[ad_1]

محققان دانشگاه بوستون و دانشگاه ویرجینیا مقاله جدیدی را در روزنامه بازاریابی که به بررسی چگونگی پاسخ مصرف کنندگان به توصیه کنندگان هوش مصنوعی می پردازد ، هنگامی که آنها بر جنبه های کاربردی و عملی محصول (ارزش سودمندی آن) در مقابل جنبه های تجربی و حسی محصول (ارزش لذت بخشی آن) متمرکز هستند.

این مطالعه در آینده انجام می شود روزنامه بازاریابی، تحت عنوان هوش مصنوعی در یک زمینه سودمندانه در برابر زمینه هدونیک: کلام اثر ماشین است و نویسنده آن کیارا لونگونی و لوکا شیان است.

شرکتهای بیشتری از پیشرفتهای فن آوری در هوش مصنوعی ، یادگیری ماشین و پردازش زبان طبیعی برای ارائه توصیه به مصرف کنندگان استفاده می کنند. در حالی که این شرکت ها کمک های مبتنی بر هوش مصنوعی را ارزیابی می کنند ، باید یک سوال اساسی مطرح شود: چه زمانی مصرف کنندگان به “کلمه ماشین” اعتماد می کنند و چه زمانی با آن مخالفت می کنند؟

جدید روزنامه بازاریابی این مطالعه دلایل ترجیح منبع توصیه (AI نسبت به انسان) را بررسی می کند. عامل اصلی در تصمیم گیری در مورد چگونگی قرار دادن توصیه کنندگان هوش مصنوعی این است که آیا مصرف کنندگان بر جنبه های عملکردی و عملی محصول (ارزش سودمندی آن) متمرکز شده اند یا جنبه های تجربی و حسی محصول (ارزش لذت بخشی آن).

تیم تحقیقاتی با تکیه بر داده های بیش از 3000 شرکت کننده در مطالعه ، شواهدی را برای حمایت از اثر ماشین به ماشین ارائه کرده است ، که به عنوان پدیده ای تعریف شده است که در آن معاملات بین جنبه های سودمندانه و لذت گرایانه یک محصول اولویت یا مقاومت در برابر توصیه کنندگان AI را تعیین می کند. تأثیر “ماشین به ماشین” از این باور گسترده ناشی می شود که سیستمهای هوش مصنوعی در هنگام توصیه مطلوب از ویژگیهای عملی و عملی (منفعت طلبانه) صلاحیت بیشتری نسبت به انسانها دارند و درصورت مبتنی بودن کیفیتهای مطلوب ، از شایستگی کمتری برخوردار هستند. تجربه و حسی (لذت جویانه). بنابراین ، اهمیت یا نمایان بودن صفات سودمندانه اولویت توصیه کنندگان هوش مصنوعی را بر خصوصیات انسانی تعیین می کند ، در حالی که اهمیت یا نمایان بودن ویژگی های لذت گرایانه مقاومت در برابر توصیه کنندگان هوش مصنوعی را نسبت به خصوصیات انسانی تعیین می کند.

محققان با استفاده از آزمایشاتی که برای ارزیابی تمایل افراد به انتخاب محصولات براساس تجربه مصرف و منبع توصیه شده طراحی شده است ، تأثیر دستگاه را آزمایش کردند. لونگونی توضیح می دهد که “ما دریافتیم که هنگامی که دستورالعمل انتخاب محصول فقط بر اساس ویژگی های فایده ای / عملکردی ارائه می شود ، بیشتر شرکت کنندگان محصولات پیشنهادی AI را انتخاب می کنند. وقتی از آنها خواسته شد فقط ویژگی های تجربی / تجربی را در نظر بگیرند ، درصد شرکت کنندگان معرفی کنندگان افراد را انتخاب کرده اند. “

هنگامی که ویژگی های سودمندی از همه مهمتر هستند ، تأثیر دستگاه بارزتر می شود. در یک مطالعه ، از شرکت کنندگان خواسته شد که هنگام خرید تصمیم گیری ، کت زمستانی را تصور کنند و اهمیت ویژگیهای مفید / کاربردی (به عنوان مثال تنفس) و لذت تجربی (مانند نوع پارچه) را ارزیابی کنند. هرچه خصوصیات سودمندانه / عملکردی بسیار بالا ارزیابی شوند ، ترجیح هوش مصنوعی بر کمک انسان بیشتر است و هرچه ویژگی های لذت جویانه / تجربی بسیار ارزشمند باشد ، ترجیح کمک انسان بر کمک مصنوعی بیشتر است.

مطالعه دیگر نشان می دهد وقتی مصرف کنندگان توصیه هایی متناسب با ترجیحات منحصر به فرد آنها می خواهند ، بدون توجه به ترجیحات لذت جویانه یا سودمندانه ، با توصیه های هوش مصنوعی و توصیه های ترجیحی مردم مخالفت می کنند. این نتایج نشان می دهد شرکت هایی که به مشتریان مشهور هستند از توصیه های اندازه جهانی رضایت دارند (یعنی به سطح بالایی از سفارشی سازی احتیاج ندارند) می توانند به سیستم های هوش مصنوعی اعتماد کنند. با این حال ، شرکت هایی که مشتریان آنها به تمایل خود برای مراجعه شخصی شناخته شده اند ، باید به مردم اعتماد کنند.

اگرچه بین مشخصه های سودمندی و اعتماد مصرف کننده به توصیه کنندگان هوش مصنوعی پیوند واضحی وجود دارد ، شرکت های فروش محصولاتی که نوید تجربیات حسی بیشتری را می دهند (به عنوان مثال ، طعم دهنده ها ، غذا ، شراب) هنوز هم می توانند از هوش مصنوعی برای جلب مشتری استفاده کنند. در حقیقت ، افراد توصیه های هوش مصنوعی را تا زمانی که هوش مصنوعی با مشارکت مردم کار کند ، می پذیرند. هنگامی که هوش مصنوعی با “افزایش” هوش انسان به جای جایگزینی آن ، نقش پشتیبانی را بازی می کند ، هیبرید AI-human توصیه شده خود را به عنوان یک دستیار فقط برای انسان نشان می دهد.

به طور کلی ، تأثیر ماشین به ماشین پیامدهای مهمی دارد ، زیرا توسعه و اتخاذ هوش مصنوعی ، یادگیری ماشین و پردازش زبان طبیعی ، مدیران و سیاستمداران را به استفاده از این فن آوری های دگرگون کننده به چالش می کشد. همانطور که سیان می گوید: “بازار دیجیتال شلوغ است و میزان توجه مصرف کنندگان کوتاه است. با درک شرایطی که مصرف کنندگان به آنها اعتماد می کنند و به آنها اعتماد ندارند ، مشاوره هوش مصنوعی به شرکت ها یک مزیت رقابتی در این فضا می دهد.”

منبع تاریخچه:

مواد تهیه شده توسط انجمن بازاریابی آمریکا. اصلی ، نوشته شده توسط مت وینگاردن. توجه: مطالب را می توان از نظر سبک و طول ویرایش کرد.

[ad_2]

منبع: khabar-erfan.ir