ผู้พัฒนาเครื่องมือวิเคราะห์ AI พบว่าการถูกกล่าวถึงในคำตอบของโมเดล LLM ไม่เท่ากับการแนะนำโดยตรง หลังทดลองวิเคราะห์คำตอบที่ให้ข้อมูลผลิตภัณฑ์ 4 แบรนด์แต่ไม่เลือกใดแบรนด์เด่น พบว่าข้อมูลที่นับไม่สะท้อนความนิยมจริง เนื่องจากผู้ใช้ยังต้องตัดสินใจเอง วิธีแก้คือใช้โมเดลตัดสินใจแทนการอ่านคำตอบเป็นข้อความ ซึ่งให้ผลลัพธ์ที่นับได้ชัดเจน การวิเคราะห์ข้อมูล 63 คำตอบจากเครื่องมือ AI พบว่า 52.4% ของคำตอบไม่แนะนำแบรนด์ใดเป็นพิเศษ แสดงว่าการตลาดดิจิทัลต้องคำนึงถึงการแนะนำจริงมากกว่าแค่การถูกกล่าวถึง ต้นฉบับระบุว่าข้อมูลนี้เป็นตัวอย่างจากฐานข้อมูลจำลอง แต่โครงสร้างวิธีการวิเคราะห์ยังคงมีค่าสำหรับการใช้งานจริง ต้นทุนการประมวลผลข้อมูลต่ำเพียง 0.03 เซนต์ต่อคำตอบ ทำให้การวิเคราะห์เป็นไปได้โดยไม่กระทบต้นทุน แต่ความแม่นยำต้องพึ่งการตั้งค่าคำถามและตัวเลือกให้ชัดเจน วิธีนี้ช่วยให้ธุรกิจประเมินประสิทธิภาพการตลาดดิจิทัลได้แม่นยำขึ้น ข้อมูลแสดงว่าแบรนด์ที่ถูกกล่าวถึงบ่อยอาจไม่ใช่แบรนด์ที่ถูกแนะนำบ่อย สะท้อนถึงความแตกต่างระหว่างการมีชื่อในผลการค้นหา versus การได้รับการแนะนำโดยตรง ซึ่งเป็นปัจจัยสำคัญในการตัดสินใจซื้อของผู้ใช้
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว