De marktonderzoeksector is in constante evolutie en krijgt ook te maken met de opkomst van artificiële intelligentie (AI tools). Het staat in de sterren geschreven dat deze tools op termijn heel wat taken die nu door onderzoekers worden uitgevoerd, kunnen overnemen.
Bij Customer Experience onderzoek, denken we concreet aan volgende voor de hand liggende taken: het sneller verwerken van kwalitatieve data (bijvoorbeeld het verwerken van antwoorden op open vragen) en het blootleggen van complexe correlaties in de onderzoeksresultaten.
Minder vanzelfsprekend is dat AI bedrijven ook zal helpen om een sentimentanalyse uit te voeren op social mediaberichten, klantreviews en andere vormen van feedback.
En wat als we AI inzetten om klantgedrag op een gepersonaliseerde manier te voorspellen? Wat is de rol van de menselijke onderzoeker in dit verhaal? Hoe kunnen we privacy en transparantie blijven waarborgen? Is dit alles eigenlijk wel een slim idee?
Vooraleer we kunnen uitmaken in welke mate het slim is om AI in te zetten voor CX-onderzoek, leggen we eerst een paar begrippen uit:
AI is de algemene benaming voor een bepaald computersysteem of machine die enkele van de eigenschappen heeft van menselijk brein, zoals het vermogen om taal te interpreteren en te produceren op een manier die menselijk lijkt, beelden te herkennen of te creëren, problemen op te lossen en te leren van gegevens die het krijgt aangeleverd.
Dit omvat ook het vermogen om de menselijke taal te begrijpen zoals die wordt gesproken of geschreven. Het bekendste voorbeeld hiervan is ChatGPT, ofwel Chat Generative Pre-trained Transformer.
ChatGPT is eigenlijk van oorsprong een chatbot met een geavanceerd taalmodel dat gebruik maakt van deep learning-technieken om natuurlijke taal te begrijpen en te genereren.
Als voorbeeld van de kracht van ChatGPT, onderwierp ik zelf Chat GPT aan de vraag
'Is het gebruik van AI in Customer Experience Onderzoek wel slim?'
Hieronder lees je ChatGPT's antwoord. Bovendien werd bovenstaande inleiding deels geschreven met de hulp van ChatGPT.
Urgente nood aan innovatie binnen traditioneel onderzoek
AI en machine learning bieden een enorme waaier aan mogelijkheden voor automatisering, het verbeteren van de gegevenskwaliteit en het ontsluiten van diepere bevindingen in enquêteonderzoek.
Vandaag zien we dat traditionele marktonderzoekmethoden onder druk komen te staan om innovatie toch toe te laten. De redenen zijn economisch – tijd, budget – maar evengoed praktisch: de complexer wordende gegevensverzameling over meerdere bronnen, de toename aan data, de verwerking van data en tenslotte de enorme uitdaging om wetenschappelijk onderbouwde correlaties te beschrijven om zo uiteindelijk tot nieuwe inzichten te komen.
AI kan enkele van deze grootste obstakels in survey-onderzoek uit de weg ruimen.
De verwerking van kwalitatieve data is voor AI kinderspel
Eén van de meest tijdrovende aspecten van vragenlijsten verwerken is het analyseren van reacties op open vragen. Zonder enige vorm van automatisering vereist het organiseren en ontcijferen van antwoorden op open vragen veel manueel werk. Toch zijn deze antwoorden belangrijk omdat ze rijke inzichten opleveren en het waarom weergeven achter kwantitatieve data.
Bij het nalezen moeten onderzoekers vrijetekstantwoorden filteren en categoriseren in zinvolle thema's. Mensen zijn hier vrij goed in … maar op kleine schaal. Als er duizenden respondenten in een onderzoek zitten, hebben we iets nodig dat consistenter en efficiënter is.
AI-tools, waaronder NLP-algoritmen (Natural Language Processing), kunnen grote hoeveelheden ongestructureerde taalgegevens automatisch verwerken en classificeren.
Het gebruik van NLP raakt steeds meer ingeburgerd in sectoren zoals de gezondheidszorg, de financiële wereld, de productiesector, de reclamewereld en nog veel meer.
Dit is een perfect voorbeeld waarom we AI nodig hebben in marktonderzoek. Nog niet overtuigd?
5 voordelen van AI in marktonderzoek
De voordelen van het gebruik van AI in Customer Experience onderzoek en marktonderzoek in het algemeen zijn ongeëvenaard. Hier zijn 5 van de belangrijkste voordelen, zowel voor de onderzoeker als de opdrachtgever van het onderzoek:
1. Tijd
Het grootste voordeel van AI-technologie is de tijd die het bespaart. Automatisering op dit gebied kan de duur van een marktonderzoeksproject terugbrengen van maanden naar weken.
Het is logisch dat dit de projectbegroting op positieve wijze beïnvloedt.
Dit betekent eveneens dat de onderzoeker meer tijd kan besteden aan het
- evalueren van de inzichten
- begrijpen van het verhaal achter de gegevens in plaats van aan het kraken van cijfers
- proberen te begrijpen van verbatims (techniek om een opname van een gesproken interview integraal te gaan omzetten in tekst, inclusief het zuchten, het stotteren, enz …)
Realtime
Indien je over realtime bruikbare resultaten wilt beschikken, zal AI de meest effectieve en aangewezen manier zijn om dit te bekomen.
2. Betere gegevenskwaliteit
Een ander voordeel is een hogere gegevenskwaliteit, waarmee een grote zorg voor veel onderzoekers wordt weggenomen. AI en machine learning kunnen de gegevenskwaliteit drastisch verhogen door de gegevens intern te filteren en dat zonder de menselijke vooringenomenheid die onze interpretatie van kwalitatieve gegevens kan vertekenen.
De gegevens worden met andere woorden nauwkeuriger.
AI is ontworpen om fouten in de verzamelde gegevens op te sporen en te corrigeren, zodat de verzamelde informatie accuraat en betrouwbaar is. Dit is nog een manier waarop AI tijd kan besparen in het onderzoeksproces.
Opgelet: dit betekent niet per definitie dat AI de kwaliteit van de gegevens gaat verbeteren. Concreet: onvolledige antwoorden blijven onvolledig, idem dito met onduidelijkheden in vrije antwoorden.
Los van AI blijft het zonder de juiste informatie onmogelijk om welke beslissing dan ook te nemen - laat staan beslissingen die je bedrijf helpen groeien. Onjuiste gegevens kunnen rampzalig zijn en resulteren in:
- Slechte strategievorming
- Onjuiste doelgroepbenadering
- Onjuiste berichtgeving
Hoe nauwkeuriger je gegevens, hoe beter je komt tot juiste inzichten. Hierin blijft een cruciale rol weggelegd voor de onderzoeker.
3. Diepere inzichten
Een hogere datakwaliteit alleen al kan de kwaliteit van je bevindingen verbeteren, maar AI-technologie kan ook op andere manieren de diepgang van inzichten verbeteren. Omdat AI-tools het gemakkelijker maken om kwalitatieve gegevens te analyseren, kunnen onderzoekers er meer van verzamelen. Vaak bevatten antwoorden op open vragen de rijkste consumenteninzichten.
Bovendien kan AI-technologie thema's, correlaties en subtiele nuances tussen open antwoorden identificeren die we anders misschien over het hoofd zouden zien, waardoor we meer uit onze kwalitatieve gegevens kunnen halen.
4. Betere klantsegmentatie en klanttargeting
Als het gaat om klantsegmentatie en targeting, is het gebruik van AI in onderzoek één van de meest effectieve manieren om de ervaring van je klanten beter te doorgronden.
Met AI kan je gemeenschappelijke kenmerken van je klanten detecteren of wederkerende patronen in gedrag vaststellen. Dit zal de optimalisatie van je klantbeleving/customer experience effectiever maken.
5. Betere klantenservice
In het zendesk CX-TRENDS 2023 rapport konden we lezen dat er significante vooruitgang is geboekt in de kwaliteit van kunstmatige intelligentie binnen klantenservice, met AI-toepassingen die steeds natuurlijker en menselijker aanvoelen.
Voorbeelden van succesvolle AI-toepassingen
Er zijn diverse succesvolle cases van AI-toepassingen in Customer Experience. Hier zijn enkele bekende voorbeelden:
-
Amazon: Amazon maakt uitgebreid gebruik van AI om de Customer Experience te verbeteren. Ze gebruiken AI-aangedreven aanbevelingssystemen om klanten gepersonaliseerde productaanbevelingen te doen op basis van hun eerdere aankopen en browsegeschiedenis. Hierdoor kunnen ze klanten relevante producten tonen die aansluiten bij hun interesses, wat leidt tot een betere winkelervaring.
-
Netflix: Netflix staat bekend om zijn geavanceerde AI-aangedreven aanbevelingssysteem. Met behulp van machine learning-algoritmen analyseert Netflix de kijkgeschiedenis van gebruikers en vergelijkt deze met patronen en trends van andere kijkers. Hierdoor kan Netflix gepersonaliseerde kijkaanbevelingen doen, waardoor klanten content kunnen ontdekken die relevant is voor hun interesses en voorkeuren.
-
Starbucks: Starbucks maakt gebruik van AI-aangedreven voorspellende analytics om de Customer Experience te optimaliseren. Ze analyseren gegevens zoals weersomstandigheden, historische verkoopgegevens en sociale media-informatie om de vraag naar verschillende producten per locatie en tijd van de dag te voorspellen. Dit stelt Starbucks in staat om de voorraadniveaus beter te beheren en de wachttijden te verminderen, wat resulteert in een verbeterde klanttevredenheid.
-
Delta Airlines: Delta Airlines maakt gebruik van AI en machine learning om Customer Experience te verbeteren. Ze hebben een AI-platform ontwikkeld genaamd "Parallel Reality", waarmee individuele passagiers verschillende vluchtinformatie kunnen ontvangen op basis van hun specifieke behoeften en voorkeuren. Dit stelt Delta Airlines in staat om gepersonaliseerde en relevante informatie te bieden aan elke passagier, waardoor de ervaring voor elke klant uniek wordt.
Deze cases illustreren hoe toonaangevende bedrijven AI met succes hebben geïmplementeerd om de Customer Experience te verbeteren. Door gebruik te maken van AI-aangedreven technologieën kunnen bedrijven beter inspelen op de behoeften en voorkeuren van klanten, wat leidt tot hogere klanttevredenheid en loyaliteit.
AGI is op komst maar (nog) niet voor morgen
We zijn nog ver verwijderd van een mogelijke paradigmaverschuiving in de gegevensverzameling door gebruik te maken van generatieve AI (Artificial General Intelligence), chatgebaseerde enquêtes en metaverse/virtuele werelden.
Onze klanten zelf zijn nog zoekende in het ganse AI-verhaal. Het zou niet slim zijn om nu als onderzoeker, alle ‘traditionele onderzoeksmethodes’ overboord te gooien.
Afgezien van het behouden tempo van de veranderingen in de sector, zijn er ook technische obstakels voor de invoering van AI.
Om AI goed te laten werken, moeten algoritmen worden getraind om ze af te stemmen op de context en het doel waarvoor ze dienen. In marktonderzoek moet AI-technologie ongestructureerde gegevens efficiënt organiseren zonder de specifieke, bruikbare inzichten te verliezen waar onderzoekers naar op zoek zijn.
En natuurlijk is het wel belangrijk om op een ethische en verantwoorde manier AI toe te passen in CX-onderzoek.
Privacy en transparantie moeten worden gewaarborgd en dit vinden wij een bijzonder belangrijk punt. Daarom maken wij bij de verwerking van persoonlijke klantendata geen gebruik van AI-toepassingen. Er is op dit vlak nog te weinig bekend over eventuele risico's.
Conclusie
Ja, het is slim om AI in te zetten voor onderzoek en specifiek in CX- en EX-onderzoek.
AI-tools bieden veel mogelijkheden om traditionele onderzoeksprocessen te versnellen en te transformeren. Ook op vlak van enquêtemethodologie zijn er beloftevolle vooruitzichten. Vragenlijsten worden steeds meer gebruikersgericht, of in dit geval respondentgericht, en AI biedt ons krachtige manieren om dat doel te bereiken.
In de toekomst kunnen we veel kortere en meer conversatiegerichte enquêtes verwachten, waarbij conversatie een tool is waarmee we in realtime indringende opvolgingsvragen kunnen stellen. Dit geeft ons een dynamischer en authentieker inzicht in onze doelgroepen en markten.
Enquêteonderzoek is al een fundamenteel onderdeel van Customer Experience onderzoek, maar de integratie van AI-tools maakt het een nog efficiëntere, betrouwbaardere en meer diepgaande bron van inzichten.
