In dit artikel bekijken we hoe sommige start-ups de respondenten van kwalitatieve interviews en focusgroepen willen vervangen door kunstmatige intelligentie (AI). Wij analyseren deze benadering en bespreken de voor- en nadelen.
In een eerder artikel had ik het al over bestaand onderzoek om enquêtes te vervangen door generatieve AI. Die laatste vormt nu ook een bedreiging voor kwalitatieve methodes. Op Websummit 2024 ontmoetten we een aantal start-ups die voorstellen om focusgroepen en semigestructureerd interviews te vervangen door AI-gegenereerde avatars. In dit artikel ga ik dieper in op deze aanpak en deel ik mijn gedachten met u. Spoiler alert: ik verwacht heel wat methodologische problemen.
Neem contact op met marktonderzoeksbureau IntoTheMinds
Als u maar 30 seconden heeft
- Er zijn start-ups die het gebruik van door AI gegenereerde avatars voorstellen om reacties tijdens kwalitatieve interviews en focusgroepen te simuleren.
- Deze aanpak biedt voordelen wat betreft budget en timing
- Er zijn echter een aantal beperkingen: reacties zijn beperkt tot informatie die door het algoritme is opgenomen. U kunt dus geen nieuwe informatie genereren.
- Echte, nauwkeurige informatie (prijzen, namen, enz.), die juist de toegevoegde waarde van marktonderzoek vormt, kan niet betrouwbaar door het algoritme worden gegenereerd.
- Dit soort toepassing is niet geschikt voor B2B-onderzoek.
De technologie achter deze innovatie
De technologie is gebaseerd op het creëren van virtuele persona’s met behulp van AI met als doel het gedrag van echte consumenten na te bootsen. De interacties vinden plaats op een online platform (SaaS). Bedrijven kunnen met deze persona’s interageren om producten, merken of campagnes te testen.
De AI wordt getraind op basis van echte interviews die worden uitgevoerd voor elke persona die beschikbaar is op het platform.
Voordelen van het gebruik van AI om uw respondenten te vervangen
De voordelen van het gebruik van AI om het gedrag van respondenten te ‘simuleren’ liggen voor de hand:
- Tijdsbesparing
- Budgettair voordeel
De moeilijkste delen van de kwalitatieve studie worden geëlimineerd:
- U hoeft niet langer respondenten te werven voor uw focusgroepen en individuele interviews
- U kunt de vraag- en antwoordfase automatiseren
- Alle antwoorden worden schriftelijk gegeven, dus u hoeft ze niet te transcriberen.
- Het is mogelijk om het effect van een product gelijktijdig op meerdere consumentenprofielen te simuleren
Nog een stap verder zou zijn dat de bestanden met avatarinteracties rechtstreeks naar coderingssoftware worden gestuurd en automatisch worden geanalyseerd. Het hele kwalitatieve onderzoeksproces zou dan in een vacuüm plaatsvinden en er zou geen menselijke tussenkomst meer nodig zijn.
Maar is dat echt realistisch?
Nadelen
Zoals u zich kunt voorstellen, zijn er heel wat nadelen. Ik focus daarom op de beperkingen van het systeem.
Inzichten zijn beperkt tot wat al bekend is
Dit is zonder twijfel het grootste nadeel. Omdat het om een gesprekssimulatie gaat, moet de AI erachter getraind zijn met bestaande gegevens. Deze aanpak kan dus enkel informatie leveren die al bekend is. Maar aangezien markten en consumentengedrag continu veranderen, bestaat het risico dat de antwoorden die u krijgt niet meer aansluiten bij de huidige marktsituatie.
Beperkingen voor B2B-marktonderzoek
De technologie is gebaseerd op het creëren van persona’s, dat zijn ‘gemiddelde profielen’ die het algemene gedrag van een groep klanten samenvatten. Dit veronderstelt een zekere homogeniteit van gedrag. Deze aanname doet mij twijfelen aan de relevantie van deze aanpak in een B2B-context.
Bij B2B-marktonderzoek is het doel meestal om te begrijpen hoe de ondervraagde beslissingen neemt. In veel gevallen is deze beslissing het resultaat van complexe mechanismen die gebaseerd zijn op:
- Verschillende mensen binnen het bedrijf
- Formele processen (bijv. evaluatie van leveranciers, onderhandeling, prijslimieten, etc.)
- A priori is er dus een oneindig aantal beslissingsmodaliteiten en is het moeilijk om een ‘gemiddeld’ antwoord te geven.
Geen nauwkeurige, echte informatie
Een ander probleem bij het nabootsen van kwalitatief onderzoek via generatieve AI is de realiteit en nauwkeurigheid van de informatie. Of het nu gaat om B2C of B2B, het doel van een onderzoek is om nauwkeurige antwoorden te geven op:
- Het marktaandeel
- Een betaalde prijs
- De naam van het gebruikte product of de gebruikte dienst
Wanneer een klant contact opneemt met een marktonderzoeksbureau, verwacht hij dat het bedrijf nauwkeurige informatie levert. Deze informatie is echter niet a priori volledig beschikbaar in de trainingsgegevens. Als gevolg daarvan kunnen de antwoorden van AI alleen maar onnauwkeurig zijn.
In de context van een B2B-onderzoek zijn gegevens nooit openbaar (dat is de essentie van bedrijfsgeheim). Daarom is het niet realistisch om van AI te verwachten dat het in deze context betrouwbare informatie levert.
Non-verbale aspecten worden genegeerd
Kwalitatief onderzoek beperkt zich niet tot wat er gezegd wordt. Een goede interviewer of moderator houdt rekening met non-verbale reacties. Een non-verbale reactie kan bijdragen aan:
- Het opsporen van cognitieve dissonantie: wat iemand zegt komt niet overeen met wat die persoon voelt
- Het beter modereren van een focusgroep door ruimte te geven aan mensen die niet spontaan durven reageren
- Het verder uitdiepen van bepaalde standpunten
Alternatieve marktonderzoekstechnieken niet van toepassing
Tot slot is AI-simulatie beperkt tot tekstgebaseerde interacties. Dit verhindert het gebruik van alternatieve marktonderzoekstechnieken:
- Gebruik van beelden tijdens interviews
- Omgaan met objecten tijdens focusgroepen
- Prototypes maken met de techniek van design thinking
Conclusie
De technologie voor het nabootsen van interviews en focusgroepen met behulp van AI kan interessant zijn als het gaat om het simuleren van bekend en goed gedocumenteerd gedrag.
Deze technologie is echter ongeschikt:
- In zeer dynamische markten, waar het gedrag van klanten waarschijnlijk snel zal veranderen
- Wanneer het doel is om nauwkeurige, feitelijke informatie te verzamelen over betaalde prijzen of gebruikte producten/diensten
- In de meeste B2B-onderzoeken
