Это интересно

Человек против машины

Может ли искусственный интеллект помочь качественным исследованиям будущего? Джулия Гёрнандт и Саманта Бонд объяснили, в каких случаях автоматизация имеет смысл.

От конкуренции к сотрудничеству

Ни для кого не секрет, что индустрия маркетинговых исследований вынуждена обеспечивать стратегической и надежной информацией в условиях сокращающихся бюджетов и сроков. Судя по прогнозам, через десять лет эффективность будет решающим фактором для исследований. Это серьезная проблема для исследований, проводимых качественными методами, так как традиционные методы противоречат потребности в скорости. Тем не менее, прогнозируется рост спроса на качественную аналитику, обусловленный тем, что необходимо преобразовать большие данные в интеллектуальные данные и придать смысл, ясность и целенаправленность растущему морю чисел. Столкнувшись с этим, компания SKIM исследовала потенциальные решения, чтобы гарантировать, что исследования, проводимые качественными методами, останутся доступным источником инсайтов для наших клиентов.

Интеллектуальное решение?

Искусственный интеллект (ИИ), похоже, достигает уровня человеческих способностей - от беспилотных автомобилей Uber до складских роботов Amazon. Роботы берут на себя роль профессионалов в разных отраслях промышленности, от здравоохранения до образования. Но возможно ли это в маркетинговых исследованиях? SKIM было любопытно изучить, могут ли машины найти инсайты и ускорить процесс качественных исследований. В то же время мы хотели изучить потенциальные компромиссы и вопрос о том, могут ли роботы заменить исследователей.

Конкуренция

Уильям Серфарти, директор по развитию компании Danone, обратился к SKIM, чтобы понять драйверы потребления нового продукта для выработки коммуникационной стратегии Danone. Учитывая очень сжатые сроки проекта, мы решили протестировать роботов. Мы с Danone использовали платформу для видео исследований Voxpopme, которая в течение нескольких дней фиксирует отзывы потребителей и предоставляет широкий спектр средств автоматизации и ИИ для анализа данных. Мы начали соревнование на равных между исследователями-людьми и машинами. Были сформированы две команды, они должны были проанализировать различными методами 127 самостоятельно записанных потребительских видеороликов. Одна команда имела доступ к ИИ и автоматизированным инструментам, а другая опиралась на традиционные методы. В итоге было подготовлено три отчета, которые оценивал Уильямом Серфарти:

  • только автоматизация
  • только человек
  • автоматизация + человек

Каждая команда должна была регистрировать время, затраченное на анализ видео и подготовку отчета. Таким образом, мы смогли сравнить и оценить процесс исследования и идеи, полученные машинами, людьми и их комбинацией.

Победитель

К нашему большому удивлению, победителем этого конкурса стала команда «автоматизация плюс человек», создавшая отчет с помощью комбинации человека и машинного анализа. Используя совместный подход, мы смогли подготовить итоговый отчет за половину времени, затраченного группой, где анализ проводился только человеком. Неожиданно было и то, что Уильям выбрал этот вариант в качестве предпочтительного еще до того, как узнал, что для его создания потребовалось меньше времени. Фактически, он посчитал оба отчета одинаково проницательными и эффективными, ему было трудно выделить какой-то один из них. Благодаря сотрудничеству с машинами мы можем увеличить эффективность без потери глубины и качества инсайтов. Однако важно отметить, что сотрудничество является ключевым моментом. Машина сама по себе не смогла производить значимые идеи, а выводы полностью автоматизированной команды, были недостаточными для окончательного результата. Хотя исследование заняло всего два дня (по сравнению с пятью днями) и стоило дешевле на одну треть, экономия была в ущерб полученным результатам

Потребность в скорости и качестве

Таким образом, наше исследование подтверждает, что использование автоматизированных инструментов для качественных исследований выявляет важность человека в управлении процессом анализа. Автоматизированные инструменты нужны лишь для того, чтобы облегчить труд исследователей, а не заменить их. Мы считаем, что эти инструменты могут помочь исследователям-«качественникам» адаптировать свои методы и остаться востребованными в условиях растущей потребности в эффективности, и достичь, казалось бы, невозможной цели - сократить время, денежные издержки без потери качества - без компромиссов. Поэтому Уильям был доволен результатом эксперимента и рассматривает эту методологию как способ удовлетворить потребности заинтересованных сторон и в скорости, и в качестве. «Результат был приятным сюрпризом! Теперь мы можем быстрее получить отчет, и уровень его детализации сопоставим с традиционным», - сказал Уильям.

Пять советов по совместной работе с машинами

На основе нашего эксперимента мы выделили пять советов, как использовать эту технологию и сотрудничать с машинами в качественных исследованиях.

Первоначальный скептицизм относительно ИИ будет неизбежен; проигнорируйте его, чтобы пожинать плоды автоматизации.

Изначально мы считали, что возможности автоматизации больше подходят для количественных исследований. Учитывая человеческую природу качественных методов исследований, мы пошли на этот эксперимент, задаваясь вопросом, возможна ли автоматизация. Хотя мы видели разработки в области обработки естественного языка, на данный момент мы далеки от достижения полной автоматизации. Мы изначально были скептически настроены по отношению к нашей автоматизированной команде и к использованию инструментов ИИ. Но необходимо преодолеть это препятствие, чтобы воспользоваться преимуществами автоматизации. Таким образом, мы вдвое сократили время, необходимое для создания столь же глубокого полного отчета.

2: Не ожидайте, что машины предоставят ответы. Много шума в индустрии сейчас вокруг ИИ и других технологий автоматизации следующего поколения, но мы знаем, что машины не предлагают «чудодейственное средство» для удовлетворения потребностей компании в анализе. Сейчас при проведении исследования качественными методами автоматизированные инструменты без участия человека не ценятся. Полученные результаты - это слова и диаграммы, которые не имеют большого значения сами по себе. Машины не могут определить, какие из идей действительно являются ключевыми или идентифицировать драйверы. Нам потребовался анализ, проведённый человеком, для рассмотрения автоматизированных результатов, чтобы понять их смысл и выделить значимую информацию. Со временем, вероятно, их интеллект увеличится, но на данный момент, инструменты автоматизации не могут предоставить автономные ответы. В результате важно понять, как лучше использовать их в наших интересах.

3: Используйте выводы ИИ в качестве отправной точки для человеческого анализа. Хотя они не являются «чудодейственным средством», мы узнали, что инструменты автоматизации могут дать исследователям-«качественникам» возможность быстро проводить анализ. В отличие от команды «только человек», которой пришлось потратить неделю на просмотр всех видеозаписей, отправной точкой для команды «автоматизация + человек» были данные, собранные машиной. Анализируя их, а не исходные данные, всего за один день мы смогли составить общую картину и определить ключевые идеи.

4: Ожидайте, что высокоскоростной анализ даст результаты поверхностного уровня. При обращении к этим инструментам важно иметь правильные ожидания. Если требуются немедленные ответы, то эта технология, безусловно, может помочь. Тем не менее, результат высокоскоростного анализа - это взгляд с высоты птичьего полета, это очень поверхностные результаты, а не глубокое погружение и стратегические рекомендации, которые клиенты ожидают от исследований, проведенных качественными методами.

5: Стратегические решения требуют времени; не срезайте этот угол. Даже когда мы раскрыли затраченное время на создание каждого отчета, Уильям Серфарти считал, что совместный отчет (автоматизация + исследователь) эффективнее, чем полностью автоматизированные и созданные только человеком версии. Таким образом, отчеты, которые в значительной степени зависят от автоматизированных результатов, могут быть быстрее, но скорость приходит за счет стратегических и эффективных идей.

Будущий потенциал искусственного интеллекта

Поэтому требуется больше времени и более глубокий анализ, проведенный человеком, чтобы перевести информацию в четкие стратегические рекомендации. Этот процесс занимает у исследователей-«качественников» половину времени, когда они вооружены автоматизированными инструментами. Мы понимаем тот оптимизм, с которым смотрят исследователи на автоматизацию и ИИ для качественных методов исследований. Автоматизированные диаграммы, тематический анализ текста и фильтры - основные формы автоматизации по сравнению с анализом чувств и объектов. На данном этапе это основные инструменты, которые являются наиболее значимыми в обеспечении исследований качественными методами эффективным и быстрым анализом больших объемов данных.

Воспользуйтесь преимуществами автоматизации

Даже несмотря на ограниченность автоматизированные инструменты помогли вдвое сократить время, необходимое для создания отчета без ущерба для глубины и качества понимания.  Благодаря этому результату SKIM представила решение для автоматизации наших качественных исследовательских предложений SKIM’s Smart Qual. Мы используем это решение в качестве самостоятельной методологии, до / после задачи или заменяем традиционные открытые опросы, чтобы быстро отслеживать информацию в контекстном режиме. Технологии развиваются и усложняются, мы считаем, что использование этих инструментов будет только увеличиваться и помогать исследователям-«качественникам» быстрее искать стратегические идеи. Поэтому в компании SKIM мы стремимся продолжить наше исследование в этой области, научиться сотрудничать с машинами и использовать преимущества ИИ и автоматизации!

Перевод: Карпова Антонина

Источник: https://www.research-results

© 2020-2022 Ассоциация исследовательских компаний «Группа 7/89». Все права защищены.

Поиск