introductie
Het doel van marktonderzoek is nieuwe inzichten te verwerven die merken ondersteunen bij het nemen van de juiste beslissingen. Om die inzichten te verkrijgen, maakt marktonderzoek veel gebruik van traditionele kwantitatieve maatstaven zoals stellingen en vragen. Echter, inzichten op basis van ‘hoeveel’, ‘hoe vaak’ en ‘wie’ zijn vaak niet voldoende. Inzichten over het onderliggende ‘waarom’ worden steeds belangrijker bij het sturen van zakelijke beslissingen.
STORYTELLING IN GROOTSCHALIG KWANTITATIEF ONDERZOEK
Het principe van Storytelling is dat het menselijk geheugen is gebaseerd op verhalen. Dat wil zeggen dat informatie wordt geïndexeerd, opgeslagen en opgehaald in de vorm van verhalen. Dit impliceert dat het menselijk geheugen beter geschikt is voor het vertellen van verhalen dan voor het beantwoorden van geïsoleerde stellingen en vragen.
Bij DVJ Insights passen we Storytelling toe als een reactiemechanisme op een stimulus, inzicht, category entry point of merkervaring. Consumenten vragen om hun eigen ervaring, reactie of visie te delen in de vorm van een verhaal is altijd een betere, directere reactie op elk type stimulus dan het uitvragen van lijsten met vooraf gedefinieerde statements. Verhalen zullen – van nature – focussen op die elementen die er het meest toe doen. Omdat we met grote steekproeven werken, leiden de verzamelde verhalen tot een schat aan inzichten in de taal van de consument.
HET KWANTIFICEREN VAN VERHALEN DOOR MIDDEL VAN RESPONDENTCLASSIFICATIES
De kracht van Storytelling is niet alleen dat het reactiemechanisme onbevooroordeeld is en vol zit met rijke details, maar DVJ vraagt respondenten ook om hun eigen reactie op verschillende manieren te classificeren, zoals positief-negatief, relevantie en bereidheid om te delen. Deze classificaties leiden tot kwantitatieve uitkomsten die kunnen helpen om de respons in het perspectief van onze robuuste database of direct ten opzichte van de concurrentie te plaatsen.
Storytelling kan worden verrijkt met Storymarkers en online laddering. Met behulp van Storymarkers vragen we respondenten om te reageren op hun eigen verhaal met een reeks op maat gemaakte stellingen. Via online laddering vragen we respondenten om bepaalde delen van hun verhaal te markeren om verdere uitleg te geven. Dit resulteert in een verscheidenheid aan kwantitatieve KPI’s die kunnen worden gebruikt in analyses zoals driveranalyses, factoranalyses en subgroep analyses. En omdat we respondenten vragen hun eigen verhalen te classificeren, is de interne validiteit zeer hoog: niemand kan beter betekenis geven aan de verhalen dan de respondenten zelf.
Figuur 1: Een overzicht van de mechanismen van Storytelling
STORYTELLING ANALYSES naar een hoger niveau tillen MET AI-GEBASEERDE text analytics
Text analytics is het (geautomatiseerde) proces waarbij betekenis wordt gegeven aan grote hoeveelheden ongestructureerde tekst en deze wordt omgezet in waardevolle kwantitatieve gegevens. Deze gegevens kunnen worden gebruikt om trends, patronen en inzichten bloot te leggen.
Text analytics bestaat al sinds de jaren vijftig van de vorige eeuw, maar is sinds het begin van de jaren 2000 steeds belangrijker geworden omdat er steeds meer kwalitatieve web- en social- gegevens beschikbaar komen, waardoor de vraag naar text analytics om deze gegevens te analyseren, is toegenomen. Daarnaast maken technologische ontwikkelingen het mogelijk om deze enorme hoeveelheid kwalitatieve consumentenfeedback efficiënt uit te vragen door middel van machine learning.
Binnen kwantitatief marktonderzoek is het gebruik van open vragen vaak ontmoedigd en vermeden omdat het te veel tijd kost om open vragen te coderen en te analyseren, waardoor het te duur en tijdrovend wordt voor grootschalige enquêtes. Bovendien leiden individuele menselijke interpretaties en classificaties vaak tot subjectieve vooroordelen die de bruikbaarheid en validiteit van de gekwantificeerde constructen beïnvloeden.
Gelukkig zijn we nu op een cruciaal moment beland in marktonderzoek. We hoeven respondenten niet langer te dwingen om enkel te antwoorden op lange, saaie rasters van vooraf gedefinieerde stellingen die niet overeenkomen met hoe consumenten zich voelen en denken, zonder dat dit ten koste gaat van tijd, investeringen en validiteit.
Wij passen text analytics toe om de ongestructureerde kwalitatieve gegevens van onze Storytelling techniek als volgt op te schonen, te coderen en te modelleren:
- De tekstdata wordt grondig opgeschoond en dus perfect voorbereid voor topic modelling.
- Synoniemen, antoniemen, woordfamilies en verklaringen van termen worden bepaald op basis van context en machine learning.
- Terwijl de AI-aangedreven algoritmen de tekstgegevens scannen, worden bruikbare secties geconstrueerd die intern coherent zijn en zo weinig mogelijk overlap vertonen.
- Uit deze bruikbare classificaties worden thema’s gedistilleerd en getiteld. De AI voegt ze samen en verrijkt de dataset met kenmerken op respondentniveau die kunnen worden gebruikt in een verscheidenheid aan analyses.
Door onze unieke Storytelling-aanpak te combineren met AI-aangedreven text analytics, kunnen we de waarde van onze Qual-at-Scale-filosofie maximaliseren, zonder in te boeten op kosten of timings.
Door gebruik te maken van text analytics bieden we onze klanten de unieke mogelijkheid om Category Entry Points echt te verkennen, belangrijke drivers en barrières voor categorie- en merkgebruik te identificeren of een relevant thema tot leven te brengen in de woorden van de consument. De gekwantificeerde output van text analytics speelt een cruciale rol bij het kwantificeren van de resultaten op grootte en belang op een valide, consistente manier. Dit leidt tot concrete en bruikbare aanbevelingen voor onze klanten, die hen helpen beslissen waar in de markt te spelen en hoe te winnen.
