[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 مقابل هدونیک: کلمه اثر ماشین است و نویسنده 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. از آنجا که این شرکت ها کمک های مبتنی بر هوش مصنوعی را ارزیابی می کنند ، باید یک سوال مهم 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 در برابر 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 دید صفات سودمندانه ترجیح طرفداران هوش مصنوعی را بر خصوصیات انسانی تعیین می کند ، در حالی که اهمیت یا دید صفات لذت جویی ، انعطاف پذیری توصیه کنندگان هوش مصنوعی را نسبت به ویژگی های 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 سودمندانه / عملکردی ارائه می شود ، بیشتر شرکت کنندگان محصولات توصیه شده توسط AI را انتخاب می کنند. هنگامی که از آنها خواسته شد فقط ویژگی های تجربی / تجربی را در نظر بگیرند ، درصد شرکت کنندگان افرادی را انتخاب کرده اند که توصیه می کنند. “

هنگامی که ویژگی های سودمندی از همه مهمتر هستند ، تأثیر دستگاه بارزتر می شود. در یک مطالعه ، از شرکت کنندگان خواسته شد هنگام تصمیم گیری یک مانتو زمستانی تصور کنند و اهمیت خصوصیات مفید / کاربردی (به عنوان مثال تنفس) و ویژگیهای تجربی (مانند نوع پارچه) را ارزیابی کنند. هرچه خصوصیات سودمندانه / عملکردی بسیار زیاد ارزیابی شوند ، ترجیح هوش مصنوعی نسبت به کمک به انسان بیشتر است و ویژگیهای تجربی / تجربی بسیار ارزشمندتر هستند ، اولویت انسان بر کمک به هوش 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 مشتریان آنها از توصیه های “یک اندازه متناسب با همه” رضایت دارند (یعنی نیازی به سطح بالایی از سفارشی سازی ندارند) می توانند به سیستم های هوش مصنوعی اعتماد کنند. با این حال ، شرکت هایی که مشتریان آنها به دلیل تمایل به توصیه های شخصی شناخته شده اند ، باید به مردم اعتماد کنند.

اگرچه بین ویژگیهای سودمندی و اعتماد مصرف کننده به مراجعه به هوش مصنوعی پیوند واضحی وجود دارد ، شرکتهای 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 نقش حمایتی دارد ، به جای جایگزینی هوش انسانی “افزایش” ، هیبرید AI-human توصیه شده خود را فقط به عنوان یک دستیار برای انسان نشان می دهد.

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

###

اطلاعات کامل مقاله و نویسنده در اینجا موجود است: https: //بیا دیگه.سازمان /101177٪ 2F0022242920957347

برای روزنامه بازاریابی

روزنامه بازاریابی دانش را در مورد موضوعات واقعی بازاریابی که برای دانشمندان ، مربیان ، مدیران ، سیاست گذاران ، مصرف کنندگان و سایر سهامداران عمومی در سراسر جهان مفید است ، توسعه و پخش می کند. منتشر شده توسط انجمن بازاریابی آمریکا از زمان تاسیس در سال 1936 ، JM نقش مهمی در شکل دادن به محتوا و مرزهای نظم بازاریابی داشته است. کریستین مورمن (T. Austin Finch ، استاد ارشد مدیریت بازرگانی در دانشکده بازرگانی Fuqua ، دانشگاه دوک) به عنوان سردبیر فعلی خدمت می کند.

https: //www.ولی.سازمان /و غیره.

درباره انجمن بازاریابی آمریکا (AMA)

به عنوان بزرگترین انجمن بازاریابی مبتنی بر فصل در جهان ، AMA مورد اعتماد بازاریابان و متخصصان فروش است تا به آنها در یافتن موارد بعدی در صنعت اعتماد کند. AMA دارای جامعه ای از روسای محلی در بیش از 70 شهر و 350 پردیس در سراسر آمریکای شمالی است. AMA محتوای عالی ، گواهینامه حرفه ای PCM® ، مجلات برتر دانشگاهی و رویدادهای آموزشی و کنفرانس های پیشرو در صنعت است.

https: //www.ولی.سازمان

سلب مسئولیت: AAAS و EurekAlert! هیچ مسئولیتی در قبال صحت گزارشهای خبری منتشر شده در EurekAlert ندارند! از طریق موسسات کمک کننده یا استفاده از هرگونه اطلاعات از طریق سیستم EurekAlert.

[ad_2]

منبع: kolah-news.ir