In diesem Artikel erfahren Sie, dass Start-ups die Befragten in qualitativen Interviews und Fokusgruppen durch künstliche Intelligenz (KI) ersetzen wollen. Wir analysieren diesen Ansatz und erläutern seine Vor- und Nachteile.

In einem früheren Artikel habe ich den aktuellen Forschungsstand zum Ersatz von Umfragen durch generative KI skizziert. Letztere bedroht nun auch qualitative Methoden. Auf dem Websummit 2024 trafen wir auf Start-ups, die vorschlugen, Fokusgruppen und halbstrukturierte Interviews durch KI-generierte Avatare zu ersetzen. In diesem Artikel untersuche ich diesen Ansatz und teile meine Gedanken mit Ihnen. Spoiler-Alarm: Ich sehe eine ganze Reihe methodischer Probleme.
Kontaktieren Sie die IntoTheMinds Marktforschungsagentur
Wenn Sie nur 30 Sekunden haben
- Start-ups beginnen damit, KI-generierte Avatare zur Simulation von Antworten in qualitativen Interviews und Fokusgruppen vorzuschlagen.
- Dieser Ansatz hat Vorteile in Bezug auf das Budget und den Zeitplan.
- Es gibt jedoch mehrere Einschränkungen: Die Antworten sind auf die Informationen beschränkt, die der Algorithmus aufnimmt. Das bedeutet, dass Sie nicht von vornherein die neuesten Informationen generieren können.
- Der Algorithmus kann keine zuverlässigen, präzisen Informationen (Preise, Namen usw.) generieren, was den eigentlichen Mehrwert der Marktforschung ausmacht.
- Diese Art von Anwendung eignet sich nicht für die B2B-Forschung.
Die Technologie hinter dieser Innovation
Die Technologie basiert auf der Verwendung von KI zur Modellierung virtueller Personas. Ziel ist es, das Verhalten realer Verbraucher zu simulieren. Die Interaktionen werden auf einer Online-Plattform (SaaS) durchgeführt. Unternehmen können diese Personas anschließend zur Bewertung von Produkten, Marken oder Kampagnen verwenden.
Die KI wird auf der Grundlage realer Interviews trainiert, die für jede auf der Plattform verfügbare Persona durchgeführt werden.
Die Vorteile der Verwendung von KI als Ersatz für Ihre befragten Personen
Die Vorteile der Verwendung von KI zur „Simulation“ des Verhaltens von Befragten liegen auf der Hand:
- Zeitersparnis
- Kostenersparnis
Die mühsamsten Teile der qualitativen Forschung entfallen:
- Sie müssen keine Befragten mehr für Ihre Fokusgruppen und Einzelinterviews rekrutieren
- Sie können die Frage-und-Antwort-Phase automatisieren
- Alle Antworten werden schriftlich bereitgestellt, sodass sie nicht transkribiert werden müssen
- Sie simulieren die Wirkung eines Produkts auf mehrere Verbraucherprofile gleichzeitig
Wenn wir noch weiter gehen, können wir uns vorstellen, dass die Interaktionsdateien der Avatare direkt an die Kodierungssoftware gesendet und automatisch analysiert werden. Der qualitative Forschungsprozess würde in einem Vakuum stattfinden und menschliches Eingreifen wäre nicht erforderlich.
Aber ist das realistisch?
Nachteile
Wie Sie sich vorstellen können, gibt es viele Nachteile. Ich werde Ihnen die Grenzen des Systems aufzeigen.
Die Erkenntnisse sind auf das beschränkt, was bereits bekannt ist
Dies ist zweifellos der größte Nachteil. Da es sich um eine Gesprächssimulation handelt, muss die KI dahinter mit Daten trainiert worden sein. Daher kann diese Art von Ansatz nur bereits bekannte Informationen liefern. Aber Märkte verändern sich, und das gilt auch für Verhaltensweisen. Es besteht also ein echtes Risiko, dass die Antworten, die Sie erhalten, nicht mehr dem Zustand des Marktes entsprechen.
Einschränkungen für die B2B-Marktforschung
Technologie basiert auf der Erstellung von Personas. Dabei handelt es sich um „Durchschnittsprofile“, die das Gesamtverhalten einer Kundengruppe zusammenfassen. Dies setzt eine gewisse Homogenität des Verhaltens voraus. Diese Voraussetzung lässt mich die Relevanz dieses Ansatzes im B2B-Kontext in Frage stellen.
In der B2B-Marktforschung geht es meistens darum zu verstehen, wie der Befragte Entscheidungen trifft. In vielen Fällen ist diese Entscheidung das Ergebnis komplexer Mechanismen, an denen mehrere Personen innerhalb des Unternehmens
- beteiligt sind
- und die formelle Prozesse umfassen (z. B. Lieferantenbewertung, Verhandlung, Preisgrenzen usw.).
- Es gibt also a priori unendlich viele Entscheidungsmodalitäten, und es ist schwierig, eine „durchschnittliche“ Antwort zu geben.
Keine genauen, realitätsnahen Informationen
Ein weiteres Problem bei der Simulation einer qualitativen Studie mit generativer KI betrifft die Realität und Genauigkeit der Informationen. Ob im B2C- oder B2B-Bereich, eine Studie zielt darauf ab, präzise Antworten zu folgenden Fragen zu liefern:
- Marktanteil
- ein gezahlter Preis
- der Name des verwendeten Produkts oder der verwendeten Dienstleistung
Wenn ein Kunde eine Marktforschungsagentur oder ein Institut kontaktiert, erwartet er präzise Informationen. Diese Informationen sind jedoch nicht vollständig in den Trainingsdaten verfügbar. Infolgedessen sind die von der KI gelieferten Antworten zwangsläufig ungenau.
Im Rahmen der B2B-Forschung sind die Daten niemals öffentlich (dies ist das Wesen des Geschäftsgeheimnisses). Daher kann man von der KI in diesem Zusammenhang keine zuverlässigen Informationen erwarten.
The non-verbal aspects are ignored
Qualitative research is not just about what is said. A good interviewer or moderator takes non-verbal reactions into account. A non-verbal reaction can:
- Detect cognitive dissonance: what the person is saying is not in line with what they are feeling
- Better moderate a focus group by giving the floor to people who do not dare react spontaneously
- Deepen certain positions
Alternative Marktforschungsmethoden nicht anwendbar
Schließlich ist die KI-Simulation auf textbasierte Interaktionen beschränkt. Dies verhindert den Einsatz alternativer Marktforschungsmethoden:
- Verwendung von Bildern während der Interviews
- Manipulation von Objekten während der Fokusgruppen
- Erstellung von Prototypen unter Verwendung von Design-Thinking-Techniken.
Fazit
KI-basierte Interview- und Fokusgruppen-Emulationstechnologie kann nützlich sein, um bekannte, gut dokumentierte Verhaltensweisen zu simulieren.
Diese Technologie ist jedoch ungeeignet für die folgenden Situationen:
- In hochdynamischen Marktkontexten, in denen sich das Kundenverhalten wahrscheinlich schnell ändert
- Wenn das Ziel darin besteht, präzise, sachliche Informationen über gezahlte Preise oder verwendete Produkte/Dienstleistungen zu sammeln
- In den meisten B2B-Untersuchungen