Fremtidens reklameforskning med generativ KI: MADE-rammeverket forklart
april 2025
Kunstig intelligens (KI), særlig generativ KI brukt til innholdsproduksjon, har blitt et forskningstema av stor interesse. Selv om det har pågått diskusjoner om kvalitet, integritet og opphavsrett når slike verktøy brukes i forskning, blir potensialet generativ KI har for å hjelpe forskere med å utvikle eksperimentelle stimuli, ofte oversett. van Berlo et al. (2024) introduserte MADE-rammeverket (Mapping, Assembling, Demonstrating, Executing), med mål om å tilby et helhetlig sett med beste praksis for etisk og effektiv bruk av generativ KI til å lage eksperimentelle stimuli i reklameforskning.
Paradokset mellom realisme og kontroll i utformingen av eksperimentelle reklamestimuli
Eksperimentell reklameforskning har lenge stått overfor paradokset mellom realisme og kontroll. For å sikre vitenskapelig stringens krever eksperimentelle design ofte streng kontroll over stimulusmaterialet, der bare målvariablene manipuleres. Dersom de eksperimentelle reklamestimuliene skiller seg markant fra virkelige annonser, kan imidlertid den økologiske validiteten trekkes i tvil, noe som begrenser den praktiske verdien av forskningsresultatene. Geuens og De Pelsmacker (2017) påpekte at realistiske eksperimentelle reklamestimuli av høy kvalitet er avgjørende for reklameforskning, men at annonser produsert i akademia ofte ikke holder denne standarden.
Generativ KI, med sin evne til å generere forskningsrelevant tekst, bilder og video av høy kvalitet, gir nye muligheter til å håndtere denne realismeutfordringen. Avanserte algoritmer som generative motstridende nettverk (GAN-er) og Transformer-modeller (som GPT) kan raskt generere store mengder innhold. Ved hjelp av generativ KI kan forskere lettere manipulere bestemte elementer i annonser, for eksempel endre alderen eller ansiktsuttrykket til en modell, eller justere produkttype eller farge, samtidig som resten av annonsen holdes konsistent. Denne evnen ventes å styrke begrepsvaliditeten, den interne validiteten, den eksterne validiteten og den økologiske validiteten i eksperimentell reklameforskning.
Bedre eksperimentelle design med generativ KI: MADE-rammeverket for utvikling av stimuli
Empiriske studier har vist at MADE-rammeverket kan hjelpe forskere med å bruke KI til å utforme annonser som presterer på linje med virkelige annonser på flere dimensjoner av økologisk validitet, herunder kvalitet, egnethet og realisme. Forskningen gir foreløpig støtte for at generativ KI kan styrke den økologiske validiteten i eksperimentell reklameforskning. For å legge til rette for ansvarlig og effektiv bruk tilbyr MADE-rammeverket en praktisk prosess som balanserer kreativ fleksibilitet og akademisk stringens.
MADE består av fire sentrale faser:
Mapping (kartlegging): Definer variablene du vil manipulere, og ta hensyn til annonsens kontekst, det vil si målgruppe, plattform og kulturelle omgivelser. Du kan eventuelt ta utgangspunkt i en virkelig annonse for å styre KI-instruksjonen (prompten).
Assembling (sammenstilling): Velg riktig KI-verktøy (tekst, bilde eller video), skriv detaljerte instruksjoner, vurder resultatet og bearbeid det manuelt ved behov, for eksempel ved å legge til logoer eller justere det visuelle.
Demonstrating (demonstrasjon): Forhåndstest stimuliene for å kontrollere tydelighet, realisme og mulige forstyrrende faktorer. Juster ut fra tilbakemeldingene før du går videre til hovedstudien.
Executing (gjennomføring): Bruk stimuliene i hovedeksperimentet og sørg for at alle etiske hensyn er ivaretatt, inkludert åpenhet om KI-bruk, opphavsrett og personvern.
Bruker du generativ KI i reklameeksperimenter? Prøv MADE-rammeverket
MADE-rammeverket gir en strukturert veiledning for utvikling av eksperimentelt materiale i reklameforskning og gjør det mulig for forskere å bruke generativ KI mer effektivt, ansvarlig og systematisk. Selv om KI-generert innhold fortsatt kan kreve tid og manuell bearbeiding, gjør de lave kostnadene og den relativt slake læringskurven det til et lovende verktøy for å heve den samlede kvaliteten på eksperimentelle reklamestudier.
Til tross for vedvarende metodologiske utfordringer gir bruken av generativ KI betydelige muligheter til å forbedre kvaliteten og realismen i eksperimentelle stimuli, og markerer et nytt kapittel i arbeidet med «paradokset mellom realisme og kontroll». Etter hvert som reklameforskningen tilpasser seg disse teknologiske endringene, vil fortsatt utforskning være avgjørende for å optimalisere bruken av KI-verktøy til å lage effektivt eksperimentelt materiale.
References
Geuens, M., & De Pelsmacker, P. (2017). Planning and Conducting Experimental Advertising Research and Questionnaire Design. *Journal of Advertising*, 46(1), 83–100. https://doi.org/10.1080/00913367.2016.1225233
van Berlo, Z. M. C., Campbell, C., & Voorveld, H. A. M. (2024). The MADE Framework: Best Practices for Creating Effective Experimental Stimuli Using Generative AI. *Journal of Advertising*, 53(5), 732–753. https://doi.org/10.1080/00913367.2024.2397777
Kommentarer