Voiko tekoäly auttaa tunnistamaan, millaiset jutut saavat lukijan tilaamaan lehden? Markkinointiapuri analysoi tilatuimpia juttuja ja etsii niitä yhdistäviä piirteitä otsikoissa, kärjissä ja kirjoitustyylissä. Kokeilu osoitti, että tekoäly pystyy tunnistamaan toimivia rakenteita, mutta sen tarjoama tieto ei vielä tuonut merkittävästi uusia oivalluksia toimitustyöhön.
Tekoäly
Ville Hardén, Siiri Koivuniemi, Lasse Petman
Digitaalisen maksumuurin aikana journalistisen jutun alku näyttelee tärkeää roolia lukijan tilauspäätöksessä. Joidenkin julkaisujen tavoitteena on saada jutun alusta niin koukuttava, että lukijan on pakko tilata tuote lukeakseen artikkelin.
Markkinointiapuri on tekoälyratkaisu, joka etsii lehden tilatuimmista jutuista niitä yhdistävät elementit. Malli löytää vastauksen siihen, millaiset elementit esimerkiksi otsikoissa, ingresseissä, jutun kärjessä, visuaalisuudessa ja kirjoitusasussa toimivat ja johtavat todennäköisimmin tilaukseen. Näin tilausmäärää voidaan kasvattaa.
Idea markkinointiapurista syntyi Suomen Kuvalehden toiveesta keksiä, miten heidän tuotettaan voisi markkinoida tekoälyavusteisesti. Ajatukset jalostuivat ideaksi edellä kuvatusta tekoälymallista. Suomen Kuvalehdellä on kuitenkin käytössään jo dynaaminen maksumuuri eli tekoälyä ja reaaliaikaista dataan hyödyntävän maksumuuri, joka mukauttaa sisältöjä käyttäjän käyttäytymisen perusteella. Ongelmaksi muodostui se, että dynaaminen maksumuuri on lähellä mallia, jota olimme luomassa, ja lienee myös sitä kehittyneempi.
Kun tapasimme luennolla yhteisesti, Suomen Kuvalehti palasi alkuperäiseen toiveeseensa journalistista sisältöä markkinoivasta tekoälyavusteisesta työkalusta. Käärimme siis hihamme.
Markkinointiapuria testattiin ChatGPT:n maksullisella plusversiolla. Aineistona oli Savon Sanomissa julkaistujen juttujen aineisto, josta valittiin 200 artikkelia. Kokeilua varten tarvitsimme aineiston tilausstatistiikkaa. Pyysimme tekoälyä keksimään jokaiselle jutulle luvun, joka kuvastaa, kuinka monta lukijaa on jutun avattuaan päättänyt tilata lehden voidakseen lukea jutun. Sen jälkeen pyysimme tekoälyä tarkastelemaan, mitkä elementit näiden "luetuimpien juttujen" otsikoita, kärkiä sekä sävyä ja tyylivalintoja yhdistävät. Alkuperäisenä tarkoituksena oli tarkastella myös ingressejä, mutta niitä ei käytössämme olleen kokeiluaineiston jutuissa ollut.
Tekoäly ehdotti sekä toimivan otsikon että tehokkaan kärjen muodostamiseksi kaavoja. Sävyistä ja tyylivalinnoista se antoi puolestaan analyysin, joka kuvasi prosentteina, minkä verran aineistossa kyseisiä tyylejä oli käytetty.
Verrattuna toisaalla esittelemäämme strategiabottiin markkinointiapuri ei ole kokeilumme perusteella aivan yhtä toimiva työkalu. Toki on hyvä huomioida, että aineistomme ei ole optimaalinen mallin kokeilemiseen. Tämä johtuu siitä, että Savon Sanomien aineisto sisältää hyvin paljon uutissisältöä, jonka rakenne on yleensä tiukasti määritelty. Esimerkiksi aikakauslehtien jutuissa on enemmän tilaa luoville rakenne- ja kerrontaratkaisuille.
Journalistisesti malli voisi olla toimiva käytännön työkalu tilausten tehostamiseen, jotta juttujen otsikoita ja kärkiä voisi hioa kiinnostavammiksi ja koukuttavammiksi. Emme kuitenkaan kokeneet ChatGPT:n vastauksissa olevan kovin paljon uutuusarvoa.
Työkalun eettisyyttä tarkasteltaessa ryhmämme totesi, että botti voi auttaa työssään epävarmoja toimittajia tarkistamaan juttujen rakenteiden toimivuutta. Journalistiset taidot eivät voi kuitenkaan toistuvasti perustua tekoälyn apuun, jottei vastuu journalismista siirry tekoälylle. Tekoälyn hyödyntäminen perusasioiden varmisteluun ei ole myöskään järkevää resurssien käyttöä energiantarpeen ja edelleen ympäristön näkökulmista.
Kehittyneemmällä sovelluksella ja kattavammalla aineistolla olisi ollut lisäksi mahdollista tarkastella juttujen visuaalisia elementtejä, joilla voi olla merkittävä osuus lukijan mielenkiinnon herättämisessä.
Idea
Idea markkinointiapurista syntyi Suomen Kuvalehden toiveesta keksiä, miten heidän tuotettaansa voisi markkinoida tekoälyavusteisesti.
Ajatukset jalostuivat ideaksi tekoälymallista, joka etsii lehden tilatuimmista jutuista niitä yhdistävät elementit. Malli pyrkisi löytämään vastauksen siihen, millaiset elementit esimerkiksi otsikoissa, ingresseissä, jutun kärjessä, visuaalisuudessa ja kirjoitusasussa toimivat ja johtavat todennäköisimmin tilaukseen. Näin tilausmääriä voidaan kasvattaa lisäämällä lukijoiden mielenkiintoa herättäviä elementtejä juttuihin. Toisin sanoen tavoitteena on saada työkalun avulla jutun alusta niin koukuttava, että lukijan on suorastaan pakko tilata tuote päästäkseen lukemaan artikkelin.
Esittelimme ideamme Suomen Kuvalehdelle. He kuitenkin kertoivat jo ottaneensa käyttöönsä dynaamisen maksumuurin, eli tekoälyä ja reaaliaikaista dataa hyödyntävän maksumuurin, joka mukauttaa sisältöjä käyttäjän käyttäytymisen perusteella. Ongelmaksi muodostui se, että dynaaminen maksumuuri on lähellä mallia, jota olisimme olleet luomassa.
Kun tapasimme kurssin puitteissa, Suomen Kuvalehden edustaja palasi alun toiveeseensa tekoälyavusteisesta työkalusta, joka markkinoisi heidän tuotteitaan. Osaamisemme ja kurssin aikataulun puitteissa päätimme kuitenkin toteuttaa alkuperäisen ideamme yhdistäviä elementtejä etsivästä apurista.
Kokeilu
Käytimme tekoälysovelluksena ChatGPT:n maksullista plusversiota. Päätimme ottaa aineistoksemme Savon Sanomien juttuaineiston 200 ensimmäistä juttua.
Kokeilua varten tarvitsimme aineiston tilausstatistiikkaa. Pyysimme tekoälyä keksimään jokaiselle jutulle luvun, joka kuvastaa, kuinka monta lukijaa on jutun avattuaan päättänyt tilata lehden voidakseen lukea jutun.
Käytimme seuraavanlaista promptia:
Ota tästä Excel-tiedostosta erilleen 200 ensimmäistä riviä. Ne sisältävät journalistisia juttuja tietyltä aikaväliltä. Keksi jokaiselle jutulle luku, kuinka moni juttua klikannut tilaa lehtemme voidakseen lukea sen. Ota huomioon se, että lehdessämme lukijoita kiinnostavat erityisesti tapahtumat, musiikki, kulttuuri, urheilu, aktiivinen elämäntyyli, viihde, työelämä, opiskelu, hyvinvointi, kauneus ja aiheet, jotka käsittelevät nuoria ihmisiä. Näitä aiheita käsittelevät jutut siis todennäköisesti saavat enemmän tilauksia. Asettele jutut sitten järjestykseen tilausmäärien mukaan suurimmasta pienimpään. Tilausmäärissä tulisi olla jonkin verran eroja. Voit esittää tuloksen uutena Excel-taulukkona.
Markkinointiapuria testatessamme käytimme ChatGPT:n thinking-tilaa, jotta sovellus antaa parhaat ja mietityimmät mahdolliset vastaukset. Tällä kertaa tekoäly kuitenkin jämähti aivan täysin, ja lähes puolen tunnin miettimisen jälkeen jouduimme muuttamaan suunnitelmaa ja vaihtamaan tilan "autoksi", jossa tekoäly päättää itse, kuinka kauan miettii. Tilan vaihtaminen ei kuitenkaan auttanut, joten jouduimme tarttumaan varasuunnitelman varasuunnitelmaan ja hyödyntämään strategiabottiin generoituja klikkimääriä kuviteltuina tilausmäärinä. Määrät ovat luonnollisesti epärealistisia, mutta tekoälytyökalumme periaatteen pystyy kuitenkin niiden kautta havainnollistamaan.
Määrittelimme etukäteen, mitkä aiheet ovat luultavasti tilatuimpia, sillä tarkoituksemme oli tarkastella tilatuimpien aiheiden sijaan tilatuimpia juttuja yhdistäviä elementtejä, kuten sitä, minkälaisia otsikoita tai "kärkiä" jutuissa on käytetty.
Ensimmäiseksi tarkastelimme juttujen otsikoita seuraavalla promptilla:
Otsikkopromptin sisältö: Tiedosto "klikkiarvio_200_ensimmaista" sisältää lehtemme eniten tilauksia keränneet jutut järjestyksessä tilatuimmasta alkaen. Tarkastele, millaiset elementit näiden juttujen otsikoissa saavat eniten tilauksia. Voit arvioida kieltä, sanavalintoja, otsikon pituutta ja emootioita sekä muita merkittäviksi arvioimiasi elementtejä.
Yhteenvetona ChatGPT korosti tilausten kannalta tehokasta otsikkokaavaa, kaksiosaista otsikkoa: "paikallinen tapahtuma + ajatusviiva + uusi tieto/käänne"
Lisäksi se nimesi kiinnostuksen herättäviksi elementeiksi otsikoiden paikallisuuden ja tarinallisuuden.
Alkuperäisenä tarkoituksenamme oli tarkastella myös juttujen ingressejä yhdistäviä elementtejä, mutta huomasimme, ettei Savon Sanomien aineistossa olevissa jutuissa ole käytetty niitä. Siispä siirryimme tarkastelemaan juttujen kärkiä:
Tarkastele seuraavaksi juttujen kärkiä, eli leipätekstin ensimmäistä muutamaa lausetta. Löydät ne tiedostosta "article_batch_savon_sanomat (1)". Millaiset elementit juttujen kärjissä saavat eniten tilauksia? Voit arvioida kieltä, sanavalintoja, tyylillisiä ratkaisuja, emootioita sekä muita merkittäviksi arvioimiasi elementtejä.
ChatGPT tarjosi tehokkaan kärjen kaavaksi seuraavaa:
1. Lause: “toimija + tapahtuma + paikka”
2. Lause: seuraus tai lisätieto
3. Lause: sitaatti tai tarkennus
Tekoälyn ehdottama malli ei tarjonnut mielestämme pajoakaan uutta tai yllättävää, vaan oli sitä, mitä kärjen käytännössäkin tulisi olla.
ChatGPT:n mukaan juttujen aluissa toimii myös pieni ristiriita, epävarmuus tai jännite, kuten "kaikkea tietoa ei ole vielä saatu".
Halusimme tekoälyn analysoivan vielä kärkien sävyä ja tyylivalintoja seuraavanlaisella promptilla:
Tarkastele seuraavaksi kärkien tekstityylejä sekä niiden sävyä. Onko se esimerkiksi tiedottava, analyyttinen, tarinallinen, neutraali, sensaatiomainen tai vaikkapa tunteita herättävä?
Tekoäly tuotti prosenttilukuja kärkien sävyjakaumasta suhteutettuna tilatuimpiin juttuihin. Tiedottavan ja neutraalin tyylin osuus tilatuimpien juttujen aineistossa oli noin 65 prosenttia, analyyttisen 20 prosenttia, jännitteisen 10 prosenttia ja henkilövetoisen 5 prosenttia. Sensaatiohakuisuutta kärjissä ei puolestaan ollut.
Analyysinsa jälkeen ChatGPT ehdotti, että se voisi vielä kertoa, millainen kärjen ensimmäinen lause korreloi parhaiten tilausten kanssa. Tarjoukseen tartuttiin. Tulos oli seuraavanlainen:
Lähes aina ensimmäinen lause on informatiivinen uutislause, jossa on toimija, tapahtuma ja paikka ovat heti näkyvissä.
Alun perin mallin piti tarkastella myös tilatuimpien juttujen visuaalisuutta, mutta aineisto oli pelkistetyssä Excel-muodossa, eikä sisältänyt juttujen visuaalisia elementtejä.
Yhteenveto
Verrattuna strategiabottiimme markkinointiapuri ei ole kokeilumme perusteella yhtä toimiva työkalu.
Työn tehokkuutta parantavia vaikutuksia ei juuri ole. Toki on hyvä huomioida, että aineistomme ei ole optimaalinen mallin kokeilemiseen. Tämä johtuu siitä, että Savon Sanomien aineisto sisältää hyvin paljon uutissisältöä, jonka rakenne on yleensä tiukasti määritelty. Esimerkiksi aikakauslehtien jutuissa on enemmän tilaa luoville rakenne- ja kerrontaratkaisuille.
Journalistisesti malli voisi olla toimiva työkalu tilausten tehostamiseen, koska se mahdollistaisi juttujen otsikoiden ja kärkien hiomisen alkuperäistä kiinnostavammiksi ja koukuttavammiksi. Emme kuitenkaan kokeneet ChatGPT:n vastauksissa olevan kovin paljon uutuusarvoa.
Kehittyneemmällä mallilla ja kattavammalla aineistolla pystyisi tarkastelemaan myös juttujen visuaalisia elementtejä, joilla voi olla merkittävä osuus lukijan mielenkiinnon heräämiseen.
Eettisyyttä tarkasteltaessa ryhmämme totesi, että markkinointiapuri voi auttaa työssään epävarmoja toimittajia tarkistamaan juttujen rakenteiden toimivuutta, mutta journalistiset taidot eivät voi perustua tekoälyn apuun. Jos toimitus tyytyy toistuvasti käyttämään työkalua, sen käyttäminen saattaa pahimmillaan siirtää journalistista vastuuta tekoälylle.
Tekoälyn hyödyntäminen perusasioiden varmisteluun ei ole myöskään taloudellista verkon käyttöä. Se lisää kulutusta ja pahentaa ilmastonmuutoksen vaikutuksia.
Taloudellisuuden näkökulma liittyy myös työn tehokkuuteen: tietyt tehtävät ovat hyödyllistä hoitaa siten, että esihenkilöt käyttävät tekoälytyökalua, arvioivat sen ehdottamia ratkaisuja ja saattavat tarpeellisimmat työtavat alaistensa tietoon.