Практика и тест-драйв: ИИ для изучения бизнес-кейсов Снова немного пользы для маркетологов😊. Вот тут уже разбирала детально с чем ИИ справился (и нет) в части анализа категории и стратегии. А недавно понадобилось собрать анализ бизнес-кейса одной компании в РФ (причем компанию я знаю хорошо и уже анализировала неоднократно – это важно!). То-есть, была возможность провести тест-драйв нейронок и оценить результаты на точность по знакомой категории и бренду. Делала глубокое исследование с одним и тем же брифом в Perplexity, Gemini, ChatGPT (все на платных версиях) и использовала Алису/Яндекс для дополнительного поиска и уточнений. Из того, что было хорошо: ✅ Как обычно, была польза в сборе информации и поиске материалов (аналитики, интервью, примеров). При этом никаких преимуществ у Яндекса при поиске материалов в рунете не было, Perplexity по-прежнему круче всех 😊. ✅ Так же Perplexity сам предложил (и хорошо составил) хронологию основных этапов развития компании, указав ключевые события и обосновав их важность. Хронология помогла структурировать презентацию кейса. ✅ Все нейронки (важно - на системном промпте, заточенном на качество информации, тут давала) обозначили «узкие места» и ограничения анализа (зоны нехватки объективных данных, выводы на основании публичных высказываний сотрудников и прочие). Из плохого: ❌ Несмотря на обозначенные ограничения и зоны для доп.анализа, в ключевые выводы ВСЕХ нейронок «прокрались» недостаточно обоснованные (не подтвержденные фактами) выводы. Например, вывод о профессионализме менеджмента был сделан на базе интервью с СЕО компании… а об эффективности трейд-маркетинга – на основании теста одного инструмента. То-есть, в выводах были смешаны факты и намерения с чистым PR-ом – ровно то, о чем я уже говорила – высок риск поверхностных, ошибочных выводов, особенно если с фактической ситуацией вы не знакомы. ❌ Аналогичное опасное упущение: в критерии успеха были равновесно внесены разные по влиянию факты - например, многолетние рекламные кампании и разовые небольшие активации. Формально, общий список был логичным и правильным, но никаким образом не помогал приоритезации. ❌ К сожалению, Gemini и ChatGPT снова показали себя слабее Perplexity: ➡ Gemini сделал часть выводов на основании «левого» исследования рынка (студентом, наверное – в нем были вопиющие ошибки и неточности). Вообще, выбор источников был очень скромным и сводился к маркетинговым порталам вроде Состава (что недопустимо для deep research). В целом, разочаровал меня Gemini в этот раз ☹. ➡ ChatGPT, с одной стороны, обозначил приоритеты источников, сделал также хронологию и в целом нормальные, сравнимые с Perplexity выводы. Но зачем-то добавил в отчет элементы, о которых его не спрашивали (например, рекомендации по улучшению для анализируемой компании, схематичные иллюстрации и схемы по некоторым вопросам, график цены в моменте – все слабоватое) – отчет был таким образом искусственно раздут. Выбор источников был получше, чем у Gemini, но победнее, чем у Perplexity. Какие выводы? Хочу повторить: ‼ Одной нейронки по важным вопросам недостаточно. ‼ Поверхностность выводов нейронок остается, нельзя доверять им критические выводы и приоритезацию без валидации и осмысления.