3 maneiras pelas quais a inteligência artificial pode complementar a pesquisa qualitativa

Em 1950, a famosa pergunta de Alan Turing “As máquinas podem pensar?” abriu seu artigo sobre ‘Computing Machinery and Intelligence’. Avançando um pouco no tempo, os avanços em torno da inteligência artificial (IA) são múltiplos e abrangem praticamente todos os aspectos de nossas vidas. A IA está atendendo milhões diariamente – seja por meio de seu smartphone, seu carro, seu banco ou sua casa. Às vezes você usa ativamente um serviço como Siri ou Cortana, outras vezes é menos óbvio e muitas vezes passa despercebido. A onda de IA está causando impacto em todos os setores, incluindo pesquisa de mercado.

“Inteligência Artificial não é uma saga Homem versus Máquina; é, na verdade, a sinergia Homem com Máquina.”

– Sudipto Ghosh

Tweet from FlexMRTweet Esta
“IA não é uma saga Homem versus Máquina; é na verdade. Sinergia Homem com Máquina – Sudipto Ghosh”

A IA em Pesquisa Qualitativa

IA é inerentemente baseada em modelos matemáticos e orientada por dados numéricos. Você pode supor que isso colide um pouco com a natureza descritiva da pesquisa qualitativa. Afinal, a pesquisa qualitativa se preocupa com um conjunto de metodologias destinadas a explorar; mergulhar nas profundezas do comportamento humano e seu raciocínio. Para isso, as questões de pesquisa qualitativa tendem a ser contextuais, amplas e não estáticas. A moderação é frequentemente descrita como intuitiva e a saída de dados – texto, áudio, visual e audiovisual – ‘bagunçada’ e imensurável. Hoje, no entanto, os produtos de IA avançaram além de meros números. Eles agora estão equipados para lidar com esse conteúdo imensurável ‘bagunçado’, ou pelo menos auxiliar no processo.

Escrevemos blogs e whitepapers sobre o papel direto dos chatbots na moderação qualitativa, bem como a parte que técnicas de IA mais amplas podem e desempenharão na coleta de dados qual e quant. Análise e interpretação. Mas há ainda mais potenciais aplicações complementares de IA para qualidade em particular. Abaixo, compartilho meus três primeiros.

1. Insight Community Engagement

MROCs são um ótimo exemplo de uma abordagem de pesquisa de mercado que fornece grandes quantidades de saída de dados qualitativos. O grande volume de conteúdo de membros da comunidade produzido ao longo de semanas, meses ou anos é um desafio para qualquer gerente de comunidade. A análise de texto e sentimento já está em pleno andamento na análise de dados qualitativos, mas há outra aplicação interessante dessas ferramentas no engajamento da comunidade de insights.

Ao aplicar o aprendizado profundo a uma combinação de análise de texto e sentimento, login, atividade e dados de perfil, a pesquisa de mercado pode alavancar a IA para antecipar o desligamento dos membros antes que isso aconteça. Isso permite que o pesquisador (humano) gerencie o engajamento dos membros de forma proativa, para reduzir a rotatividade sem combate a incêndios. E não há nada que impeça que essa técnica inteligente de IA seja estendida à otimização de engajamento, para aprendizado profundo para ‘aprender’ o que envolve quem, quando e onde. Tudo levando a um feedback de maior qualidade para pesquisadores e clientes.

2. Ativação do Insight Conversacional

Já vimos vários aplicativos de painel de pesquisa de mercado entrarem na arena, todos projetados para fornecer aos stakeholders internos acesso a dados em tempo real de uma maneira visualmente atraente, ou seja, para incentivar ações baseadas em insights. Mas e se dermos um passo adiante… além do painel para um chatbot de ativação de insights.

Para um chatbot de ativação de insight de nível básico, ou seja, um que lida apenas com dados quant, a IA necessária ainda é dupla:

  1. A capacidade analítica de identificar a correlação dentro de um grande número de conjuntos de dados quant diferentes
  2. A capacidade de linguagem natural de articular essa correlação, com suporte visuais

Trabalhando na parte de trás de um banco de dados de estilo de painel, um bot de nível básico dessa natureza seria capaz de analisar dados históricos e atuais e resumir apenas informações relevantes de consulta em pedaços qualitativos de fácil digestão. Os chatbots de persona de cliente individual podem até ser programados para emular conversas no estilo de perguntas e respostas com membros da empresa. Agora estamos usando qual para incorporar insights dentro das organizações, isso é muito inteligente.

Se adicionássemos aprendizado profundo à mistura, poderíamos levar nosso chatbot ainda mais longe. Isso permitiria um uso proativo mais criativo. Seu chatbot de ativação de insights amigável não precisa mais esperar para ser chamado; em vez disso, pode enviar insights para os membros da empresa. Os destinatários comentam sobre a relevância quando são capazes e o bot aprende o que é benéfico para sua função, em que momento e até mesmo a linguagem a ser usada para ressoar. Tem cultura de insight escrita por toda parte… Com uma pequena ressalva. Cada insight do tamanho de um bit teria que vir com links de estudo completos. Mesmo quando dados de pesquisa de qualidade são adicionados ao banco de dados quantitativo, um chatbot identifica a causa? Existem alguns buracos demais na análise de texto e sentimento para isso da minha perspectiva, pelo menos como está hoje.

Tweet from FlexMRTweet Este
“Engajamento da comunidade. ativação de insights. serviço ao participante – 3 aplicativos inovadores de pesquisa de mercado de IA”

3. Assistente do pesquisador

Avanços em linguagem natural e processamento de voz levaram o uso de assistentes virtuais, comerciais e pessoais, a um nível totalmente novo . Comercialmente, essa forma de IA pode ser aplicada a serviços de clientes, informações e entretenimento, bem como funções de compra e tornou-se cada vez mais popular entre os grandes players, como Amazon, Facebook e Google.

Em nosso blog, 5 chatbots de pesquisa de mercado Big Qual que você pode construir Hoje propomos um uso específico de um chatbot para assistência de moderação em big qual. Mas também existe a possibilidade de criar um assistente de pesquisa genérico. Como nos cenários comerciais mencionados acima, o ‘Assistente do Pesquisador’ forneceria serviços de informação aos participantes em tempo integral ou fora do horário de expediente. Seria efetivamente ‘equipe’ do projeto de pesquisa. Nas atuais circunstâncias de IA, essa equipe seria limitada ao processamento e geração de linguagem natural com base em um banco de conhecimento, mas, no entanto, a RA forneceria um grau de suporte interativo para reforçar a participação onde anteriormente era um desafio fazê-lo, ou seja, noites, noites , projetos de pesquisa abrangendo diferentes fusos horários e/ou liberam o pesquisador humano para se concentrar nas tarefas cognitivas mais complexas.

Conclusão

Organizações e profissionais de pesquisa de mercado estão adotando a IA de braços abertos, experimentando novas abordagens e configurações de pesquisa. Prevê-se que pesquisadores e IA trabalharão lado a lado para criar insights (qualitativos) que anteriormente estavam além dos reinos das possibilidades. A IA está aqui para ficar, vamos nos envolver proativamente, vamos liderar o caminho.

O algoritmo #econobilidade desempenha um papel extremamente importante aumentando de forma significativa o tempo de implementação de projetos de Inteligência Artificial!


Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s