ปัจจุบันหลายแบรนด์ไม่ได้สนใจเพียงว่าเว็บไซต์ของตนจะปรากฏบนหน้าค้นหาหรือไม่ แต่อยากรู้ด้วยว่า เมื่อผู้คนถาม ChatGPT หรือ AI เกี่ยวกับสินค้า บริการ และประเด็นที่เกี่ยวข้อง ชื่อองค์กรจะปรากฏในคำตอบอย่างไร ข้อมูลที่ AI นำไปตอบถูกต้องหรือเปล่า และมีแหล่งข้อมูลของแบรนด์รองรับมากพอหรือยัง
ความสนใจนี้ทำให้นักสื่อสารต้องวางแผนอย่างเป็นระบบ ตั้งแต่ทำความเข้าใจว่าผู้คนสงสัยเรื่องใด ตรวจสอบข้อมูลที่องค์กรเผยแพร่ ไปจนถึงติดตามว่า AI ตอบอย่างไร แต่มีคำถามหนึ่งที่ควรถามก่อนเริ่มวัดผล ชุดคำถามที่ทีมใช้ทดสอบ AI เป็นสิ่งที่ผู้คนถามจริง หรือเป็นเพียงสิ่งที่เราคิดว่าพวกเขาน่าจะถาม?
ลองนึกถึงทีมสื่อสารที่เตรียมคำถาม 30 ข้อเพื่อทดสอบแบรนด์บน ChatGPT เช่น “บริษัทใดเป็นผู้นำด้านบริการนี้” หรือ “แบรนด์ใดเหมาะกับลูกค้ากลุ่มนี้” ทีมตรวจคำตอบทุกเดือน ทำรายงานอย่างละเอียด และผลิตเนื้อหาเพิ่มเพื่อให้แบรนด์มีโอกาสปรากฏมากขึ้น
กระบวนการดูเป็นระบบดี แต่ถ้าลูกค้าจริงถามคนละเรื่อง เช่น กังวลเรื่องค่าใช้จ่ายหลังซื้อ ความยุ่งยากในการเปลี่ยนผู้ให้บริการ หรือความน่าเชื่อถือเมื่อเกิดปัญหา ทีมก็อาจกำลังปรับปรุงคำตอบให้ดีขึ้นบนชุดคำถามที่ไม่ได้สะท้อนความต้องการสำคัญที่สุด
การเพิ่มการมองเห็นบนระบบ AI จำนวนมากเริ่มจากรายการคำถามที่นักสื่อสารคาดเดาว่าคนจะพิมพ์ แล้วจึงนำรายการนั้นไปวัดผลและวางแผนเนื้อหา ปัญหาจึงไม่ใช่แค่คำตอบของ AI ถูกหรือผิด แต่อยู่ที่เราเลือกถาม AI ด้วยคำถามที่ตรงกับผู้ใช้จริงเพียงใด
ตัวเลขที่แม่นยำ อาจตั้งอยู่บนสมมติฐานที่ไม่แม่นยำ
เมื่อทีมกำหนดคำถามเอง รายงานอาจระบุได้ว่าแบรนด์ปรากฏในคำตอบกี่ครั้ง หรือคู่แข่งถูกกล่าวถึงมากกว่าเท่าไร ตัวเลขเหล่านี้มีประโยชน์สำหรับติดตาม คำถามชุดนั้น แต่ยังบอกไม่ได้ว่าผู้คนส่วนใหญ่กำลังถามเรื่องเดียวกัน
อีกจุดหนึ่ง คือ เรามักให้น้ำหนักทุกคำถามเท่ากัน ทั้งที่ความถี่และความสำคัญอาจต่างกันมาก หากคำถามหนึ่งเกิดขึ้นบ่อย แต่อีกคำถามแทบไม่มีใครถาม การทุ่มแรงผลิตเนื้อหาให้ทั้งสองเรื่องเท่ากันก็อาจทำให้ทีมใช้ทรัพยากรผิดจุด
นี่คือความต่างระหว่าง “แบรนด์ตอบคำถามที่เราเตรียมไว้ได้ดีหรือไม่” กับ “แบรนด์ตอบสิ่งที่ผู้คนอยากรู้ได้หรือไม่” สองคำถามนี้ฟังคล้ายกัน แต่พาไปสู่แผนงานคนละแบบ
เมื่อเห็นคำถามจริง กลยุทธ์เนื้อหาอาจต้องเปลี่ยน
ในฐานะนักสื่อสาร ควรดูรูปแบบคำถามที่ผู้ใช้ถาม AI แล้วจัดกลุ่มตามหัวข้อและให้น้ำหนักตามปริมาณบทสนทนา แนวคิดคือเริ่มจากความต้องการที่สังเกตได้ ก่อนตัดสินใจว่าจะผลิตหรือปรับปรุงเนื้อหาเรื่องใด ควรใช้ข้อมูลคำถามจากการใช้งานจริงที่นำมารวมและปรับรูปแบบ ไม่ได้สร้างรายการคำถามจากคำสำคัญเพียงอย่างเดียว
สำหรับนักประชาสัมพันธ์ ประเด็นนี้กว้างกว่าเรื่องการปรับเว็บไซต์ให้ AI พบเห็น เพราะคำถามของผู้คนอาจเผยให้เห็นช่องว่างในการสื่อสารด้วย หากองค์กรอธิบายคุณสมบัติสินค้าอย่างละเอียด แต่ผู้คนถามซ้ำว่า “ถ้าเกิดปัญหา ใครรับผิดชอบ” สิ่งที่ขาดอาจไม่ใช่บทความแนะนำสินค้าอีกชิ้น แต่อาจเป็นคำอธิบายเรื่องบริการหลังการขายที่ชัด ตรวจสอบได้ และหาเจอง่าย
ดังนั้น การใช้คำถามที่พบจริงเป็นจุดเริ่มต้นในการตรวจว่าองค์กรอธิบายเรื่องสำคัญครบหรือยัง จากนั้นจึงตรวจต่อกับข้อมูลลูกค้า ทีมบริการ ฝ่ายขาย และคำถามที่สื่อมวลชนได้รับ ไม่ควรสรุปความต้องการของคนทั้งหมดจากแหล่งข้อมูลเดียว
“คำถามจริง” ก็ยังไม่ใช่ภาพแทนคนทุกคน
ข้อมูลจากการใช้ AI ช่วยลดการเดาได้ แต่ต้องอ่านอย่างระมัดระวัง ผู้ใช้ที่ปรากฏในชุดข้อมูลหนึ่งอาจไม่ใช่ตัวแทนของลูกค้าทั้งตลาด คำถามเดียวกันอาจมีเจตนาต่างกันตามบริบท และคำตอบจาก AI ก็เปลี่ยนได้ตามระบบ ช่วงเวลา และวิธีตั้งคำถาม
อีกทั้งไม่ควรมองว่าบทสนทนากับ AI เปิดเผย “ความจริงในใจ” ของผู้บริโภคโดยตรง สิ่งที่เห็นคือพฤติกรรมการถามในช่องทางหนึ่ง ซึ่งมีคุณค่ามากเมื่อใช้ประกอบกับหลักฐานอื่น แต่ไม่ควรถูกตีความเกินกว่าที่ข้อมูลได้รับ
คนทำสื่อสารควรเริ่มตรงไหน
ก่อนเพิ่มจำนวนบทความหรือวัดผล ทีมสื่อสารควรตอบคำถามสามเรื่อง
- คำถามมาจากไหน แยกให้ชัดว่าข้อใดมาจากข้อมูลผู้ใช้ ข้อใดมาจากทีมงาน และข้อใดตั้งขึ้นเพื่อทดลอง
- เรื่องใดสำคัญต่อการตัดสินใจ ดูทั้งความถี่และผลกระทบ บางคำถามมีจำนวนไม่มาก แต่เกี่ยวกับความปลอดภัย ความไว้วางใจ หรือการตัดสินใจซื้อโดยตรง
- คำตอบขององค์กรมีหลักฐานรองรับหรือไม่ ตรวจเว็บไซต์ เอกสารอธิบายสินค้า คำถามที่พบบ่อย และข้อมูลจากทีมบริการ ว่าตอบได้ชัดและสอดคล้องกันหรือเปล่า
การมองเห็นบน AI จึงควรเริ่มจากการฟังให้ถูกเรื่อง แล้วจึงค่อยปรับเนื้อหาและวัดผล เพราะต่อให้แบรนด์ปรากฏในคำตอบมากขึ้น หากคำตอบนั้นไม่ได้ช่วยคลายข้อสงสัยที่ผู้คนมีจริง ตัวเลขที่ดีขึ้นก็อาจยังไม่แปลว่าการสื่อสารดีขึ้น
