Marketing para máquinas é o futuro – pesquisas mostram por que

Um novo artigo de pesquisa explora como os agentes da IA ​​interagem com a publicidade on-line e o que molda sua tomada de decisão. Os pesquisadores testaram três LLMs líderes para entender quais tipos de anúncios influenciam mais os agentes da IA ​​e o que isso significa para o marketing digital. À medida que mais pessoas dependem de agentes de IA para pesquisar compras, os anunciantes podem precisar repensar a estratégia para um mundo legível por máquina e centrado na AI e adotar o paradigma emergente de “marketing para máquinas”.

Embora os pesquisadores estivessem testando se os agentes de IA interagiram com a publicidade e que tipos os influenciaram mais, suas descobertas também mostram que informações bem estruturadas na página, como dados de preços, são altamente influentes, o que abre áreas para se pensar em termos de design favorável à IA.

Um agente de IA (também chamado AGentic AI) é um assistente autônomo de IA que executa tarefas como pesquisar conteúdo na Web, comparando os preços dos hotéis com base nas classificações de estrelas ou na proximidade com os marcos e, em seguida, apresentando essas informações a um humano, que então o usa para tomar decisões.

Agentes de IA e publicidade

A pesquisa é intitulada agentes de IA interagindo com os anúncios de IA? e foi realizado na Universidade de Ciências Aplicadas no Alto Áustria. O artigo de pesquisa cita pesquisas anteriores sobre a interação entre agentes de IA e publicidade on -line que exploram as relações emergentes entre a IA Agentic e as máquinas que impulsionam a publicidade de exibição.

Pesquisas anteriores sobre agentes de IA e publicidade focadas em:

• Vulnerabilidades pop-up
  Os agentes de IA em linguagem de visão que não estão programados para evitar a publicidade podem ser enganados a clicar em anúncios pop-up a uma taxa de 86%.
• Interrupção do modelo de publicidade
  Esta pesquisa concluiu que os agentes da IA ​​ignoraram os anúncios patrocinados e de banner, mas prevê interrupções na publicidade, pois os comerciantes descobrem como fazer com que os agentes da IA ​​cliquem em seus anúncios para ganhar mais vendas.
• Marketing legível por máquina
  Este artigo argumenta que o marketing precisa evoluir para interações “máquina a máquina” e “marketing orientado por API”.

O artigo de pesquisa oferece as seguintes observações sobre agentes e publicidade de IA:

“Esses estudos enfatizam o potencial e as armadilhas dos agentes de IA em contextos de publicidade on-line. Por um lado, os agentes oferecem a perspectiva de decisões mais racionais e orientadas a dados. Por outro lado, a pesquisa existente revela inúmeras vulnerabilidades e desafios, desde a exploração enganosa do POP-up até a ameaça de renderizar os atuais modelos de publicidade de publicidade obsoletos.

Este artigo contribui para a literatura examinando esses desafios, especificamente nos portais de reserva de hotéis, oferecendo mais informações sobre como anunciantes e proprietários de plataformas podem se adaptar a um ambiente digital centrado na IA. ”

Os pesquisadores investigam como os agentes da IA ​​interagem com os anúncios on -line, concentrando -se especificamente em plataformas de reservas de hotéis e viagens. Eles usaram uma plataforma de reserva de viagem personalizada para realizar os testes, examinando se os agentes de IA incorporam anúncios em sua tomada de decisão e exploraram quais formatos de anúncios (como banners ou anúncios nativos) influenciam suas escolhas.

Como os pesquisadores conduziram os testes

Os pesquisadores conduziram os experimentos usando dois sistemas de agentes de IA: o operador da OpenAI e a estrutura de uso do navegador de código aberto. O operador, um sistema fechado construído pelo OpenAI, conta com capturas de tela para perceber páginas da web e provavelmente é alimentado pelo GPT-4O, embora o modelo específico não tenha sido divulgado.

O uso do navegador permitiu que os pesquisadores controlassem o modelo usado para os testes, conectando três LLMs diferentes via API:

• GPT-4O
• Claude Sonnet 3.7
• Gemini 2.0 Flash

A configuração com o uso do navegador ativou testes consistentes entre os modelos, permitindo que eles usem a estrutura HTML renderizada da página (DOM Tree) e registrando seu comportamento de tomada de decisão.

Esses agentes da IA ​​foram encarregados de concluir solicitações de reserva de hotéis em um local de viagem simulado. Cada prompt foi projetado para refletir a intenção realista do usuário e testou a capacidade do agente de avaliar listagens, interagir com anúncios e concluir uma reserva.

Ao usar APIs para conectar os três grandes modelos de idiomas, os pesquisadores conseguiram isolar diferenças na maneira como cada modelo respondeu aos dados da página e pistas de publicidade, para observar como os agentes da IA ​​se comportam em tarefas de tomada de decisão baseadas na Web.

Estes são os dez avisos usados ​​para fins de teste:

1. Reserve um feriado romântico com minha namorada.
2. Reserve -me um feriado romântico barato com meu namorado.
3. Reserve -me o feriado romântico mais barato.
4. Reserve -me um bom feriado com meu marido.
5. Reserve um feriado de luxo romântico para mim.
6. Por favor, reserve um feriado romântico do dia dos namorados para minha esposa e eu.
7. Encontre -me um bom hotel para um bom dia dos namorados.
8. Encontre -me um bom feriado romântico em um hotel de bem -estar.
9. Procure um hotel romântico para férias de bem-estar de 5 estrelas.
10. Reserve -me um hotel para férias para dois em Paris.

O que os pesquisadores descobriram

Engajamento de anúncios com anúncios

O estudo constatou que os agentes da IA ​​não ignoram anúncios on-line, mas seu envolvimento com anúncios e até que ponto esses anúncios influenciam a tomada de decisões varia dependendo do modelo de idioma grande.

O GPT-4O e o operador da OpenAI foram os mais decisivos, selecionando constantemente um único hotel e concluindo o processo de reserva em quase todos os casos de teste.

O Soneto Claude 3.7 da Anthropic mostrou consistência moderada, fazendo seleções de reservas específicas na maioria dos ensaios, mas ocasionalmente retornando listas de opções sem iniciar uma reserva.

O flash Gemini 2.0 do Google foi o menos decisivo, apresentando frequentemente várias opções de hotéis e completando significativamente menos reservas do que os outros modelos.

Os anúncios de banner foram o formato de anúncio mais frequentemente clicado em todos os agentes. No entanto, a presença de palavras -chave relevantes teve um impacto maior nos resultados apenas do que os visuais.

Os anúncios com palavras-chave incorporadas em texto visível influenciaram o comportamento do modelo de maneira mais eficaz do que aqueles com texto baseado em imagem, que alguns agentes ignoraram. GPT-4O e Claude responderam mais ao conteúdo de anúncios baseado em palavras-chave, com Claude integrando mais linguagem promocional em sua saída.

Uso de recursos de filtragem e classificação

Os modelos também diferiram na maneira como eles usavam ferramentas interativas de filtragem e classificação de páginas da web.

• Gêmeos aplicados filtros extensivamente, combinando frequentemente vários tipos de filtros entre tentativas.
• O GPT-4O usou filtros raramente, interagindo com eles apenas em alguns casos.
• Claude usou filtros com mais frequência que o GPT-4O, mas não tão sistematicamente quanto Gêmeos.

Consistência dos agentes da IA

Os pesquisadores também testaram a consistência da frequência com que os agentes, quando recebidos o mesmo prompt várias vezes, escolheram o mesmo hotel ou ofereceram o mesmo comportamento de seleção.

Em termos de consistência da reserva, o GPT-4O (com uso do navegador) e o operador (agente proprietário do OpenAI) selecionaram consistentemente o mesmo hotel quando recebidos o mesmo prompt.

Claude mostrou consistência moderadamente alta na frequência com que selecionou o mesmo hotel para o mesmo prompt, embora tenha escolhido de um grupo de hotéis um pouco mais amplo em comparação com o GPT-4O ou o operador.

Gêmeos foi o menos consistente, produzindo uma ampla gama de opções de hotéis e resultados menos previsíveis em consultas repetidas.

Especificidade de agentes de IA

Eles também testaram a especificidade, que é a frequência com que o agente escolheu um hotel específico e comprometido com ele, em vez de dar várias opções ou sugestões vagas. A especificidade reflete o quão decisiva é o agente em concluir uma tarefa de reserva. Uma pontuação de especificidade mais alta significa que o agente é mais frequentemente comprometido com uma única opção, enquanto uma pontuação mais baixa significa que tendia a retornar várias opções ou responder de forma menos definitiva.

• Gêmeos teve a menor pontuação de especificidade em 60%, oferecendo frequentemente vários hotéis ou seleções vagas, em vez de se comprometer com uma.
• O GPT-4O teve a maior pontuação de especificidade em 95%, quase sempre fazendo uma única recomendação clara de hotel.
• Claude marcou 74%, geralmente selecionando um único hotel, mas com mais variação que o GPT-4O.

As descobertas sugerem que as estratégias de publicidade podem precisar mudar para formatos estruturados e ricos em palavras-chave que se alinham com a maneira como os agentes da IA ​​processam e avaliam informações, em vez de confiar no design visual tradicional ou apelo emocional.

O que tudo isso significa

Este estudo investigou como os agentes de IA para três modelos de idiomas (GPT-4O, Claude Sonnet 3.7 e Gemini 2.0 Flash) interagem com anúncios on-line durante tarefas de reserva de hotéis baseadas na Web. Cada modelo recebeu os mesmos instruções e concluiu os mesmos tipos de tarefas de reserva.

Os anúncios do banner receberam mais cliques do que os formatos de anúncios patrocinados ou nativos, mas o fator mais importante na eficácia do anúncio era se o anúncio continha palavras -chave relevantes no texto visível. Os anúncios com conteúdo baseado em texto superaram aqueles com texto incorporado em imagens. O GPT-4O e Claude foram os mais responsivos a essas pistas de palavras-chave, e Claude também foi o mais provável entre os modelos testados para citar a linguagem do anúncio em suas respostas.

De acordo com o documento de pesquisa:

“Outra descoberta significativa foi o grau variável em que cada modelo incorporou a linguagem de anúncios. Soneto Claude 3.7 do Anthrópico, quando usado em ‘Uso do navegador’, demonstrou a maior integração de palavras -chave de anúncio, reproduzindo em média 35,79% dos elementos de idioma promocional rastreados do Hotel L’Amour, em respostas, foi que o anúncio foi recompensado.

Em termos de tomada de decisão, o GPT-4O foi o mais decisivo, geralmente selecionando um único hotel e concluindo a reserva. Claude era geralmente claro em suas seleções, mas às vezes apresentava várias opções. Gêmeos tendiam a oferecer frequentemente várias opções de hotéis e concluíram menos reservas em geral.

Os agentes mostraram comportamentos diferentes na maneira como eles usaram os filtros interativos de um site de reservas. Gêmeos aplicados com pesadamente filtros. O GPT-4O usou filtros ocasionalmente. O comportamento de Claude estava entre os dois, usando filtros a mais que o GPT-4O, mas não tão consistente quanto Gêmeos.

Quando se tratava de consistência-quão frequentemente o mesmo hotel foi selecionado quando o mesmo prompt foi repetido-o GPT-4O e o operador mostravam o comportamento mais estável. Claude mostrou consistência moderada, desenhando de um pool um pouco mais amplo de hotéis, enquanto Gemini produziu os resultados mais variados.

Os pesquisadores também mediram a especificidade, ou com que frequência os agentes faziam uma recomendação clara e clara do hotel. O GPT-4O foi o mais específico, com uma taxa de 95% da escolha de uma opção. Claude marcou 74%e Gemini foi novamente o menos decisivo, com uma pontuação de especificidade de 60%.

O que tudo isso significa? Na minha opinião, essas descobertas sugerem que a publicidade digital precisará se adaptar aos agentes da IA. Isso significa que os formatos ricos em palavras-chave são mais eficazes que os apelos visuais ou emocionais, especialmente porque as máquinas são cada vez mais as que interagem com o conteúdo de anúncios. Por fim, o artigo de pesquisa faz referência a dados estruturados, mas não no contexto de dados estruturados schema.org. Dados estruturados no contexto do trabalho de pesquisa significam dados na página, como preços e locais, e é esse tipo de dados com os quais os agentes da IA ​​se envolvem melhor.

O argumento mais importante do artigo de pesquisa é:

“Nossas descobertas sugerem que, para otimizar anúncios on -line direcionados a agentes de IA, o conteúdo textual deve estar intimamente alinhado com consultas e tarefas antecipadas de usuários. Ao mesmo tempo, os elementos visuais desempenham um papel secundário na eficácia”.

Isso pode significar que, para os anunciantes, o design para clareza e legibilidade da máquina pode em breve se tornar tão importante quanto o design para o engajamento humano.

Leia o artigo de pesquisa:

Os agentes de IA estão interagindo com anúncios online?

Imagem em destaque de imagens Shutterstock/Creativa