AI/Tech 2026. november 17

A kísérleti projektektől az AI-ra épülő marketingig – Ralf Strauss a European Marketing Agenda 2027 kutatásról

Hogyan válhatnak az elszigetelt AI-kísérletek mérhető üzleti eredményekké? Ezt vizsgálja elsősorban a European Marketing Agenda 2027 kutatás. Ralf Strauss, a European Marketing Confederation elnökével a magyar szakemberek véleményét is vizsgáló felmérés kapcsán arról beszélgettünk, miből látszik, hogy az AI valóban megváltoztatta egy marketingcsapat működését, milyen problémákat kell megoldaniuk a marketingvezetőknek az újabb technológiai beruházások előtt, és hogyan alakítják át az AI által generált válaszok a márkák láthatóságát.

A Marketing Agenda 2027 elindításakor a marketing jövőjének melyik megválaszolatlan kérdésére várja leginkább a választ az idei kutatástól, és hogyan alakította ez a kérdőívet?

A legfontosabb kérdés, amelyre a European Marketing Agenda 2027-től választ várunk, a következő: hogyan válhat az AI-t használó marketing valóban AI-natívvá, azaz hogyan alakíthatók az elszigetelt AI-kísérletek a működésbe integrált, skálázható és mérhető üzleti hatássá?  Ez a kérdés a marketingvezetők előtt álló alapvető kihívások köré szervezi a kutatásunkat. Ilyen az AI-ügynökökre épülő mesterséges intelligenciára való átállás, a marketing működési modelljeinek és a szükséges készségeknek az átalakulása, az adatok és a technológia integrációja, valamint a mérhető üzleti eredmények igazolása.

Végső soron azt szeretnénk megérteni, hogyan alkalmazzák a marketingesek az AI-t, és hogyan formálja át ez alapjaiban a marketingtevékenység szervezését, irányítását és mindez hogyan járul hozzá egy cég üzleti növekedéséhez. A Marketing Agenda 2027 átfogó témája az AI-natív marketing-, értékesítési és ügyfélkiszolgálási szervezet, amely többek között az alábbi kérdésköröket foglalja magában: Az AI-használat érettsége, a KPI-keretrendszerek és mérési módszerek. a régóta napirenden lévő ügyfélélmény-menedzsment jelentősége és jelenlegi helyzete, a márkamenedzsment az AI világában, a generatív AI-optimalizálási, azaz GEO-módszerek, az AI-natív marketingszervezet megcélzott működési modelljének építőelemei és az AI-jártasság és a szükséges szaktudás felépítése.

Mikor mondhatjuk, hogy egy marketingcsapat érdemi átalakuláson ment keresztül, és nem egyszerűen több eszközt kezdett használni?

Érdemi átalakulás akkor történik, amikor az AI a meglévő marketingtevékenységek hatékonyabbá tételét szolgáló kiegészítő eszközből a marketing működésének alapvető újragondolását ösztönző katalizátorrá válik. Ennek bizonyítékait a teljes folyamatok újratervezésében, az egyre összetettebb feladatokat átvevő autonóm AI-ügynökökben, az ember és az AI együttműködésének új modelljeiben, valamint a készségek, a szerepkörök és a döntéshozatal átalakulásában kereshetjük. A sikernek mindenekelőtt mérhető üzleti eredményekben kell megmutatkoznia – abban, hogy alapvetően eltérő munkamódszerekkel nagyobb hatást, gyorsaságot és nem utolsó sorban eredményességet érünk el, nem pedig a bevezetett AI-eszközök számában.

A kérdőív az adatminőséget, a régebbi informatikai rendszereket, a folyamatokat és a vezetői elkötelezettséget is az AI bevezetésének lehetséges akadályai között vizsgálja; hogyan döntse el egy marketingvezető, hogy melyik alapvető problémát kell megoldania, mielőtt újabb technológiai beruházás mellett köteleződik el?

A marketingvezetőnek az üzleti eredményből és az üzleti elvárásokból kell kiindulnia, nem a technológiából. Mielőtt újabb AI-megoldásba fektetne, meg kell határoznia, hol van a valódi szűk keresztmetszet. A gyenge adatminőségben? A széttagolt, régi rendszerekben? A nem hatékony folyamatokban? Vagy a készségek és a vezetői elkötelezettség hiányában? Én mindnekinek azt javsolom, hogy módszeresen mérjefel a hozzá tartozó szervezet AI-felkészültségét, folyamatait és technológiai architektúráját. Csak ezután tudja majdmegkülönböztetni az új technológiát igénylő problémákat azoktól, amelyek jobb integrációt, szervezeti változást vagy képességfejlesztést kívánnak. Először az alapokat kell rendbe tenni és csak utána kiterjeszteni a technológia alkalmazását, ha szükséges.

Amikor az AI által generált keresési eredmények egyre inkább befolyásolják, hogyan fedezik fel és értékelik az emberek a márkákat, hogyan kell a marketingvezetőknek újragondolniuk a brandek hitelességét láthatóságát?

Fontos, hogy a jövőben a hagyományos keresési helyezéseken, a weboldalforgalmon és a fizetett médiaeléréseken túl is foglalkozzunk a márkánk láthatóságával. Az AI-eszközök által erősen befolyásolt világban az a döntő kérdés, hogy ezek a mesterségesintelligencia-rendszerek felismerik-e a márkáinkat, megbízhatónak tartják-e és ajánlják-e őket, amikor a fogyasztók lehetőségeket mérlegelnek és döntéseket hoznak. Ehhez nagyobb figyelmet kell fordítani a márka tekintélyére, megkülönböztető jegyeire, a minőségi tartalomra, valamint a digitális felületeken megjelenő következetes, hiteles információkra. Az olyan megszokott KPI-ok, mint a kattintások, a megjelenések és a keresési helyezések, veszíthetnek a jelentőségükből. Az új kihívás, hogy a márka a láthatóság mellett releváns és megbízható is legyen, és az AI ajánlja is ilyen szempontból a fogyasztóknak. Ehhez hitelességre és ellenálló képességre van szükség. Az AI-ra való optimalizáslás jóval több mint egy SEO 2.0.

A European Marketing Agenda kutatás mérésre vonatkozó kérdései az eléréstől és az aktivitástól a jövedelmezőségig és az ügyfélélettartamig terjednek. Mi különbözteti meg az üzleti döntéseket valóban javító KPI-keretrendszert attól, amely csupán megnyugtató kimutatásokat állít elő?

A különbség abban áll, hogy a KPI-ok irányítják-e a döntéseket, vagy csupán dokumentálják a teljesítményt. Egy érdemi KPI-keretrendszer összekapcsolja a marketingtevékenységeket a stratégiai üzleti célokkal, egyensúlyt teremt a rövid távú teljesítmény és a hosszú távú márkaépítés között, az elérést és az aktivitást pedig összeköti a jövedelmezőséggel és a várható ügyfélélettartam-értékkel. Egyértelmű felelősségi viszonyokat, a cselekvést segítő felismeréseket és következetes alapot is teremt az erőforrások elosztásához. A végső próba egyszerű: megváltoztatja-e a KPI-keretrendszer a marketingvezetők döntéseit, prioritásait és beruházásait – vagy csak jobban mutatnak tőle a riportok? Van a piacon egy jó könyv, amely összegyűjtötte a nemzetközi legjobb gyakorlatokat: Marketing Planning by Design, Strauss, 2008… (Nevet – A szerk.)

A kutatás az ügyfélélménnyel kapcsolatos prioritásokat és az azokat támogató folyamatokat egyaránt vizsgálja; milyen bizonyítékokat kell elvárniuk a vezetőknek, mielőtt kijelentik, hogy a szervezetük valóban biztosítja a megígért élményt?

A vezetőknek az ügyfél-elégedettségi mutatókon túl azt is bizonyítaniuk kell, hogy az ígért élményt valamennyi releváns érintkezési ponton és csatornán következetesen biztosítják. Ehhez az ügyfélvisszajelzéseket és a viselkedési adatokat olyan működési KPI-okkal kell összekapcsolni, mint az ügyfélutak sikeres végigvitele, a válaszadési idő, a konverzió, az ügyfélmegtartás és a szolgáltatás minősége. Azt is meg kell vizsgálniuk, hogy a háttérben működő folyamatok, adatok és rendszerek valóban lehetővé teszik-e a zökkenőmentes, személyre szabott és következetes interakciókat. A kiváló ügyfélélményt végső soron az garantálja, amit az ügyfelek következetesen megtapasztalnak és amit az adatok is alátámasztanak, nem pedig amit a márka magáról ígér. Az alapot az adatokra épülő, az ügyfél nézőpontjából kiindulva kialakított ügyfélút jelenti.

A retail média szorosabb kapcsolatot ígér a reklám és az értékesítés között, a kutatás ugyanakkor a széttagolt mérésre és az eltérő üzleti érdekekre is rámutat; mit kell tisztázniuk a marketingeseknek, mielőtt stratégiai befektetésként tekintenek rá?

Mielőtt stratégiai befektetésként tekintenének a retail médiára, a marketingeseknek világos célokat és átlátható mérési standardokat kell meghatározniuk. Ehhez meg kell különböztetniük a valóban többletként jelentkező értékesítést a költségkeretek átcsoportosításából adódó változásoktól, összehasonlítható KPI-okat kell meghatározniuk a retailmédia-hálózatok között, és biztosítaniuk kell a releváns adatokhoz való hozzáférést. Ugyanilyen fontos, hogy a marketing, az értékesítés, a pénzügy és a kereskedelmi partnerek közös üzleti célok mentén működjenek együtt. A retail médiás megoldásoknak a vonzó elérési és értékesítési ígéreteken túl értékteremtő fealadat is van, és fenntartható módon kell hozzájárulnia a márka és az üzlet növekedéséhezl.

Miközben az AI átalakítja a marketingtevékenységhez szükséges skilleket , valamint a belső csapatok és a külső partnerek közötti munkamegosztást, milyen képességeket kell a marketingvezetőknek házon belül előtérbe helyezniük?

A marketingvezetőknek erős belső képességeket kell kiépíteniük az AI-jártasság, az adatelemzés, valamint a stratégiai teljesítménymenedzsment területén. Nem kell AI-mérnökké válniuk, de érteniük kell, mire képes az AI, kritikusan kell tudniuk értékelni a technológiai ajánlatokat, és az üzleti igényeket hatékony megoldásokkal kell segíteniük. Ugyanilyen fontos a folyamattervezés, a változásmenedzsment és az AI irányításához, felügyeletéhez szükséges tudás is. A cél, hogy egy egyre inkább AI által vezérelt ökoszisztéma felkészült irányítói tudjanak maradni.

Miért fontos, hogy minél több magyar marketingszakember vegyen részt a kutatásban?

Minél több magyar marketingszakember vesz részt a kutatásban, a European Marketing Agenda 2027 annál pontosabban tükrözi majd a magyar piac valóságát, prioritásait és kihívásait. A széles körű részvétel biztosítja, hogy a magyar nézőpontok is megjelenjenek az európai szakmai párbeszédben, megbízható alapot teremt a más országokkal való összehasonlításhoz, és hozzájárul a marketing jövőjének alakításához egész Európában.

A kutatásban itt lehet részt venni a kérdőív kitöltésével.

Továbbiak
December 2-től kezdve azoknak is meg kell felelniük az AI-előírásoknak, akik már 2026. augusztus 2-a előtt szolgáltattak tartalmat előállító AI-megoldást.
AI/Tech | 2026. november 11.
A Deloitte Tech Trends 2026 tanulmányban négy olyan kulcsterületet azonosítanak, ahol az AI-hoz kapcsolódó biztonsági kockázatok megjelennek: az adatok, az AI-modellek, az alkalmazások és az infrastruktúra szintjén.
AI/Tech | 2026. május 05.