INTRODUKTION
Målet med marknadsundersökningar är att upptäcka nya insikter som stöder varumärken i att fatta rätt beslut. För att erhålla dessa insikter använder marknadsundersökningar i stor utsträckning traditionella kvantitativa mått såsom påståenden och frågor. Insikter baserade på ”hur mycket”, ”hur ofta” och ”vem” är dock ofta inte tillräckligt. Insikter om det underliggande ”varför” blir allt viktigare för att vägleda smarta affärsbeslut.
TILLÄMPNING AV STORYTELLING I STORSKALIG KVANTITATIV FORSKNING
Principen för Storytelling är att mänskligt minne är baserat på berättelser. Det vill säga, information indexeras, lagras och återhämtas i form av berättelser. Detta innebär att mänskligt minne är bättre lämpat för Storytelling än för att svara på isolerade påståenden och frågor.
På DVJ Insights tillämpar vi Storytelling som en responsmekanism mot ett stimulus, insikt, kategoriinträdespunkt eller varumärkesupplevelse. Att be konsumenter dela med sig av sin egen upplevelse, reaktion eller vision i form av en berättelse är alltid en bättre, mer direkt reaktion på någon typ av stimulus än att framkalla listor med fördefinierade påståenden. Berättelser kommer av naturen att fokusera på de element som betyder mest. Eftersom vi arbetar med stora stickprovsstorlekar leder de insamlade berättelserna till en rikedom av insikter i konsumenternas språk.
KVANTIFIERING AV BERÄTTELSER GENOM RESPONDENTKLASSIFICERINGAR
Kraften i Storytelling är inte bara att responsmekanismen är opartisk och full av rika detaljer, utan DVJ ber också respondenterna att klassificera sin egen respons på olika sätt som positivt-negativt, relevans och vilja att dela. Dessa klassificeringar leder till kvantitativa resultat som kan hjälpa till att sätta responsen i perspektiv av vår robusta databas eller direkt mot konkurrensen.
Storytelling kan berikas genom berättelsemarkörer och online laddering. Med hjälp av berättelsemarkörer ber vi respondenterna att svara på sin egen berättelse med en uppsättning skräddarsydda påståenden. Genom online laddering ber vi respondenterna att markera vissa delar av sin berättelse för att utveckla vidare. Detta resulterar i en mängd kvantitativa KPI:er som kan användas i analyser såsom drivkraftsanalyser, faktoranalyser eller undergruppsanalyser. Och eftersom vi ber respondenterna att klassificera sina egna berättelser är den interna validiteten per definition mycket hög: ingen kan ge mening till berättelserna bättre än respondenterna själva.
Figur 1: En översikt av mekanismerna i Storytelling
ATT TA STORYTELLINGANALYSER ETT STEG LÄNGRE genom AI-DRIVEN Textanalys
Textanalys är processen (automatiserad) att extrahera mening ur stora volymer av ostrukturerad text och översätta detta till meningsfull kvantitativ data. Denna data kan sedan användas för att upptäcka trender, mönster och insikter.
Även om fenomenet textanalys har funnits sedan 1950-talet, har betydelsen av textanalys ökat sedan början av 2000-talet på grund av den ökande tillgängligheten av enorma mängder kvalitativ webb/social data, vilket ökar efterfrågan på textanalys för att ge mening åt denna data. Liksom de snabba teknologiska utvecklingarna som gör det möjligt att effektivt granska denna stora sjö av kvalitativ konsumentfeedback genom maskininlärning.
Inom området för kvantitativ marknadsundersökning har användningen av öppna slutar historiskt sett avråtts och undvikits eftersom det tar för lång tid att koda och analysera öppna slutar, vilket gör det för dyrt och tidskrävande för storskaliga undersökningar. Dessutom leder individuella mänskliga kodares tolkningar och klassificeringar ofta till subjektivitetsbias som påverkar användbarheten och validiteten av de kvantifierade konstrukterna.
Lyckligtvis går vi nu in i en avgörande stund inom marknadsforskningen. Vi behöver inte längre tvinga respondenterna att enbart svara på långa, tråkiga rader av fördefinierade påståenden som inte stämmer överens med hur konsumenter känner och tänker utan att kompromissa med tid, investeringar och validitet.
Vi tillämpar textanalys för att rengöra, koda och modellera de ostrukturerade kvalitativa data från vår Storytelling-teknik enligt följande:
- Textdatan rengörs noggrant och är därmed perfekt förberedd för ämnesmodellering.
- Synonymer, antonymer, ordklasser och förklaringar av termer bestäms baserat på sammanhang och maskininlärning.
- Medan de AI-drivna algoritmerna skannar textdatan konstruerar de redan meningsfulla avsnitt som är internt sammanhängande och har så lite överlappning som möjligt.
- Teman destilleras och tituleras från dessa användbara klassificeringar. AI:n outputar dem tillsammans och berikar datasetet med respondentnivå-karaktäristika som kan användas i en mängd analyser.
Genom att kombinera vår unika Storytelling-ansats med AI-driven textanalys kan vi maximera värdet av vår Kval-på-Skal-filosofi, utan att kompromissa med kostnader eller tidsramar.
Genom att använda textanalys erbjuder vi våra kunder den unika möjligheten att verkligen utforska Kategoriinträdespunkter, identifiera nyckeldrivrutiner och hinder för kategori- och varumärkesanvändning eller för att ge liv åt ett relevant tema på konsumenternas språk. Det kvantifierade utdatat från textanalys spelar en avgörande roll i kvantifieringen av resultaten när det gäller storlek och betydelse på ett giltigt, konsekvent sätt. Detta leder till konkreta och handlingsbara rekommendationer för våra kunder, som stödjer dem att besluta var de ska spela och hur de kan vinna.
