使用方法を開発する可能性があります。
LLM が検索マーケティングに与える影響と、それに対して何ができるか
大規模な言語モデルがマーケティング、特に検索に与える影響が見え始めています。
2 月、Microsoft は ChatGPT を搭載した新しい Bing を発表しました。 ユーザーは検索エンジンと対話し、リンクをクリックすることなくクエリに対する直接の回答を得ることができます。
「これらのツールは、クリックを必要としない方法で質問に回答するため、ブランドのない検索に影響を与えることを期待する必要があります」とペン氏は言います。
「私たちは SEO の専門家として、強調スニペットやゼロクリック検索結果などで、すでにこの問題に直面しています。しかし、私たちにとって事態はさらに悪化するでしょう。」
同氏は、SEO にとって最大のリスク領域であるため、Bing ウェブマスター ツールまたは Google Search Console にアクセスし、ブランドのない情報検索からサイトが取得するトラフィックの割合を確認することを推奨しています。
ブランドを構築する
「ブランド構築が2023年以降の戦略上の最優先事項ではないとしても、そうすべきだ」とペン氏は強調した。
ブランドを構築し、検索で名前を尋ねてもらう必要があります。
ユーザーがトピックに関するアイデアや推奨事項を求めるとき、LLM はあなたではなく、合成された情報をユーザーに案内する可能性があります。
しかし、人々が具体的にあなたのブランドの名前を尋ねたとしても、彼らは行きたい場所にたどり着くでしょう。
オンラインでのブランドの存在感を可能な限り強力にします。
AI に「影響を受けない」出版プラットフォームを使用する
ペン氏はまた、視聴者に直接、介在せずにアクセスできるプラットフォームを使用することの重要性を強調しました。
電子メールや SMS (ダイレクト メールも) などのチャネルを使用すると、顧客に直接連絡し、AI を介さずに確実に連絡を取ることができます。
オーガニック検索とソーシャルメディアはすでに AI によって大きく媒介されています。 したがって、視聴者の一部であっても確実にリーチできる可能性は低いです。
最大手のブランドであっても、有料キャンペーンに費用を費やさなければ十分なビュー数を獲得することはできません。
コミュニティに焦点を当てる
Slack、Telegram、Discord などのサービスを使用すると、同じ考えを持つ人々と集まり、有意義なつながりを築くことができます。
ユーザーに価値を提供すると、確実にユーザーにリーチし、ロイヤリティを獲得し、ブランド エクイティを構築できます。
視聴: マーケティングの特異点: 大規模な言語モデルと、ご存知のマーケティングの終焉
ペン氏は、マーテック カンファレンスで、LLM がマーケティングの仕事に与える影響についてさらに多くの洞察を共有しました。 彼のプレゼンテーション全文をここでご覧ください:
