۱۳ آذر ۱۴۰۳

هوش مصنوعی با روابط‌عمومی چه خواهد کرد؟

5 مسیر هوش مصنوعی برای تغییر در روابط‌عمومی

1. آموزش
2. روابط عمومی
ای فِی ژائو (Yifei Zhao)، مترجم: امید محمدیان پهلوان
1401-12-10 11:48:00
کد مطلب : 4105
نسخه چاپ
https://hamshahritraining.ir/4105

استفاده از فناوری‌های هوش مصنوعی تحول بزرگی در حوزه کسب‌وکارها ایجاد کرده است. به نظر می‌آید که در حوزه روابط‌عمومی، برنامه‌های هوش مصنوعی جریان اصلی کار را تغییر دهند. می‌توان گفت امروزه، برای تبدیل شدن به یک متخصص توانا در زمینه روابط‌عمومی، علاوه بر داشتن مهارت‌های ارتباطی مناسب، باید توانایی کارکردن با پلتفرم‌های مبتنی بر هوش مصنوعی را نیز کسب کرد.

شناسایی تعدای بیشتر از اینفلوئنسرها
با تحولات دیجیتالی در کسب و کار‌ها، رسانه‌های اجتماعی به یک میدان نبرد اساسی برای کارهای تجاری و تبلیغاتی تبدیل شده‌اند.
از این رو، کارگزاران بخش روابط‌عمومی باید یک وظیفه جدید برای خودشان تعریف کنند و آن هم شناسایی و ارتباط گرفتن با اینفلوئنسرهای رسانه‌های اجتماعی است.
اما قبل شروع به کار، یک سوال مهم وجود دارد: چگونه می‌توان یک اینفلوئنسر واجد شرایط را در شبکه‌های اجتماعی پیدا کرد که قصد همکاری هم داشته باشد؟
بیایید در نظر بگیریم که یک شرکت به دنبال برخی از اینفلوئنسرهای رسانه‌های اجتماعی به عنوان سفیران محصولات خود در یکی از آخرین کارزار‌های تبلیغاتی آنلاین‌ش است.
در همین مرحله، ‌یک پلتفرم مبتنی بر هوش مصنوعی می‌تواند به سرعت دستور کارِ کارزار آنلاین مورد نظر را فرا بگیرد و سپس فهرستی از الزامات را برای یافتن نامزدهای واجد شرایط ایجاد کند.
در عین حال، پلتفرم‌ مذکور، داده‌های نامزدهای مورد نظر را بر اساس پروفایل و فعالیت‌های‌شان در رسانه‌های اجتماعی جمع‌آوری، دسته‌بندی و تجزیه و تحلیل می‌کند.
در نهایت، وقتی که داده‌های شخصی با الزامات کارزار مطابقت داشته باشد، یک اینفلوئنسر واجد شرایط پیدا شده است.
برنامه‌ آپ‌فلوئنس (Upfluence) نمونه خوبی از یک پلتفرم «جست‌وجوگر اینفلوئنسر[1]» است. این نرم‌افزار با کمک هوش مصنوعی می‌تواند وظایف خود را با کارایی بیشتری انجام دهد.

هدف قرار دادن دقیق مخاطبان بالقوه
پیدا کردن خریداران بالقوه و شناسایی مخاطبانِ هدف یکی از کارهای اساسی کارگزارن روابط‌عمومی شرکت‌ها است. با این حال، این کار در بیشتر موارد خسته‌کننده و زمان‌بر است.
به لطف هوش‌ مصنوعی، بسیاری از نرم افزارهای مبتنی بر هوش مصنوعی انجام این وظیفه خسته‌کننده را برعهده گرفته‌اند.
یک نرم افزار مبتنی بر هوش مصنوعی با توابع جمع‌آوری و تجزیه و تحلیل داده‌ها می‌تواند:

اطلاعات شخصی کاربران آنلاین مانند سن، علایق، درآمد، شغل، جنسیت و دیگر موارد را جمع‌آوری و ضبط کند.
کاربران را در گروه‌های مختلف طبقه‌بندی و بهترین گروه از افرادی را که علایق‌شان با ویژگی‌های محصول مطابقت دارد را انتخاب کند.

به این ترتیب نرم‌افزار‌های «هدف‌گیری مخاطب[2]» می‌توانند به‌طور خودکار فهرستی از مخاطبان بالقوه را تولید و حتی با تجزیه و تحلیل داده‌ها در مقیاس بزرگ‌تر، هدف‌گیری مخاطبان را با دقتی بسیار بالاتری انجام دهند.
نرم‌افزار دیجیتال ‌اِی‌آی‌چِمی (Digital AIchemy)، یک نمونه نرم‌افزار مبتنی بر هوش مصنوعی برای پیدا کردن مخاطبانِ هدف است.
نرم‌افزار دیجیتال اِی‌آی‌چمی به شرکت‌های مشتری خود کمک می‌کند تا فهرستی از مخاطبان هدف با ویژگی‌های مشابه را ایجاد کنند.

افزایش تعامل
علاوه بر شناسایی اینفلوئنسرهای واجد شرایط و هدف قرار دادن مخاطبان؛ فناوری‌های هوش مصنوعی می‌توانند موجب بیشتر دیده شدن توسط مخاطبان در کارزارهای رسانه‌های اجتماعی و همچنین بهبود «نرخ کلیک[3]» تبلیغات آنلاین شوند.
فناوری‌های هوش مصنوعی می‌توانند عملکرد برچسب‌گذاری (تگ‌گذاری[4]) خودکار را در رسانه‌های اجتماعی فعال کنند.
لازم به توضیح است هر پست یا محتوای بارگذاری شده در شبکه‌های اجتماعی می‌تواند همراه با یک سری کلید‌واژه‌هایی باشد. خود این کلید‌واژه‌ها عاملی برای جست‌وجوی محتواهای موجود هستند و هرچه در فضای مجازی فراگیر (ترند) شوند می‌توانند به بیشتردیده‌شدن پست‌ یا محتوایی که با کلیدواژه مورد نظر برچسب شده است؛ کمک کنند.
به عنوان نمونه، یک حادثه فوری مانند زلزله اتفاق افتاده است و افراد هم‌زمان با گذاشتن پست‌های مربوط به زلزله، با برچسب‌گذاری کلیدواژه «زلزله» که از قبل هم در شبکه اجتماعی فراگیر شده بود، محتوای خود را بهتر در معرض مخاطبان قرار می‌دهند.
هوش مصنوعی می‌تواند با ایجاد و فراگیر کردن برچسب‌هایی که متشکل از کلمات کلیدی و مطابق با ویژگی‌های اصلی یک کارزار تبلیغاتی هستند، پست‌های مربوط به کارزار را به مخاطبانِ هدف بیشتری با علایق مشابه نشان دهد.
در نتیجه، کارزار آنلاین تبلیغاتی مورد نظر دارای نرخ مشارکت بالاتر می‌شود و تعامل بین شرکت و همراهان دیجیتال هم افزایش می‌یابد.

جمع‌آوری بازخورد‌ها
هوش مصنوعی می‌تواند تجزیه و تحلیل پیشرفته احساسات را با شناسایی و جمع‌آوری اطلاعات احساسی انجام دهد.
این اطلاعات احساسی در پیام‌های متنی و ویدیویی آنلاین، پوشیده و پنهان هستند. هوش مصنوعی با کمک برنامه‌هایی چون پردازش زبان طبیعی[5] (NLP)، زبان‌شناسی رایانشی[6]، تجزیه و تحلیل متن و زیست‌سنجی[7] (بیومتریک) این پیام‌های احساسی مستتر را شناسایی و تجزیه و تحلیل می‌کند.
این توانایی هوش مصنوعی برای کارگزاران روابط‌عمومی بسیار مفید است و امکان درک واکنش مخاطبان/ مشتریان به محصولات، کارزارهای آنلاین یا تبلیغات شرکت را فراهم می‌کند.
هوش مصنوعی با تجزیه و تحلیل پیشرفته احساسات نظرات خوب و بد پیرامون یک محصول را تشخیص می‌دهد.
در نتیجه، تصویر واضحی از مزایا و معایب محصول ارائه می‌شود. کارگزاران یک شرکت می‌توانند از این اطلاعات برای تولید گزارش‌های بازاریابی محصول و پیشنهادات توسعه‌ای بیشتر استفاده کنند.
یک نمونه خوب نرم‌افزاری در زمینه تجزیه و تحلیل پیشرفته احساسات، نرم‌افزار گَدِرآپ (GatherUp) است، پلتفرمی که هدف آن کمک به کاربران‌ش برای درک تجربیات مشتریان، مزایا و معایب محصولات‌ و مدیریت محبوبیت برند شرکت است.

تحقق شفافیت کاری
مزیت دیگری که یک پلتفرم مبتنی بر هوش مصنوعی برای بخش روابط‌عمومی ‌به‌وجود می‌آورد، شفافیت است.
شفافیت موضوع مهمی در صنعتِ روابط‌عمومی است. از آنجایی که کار گروهی برای کارمندان روابط‌عمومی غیرقابل اجتناب است، عوامل کاری این حوزه باید مرتباً روند کار‌های خود را به‌روز و اطلاع‌رسانی کنند.
با این حال، ارتباطات پیش از موعد و پیگیری دائم اطلاعات کارهای آسانی نیستند. خطر این وجود دارد که ارتباطات ناکارآمد و اطلاعات متناقض باعث معضلی جدی در روند کارها شده و کل پروژه‌های کاری را خراب ‌کند.
اما خبر خوب این که بیشتر پلتفرم‌های کاری مبتنی بر هوش مصنوعی می‌توانند شفافیت کاری میان عوامل روابط‌عمومی را تضمین کنند.
به عنوان نمونه، آسانا (Asana) یک نرم‌افزار دیجیتال محبوب برای هزاران شرکت است. این پلتفرم به همه اعضای یک تیم این امکان را می‌دهد که تمام وظایف یکدیگر اعم از کارهای انجام‌ شده و نشده را در هر زمانی ببینند.
علاوه بر این‌ها، به کمک پلتفرم‌های مذکور، یک عضو جدید در یک تیم کاری روابط‌عمومی به سادگی می‌تواند تمام فعالیت‌های قبلی را مشاهده و اطلاعات مربوط به افراد سابق را دریافت کند. در نتیجه یک عضو جدید راحت‌تر خودش را با روند کارهای جاری هماهنگ ‌می‌کند و به یک کارمندی با شناخت و آگاهی بیشتر تبدیل می‌شود.

جمع‌بندی
هوش مصنوعی در 5 مسیر حوزه روابط‌عمومی را دچار تغییر و تحول می‌کند. از مسیر اول در زمینه شناسایی و ارتباط گرفتن با اینفلوئنسرهای رسانه‌های اجتماعی (تاثیرگذاران فضای مجازی) گرفته تا مسیر دوم که تسهیل یکی از وظایف رایج کارگزاران بخش روابط‌عمومی است.
منظور از این کار رایج، هدف قرار دادن مخاطبان بالقوه‌ای است که می‌توانند به مشتریان یا خریداران محصولات یک شرکت تبدیل شوند. این کار توسط عوامل انسانی بسیار خسته‌کننده و زمان‌بر شناخته می‌شود.
مسیر سوم نیز بیشتر معطوف به فضای شبکه‌های اجتماعی است. هوش مصنوعی می‌تواند با ایجاد و فراگیر کردن برچسب‌ها (تگ‌ها)، یک کارزار تبلیغاتی آنلاین را به موفقیت برساند و محتواهای مرتبط را در معرض مخاطبان بیشتری قرار دهد.
مسیر چهارم هوش مصنوعی از طریق تجزیه و تحلیل پیشرفته احساسات انجام می‌شود. این کار تصویر واضحی از بازخورد یک محصول میان مخاطبان و خریداران می‌دهد و به تصمیم‌گیران شرکت برای اصلاح محصولات و پیشنهادات توسعه‌ای کمک می‌کند.
در نهایت هوش مصنوعی در مسیر پنجم خود، از طریق ایجاد شفافیت کاری میان عوامل روابط‌عمومی به کار می‌آید. شفافیت مسئله خیلی مهمی در محیط کاری گروهی روابط‌عمومی‌ها است.

منبع:

Zhao, Y. (2023, February 2). 5 Ways AI is Changing Public Relations. Retrieved from AI TIME JPOURNAL: https://www.aitimejournal.com/how-ai-is-changing-public-relations

[1] influencer-searching

[2] audience-targeting اسم نرم‌افزارهایی که مخاطبِ هدف و خریدار بالقوه را در شبکه‌های اجتماعی یا سایر بسترهای مجازی شناسایی کنند.

[3] نرخ کلیک معیاری برای محاسبه تعداد کلیک‌هایی است که توسط کاربران روی تبلیغات، لینک‌ها و .. صورت گرفته است. به طور کلی،
نرخ کلیک = مجموع کلیک ها / مجموع تعداد نمایش

[4] tagging

[5] پردازش زبان‌های طبیعی عبارت است از استفاده از رایانه برای پردازش زبان گفتاری و زبان نوشتاری. بدین معنی که رایانه‌ها را قادر سازیم گفتار یا نوشتار تولید شده در قالب و ساختار یک زبان طبیعی را تحلیل و درک نموده یا آن را تولید نمایند.

[6] زبان‌شناسی رایانشی (Computational linguistics) حوزه‌ای میان‌رشته‌ای است که می‌کوشد با بهره‌گیری از روش‌های آماری و قاعده‌بنیاد
(rule-based)، به مدل‌سازی زبان طبیعی بپردازد. نمونه های کاربردی این حوزه عبارتند از: شناسایی گوینده و مشخصات آن، تصحیح املا، ترجمه ماشینی، تبدیل متن به گفتار، خلاصه سازی متن، سيستم‌های پرسش و پاسخ، توليد پيكره هاي موازي و تطبيقي، برچسب زن معنايي، برچسب زن دستوري و غیره.

[7] در این روش با استفاده از الگوریتم‌های ریاضی از اندام‌ها، برداشت‌های ثابت و یکتایی می‌شود که می‌توان از آن به عنوان یک گذرواژه یکسان و تقلیدناپذیر و گاه تغییرناپذیر استفاده کرد. به طور کلی به هر خصوصیت زیستی یا فیزیکی که با رایانه قابل اندازه‌گیری و بازشناسی خودکار باشد زیست‌سنجه گفته می‌شود.

هوش مصنوعی با روابط‌عمومی چه خواهد کرد؟

تازه ترین مطالب