Marketing és Terminátor: új szabályok

A Terminátor-széria szerintem azért lett időtálló, mert nem a robotokról szól, hanem a felelősségről: mi történik akkor, amikor a technológia nem csak végrehajt, hanem „dönt” is. A filmekben ez a Skynet, ami egyszer csak túl sok adatot lát, túl gyorsan reagál, és végül átveszi az irányítást. A valóságban a marketing nem fog egyik napról a másikra lángba borulni, viszont a működési logika már most hasonlít: egyre több döntést bíznak rendszerekre, amelyek tanulnak, optimalizálnak, és folyamatosan finomítják a következő lépést. A hasonlat nem azért hasznos, mert ijesztgetni lehet vele, hanem mert segít tisztán látni, hogy hol vannak az AI marketing előnyei, és hol vannak azok a pontok, ahol az embernek egyszerűen nem szabad kiszállnia a vezérlésből.

Az AI a modern marketingben nem egy „extra”, hanem egy új munkamód. Hirdetéskiszolgálás, ajánlórendszerek, bid menedzsment, email automatizmusok, ügyfélszolgálati chat, tartalom-előkészítés: ezek közül több már ma is úgy működik, hogy az ember csak kereteket ad, a többit a rendszer „megoldja”. És itt jön a nagy félreértés: a keretek nem adminisztrációs részletek, hanem üzleti döntések. Ha a rendszer rossz kereteket kap, akkor nem „kicsit rosszabbul” fog működni, hanem a lehető leghatékonyabban fog rossz irányba menni. Ez az a pont, ahol a Terminátor-párhuzam tényleg tanít: a gyorsaság és az adaptáció önmagában sem nem jó, sem nem rossz. Az számít, hogy milyen célhoz kötöd, és milyen kontroll mellett.

Ebben a cikkben két dolgot fogok végigvinni. Egyrészt megmutatom, hogyan változtatja meg a mesterséges intelligencia a marketinget a gyakorlatban: személyre szabás, prediktív analitika, automatizáció, generatív tartalom, chatbotok. Másrészt hozok egy olyan gondolkodási keretet is, amit mikro- és kisvállalkozóként, marketingesként vagy döntéshozóként tényleg tudsz használni: mire figyelj, mit mérj, mit ne bízz gépre, és hogyan építsd fel úgy, hogy ne te legyél a rendszer kiszolgálója. A célom nem az, hogy „AI-hívő” legyél. A célom az, hogy tisztán lásd: mitől lesz pénzt termelő eszköz, és mitől lesz drága játék.

AI a marketingben: adaptív rendszerek és folyamatos tanulás

A T-1000-es modell a filmekben azért félelmetes, mert alkalmazkodik. Nem ragaszkodik egy formához, hanem azt veszi fel, ami a helyzetben a leghatékonyabb. A modern AI marketing rendszereknek is ez a lényege: nem statikus kampányokat futtatnak, hanem folyamatos visszajelzésből tanulnak. A gyakorlatban ez úgy néz ki, hogy a rendszer figyeli, mi történik a hirdetés után (kattintás, kosár, vásárlás, feliratkozás, visszapattanás), és ezek alapján módosít: kinek, mikor, milyen ajánlatot, milyen kreatívot, milyen üzenettel érdemes mutatni. A gép ebben gyorsabb, mint az ember, mert nem „érzése” van, hanem mintázat-érzékelése. Viszont ugyanitt van a csapda is: a rendszer nem érti a márkádat, csak a mérőszámaidat.

Ezért én mindig kettéválasztom: mit szabad rábízni az AI-ra, és mit nem. Rábízható a variációk kezelése és a tesztelés skálázása. Például ha van 10 címsorod, 10 leírásod és 5 képed, az ember fejben nem fogja végigpróbálni az összes kombinációt; a rendszer viszont igen, és hamar kiszedi, mi működik egy adott közönségnél. Rábízható az ajánlattétel finomhangolása is, amikor sok apró jelből kell dönteni, és a döntésnek folyamatosnak kell lennie. Viszont nem bízhatod rá a pozicionálást. Nem bízhatod rá, hogy „mi a terméked lényege”, „miért létezik a céged”, „milyen emberhez beszélsz”, és főleg nem bízhatod rá azokat a mondatokat, amelyek a reputációdat évekig meghatározzák. A rendszer a rövid távú jelre optimalizál; a márka viszont hosszú távú vagyon.

Dajka Gábor tapasztalata szerint a legtöbb magyar vállalkozás ott csúszik el, hogy túl korán akar „okos” lenni. Megvesznek egy eszközt, ami AI-t ígér, de közben nincs rendben az ajánlat, a kommunikáció, a célcsoport, a mérés. Ilyenkor az AI csak felnagyítja a hibát: gyorsabban pörgeti el a pénzt, mert gyorsabban tanul rossz mintából. Az adaptáció tehát nem önmagában erény. Erény akkor, ha előtte rendbe tetted, mit akarsz elérni, és miből áll a vállalkozásod üzleti logikája. Innen logikus a következő lépés: miből tanul a rendszer, és milyen minőségű az, amit „adatnak” nevezünk?

Adat: a marketing AI üzemanyaga, de nem mindegy, honnan jön

Ha egy mondatban kéne összefoglalnom az AI marketing realitását: az AI nem „okos”, hanem adatéhes. A modellek nem gondolkodnak helyetted; statisztikailag következtetnek abból, amit eléjük teszel. Ezért az adatminőség nem technikai apróság, hanem üzleti alap. A legtöbb cégben az adat széttöredezett: webshopban van rendelés, külön a hírlevélrendszerben a feliratkozó, külön a számlázóban a valós név, és közben nincs egy olyan egyszerű definíció sem, hogy „mi számít leadnek” vagy „mi számít visszatérő vevőnek”. Amíg ez nincs rendben, addig az AI-ból nem fejlesztés lesz, hanem káosz, csak drágábban.

Én három adatforrást szoktam külön kezelni. Az első a saját adatod: amit te gyűjtesz a saját felületeiden (weboldal, webshop, CRM, hírlevél, ügyfélszolgálat). Ez a leghasznosabb, mert a vállalkozásodhoz tartozik, és jellemzően tisztábban köthető üzleti eredményhez. A második az a fajta adat, amit a vevő tudatosan megad, mert értelmet lát benne (például preferencia, méret, érdeklődési kör). Ezt sokan elhanyagolják, pedig gyakran jobb, mint a „kitalálás”. A harmadik pedig a külső és platformadatok világa, amire kevés ráhatásod van. Itt az a probléma, hogy a platform logikája nem a te logikád: azt fogja jutalmazni, ami neki jó (elköteleződés, idő a felületen, hirdetési költés), és nem feltétlenül azt, ami neked jó (profit, visszatérő vevő, alacsony reklamáció).

Gyakorlati szinten ezért én azt tanácsolom: mielőtt AI-t vezetsz be, csinálj egy „adatleltárt”. Nem bonyolultan. Írd le, milyen rendszereid vannak, ott milyen adat keletkezik, mihez férsz hozzá, mit tudsz összekötni, és mi az, amit biztosan mérni akarsz. Utána jön az események rendbetétele (mik az üzleti szempontból értelmes események), és csak ezután jön a modellezés. A marketingben sokan a „szép dashboardot” keresik, miközben a háttérben rosszul vannak definiálva a fogalmak. Az AI nem fogja kijavítani a fogalmi hibát. Az AI azt fogja csinálni, amit kérsz tőle, csak nem úgy, ahogy gondolod. És ha már rendben van az adat, akkor jön az, amit a legtöbben a Skynethez hasonlítanak: az előrejelzés.

Prediktív analitika: hogyan lesz a múltból használható előrejelzés

A Skynet a filmekben úgy működik, hogy sok információból előre látja a következő lépést, és ehhez igazítja a stratégiát. A marketing prediktív analitikája ennél józanabb, de a működési elv hasonló: a múltbeli viselkedésből megbecsülhető, hogy egy adott ügyfél vagy szegmens mit fog nagy valószínűséggel csinálni. A legtipikusabb felhasználások: vásárlási hajlandóság becslése (propensity), lemorzsolódás előrejelzése (churn), várható ügyfélérték becslése (LTV), és kampányreakció valószínűsége. Ezek azért hasznosak, mert a marketing egyik legnagyobb pazarlása az, amikor ugyanannyit költesz mindenkire. A prediktív gondolkodás arra kényszerít, hogy különbséget tegyél: kinek éri meg erősen kommunikálni, kit érdemes megtartani, és kit érdemes békén hagyni.

Tegyük fel, hogy egy átlagos magyar webáruházad van. Van 20–30 ezer rendelésed több évből, és látod, hogy vannak vevők, akik évente kétszer vesznek, és vannak, akik havonta. Ha erre ránézel emberként, akkor azt mondod: „jó, ők a törzsek”. Egy prediktív modell ennél messzebb megy: azt mondja, hogy a múltbeli viselkedés alapján ki az, aki a következő 30 napban nagy eséllyel újra vásárol, és ki az, aki nagy eséllyel eltűnik, ha most nem kap egy megfelelő impulzust. Ez azért pénz, mert a retention olcsóbb lehet, mint a folyamatos új vevőszerzés, különösen egy árérzékeny piacon. De a modell csak akkor ér valamit, ha utána dönteni is tudsz: milyen ajánlatot kapjon, milyen csatornán, milyen gyakran, és milyen üzenettel.

A kritikus rész itt az, hogy az előrejelzés nem jóslás. A marketingben rengeteg olyan tényező van, amit a modell nem lát: szezonális sokk, gazdasági hangulat, konkurens mozgása, termékminőség, logisztika, ügyfélszolgálati élmény. Ha a vállalkozó azt hiszi, hogy a prediktív modell „megmondja a jövőt”, akkor ugyanabba a gondolkodási hibába csúszik, mint aki azt várja, hogy egy hirdetési platform „kitalálja a marketinget”. A prediktív analitika szerintem akkor jó, ha fegyelmez: megtanít valószínűségekkel gondolkodni, és rámutat, hogy a marketing nem csak kreatív, hanem kockázatkezelés is. És ha már kockázatkezelés: az automatizáció pont ott veszélyes, ahol a döntés gyors, a következmény viszont lassan látszik.

Marketing automatizáció: amikor a gép dolgozik, de a felelősség a tiéd

A marketingautomatizációt sokan úgy képzelik el, mint egy kényelmi funkciót: „beállítom, aztán megy magától”. Én ezt üzleti szempontból fordítva látom: a marketingautomatizáció akkor jó, ha fegyelmet hoz a rendszerbe. Ha van egy értelmes ügyféllogikád (mikor milyen üzenetet kapjon, mi a következő ajánlat, milyen feltétellel lép tovább), akkor az automatizáció tehermentesít, és közben csökkenti az emberi hibát. Ha viszont nincs ügyféllogikád, akkor az automatizáció csak gyorsabban csinál következetlenséget. Email-sorozatok, kosárelhagyó üzenetek, lead nurturing, remarketing szekvenciák, ajánlás alapú cross-sell: ezek mind működhetnek úgy, hogy a gép végrehajtja, az ember pedig a stratégiát és a felügyeletet adja. A probléma az, hogy a vállalkozók nagy része nem „felügyeletet” ad, hanem lemond a kontrollról.

Én itt három szintet különböztetek meg. Az első a tiszta automatizáció: előre megírt szabályok, előre megírt üzenetek, egyszerű elágazások. Ez viszonylag biztonságos, mert átlátod. A második az optimalizáló automatizáció: amikor a rendszer már tesztel, variációkat értékel, és a teljesítmény alapján terel. Ez már erős, de csak akkor, ha jól van meghatározva, mi a cél. A harmadik a kvázi önjáró működés: amikor a rendszer nem csak végrehajt, hanem ajánl, sőt néha dönt is. Itt jön be a Skynet-szintű kísértés: „hagyjuk rá, ő tudja.” Én ezt a gondolkodást a marketingben veszélyesnek tartom, mert a gép nem érzi a reputáció kockázatát. Nem fog szégyenkezni, ha rossz üzenetet kap a vevő. Nem fogja megélni, ha a brandből olcsó, kellemetlen, tolakodó márka lesz. Ez a te problémád lesz.

Gyakorlatban ezért kell a „korlát”. Limit a gyakoriságra (hányszor szólhatsz egy emberhez), limit az ígéretre (mit mondhatsz ki), limit a célra (mit optimalizálsz: forgalmat, profitot, LTV-t), és limit a csatornák összejátékára (ne küldj egyszerre push-t, emailt és hirdetést ugyanarra a témára). A legtöbb cég azért ég meg automatizációval, mert nem a rendszert építi, hanem az eszközt. A marketing pedig nem eszközlista. A marketing egy döntési rendszer. És ha döntési rendszerről beszélünk, akkor muszáj érinteni azt is, amit ma mindenki használ: generatív AI-t a tartalomhoz.

Generatív AI és kreatív munka: gyorsítás, nem helyettesítés

A generatív AI-val kapcsolatban a legnagyobb félreértés az, hogy „majd megírja helyettem”. Igen, megírja. Csak nem biztos, hogy a te hangodon, nem biztos, hogy a te piacodra, és nem biztos, hogy igazat. A generatív rendszerek kiválóak vázlatra, variációkra, strukturálásra, és arra, hogy gyorsan több irányt megmutassanak. Viszont ha a vállalkozó nem tudja, mit akar mondani, akkor a generált szöveg olyan lesz, mint a legtöbb magyar cég kommunikációja: általános, cserélhető, és a vevő fejében nem kötődik semmihez. A reklámszöveg nem attól működik, hogy helyes, hanem attól, hogy pontos. Pontosan megnevez egy problémát, pontosan megmutat egy helyzetet, és pontosan jelzi, mit kap a vevő. Ez az a rész, amit nem érdemes gépre bízni, mert ezt üzleti intelligenciából és piaci tapasztalatból írod meg, nem nyelvtanból.

Ugyanakkor, ha jól használod, a generatív AI nagyon erős fegyver tud lenni a tesztelésben. Nem azért, mert „jobb kreatívot csinál”, hanem mert felgyorsítja a kísérletezést. Tudsz 15 címsort kérni, aztán kiválasztasz belőle hármat, amit emberként is vállalsz. Tudsz 10 landing oldali bekezdés-variációt kérni, majd a saját terméked tényeivel és a saját ügyfélmondatokkal kiegészíted. Tudsz email subject line variációkat kérni, aztán A/B tesztelsz. A jó workflow szerintem ez: AI ad opciókat, az ember választ és finomít, utána pedig mérés dönt. Ha az AI választ helyetted, akkor a márkahangod pár hónap alatt feloldódik egy homogén „internetes” stílusban, ami mindenkire hasonlít. És ha mindenki ugyanúgy beszél, akkor a hirdetésedben csak az ár marad, mint megkülönböztető tényező. Na ott van az, ahol a magyar vállalkozások többsége eleve nem akar kikötni.

Van még egy kritikus pont: a generatív tartalom könnyen túltermeléshez vezet. A Google és a piac is egyre érzékenyebb arra, ha egy oldal tele van olyan szöveggel, ami nem mond semmi újat, csak „töltelék”. Rövid távon lehet forgalmat hozni, hosszú távon viszont gyengíti a hitelességet, és a vevő azt érzi, hogy a márka olcsón bánik az idejével. Én befektetői fejjel ezt így fordítom le: a vevő figyelme egy véges erőforrás. Ha te nem becsülöd meg, akkor majd a konkurensed megteszi. A generatív AI tehát nem megoldás, hanem gyorsító. És a gyorsítóval az nyer, aki eleve jó irányba megy. Innen pedig egyenes út vezet a következő témához: mi történik, amikor nem csak tartalmat generálsz, hanem beszéltetsz is egy rendszert az ügyfeleddel?

Chatbotok és ügyfélkommunikáció: 0–24 jelenlét, kontroll alatt

A chatbotok és virtuális asszisztensek ma már nem csak „menüválasztók”. A nyelvi modellek miatt képesek természetesebb párbeszédre, és ez üzletileg nagyon csábító: 0–24 jelenlét, gyors válasz, kevesebb ügyfélszolgálati terhelés, több lead. Viszont itt egy olyan határvonal van, amit sok cég átlép: az ügyfélkommunikációban a bizalom a valuta. Ha a chatbot félrebeszél, ha olyat ígér, amit a cég nem tud teljesíteni, vagy ha „embernek” adja ki magát, akkor abból reputációs kár lesz. Nem azért, mert a vevő nem szereti a gépet, hanem mert nem szereti, ha meg akarják vezetni. A jó chatbot stratégia nem az, hogy minél emberibbnek tűnjön, hanem az, hogy minél hasznosabb legyen, és egyértelműen jelezze, mit tud és mit nem.

Én a bevezetést mindig úgy kezdem, hogy kijelölöm: mi a chatbot feladata. Például: termékinformáció, rendelés státusz, alap FAQ, időpontfoglalás, egyszerű szűrés („melyik termék jó nekem?”). És kijelölöm azt is, amit nem csinálhat: egyedi panaszkezelés, jogi kérdések, pénzügyi ígéretek, komplex reklamáció. A chatbotnál a legfontosabb a „handoff”, azaz az átadás embernek. A vevőnek éreznie kell, hogy van kihez fordulnia, ha a helyzet már nem standard. Ha nincs átadás, akkor a chatbot nem tehermentesít, hanem idegesít. Ezt pedig a vevő nem fogja sokáig tolerálni.

Van még egy gyakorlati rész: a chatbotot nem a modell „okossága” teszi jóvá, hanem a tudásbázisod. Ha a cégeden belül sincs rendben, hogy mi a szállítási idő, mik a garanciális feltételek, mi a visszaküldés folyamata, akkor a chatbot sem fog csodát tenni. Sőt: ha a belső információ ellentmondásos, a chatbot ezt gyorsan felerősíti, és az ügyfélkapcsolatod következetlen lesz. Én itt is ugyanoda jutok, mint korábban: az AI nem helyettesíti a rendszert, csak láthatóvá teszi, hogy van-e. És amikor láthatóvá teszi, akkor felmerül a kérdés, amit sokan kerülnek: etika. Nem moralizálásból, hanem üzleti józanságból.

Etika és bizalom: mikor válik a személyre szabás visszatetszővé

A személyre szabás a marketing egyik legerősebb eszköze, mert relevanciát ad. Ha az ember azt érzi, hogy „ez rólam szól”, akkor figyel. De a személyre szabásnak van egy pontja, ahol átcsap: amikor a vevő azt érzi, hogy figyelik, követik, és befolyásolni akarják. Ez nem csak adatvédelmi kérdés, hanem bizalmi kérdés. A marketingben a bizalom nem „szép érték”, hanem pénz. A bizalom csökkenti a döntési súrlódást, növeli a visszatérést, és stabilizálja a bevételt. Ha ezt eldobod egy agresszív célzásért, akkor rövid távon nyerhetsz, hosszú távon viszont elveszítesz egy olyan vagyont, amit később már drágán sem fogsz visszavásárolni.

Az AI marketing egyik etikai dilemmája az, hogy a rendszer nem tud különbséget tenni „hasznos” és „visszatetsző” között, csak teljesítményt lát. Ha azt méred, hogy a kattintás a cél, akkor kattintást fog maximalizálni. Ha azt méred, hogy a kosárba rakás a cél, akkor azt fogja. Ha viszont azt méred, hogy profit és hosszú távú ügyfélkapcsolat, akkor már más a helyzet, mert be kell hozni olyan mérőszámokat is, amelyek nem azonnal látszanak: visszatérési arány, reklamáció, ügyfél-elégedettség, márkaemlítés hangulata. A legtöbb cég azért megy át „túl okosba”, mert rossz mérőszámot imád. Nem az AI miatt, hanem a saját rövidlátása miatt.

És akkor itt van a jogi minimum, amit nem lehet megkerülni. EU-s környezetben az adatkezelésnek kerete van, és ez nem csak büntetés miatt érdekes. A jogi keret arra is jó, hogy fegyelmet tartson: miért gyűjtöd az adatot, meddig tartod meg, kinek adod át, és hogyan tájékoztatod a felhasználót. Nem jogi tanácsot adok, hanem üzleti szempontot: a transzparencia ma már versenyelőny. A magyar piacon különösen, ahol az emberek sokszor eleve bizalmatlanabbak, és könnyebben gondolják azt, hogy „át akarnak verni”. Ha ebben a közegben AI-alapú célzást és automatizált kommunikációt használsz, akkor neked kell dupla fegyelmet tartanod. Nem azért, mert „jófej” akarsz lenni, hanem mert a bizalom a bevételed stabilitása. Innen pedig logikusan jön a kérdés: hogyan vezetsz be AI-t úgy, hogy ne legyen belőle sem káosz, sem reputációs bukás?

AI bevezetési keretrendszer: mire figyelj, hogy ne legyen drága játék

Én az AI bevezetést nem technológiaként kezelem, hanem változásként a döntéshozatalban. Azt javaslom, gondolkodj érettségi szintekben, és ne ugorj át lépcsőfokokat. A legtöbb vállalkozásnak nem „több AI-ra” van szüksége, hanem tisztább üzleti logikára, rendes mérésre, és fegyelmezett kivitelezésre. Ha ezek megvannak, akkor az AI tényleg hozzáad. Ha nem, akkor csak felgyorsítja a szétesést. Az alábbi táblázat egy gyakorlati nézőpont: mit csinál a rendszer, mit kell kézben tartanod, és hol szokott elcsúszni a dolog.

Ha gyors ellenőrző listát akarsz, én ezt tenném a falra, mielőtt „AI marketinget” veszel:

• Meg tudom fogalmazni 1 mondatban, mi a termékem lényege és kinek szól?
• Van egyértelmű mérés: mi számít eredménynek (profit, rendelés, lead, visszatérés)?
• Tiszták a fogalmak: lead, vásárló, visszatérő, aktív, inaktív?
• Rendben van az adat: honnan jön, hol van, össze tudom-e kötni?
• Van határ: mit nem mondhat ki a rendszer, milyen ígéret tilos?
• Van frekvencia-korlát: hányszor szólhatok egy emberhez egy héten?
• Van jóváhagyás: ki nézi át a kritikus üzeneteket?
• Van vészfék: ha félremegy, ki állítja le, mennyi idő alatt?
• Van utólagos elemzés: nem csak „mi lett”, hanem „miért lett”?
• Van üzleti tanulság: mit tanulok belőle a termékről és a piacról?

Ha ezekre nem tudsz válaszolni, akkor nem az AI hiányzik, hanem a stratégiai alap. És ezt nem bántásból mondom, hanem azért, mert rengeteg pénzt lehet elégetni egy rossz sorrenddel. A következő részben ezért külön kitérek arra, hogy a magyar piac sajátosságai miatt mire kell még jobban figyelni.

Magyar piac: árérzékenység, bizalmatlanság, és a kicsik előnye

A magyar piacot nem érdemes úgy kezelni, mintha egy amerikai óriáspiacon játszanál. Kisebb a közönség, gyorsabban terjed a rossz hír, és az árérzékenység sok szektorban erősebb. Ez nem jelenti azt, hogy „csak olcsón lehet eladni”, de azt igen, hogy a vevő fejében keményen dolgozik a kérdés: „megéri-e nekem?” Ilyen közegben az AI marketing kétélű. Egyrészt segít hatékonyabbá tenni a költést, mert csökkentheted a felesleges megjelenéseket, jobban tudsz szegmentálni, és tudsz fókuszálni a megtartásra. Másrészt viszont könnyű átcsúszni abba, amit a magyar vevő nagyon gyorsan büntet: tolakodó kommunikáció, túl agresszív célzás, „okoskodó” üzenetek, amelyek mögött nincs valós érték. A magyar piacon a hitelesség nem PR-szó, hanem túlélési feltétel.

A mikro- és kisvállalkozásoknak van egy előnye, amit kevesen használnak ki: közel vannak a vevőhöz. Egy nagy cégnek az AI sokszor azért kell, mert túl messze van az ügyfélhang. Neked viszont ott van a telefon, az email, a komment, a személyes beszélgetés, a visszajelzés. Ha ezt nem gyűjtöd és nem fordítod le marketingdöntésre, akkor az AI-t is rossz alapra építed. Én itt mindig azt javaslom: a technológia előtt rendezd a mondatot. Tudnod kell, mitől vagy jobb, kinek vagy jobb, és miben nem vagy mindenkinek való. Ha ezt nem mered kimondani, akkor az AI sem fogja „kitalálni”. A rendszer csak skálázni tudja, ami már létezik.

Ez az a pont, ahol organikusan be tudom hozni a saját szemléletemet is: a marketing nem csak eszközhasználat, hanem fogyasztói gondolkodás megértése. Éppen ezért szoktam ajánlani a „Dajka Gábor: Online marketing és pszichológia” szemléletét azoknak a mikro- és kisvállalkozóknak, akik nem trendeket akarnak hajszolni, hanem stabil rendszert akarnak építeni a magyar valóságban. Nem azért, hogy „minden modern legyen”, hanem azért, hogy ne költs feleslegesen, ne mondd rosszul, és ne hidd el, hogy egy platform majd megoldja helyetted. A magyar piacon az fog nyerni, aki fegyelmezett, következetes, és érti, hogy az AI csak gyorsítás. A döntés és a felelősség továbbra is a tiéd. És ezzel el is érkeztünk a záráshoz, ahol én kicsit határozottabban fogalmazok.

Dajka Gábor marketingszakértő, business coach és befektető szerint

A Terminátor-történet nekem nem a „robotok jönnek” üzenet miatt érdekes, hanem a kontroll miatt. A modern marketingben az AI nem a jövő, hanem a jelen. Aki ezt tagadja, az lemarad. Aki pedig vakon ráengedi a cégére, az nem lemarad, hanem szétesik, csak később veszi észre. A kettő között van az érett vállalkozói hozzáállás: használod az AI-t ott, ahol gyorsabb, és fékezed ott, ahol a következmény reputáció, bizalom és hosszú távú ügyfélérték. A marketing nem sprint, hanem egy pénzügyi és pszichológiai rendszer egyszerre. A pénzügyi része mérhető, a pszichológiai része pedig érezhető: ha a vevő azt érzi, hogy tiszteled az idejét és az intelligenciáját, akkor nem csak egyszer vásárol, hanem visszajön. Ha azt érzi, hogy vadászol rá, akkor eltűnik, vagy csak akcióra jön, és az első adandó alkalommal ott hagy.

Én ezért nem szeretem azt a narratívát, hogy „majd az AI megoldja”. Nem fogja. A rendszer a te döntéseidet erősíti fel: ha jók, akkor látványosan nő a hatékonyság; ha rosszak, akkor látványosan nő a pazarlás. A vállalkozónak itt egy feladata van: nem eszközöket gyűjteni, hanem döntéseket tisztázni. Mit akarok eladni? Kinek? Miért tőlem? Milyen áron? Milyen ügyfélélménnyel? Ha ezt tisztázod, akkor a mesterséges intelligencia marketingben olyan lesz, mint egy nagyon gyors operátor: futtat, variál, optimalizál. De ha ezt nem tisztázod, akkor a rendszer csak egy drága zajgenerátor lesz, ami eltereli a figyelmedet a lényeges problémáról: hogy nincs rendben a vállalkozásod kommunikációja és üzleti logikája.

„A gép gyors, de nem viseli a következményeket. A márkádért, a vevőidért és a döntéseidért te felelsz. Ha ezt átadod, akkor nem modern vagy, hanem felelőtlen.” – Dajka Gábor

Ha egy dolgot viszel el ebből a cikkből, akkor ez legyen az: használd az AI-t, de ne add át neki a cégvezetést. A marketingben nincs semleges automatizmus. Vagy te használod a rendszert, vagy a rendszer használ téged. És én a saját ügyfeleimnek mindig azt mondom: mi nem a platformoknak dolgozunk. Mi a vállalkozásnak dolgozunk.

Szakértő válaszol – gyakori kérdések

Mivel kezdjem, ha szeretnék mesterséges intelligenciát a marketingembe, de kicsi a büdzsém?

Kezdd azzal, ami nem kerül sokba: rendbe rakod a mérést és a fogalmakat. Tudnod kell, mi számít eredménynek, és azt hogyan látod viszont számokban. Utána jöhet egyetlen, jól körülhatárolt AI-használat, például kreatív variációk előkészítése vagy egy egyszerű szegmentálás a CRM-ben. Kicsi büdzsénél nem a „legokosabb” megoldás nyer, hanem a legfegyelmezettebb. Ha egyetlen csatornában rendet teszel, és ott stabilan tudsz tanulni, az sokkal többet ér, mint öt helyen félig futtatott automatizmusok.

Mennyi adat kell ahhoz, hogy a prediktív analitika értelmes legyen egy magyar KKV-nál?

Nem egy mágikus szám dönt, hanem a következetesség. Ha van több ezer tranzakciód vagy több tízezer látogatói eseményed, és ezek tisztán vannak mérve, akkor már lehet értelmes becsléseket csinálni. Ha viszont az adat zajos, hiányos, vagy nem ugyanazt jelenti két külön rendszerben, akkor akár milliós adatmennyiségnél is félrevisz. A „mennyi adat” kérdése mögött gyakran az van, hogy nincs rendben az adatgyűjtés és a definíció. Ezt kell először tisztázni.

Hogyan maradjak jogilag rendben, ha személyre szabott hirdetéseket és chatbotot használok?

Nem jogi tanácsot adok, de üzleti minimumot igen: legyen világos adatkezelési tájékoztatód, tudd, milyen adatot miért használsz, és ne gyűjts olyat „csak mert lehet”. A chatbotnál különösen fontos, hogy ne kérj be felesleges érzékeny információt, és legyen egyértelmű, mikor beszél a felhasználó automatizált rendszerrel. A legbiztonságosabb út az, ha a személyre szabást úgy építed, hogy a vevő érti, mi történik, és értelmet lát benne. A transzparencia nem csak jogi kérdés, hanem bizalmi stratégia.

Lecseréli az AI a marketingest?

Aki csak eszközt kezel, azt részben ki fogja váltani. Aki viszont üzletet ért, pozicionál, rendszert tervez, és felelősséget vállal a döntésekért, annak az AI inkább erősítés lesz. A marketinges munka súlypontja eltolódik: kevesebb kézi gyártás, több döntés, több kontroll, több stratégia. Én ezt pozitívnak tartom, mert a marketing nem attól szakma, hogy valaki tud gombokat nyomkodni, hanem attól, hogy érti, miért történik valami, és mit kell rajta változtatni.

Ajánlott magyar videó/podcast

Ha az AI és az automatizáció témája érdekel, ez a videó jól rávilágít arra, miért veszélyes mindent teljesen önjáróra engedni, még akkor is, ha elsőre kényelmesnek tűnik.

Források

• Huang, M.-H., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science..
• NIST (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0)..
• Regulation (EU) 2016/679 (GDPR) – EUR-Lex hivatalos szöveg..