Marx.ba

Istraživači sa Univerziteta Wisconsin-Madison objavili su studiju koja ispituje kako kombinacija generativne umjetne inteligencije i ljudskog inputa dovodi do superiornog marketinškog istraživanja.

Studija, u časopisu Journal of Marketing, nosi naziv “AI-Human Hybrids for Marketing Research: Levering LLMs as Collaborators”, a autori su Neeraj Arora, Ishita Chakraborty i Yohei Nishimura.

Generativni AI (GenAI), a posebno modeli velikih jezika (LLM), transformišu marketing. Prema BCG studiji iz 2023. godine, preko 70 posto direktora marketinga je prihvatilo ovu tehnologiju, a stručnjaci predviđaju da će GenAI revolucionirati marketinško istraživanje – industriju vrijednu 84,3 milijarde dolara 2023. – automatizacijom i poboljšanjem prikupljanja podataka, analize i generiranja uvida.

Ova nova studija otkriva da LLM nude značajno povećanje efikasnosti i efektivnosti u procesu marketinškog istraživanja i za kvalitativna i za kvantitativna istraživanja. Istraživači pokazuju da LLM služe kao odlični asistenti menadžerima uvida kroz različite faze istraživačkog procesa: dizajn studije, odabir uzorka, prikupljanje podataka i analizu podataka.

Razmislite o poslovnom kontekstu u kojem brend menadžer sarađuje sa menadžerom za uvid u potrošače kako bi formulisao problem na koji istraživanje pokušava da se pozabavi i došao do skupa istraživačkih pitanja. Njih dvoje se mogu u saradnji složiti oko dizajna istraživanja koji, na primjer, počinje istraživačkim istraživanjem (npr. dubinski intervjui) nakon čega slijedi deskriptivno istraživanje (npr. anketa).

Ova prva dva koraka istraživačkog procesa uglavnom vode ljudi. Iako bi se menadžeri brenda i uvida mogli konsultovati s LLM-om kako bi prikupili sekundarno istraživanje na tu temu i istražili slučajeve upotrebe koji bi mogli pomoći u informiranju istraživačkih pitanja ili dizajna istraživanja, oni bi se i dalje u velikoj mjeri oslanjali na svoje znanje o poslovnom kontekstu kako bi formulirali istraživački problem, pitanja i dizajn.

Centralna premisa je da hibridni pristup čovjek-LLM može dovesti do povećanja efikasnosti i efektivnosti u procesu marketinškog istraživanja. Istraživači su se udružili s prehrambenom kompanijom Fortune 500 i ponovili dvije studije koje je kompanija provela koristeći LLM. Prva studija je bila kvalitativna i usredsređena na poslovna pitanja za proslavu Dana prijatelja.

Druga studija se fokusirala na testiranje nove rashlađene hrane za pse. Arora objašnjava da su “za svaku studiju tretirali originalne ljudske studije kao “osnovnu istinu” i uporedili studije koje je LLM generirao u odnosu na njih. Ovaj pristup nam je omogućio da objektivno ocijene kvalitet sintetičkih podataka i istraže ulogu LLM-a u stvaranju znanja.”

Za kvalitativno istraživanje, studija pokazuje da su LLM odlični asistenti za generiranje i analizu podataka.

Na frontu generisanja podataka, LLM efektivno kreiraju poželjne karakteristike uzorka, generišu sintetičke ispitanike koji odgovaraju tim karakteristikama i vode i moderiraju dubinske intervjue. Rezultati pokazuju da su odgovori generirani LLM superiorniji u smislu dubine i pronicljivosti.

Na frontu analize, LLM rade dobro, uparujući ljudske stručnjake u identifikaciji ključnih ideja, grupisanju u teme i sažimanju informacija. Iako su LLM propustili neke teme koje su ljudi otkrili, generirali su neke koje ljudi nisu. Stručne sudije smatraju da su hibridi ljudi i LLM bolji od svojih kolega samo za ljude ili samo za LLM.

– Posljedica toga je da LLM i ljudi donose jedinstvene, komplementarne uvide koje bi menadžeri trebali iskoristiti, kaže Chakraborty.

Zgodan asistent LLM može biti odlična polazna tačka za kreiranje prvog nacrta ankete i može relativno lako generirati uvode u anketu, pitanja za ispitivanje i demografska pitanja.

– LLM se može fokusirati na naporne, ponavljajuće i nezanimljive zadatke, dok ljudski stručnjak može iskoristiti ovu uštedu vremena da kreativnije razmišlja o odgovorima na poslovna pitanja i kvalitetu uvida, kaže Kako Nishimura.

Značajna prednost LLM-a kao asistenta je njihova niska cijena. Ovaj jedini faktor će doprinijeti brzom usvajanju LLM-a za stvaranje uvida. Dobici će ovdje vjerovatno biti veći za teško dostupne ispitanike (npr. doktore, više menadžere) jer se sintetički ispitanici ne umaraju i mogu dati opširne odgovore na mnoga pitanja.

U B2B areni gdje nije lako doći do krajnjih korisnika i kupaca, LLM bi mogao biti od velike pomoći u dopuni informacija prikupljenih od ljudskih ispitanika. Kao inteligentni motor, LLM bi mogao biti revolucionarni generator prethodnih informacija za širok spektar poslovnih pitanja po niskoj cijeni.

Važno je napomenuti da LLM mogu biti pogrešni, pristrasni ili halucinirani kada nisu obučeni o relevantnim podacima. Stoga je ljudski supervizor neophodan dio procesa proizvodnje znanja marketinškog istraživanja. Na primjer, čovjek može donijeti odluku kada neće tražiti pomoć od LLM. To se može dogoditi kada su tražene informacije nove ne samo za kompaniju, već i za svijet.

Drugi primjeri uključuju marketinško istraživanje u kulturnim kontekstima kako bi se razumjeli lokalni običaji i tradicije, teme s etičkim razmatranjima kao što je ciljanje na ranjive populacije i sticanje uvida iz podataka koji sadrže lične podatke, pri čemu LLM-u možda nedostaju potrebne garancije za sigurnost i privatnost podataka.

VEZANO

Marketinški materijali iz serije Galaxy S25 potvrđuju ključne specifikacije i nove AI karakteristike