Greenbook: разговор как основа исследований в эпоху ИИ

Маркетинговые исследования трансформируются под влиянием искусственного интеллекта, автоматизации и новых разговорных технологий. Речь идёт не просто о внедрении новых инструментов — меняются устоявшиеся практики, а вместе с ними возникают принципиальные вопросы о том, как проводятся исследования и как определяется их ценность.

Согласно результатам 15 глубинных интервью с топ-руководителями брендов, агентств и поставщиков исследовательских технологий, будущее market research будет определяться не противостоянием людей и машин и не слиянием качественных и количественных методов. Его форму задаст более глубокий сдвиг: от методов к смыслу, от проектов к разговорам, от роли привратника — к стратегическому партнёрству.

Разговор как главная цель

Во всех 15 интервью один мотив звучал настойчивее всего: разговор — наиболее действенный способ понять людей. Как выразилась Сара Снудден, руководитель подразделения потребительских инсайтов JDE US: «Будь то качественные или количественные исследования — или что-то между ними — я считаю, что главная цель — это разговор».

Это не открытие. Разговор всегда был ключевым элементом исследований: именно через него исследователи понимают участников, выстраивают отношения с клиентами и помогают брендам узнать тех, кому они служат. Новым стало другое — отрасль научилась поддерживать разговор на разных уровнях глубины и масштаба.

Участники интервью описывали среду, в которой диалог теперь охватывает весь диапазон — от глубинных интервью под руководством человека до ИИ-диалога, встроенного в масштабные количественные исследования.

Этот сдвиг продиктован не новизной, а необходимостью. Руководители требуют инсайтов, отражающих реальную сложность человека — контекст, эмоции, противоречия, — а не просто чистые точки данных. Одновременно достижения в AI-модерации позволяют вести содержательные разговоры с большим числом людей, чем когда-либо. Вместе эти силы возвращают отрасль к её наиболее надёжному источнику понимания.

Несмотря на то что разговор традиционно ассоциируется с качественными исследованиями как методом сбора данных, участники особо подчеркнули: он лежит в основе любых хороших исследований. Разговор воспроизводит логику реального принятия решений — люди не выбирают из заранее предложенных вариантов, они рассуждают о выборе в диалоге с собой и с другими. Разговор формирует общее понимание и поддерживает триангуляцию, позволяя исследователям, пользователям инсайтов и стейкхолдерам соприкоснуться с данными в момент их формирования, делая результаты более достоверными, запоминающимися и применимыми. Как отметила Сьюзан Фейдер, основатель FaderFocus: «Клиенты раньше присутствовали в комнате. Именно там формировалось настоящее понимание».

Роль AI-модерации: масштабирование разговора без замены мастерства

AI-модерация — в том числе способность обрабатывать большие объёмы диалогов — делает возможным проведение большего числа содержательных разговоров с реальными людьми в масштабе. Она приносит новую эффективность: расширяет доступ, обеспечивает единообразие, убирает предвзятость суждений и освобождает исследователей от рутинных задач.

Несмотря на то что Маргарет Цо, старший менеджер по потребительским инсайтам Cadillac Fairview, по-прежнему предпочитает качественные исследования под руководством человека, она признала: «AI-модерация обладает существенными преимуществами в обеспечении нейтральности, единообразия и невзыскательности во всех взаимодействиях. Это особенно ценно для обеспечения справедливости и снижения предвзятости при сборе данных».

Сара Снудден добавила относительно скорости обработки диалоговых данных с помощью ИИ: «Для тех из нас, кто часами разбирал транскрипты, разве плохо получить небольшое подкрепление? Использовать ИИ, чтобы ускорить пахоту и быстрее добраться до урожая, — это очень удобно».

Несколько участников отметили, что ненавязчивость ИИ снижает барьеры для участников. В отсутствие социальной динамики между незнакомыми людьми респонденты могут чувствовать себя свободнее при обсуждении чувствительных тем. Уэнси Чуй, руководитель по market intelligence и стратегии Nestlé Health Science: «При AI-модерации этого барьера нет. Нет осуждения или стигмы, поэтому можно свободно изучать действительно сложные темы».

Этот сдвиг сопровождается честным признанием реальности: рабочие места модераторов качественных исследований оказались под угрозой. Несколько интервьюируемых отметили, что часть модераторов потеряла клиентов, поскольку организации переводят исследования in-house и переходят на AI-платформы. «Мы наблюдаем кардинальное изменение структуры расходов на Qual в сторону ИИ», — сказал Даниэль Графф-Радфорд, генеральный директор Discuss.

При этом участники интервью не рассматривали ситуацию как бинарный выбор между людьми и машинами. Они описывали прагматичную «среднюю зону», где ИИ не просто приемлем, но и предпочтителен для работы с повторяемыми, объёмными и стандартизированными задачами. Ответственность за формирование смысла — решение о том, что важно, почему это важно и как это соотносится с реальными решениями, — остаётся за человеком.

Граница между качественными и количественными исследованиями размывается — или нет?

По мере того как ИИ делает традиционные границы между качественными и количественными исследованиями более подвижными, мало кто из участников интервью считал, что они сливаются в один метод. Сохраняются принципиальные различия — в структуре, глубине, продолжительности и логике развёртывания. На обеих сторонах divide появились новые методологии.

Несколько участников описали новую среду как спектр:

Глубокий quant — Диалоговый quant — AI-модерируемый qual — Глубокий qual

Разговор выступает соединительной тканью на всём этом спектре: он позволяет исследователям подбирать оптимальный баланс глубины, масштаба и структуры под конкретную задачу, не стирая самобытных сильных сторон каждого подхода.

Андреа Шеерман, вице-президент по исследовательскому консалтингу Prodege: «Их обычно рассматривают вместе, но если задуматься глубже: AI-модерируемый qual — это более длинный, более глубокий разговор, который разворачивается органично и свободно, тогда как диалоговый quant, как правило, встроен в количественное исследование, использует единый начальный промпт и серию уточняющих вопросов на основе первоначального ответа. Как “количественник”, я гораздо комфортнее себя чувствую со вторым».

Тасним Далал, директор по работе с клиентами Product Hub | MMR Research: «По моему опыту, оба инструмента — диалоговое анкетирование и AI-модерируемый qual — выполняют разные функции, и при продуманном совместном применении дают более полное и значимое понимание перспективы потребителя или пользователя».

Диалоговый quant

Все участники интервью были единодушны: AI-модерация отчётливо проявляет свою ценность там, где диалоговая глубина исторически была труднодостижимой — прежде всего в масштабных количественных исследованиях.

Десятилетиями количественные опросы обеспечивали скорость и сопоставимость, однако лишь в пределах того, что исследователи могли предвидеть заранее. AI-диалоговые подходы ослабляют это ограничение, позволяя участникам объяснять, рефлексировать и развёртывать свою мысль, не жертвуя структурой.

Результатом становится не «qual под видом quant», а более глубокая форма количественного исследования — такая, которая фиксирует «почему» наряду с «что». Романи Патель, директор по data science Microsoft: «Роль ИИ в масштабировании разговоров для market research — не в том, чтобы превзойти человека, а в том, чтобы распространить качественную глубину на традиционно количественные пространства. Думайте об этом как о качественном инсайте в масштабе: разговорном по форме, но со структурированными результатами и строгостью количественных данных».

Участники особо подчеркнули: сильные реализации диалоговых опросов по-прежнему в значительной мере управляются человеком. Исследователи определяют цели, разрабатывают анкеты, устанавливают границы и интерпретируют инсайты. Итан Тителман, старший вице-президент по креативной стратегии и инсайтам SmithGeiger Group, объяснил: диалоговые опросы «делают количественное исследование гораздо глубже и извлекают нюансы и обоснование, сохраняя привычную структуру и позволяя задавать те же типы вопросов, что и в традиционном анкетировании». И уточнил: «Наша команда по-прежнему составляет анкету — примерно на 85%».

Диалоговые количественные подходы переводят опыт участников из разряда второстепенных соображений в стратегический актив. Плохо спроектированные анкеты порождают незаинтересованных респондентов и поверхностные данные; разговорные форматы дают обратный эффект. Тас Далал: «То, как собираются данные, напрямую влияет на итоговый результат. Опыт участника имеет значение: если люди незаинтересованы, торопятся, растеряны или не мотивированы процессом, данные это отразят».

Даниэль Графф-Радфорд предположил: «Через десять лет выживут те компании, которые обеспечат наилучший опыт участника. Инсайты у них будут просто лучше». Итан Тителман поделился непосредственным наблюдением: «Первый проект, который я запустил с этим инструментом, — я открыл файл с вербатимами, и именно тогда за десять секунд дошло: люди пишут целый абзац, а не пару слов. Это было мгновенное ощущение будущего… именно этого я и хотел долгое время».

Вместе с тем участники предостерегали: не все системы AI-модерации дают этот эффект. Джейсон Джейкобсон, старший директор по потребительским инсайтам Sekisui House: «Технология без мысли — просто технология. Отрасли нужно замедлиться и тщательнее это протестировать, по-настоящему думая о потребителе и о том, как мы хотим, чтобы он себя чувствовал». Диалоговые опросы работают только тогда, когда опыт участника спроектирован намеренно, а не предполагается по умолчанию.

AI-модерируемый qual

Чем AI-модерируемый qual отличается от диалогового опроса? Кейт Ригнер, лидер практики Digital Life & Commerce в Naxion, предложила чёткий фрейм: «Это вербатим-данные, то есть качественные данные, поддающиеся подсчёту, но не являющиеся статистическими, поскольку выборка в них строится иначе, чем в количественном исследовании».

Участники интервью описывали AI-модерируемый qual как особенно эффективный в контекстах, где важны скорость, охват и единообразие. Джесси Сюэ, менеджер по потребительским инсайтам Sonova Group: «ИИ становится всё более компетентным в части процесса, логики, проработки и тайминга. Современные AI-приложения изначально приходят с накопленным опытом».

Тас Далал поделилась собственным опытом: «Он прекрасно работает для ранней исследовательской работы, уточнения концепций, дневников использования после продукта, широкого поиска противоречий и быстрых массовых follow-up-разговоров. Расширяет область охвата и даёт более богатую отправную точку. Особенно эффективен для дневниковых исследований, ранних исследовательских бесед, быстрой итерации и масштабных follow-up. Я всегда добавляю слой человеческой проверки, потому что нюансы иногда ускользают, но для масштабирования качественных входных данных со скоростью он чрезвычайно эффективен».

Даниэль Беркал, старший вице-президент The Palmerston Group, оценивает, что «примерно семьдесят процентов стандартных qual-проектов могут существовать в средней зоне, где цель — простое сравнение, предпочтение или быстрое рассуждение». При этом он особо подчеркнул: «Для более глубокой, запутанной человеческой работы по-прежнему нужен человек». Он также указал на отсутствующую у ИИ «искру»: «Формулы есть, но искры нет. Проблема в том, что люди нарушают структуру так, что это ощущается живым. ИИ — нет. По крайней мере пока».

ИИ способен масштабировать разговоры и повышать их эффективность, но не может воспроизвести тонкие тональные сдвиги, паузы, противоречия или юмор — те моменты, в которых смысл возникает неожиданно. Как объяснила Сьюзан Фейдер: «Так много поведения автоматично. Люди над этим и не задумывались. Я называю это контекстным интеллектом».

В перспективе AI-модерируемый qual ожидаемо сдвинет исследования в сторону постоянных, потоковых рабочих процессов — в отличие от дискретных проектов. Кейт Ригнер описала будущее, в котором «организации постоянно собирают и интегрируют качественные инсайты», превращая исследование из периодического мероприятия в непрерывный процесс.