طبق نظرسنجی سیلزفورس از ۴٬۴۵۰ بازاریاب، ۷۵٪ سازمان‌ها حالا از هوش مصنوعی استفاده می‌کنند و در همان گزارش ۸۴٪ بازاریاب‌ها اعتراف کرده‌اند که هنوز کمپین‌های عمومی و یک‌شکل اجرا می‌کنند. یعنی ابزار را همه دارند و نتیجه را کمتر کسی گرفته. بازاریابی با هوش مصنوعی وقتی جواب می‌دهد که بدانید کدام کار را به آن بسپارید، کدام کار را خودتان نگه دارید و اثرش را چطور بسنجید. این راهنما برای صاحب کسب‌وکار کوچک و مدیر بازاریابی نوشته شده است. در آخر یک برنامه ۳۰ روزه برای شروع می‌گذاریم.
فهرست مطالب
- بازاریابی با هوش مصنوعی یعنی چه و چقدر جدی است؟
- چه کارهایی را به هوش مصنوعی بسپاریم؟
- چطور با هوش مصنوعی محتوا بنویسیم که اسپم حساب نشود؟
- هوش مصنوعی در تبلیغات چه می‌کند؟ نمونه AI Max گوگل
- شخصی‌سازی و ایمیل مارکتینگ چطور؟
- خطرهای بازاریابی با هوش مصنوعی چیست؟
- چهار پرسش قبل از خودکار کردن هر کار
- برنامه ۳۰ روزه برای شروع
- نتیجه را چطور بسنجیم؟
- سؤالات متداول
بازاریابی با هوش مصنوعی یعنی چه و چقدر جدی است؟
بازاریابی با هوش مصنوعی یعنی استفاده از مدل‌های زبانی، تصویری و الگوریتم‌های پیش‌بینی برای انجام بخشی از کارهای بازاریابی: نوشتن پیش‌نویس، تحلیل داده، هدف‌گیری تبلیغات، شخصی‌سازی پیام و پاسخ‌گویی به مشتری. هوش مصنوعی کار را سریع‌تر می‌کند. هدف، بودجه و کنترل کیفیت همچنان با شماست.
برای اینکه بدانیم موضوع واقعاً داغ است، شاخص جستجوی گوگل ترند را بررسی کردیم. در مقایسه‌ای جهانی برای ۱۲ ماه گذشته، عبارت «AI marketing» میانگین شاخص ۳۹ گرفت. این شاخص نسبی است، یعنی عدد ۱۰۰ بیشترین جستجوی همان مقایسه را نشان می‌دهد. جستجوی این عبارت از ۳۷ در اکتبر ۲۰۲۵ به اوج ۶۶ در مه ۲۰۲۶ رسید. در همان مقایسه، «AI SEO» از ۹ به ۲۱ و «AEO» از ۴ به ۱۶ رسید. در هفته‌های اخیر شاخص هر سه عبارت پایین آمده است و ما دلیلش را نمی‌دانیم، پس از آن نتیجه‌ای نمی‌گیریم. فقط یک چیز روشن است: علاقه به این موضوع در یک سال گذشته به‌طور محسوس بیشتر شده است.
سیلزفورس در دهمین گزارش «State of Marketing» نتیجه ۴٬۴۵۰ پاسخ از مدیران بازاریابی را منتشر کرده که بین ۸ اکتبر تا ۱۷ نوامبر ۲۰۲۵ جمع شده‌اند. دو عدد این گزارش به بحث ما مربوط است:
- ۷۵٪ بازاریاب‌ها هوش مصنوعی را به کار گرفته‌اند. گزارش تعریف دقیقی از «به کار گرفتن» نداده است.
- ۸۴٪ بازاریاب‌ها می‌گویند کمپین‌های عمومی اجرا می‌کنند.
این پژوهش را یک شرکت فروشنده نرم‌افزار انجام داده و نتیجه‌اش را باید با همین ملاحظه خواند. اما الگوی آن با چیزی که در کار روزمره هم دیده می‌شود هم‌خوان است: استفاده از ابزار زیاد شده و تغییر کیفیت کار کمتر.
چه کارهایی را به هوش مصنوعی بسپاریم؟
کارهای تکرارشونده، کم‌ریسک و قابل بازبینی را بسپارید: پیش‌نویس، ایده‌پردازی، خلاصه‌سازی و تحلیل اولیه داده. کارهایی که خطایشان گران تمام می‌شود، مثل قیمت، تعهد قانونی، پاسخ به شکایت حساس و تصمیم بودجه، باید در دست انسان بمانند. جدول زیر تقسیم‌بندی پیشنهادی ماست و تجربه کاری است، نه قانون پلتفرم‌ها.
| کار | سپردن به هوش مصنوعی | شرط |
|---|---|---|
| پیش‌نویس ایمیل و متن آگهی | بله | ویرایش و تایید انسان قبل از ارسال |
| ایده عنوان و تقویم محتوا | بله | انتخاب نهایی با شما و بر اساس داده مشتری |
| خلاصه‌سازی نظرهای مشتریان و گزارش‌ها | بله | چند نمونه را با متن اصلی مقایسه کنید |
| تحلیل اولیه داده کمپین | بله | عددهای مهم را از داشبورد اصلی دوباره بخوانید |
| مقاله کامل برای انتشار مستقیم | نه | فقط به‌عنوان پیش‌نویس و با تجربه واقعی شما |
| ادعای عددی، قیمت، گارانتی | نه | فقط انسان و با منبع |
| پاسخ به شکایت حساس | نه | هوش مصنوعی فقط پیشنهاد متن بدهد |
| تصمیم بودجه تبلیغات | نظارت انسانی | ابزار پیشنهاد می‌دهد و شما تصمیم می‌گیرید |
یک قاعده ساده کمک می‌کند: اگر اشتباه این کار را یک ساعت بعد کشف کنید و ضرری نبینید، می‌شود آن را به هوش مصنوعی سپرد. اگر اشتباه ممکن است مشتری را از دست بدهد یا شما را زیر سؤال قانونی ببرد، باید یک انسان آخرین نگاه را بیندازد.
چطور با هوش مصنوعی محتوا بنویسیم که اسپم حساب نشود؟
محتوای تولیدشده با هوش مصنوعی ممنوع نیست. گوگل در راهنمای رسمی‌اش می‌گوید این فناوری برای تحقیق درباره موضوع و ساختار دادن به محتوای اصیل مفید است، اما تولید انبوه صفحه‌های کم‌ارزش برای دستکاری رتبه را «scaled content abuse» و اسپم حساب می‌کند. شرط حضور در نتایج، ارزش واقعی برای خواننده است و ابزار تولید اهمیتی ندارد.
گوگل چند توصیه مشخص هم دارد. خروجی مدل‌ها ممکن است اشتباه باشد، پس قبل از انتشار باید راستی‌آزمایی شود. همین دقت باید روی تیتر، توضیح متا، داده ساختاریافته و متن جایگزین تصویر هم باشد، چون این‌ها در نتایج جستجو دیده می‌شوند. گوگل همچنین پیشنهاد می‌کند درباره نحوه تولید محتوا به خواننده شفاف باشید. برای فروشگاه‌ها هم قوانین جداگانه‌ای برای تصویرهای تولیدشده با هوش مصنوعی وجود دارد و باید برچسب‌گذاری فنی (IPTC) انجام شود.
روشی که برای نوشتن مقاله پیشنهاد می‌کنیم پنج مرحله دارد:
- اول نیاز مخاطب را بنویسید. سه سؤال واقعی که مشتریان شما می‌پرسند را از پشتیبانی، واتساپ یا دایرکت جمع کنید. مدل این‌ها را نمی‌داند.
- پیش‌نویس بگیرید. از مدل بخواهید فقط سرفصل و پیش‌نویس هر بخش را بنویسد.
- تجربه خودتان را اضافه کنید. یک عدد، یک نمونه مشتری یا نتیجه یک تست واقعی. این بخش را هیچ مدلی نمی‌تواند از جای دیگر بیاورد.
- هر ادعا را راستی‌آزمایی کنید. هر عدد و هر نام را با منبع اصلی مقایسه کنید. عددی که منبع ندارد حذف می‌شود.
- متا و متن جایگزین تصویر را دستی بازبینی کنید.
نمونه‌ای از درخواست (پرامپت) که می‌توانید برای مرحله دوم استفاده کنید:
برای مخاطب «صاحب فروشگاه اینترنتی با بودجه کم» یک پیش‌نویس ۳ بخشی درباره انتخاب روش ارسال بنویس. هر بخش با جواب مستقیم در دو جمله شروع شود. هیچ آماری از خودت نیاور. جاهایی که باید تجربه یا عدد واقعی اضافه شود را با [اینجا تجربه] مشخص کن.
دستور «آمار از خودت نیاور» مهم است. مدل‌ها وقتی عدد لازم دارند گاهی عددی می‌سازند که منطقی به نظر می‌رسد. اگر پیش‌نویس‌هایی دیده‌اید که همه شبیه هم هستند و چیز تازه‌ای نمی‌گویند، به همین دلیل است. در مقاله محتوای AI Slop و خطرات آن برای سئو نشانه‌های این متن‌ها را با جزئیات نوشته‌ایم.
هوش مصنوعی در تبلیغات چه می‌کند؟ نمونه AI Max گوگل
AI Max یک لایه بهینه‌سازی داخل کمپین‌های جستجوی گوگل ادز است و کمپین جداگانه‌ای نیست. دو بخش اصلی دارد: تطبیق عبارت جستجو (search term matching) که با تکنیک‌های broad match و تطبیق بدون کلمه کلیدی کاربران بیشتری را پیدا می‌کند، و بهینه‌سازی دارایی‌ها که شامل تولید متن آگهی (text customization) و ارسال کاربر به صفحه مناسب‌تر سایت (Final URL expansion) است.
نکته مهم این است که گوگل کنترل‌هایی هم گذاشته است. طبق راهنمای رسمی گوگل ادز:
- تطبیق عبارت جستجو را در تنظیمات گروه آگهی، و تولید متن و گسترش صفحه مقصد را در تنظیمات کمپین می‌توان جداگانه خاموش کرد.
- می‌توانید برندها را اضافه یا مستثنی کنید و برای صفحه‌های مقصد هم فهرست مجاز و ممنوع بسازید.
- گزارش عبارت‌های جستجو یک نوع تطبیق جدید با نام «AI Max» نشان می‌دهد، پس می‌توانید ببینید این سیستم کاربر را از کدام عبارت آورده است.
دو هشدار هم در همان راهنما آمده است. اول اینکه AI Max برای کمپینی که بودجه‌اش محدود شده کارایی خوبی ندارد. دوم اینکه اگر الگوهای ردیابی (tracking template) درست تنظیم نشده باشند، صفحه‌های مقصد پویا ممکن است خطای ۴۰۴ بدهند. گوگل توصیه می‌کند قبل از روشن کردن، یک صفحه مقصد پویا را تست کنید.
گوگل در منابع مختلف درباره افزایش تبدیل با AI Max رقم‌های متفاوتی گفته است. پس این عددها را مبنای تصمیم نگیرید و روی حساب خودتان آزمایش کنید: یک نیمه از ترافیک با تنظیم قبلی و نیمه دیگر با AI Max. گوگل برای همین کار ابزار آزمایش (Experiments) دارد.
اگر کسب‌وکار شما در بازار ایران است و به گوگل ادز دسترسی ندارید، همین منطق برای هر پلتفرم تبلیغاتی دیگر هم درست است. خودکارسازی را همیشه با یک آزمایش مقایسه‌ای شروع کنید و کنترل‌هایی مثل فهرست ممنوعه و سقف بودجه را از اول فعال نگه دارید.
شخصی‌سازی و ایمیل مارکتینگ چطور؟
شخصی‌سازی با هوش مصنوعی وقتی جواب می‌دهد که داده‌های مشتری مرتب و یکجا باشند. هوش مصنوعی روی لیست درهم و بدون بخش‌بندی فقط یک پیام عمومی را سریع‌تر می‌فرستد. اول داده را مرتب کنید و بعد از مدل بخواهید برای هر بخش نسخه جداگانه بنویسد.
در همان گزارش سیلزفورس، بازاریاب‌هایی که از یکپارچگی داده‌هایشان کاملاً راضی بودند، ۴۲٪ بیشتر از بقیه احتمال داشت مرتب به مشتریان پاسخ دهند. ابزار هوش مصنوعی این اختلاف را تنها با جمع کردن داده‌ها نمی‌سازد، اما داده پراکنده یکی از موانع اصلی شخصی‌سازی است و این گزارش آن را تایید می‌کند.
یک مسیر ساده برای شروع:
- مشتریان را بر اساس رفتار به سه گروه تقسیم کنید: خریدار جدید، خریدار تکراری، مشتری ساکت.
- برای هر گروه یک هدف بنویسید: خرید دوم، تکرار خرید، بازگشت.
- از مدل بخواهید برای هر گروه سه نسخه موضوع ایمیل و یک نسخه متن بنویسد.
- هر نسخه را بخوانید، لحن برند را اصلاح کنید و نیمی از گروه را برای تست A/B کنار بگذارید.
جزئیات بیشتر را در مقاله هوش مصنوعی در بازاریابی ایمیلی نوشته‌ایم.
بخش دیگر ماجرا، دیده شدن در پاسخ‌های هوش مصنوعی است. مردم بیشتر در ChatGPT و Gemini می‌پرسند و برند شما باید آنجا هم پیدا شود. اگر این بخش برایتان مهم است، راهنمای AEO و دیده شدن در ChatGPT و Gemini را بخوانید.
خطرهای بازاریابی با هوش مصنوعی چیست؟
چهار خطر بیشترین هزینه را دارند: اطلاعات ساختگی، افشای داده مشتری، از دست رفتن صدای برند و تکیه بیش از حد بر ابزار. هیچ‌کدام دلیل کنار گذاشتن هوش مصنوعی نیست، اما هر کدام یک قاعده ساده لازم دارد.
اطلاعات ساختگی
گوگل صریحاً می‌گوید مدل‌های مولد متن محتمل را پیش‌بینی می‌کنند و واقعیت را بازیابی نمی‌کنند، پس خروجی ممکن است خطا داشته باشد. قاعده: هر عدد، قیمت و نام قبل از انتشار با منبع اصلی چک شود.
افشای داده مشتری
اسم، شماره تماس و سابقه خرید مشتری را در ابزار عمومی نچسبانید، مگر اینکه شرایط استفاده ابزار را خوانده باشید و بدانید داده کجا نگهداری می‌شود. برای تحلیل، داده را بی‌نام کنید و فقط ستون‌های لازم را بدهید.
از دست رفتن صدای برند
اگر هر ماه با هر ابزار و هر دستور متفاوتی متن بنویسید، لحن برند شما هر بار فرق می‌کند. یک صفحه راهنمای لحن بنویسید: چند جمله نمونه که شبیه شماست، چند عبارت ممنوع، و حداکثر طول جمله. این صفحه را هر بار ضمیمه دستور کنید.
کیفیت متن فارسی
این بخش تجربه عملی است و آزمایش رسمی نیست: خروجی فارسی مدل‌ها معمولاً روان است، اما گاهی عبارت‌های ترجمه‌ای، لحن رسمی بیش از حد یا اصطلاح نادرست دارد. هر متن فارسی را یک بار با صدای بلند بخوانید. جمله‌ای که خودتان در مکالمه نمی‌گویید، احتمالاً مشتری هم باور نمی‌کند.
وابستگی به ابزار
اگر یک کار فقط با یک ابزار انجام می‌شود، قطع دسترسی یا تغییر قیمت آن ابزار کار شما را متوقف می‌کند. برای هر فرایند مهم، دستور و قالب خروجی را جایی بنویسید که به ابزار وابسته نباشد.
چهار پرسش قبل از خودکار کردن هر کار
قبل از سپردن هر کار به هوش مصنوعی این چهار سؤال را بپرسید. اگر جواب دو سؤال یا بیشتر «نه» بود، آن کار فعلاً دستی بماند.
- این کار تکرارشونده است؟ کاری که ماهی یک بار انجام می‌شود صرف زمان تنظیم ابزار را توجیه نمی‌کند.
- خطا در آن ارزان است؟ اگر یک اشتباه مشتری را ناراحت یا شما را متضرر می‌کند، بازبینی انسانی لازم است.
- داده ورودی دارم؟ مدل بدون نمونه واقعی از شما، متن عمومی تحویل می‌دهد.
- نتیجه را می‌شود اندازه گرفت؟ اگر نمی‌دانید قبل و بعد چه عددی را مقایسه می‌کنید، نمی‌فهمید ابزار کمک کرده است یا نه.
برنامه ۳۰ روزه برای شروع
| هفته | کار | خروجی |
|---|---|---|
| اول | یک فرایند تکراری را انتخاب کنید (مثلاً نوشتن ایمیل هفتگی) و زمان فعلی و نتیجه فعلی‌اش را ثبت کنید | عدد پایه |
| دوم | راهنمای لحن برند و یک قالب دستور (پرامپت) بنویسید | یک صفحه راهنما |
| سوم | همان فرایند را با کمک هوش مصنوعی اجرا کنید و نیمی از گروه را با روش قبلی نگه دارید | داده مقایسه |
| چهارم | زمان صرف‌شده و نتیجه را مقایسه کنید و تصمیم بگیرید ادامه یا توقف یا تغییر | تصمیم مکتوب |
فقط یک فرایند را شروع کنید. کسب‌وکارهایی که در ماه اول پنج ابزار را هم‌زمان امتحان می‌کنند، معمولاً نمی‌توانند بگویند کدام یک اثر داشت.
نتیجه را چطور بسنجیم؟
سه عدد کافی است: زمان صرف‌شده برای کار، هزینه هر سرنخ یا هر فروش، و کیفیت خروجی از نگاه مشتری. برای کیفیت می‌توانید نرخ باز شدن و کلیک ایمیل، نرخ تبدیل صفحه فرود یا تعداد سؤال‌های تکراری پشتیبانی را به‌عنوان نماینده بگیرید.
- زمان: قبل و بعد را با ساعت واقعی ثبت کنید، نه برآورد ذهنی.
- هزینه: هزینه اشتراک ابزار و زمان بازبینی انسانی را هم حساب کنید.
- کیفیت: فقط با گروه مقایسه (A/B) می‌توانید اثر هوش مصنوعی را از اثر فصل، تخفیف یا تبلیغ دیگر جدا کنید.
اگر بعد از ۳۰ روز زمان کمتر شده اما نتیجه بدتر شده، هوش مصنوعی را در مرحله بازبینی یا نوشتن نهایی کنار بگذارید و فقط برای پیش‌نویس نگه دارید. هدف صرفه‌جویی در زمان است، به شرط اینکه نتیجه پایین نیاید.
سؤالات متداول
بازاریابی با هوش مصنوعی یعنی چه؟
یعنی استفاده از هوش مصنوعی برای بخشی از کارهای بازاریابی مثل نوشتن پیش‌نویس، تحلیل داده، هدف‌گیری تبلیغات و شخصی‌سازی پیام. تصمیم‌های اصلی و کنترل نهایی کیفیت همچنان با انسان است.
آیا گوگل محتوای تولیدشده با هوش مصنوعی را جریمه می‌کند؟
طبق راهنمای رسمی گوگل، استفاده از هوش مصنوعی به‌خودی‌خود ممنوع نیست. تولید انبوه صفحه‌های کم‌ارزش برای دستکاری رتبه اسپم حساب می‌شود، چه با هوش مصنوعی باشد چه بدون آن.
برای شروع چه ابزاری بگیرم؟
اول فرایند را انتخاب کنید و بعد ابزار را. یک مدل زبانی عمومی برای پیش‌نویس و خلاصه‌سازی معمولاً برای ماه اول کافی است. وقتی عدد پایه و نیاز مشخص شد، ابزار تخصصی بسنجید.
آیا هوش مصنوعی جای تیم بازاریابی را می‌گیرد؟
در داده‌هایی که بررسی کردیم شواهدی برای این ادعا ندیدیم. گزارش سیلزفورس نشان می‌دهد استفاده از هوش مصنوعی زیاد شده اما کمپین‌ها هنوز عمومی‌اند، یعنی تفاوت را همچنان کیفیت تصمیم‌ها می‌سازد. این برداشت ما از آن داده‌هاست.
آیا باید به خواننده بگویم متن با هوش مصنوعی نوشته شده؟
گوگل پیشنهاد می‌کند درباره نحوه تولید محتوا شفاف باشید، به‌خصوص وقتی نقش ابزار زیاد است. الزام قانونی عمومی برای همه محتواها در این منبع نیامده است. یک جمله ساده درباره نقش ابزار در پایان مقاله کافی است.
چقدر طول می‌کشد نتیجه ببینم؟
صرفه‌جویی در زمان را معمولاً در همان ماه اول می‌توان سنجید. اثر روی فروش یا رتبه جستجو به چرخه فروش و بازخزش موتورهای جستجو بستگی دارد و ممکن است چند ماه طول بکشد.
از کجا شروع کنید؟
همین امروز یک فرایند تکراری را انتخاب کنید و زمان فعلی آن را یادداشت کنید. این پنج دقیقه عدد پایه‌ای می‌سازد که بدون آن هیچ مقایسه‌ای ممکن نیست. اگر می‌خواهید برنامه محتوا، سئو و هوش مصنوعی سایتتان را کارشناسی بررسی کنیم، درباره خدمات سئو و بهینه‌سازی وب‌سایت کیاهاست بخوانید یا از صفحه ارتباط با ما درخواست مشاوره بدهید.
منابع: سیلزفورس: دهمین گزارش State of Marketing · راهنمای گوگل: استفاده از محتوای هوش مصنوعی مولد · راهنمای گوگل ادز: AI Max for Search campaigns · گوگل ترند (مقایسه ۱۲ ماه، جهانی)
