In een recente uitgave van Research World van ESOMAR schrijft Michael Campbell (PhD Candidate op Carleton University) over AI en de insightssector. Campbell signaleert ontwikkelingen die de sector verregaand beïnvloeden, maar die op dit moment lijden aan gebrek aan samenhang. En die samenhang is wel nodig wil de marktonderzoekbranche op een succesvolle manier AI integreren. Dat vraagt om een overkoepelende aanpak.
Om te laten zien om welke hoeveelheid data het gaat, komt Campbell met indrukwekkende cijfers. In 2022 waren er bijna vijf miljard miljard actieve internetgebruikers. Elke dag tweetten deze gebruikers 650 miljoen keer, zaten ze in meer dan 300 miljoen vergaderingen op Zoom, plaatsten ze 350 miljoen foto’s op Facebook en bekeken ze 6.000 tot 10.000 advertenties. Geschat wordt dat er vorig jaar 94 triljard data is geproduceerd, oftewel: elke seconde ontstaat er ongeveer drie miljoen gigabyte aan (verwerkte) data. Omdat AI het beste hulpmiddel is om deze zee van data te verkennen, worden marktonderzoekers gedwongen AI-technologie te gebruiken.
Best practices
Traditionele onderzoeksmethoden, die relatief resistent zijn gebleven tegen verandering, worden steeds meer geüpgraded om AI te incorporeren. Met behulp van machine learning en specifieke algoritmen kunnen enquêtes nu volledig worden geautomatiseerd, kunnen focusgroepen en testen een plaats krijgen in metaverse en zijn er snel diepgaande inzichten in kwalitatieve en niet-numerieke data mogelijk.
Deze ontwikkelingen verminderen de tijd en kosten die gepaard gaan met marktonderzoek aanzienlijk. Voorheen bewerkelijke en dure projecten kunnen nu in dagen of uren worden voltooid, tegen een fractie van de prijs. Maar, zegt Campbell, er zijn geen algemeen aanvaarde normen voor het toepassen van AI in marktonderzoeksprocessen en de relevante informatie over best practices voor het integreren van de technologie is te verspreid en moeilijk toegankelijk. Een probleem, zeker als er steeds complexere AI-technologieën op de markt komen.
Intelligenties
Er zijn wel procedures voor het gebruik van AI-technologieën in marktonderzoek, maar die zijn vaak beperkt. Het Cross-Industry Standard Process for Data Mining (CRISP-DM) is bijvoorbeeld een systematisch, herhaalbaar proces dat vaak wordt gebruikt voor datamining en AI-gestuurde projectontwikkeling. Het raamwerk is nuttig omdat het een uitgebreide reeks stappen schetst die onderzoeksprocessen structureren met AI-technologie.
Terwijl CRISP-DM gaat over specifieke onderzoeksactiviteiten, is er veel vaagheid over de technische mogelijkheden en gebruiksvoorwaarden van veel ander AI-activiteiten in de sector. Bij marketing is dat anders. Het strategisch kader voor kunstmatige intelligentie in marketing benadrukt bijvoorbeeld het belang van een goed gebruik van AI-mogelijkheden. In plaats van AI te conceptualiseren als een ‘denkmachine’, wordt voorgesteld om AI te zien als een reeks verschillende intelligenties, die elk kunnen worden gebruikt voor het voltooien van verschillende taken. Deze intelligenties zijn onderverdeeld in mechanische, denkende en voelende AI. Elk heeft verschillende vaardigheden, variërend in complexiteit, van de automatisering van routinematige en repetitieve taken tot het analyseren van menselijke gevoelens en emoties om informatie te beoordelen met betrekking tot de behoeften, voorkeuren en niveaus van tevredenheid van consumenten.
Rol opnieuw bezien
In een recent onderzoek onder besluitvormers op het gebied van marktonderzoek gaf 91% aan dat ze AI zien als een kans voor de sector. Ze zijn zich er ook van bewust dat AI een verregaand effect zal hebben. Veel banen zullen binnen de komende vijf tot tien jaar overbodig worden. Dat gaat om functies in de ondersteuning van marktonderzoek, om statistici, onderzoeksanalisten, datawetenschappers en marktanalisten. De helft van de respondenten in het aangehaalde onderzoek heeft al overwogen om een aanvullende training te volgen, terwijl bijna een kwart erover denkt om de sector te verlaten. Dat houdt in dat de meeste marktonderzoekbureaus hun bedrijfsvoering moeten veranderen, en dat onderzoeksprofessionals hun rollen opnieuw moeten bezien.
Brede richtlijnen
Naast technische en organisatorische uitdagingen heeft de integratie van AI-technologie in marktonderzoek ook een ethische kant. Gebrekkige algoritmen kunnen discriminatie in advertenties in stand houden als gevolg van onnauwkeurige aannames of voorspellingen over bepaalde individuen of groepen. Als zodanig zijn brede richtlijnen voor AI-auditprotocollen nodig. Het niet aanpakken van deze problemen kan leiden tot ernstige wettelijke problemen, maar het kan ook de geloofwaardigheid en reputatie van de sector in het algemeen schaden.
Opgave
Naarmate AI meer aanwezig is in de insightssector, wordt de noodzaak groter dat de sector als geheel afspreekt hoe je de nieuwe technologie benadert, hoe je ‘m gebruikt, wat de voorwaarden zijn en hoe je de introductie kunt vergemakkelijken. AI kan de marktonderzoeker helpen om waardevolle inzichten te krijgen en besluitvorming te verbeteren, maar de integratie van de technologieën is wel een opgave. Er is een kader nodig voor algemeen geldende normen. Zonder dat zal de sector niet volledig de voordelen van AI kunnen realiseren.
Bron: researchworld.com