Divergent Recommendations, Convergent Diagnoses: Cross-Provider Failure-Mode Convergence in AI Commercial Recommendation
यद्यपि विशिष्ट उत्पाद अनुशंसाओं के मामले में ChatGPT और Claude के बीच महत्वपूर्ण भिन्नता है, अध्ययन यह प्रकट करता है कि ये AI प्रदाता संयुक्त अनुशंसा विफलताओं के अंतर्निहित कारणों का निदान करने में लगभग पूर्ण सहमति (95.1%) प्रदर्शित करते हैं, जो यह सुझाव देता है कि जबकि शीर्ष ब्रांडों के लिए अनुकूलन रणनीतियाँ प्रदाता-विशिष्ट होने की आवश्यकता हो सकती है, लॉन्ग-टेल ब्रांडों के लिए मूल कारणों को संबोधित करने के लिए एक एकीकृत दृष्टिकोण अत्यधिक प्रभावी है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
यहाँ सरल भाषा और रोज़मर्रा के उदाहरणों का उपयोग करके पेपर की व्याख्या दी गई है।
बड़ा सवाल: क्या AI असिस्टेंट एकमत हैं?
कल्पना कीजिए कि आप एक प्रसिद्ध ब्रांड (जैसे नाइकी या कोई स्थानीय बेकरी) हैं। आप चाहते हैं कि जब लोग सलाह के लिए ChatGPT (OpenAI) या Claude (Anthropic) जैसे AI असिस्टेंट से पूछें, तो आपके उत्पादों की सिफारिश की जाए।
लेखकों ने जो बड़ा सवाल पूछा, वह यह था: यदि मैं ChatGPT के लिए अपनी मार्केटिंग ठीक करता हूँ, तो क्या यह अपने आप Claude के लिए भी काम करेगी? या क्या मुझे दो पूरी तरह से अलग रणनीतियों की आवश्यकता है?
यह जानने के लिए, उन्होंने एक विशाल प्रयोग चलाया। उन्होंने दोनों AI को उत्पादों के बारे में 215 समान प्रश्न पूछे और देखा कि वे क्या सिफारिश करते हैं।
पहली खोज: वे अलग-अलग विजेताओं को चुनते हैं
उपमा (Analogy): कल्पना कीजिए कि दो अलग-अलग फूड क्रिटिक्स (शेफ A और शेफ B) 500 व्यंजनों के मेनू की समीक्षा कर रहे हैं।
- परिणाम: जब उन्हें अपने टॉप 10 व्यंजन चुनने के लिए कहा गया, तो शेफ A और शेफ B केवल 3 या 4 व्यंजनों पर सहमत हुए। बाकी 6 या 7 व्यंजन बिल्कुल अलग थे।
- पेपर का डेटा: दोनों AI इस बात पर केवल लगभग 35% बार सहमत थे कि किन ब्रांड्स की सिफारिश की जाए। यदि आप एक ही AI पर एक ही प्रश्न को दो बार चलाते हैं, तो वह खुद के साथ लगभग 50-60% बार सहमत होता है। लेकिन यदि आप दूसरे AI पर स्विच करते हैं, तो सिफारिशें काफी बदल जाती हैं।
निष्कर्ष: यदि आप एक बड़ा ब्रांड हैं, तो आप यह मानकर नहीं चल सकते कि जो चीज़ एक AI के लिए काम करती है, वह दूसरे के लिए भी काम करेगी। उनकी "पसंद" अलग होती है।
दूसरी खोज: वे इस बात पर सहमत हैं कि वे कहाँ विफल होते हैं
यहीं पर यह दिलचस्प हो जाता है। शोधकर्ताओं ने केवल यह नहीं देखा कि AI ने क्या सिफारिश की; उन्होंने यह भी देखा कि उन्होंने क्या छोड़ दिया।
उन्होंने "छूटे हुए" ब्रांड्स को तीन प्रकार की विफलताओं में वर्गीकृत किया:
- "इसके बारे में कभी सुना ही नहीं" (डिस्कवरेबिलिटी/खोज क्षमता): AI उसे अपने खोज परिणामों में ढूंढ ही नहीं पाया। यह एक ऐसे लाइब्रेरियन की तरह है जिसे पता ही नहीं कि वह किताब मौजूद है।
- "देखा, पर पसंद नहीं आया" (कम्पेलिंगनेस/आकर्षकता): AI ने ब्रांड को ढूँढ तो लिया लेकिन अंतिम उत्तर में उसका उल्लेख नहीं किया।
- "उल्लेख किया पर चुना नहीं" (पोजिशनिंग/स्थान निर्धारण): AI ने ब्रांड का उल्लेख तो किया लेकिन उसे शीर्ष विकल्प के रूप में नहीं चुना।
उपमा: कल्पना कीजिए कि दो आलोचकों को एक रेस्टोरेंट की सिफारिश करने के लिए कहा गया है।
- यदि वे अलग-अलग जगहों की सिफारिश करते हैं, तो वे स्वाद पर बहस कर रहे हैं।
- लेकिन यदि वे दोनों किसी स्थानीय जगह की सिफारिश करने में विफल होते हैं, तो वे क्यों विफल हुए?
परिणाम: जब दोनों AI किसी ब्रांड की सिफारिश करने में विफल रहे, तो वे लगभग हमेशा ठीक उसी कारण से विफल हुए (95% बार)।
- यदि दोनों ने किसी ब्रांड को मिस कर दिया, तो इसका कारण आमतौर पर यह था कि दोनों में से कोई भी उसे ढूँढ नहीं सका (डिस्कवरेबिलिटी)।
- वे इस बात पर असहमत नहीं थे कि उन्होंने उसे क्यों छोड़ा; वे बस एक ही कारण से उसे छोड़ गए थे।
"लॉन्ग टेल" प्रभाव:
यह सहमति छोटे, कम प्रसिद्ध ब्रांडों ("लॉन्ग टेल") के लिए और भी मजबूत हो जाती है।
- प्रसिद्ध ब्रांड (टॉप टियर): AI इस बात पर अधिक असहमत थे कि उन्होंने उन्हें क्यों छोड़ा (शायद एक ने उन्हें देखा लेकिन पसंद नहीं किया, दूसरे ने उन्हें कभी देखा ही नहीं)।
- अल्पज्ञात ब्रांड (लॉन्ग टेल): वे 99.6% बार इस बात पर सहमत थे कि वे बस उन्हें ढूँढ नहीं सके।
वे "कैसे" सोचते हैं: एक ही जगह तक पहुँचने के अलग रास्ते
पेपर ने यह भी देखा कि AI ने अपने चुनाव कैसे किए।
- OpenAI (ChatGPT): एक शोधकर्ता (Researcher) की तरह है। यह लगभग हमेशा पहले वेब पर जाता है, खोज करता है, परिणाम पढ़ता है, और फिर सिफारिश करता है। यह जो कुछ भी वह खोज में पाता है, उस पर बहुत अधिक निर्भर करता है।
- Anthropic (Claude): एक जानकार प्रोफेसर की तरह है। यह अक्सर अपने प्रशिक्षण डेटा (अपनी "याददाश्त") से जो पहले से जानता है, उस पर निर्भर रहता है। यह 43-52% बार बिना वेब सर्च किए ही ब्रांड्स की सिफारिश करता है।
उपमा:
- ChatGPT उस छात्र की तरह है जो सवाल का जवाब देने से पहले एक टेक्स्टबुक खोलता है।
- Claude उस छात्र की तरह है जो अपनी याददाश्त से जवाब देता है, और केवल तभी टेक्स्टबुक खोलता है जब वह सुनिश्चित नहीं होता।
भले ही वे अलग-अलग तरीकों (सर्च बनाम मेमोरी) का उपयोग करते हैं, वे उन्हीं अल्पज्ञात ब्रांडों को मिस कर देते हैं क्योंकि वे ब्रांड न तो उन टेक्स्टबुक्स में हैं और न ही उन वेब पेजों पर जिन्हें वे खोजते हैं।
ब्रांड्स के लिए व्यावहारिक सलाह
इन निष्कर्षों के आधार पर, पेपर ब्रांड्स के लिए एक विशिष्ट रणनीति का सुझाव देता है:
छोटे, अल्पज्ञात ब्रांडों के लिए (लॉन्ग टेल):
- समस्या: AI आपको ढूँढ नहीं पा रहा है।
- समाधान: आपको केवल एक रणनीति की आवश्यकता है। यदि आप अपने ब्रांड को वेब पर ढूँढना आसान बनाते हैं (बेहतर SEO, अधिक लेख), तो दोनों AI आपकी सिफारिश करने लगेंगे। आपको ChatGPT बनाम Claude के लिए अपना संदेश तैयार करने की आवश्यकता नहीं है; बस "डिस्कवरेबिलिटी" की समस्या को ठीक करें, और यह दोनों को ठीक कर देता है।
बड़े, प्रसिद्ध ब्रांडों के लिए (टॉप टियर):
- समस्या: AI आपको ढूँढ सकता है, लेकिन वे अलग-अलग कारणों से आपकी सिफारिश नहीं कर सकते (शायद एक को आपका कंटेंट उबाऊ लगता है, दूसरे को आपकी पोजिशनिंग कमजोर लगती है)।
- समाधान: आपको दो अलग-अलग रणनीतियों की आवश्यकता है। जो चीज़ ChatGPT को आपकी सिफारिश करने के लिए काम करती है, वह Claude के लिए काम नहीं कर सकती है। आपको उन्हें अलग दर्शक (Audience) मानना होगा।
सारांश
- सिफारिशें: AI अलग-अलग विजेता चुनते हैं (वे असहमत होते हैं)।
- विफलताएं: जब दोनों किसी ब्रांड को मिस करते हैं, तो वे आमतौर पर एक ही कारण से मिस करते हैं (वे सहमत होते हैं)।
- समाधान: यदि आप एक छोटा ब्रांड हैं, तो अपनी "दृश्यता" (Visibility) को एक बार ठीक करें, और यह हर जगह काम आएगा। यदि आप एक बड़ा ब्रांड हैं, तो आपको प्रत्येक विशिष्ट AI के लिए अपने संदेश को थोड़ा बदलना पड़ सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।