Quirks: Главный вопрос об AI в маркетинговых исследованиях — не точность, а охват

Дискуссия вокруг AI в маркетинговых исследованиях застряла на неправильном вопросе. Критики обычно сосредотачиваются на том, способны ли синтетические данные или AI-генерируемые insights по-настоящему воспроизвести «реальный» человеческий взгляд, спорят о том, составляют ли ответы 95% или 80% от сопоставимости с человеческими ответами, и рассматривают этот спор как единственный определяющий фактор. Конечно, важно, чтобы AI в определённой мере отражал реальный опыт людей, — но эти дебаты о процентах точности упускают куда более насущную проблему.

Примечание редакции: Эдвиж Вина — директор по исследованиям в Marcus Thomas, где она консультирует клиентов агентства и внутренние команды по стратегии исследований и меняющейся роли AI в генерации insights. Имея более двух десятилетий опыта в традиционных качественных и количественных исследованиях, она предлагает взвешенный взгляд на то, как insights должны информировать принятие решений. Её работа сосредоточена на интеграции generative AI, synthetic data и AI-powered research-подходов в устоявшиеся фреймворки. Получила образование во Франции в Sciences Po Strasbourg и Université Paris Nanterre; свободно владеет французским, испанским и английским языками.

Охват важнее совершенства

Разрыв в охвате insights

В идеальном мире большинство решений о продукте, коммуникациях и пользовательском опыте было бы основано на каком-либо понимании потребителей. Но, по последним данным отрасли, только около 60% решений в области продукта и маркетинга действительно опираются на consumer insights. Это означает, что примерно 40% решений принимаются вообще без участия клиентов — только на основе интуиции, прошлого опыта или внутреннего мнения. На практике многие решения принимаются слишком быстро или при слишком ограниченном бюджете, чтобы традиционные исследования были осуществимы. Именно здесь большинство компаний теряет эффективность — не потому, что их исследования плохи, а потому, что исследования не проводятся вовсе.

AI меняет отправную точку

Именно здесь важны AI-powered research, synthetic data и generative-инструменты. Их ценность — не в том, что они дают идеальный insight. Их ценность в том, что они делают insight возможным там, где прежде его не было вовсе.

AI сжимает затраты, время и усилия. Это фундаментально меняет уравнение. Вместо вопроса «Стоит ли проводить исследование для этого решения?» команды могут начать задаваться вопросом: «Почему бы не получить хотя бы какой-то направляющий input?»

Например, бренд, тестирующий варианты сообщений, может быстро получить направляющую обратную связь с помощью AI — даже если полноценное исследование нецелесообразно.

Такой сдвиг расширяет пространство для исследований. Решения, которые раньше полностью зависели от интуиции — потому что они слишком малозначимы, слишком срочны или слишком слабо обеспечены ресурсами, — теперь могут хотя бы в какой-то мере опираться на данные о клиентах. И этот сдвиг куда важнее постепенного улучшения методологической строгости.

Это не о замене традиционных исследований

Рассматривать AI как замену традиционным исследованиям — значит упускать суть и провоцировать ненужное сопротивление. Реальная роль AI — расширение, а не замещение. Он позволяет организациям распространить insight на большее количество решений, снизить зависимость от внутреннего мнения и привнести точку зрения потребителя в те моменты, где её раньше вовсе не было.

Важные решения с высокими ставками по-прежнему будут и должны опираться на полноценные исследования с участием людей. Но многие решения существуют в серой зоне: они слишком незначительны или слишком срочны, чтобы оправдать традиционное исследование. Именно это пространство открывает AI.

Итак, как в действительности выглядит «правильная работа с AI-powered research»?

Заземление AI-исследований в данных

Во-первых, AI-powered research должно опираться на что-то реальное. Generative AI исключительно хорошо умеет выявлять паттерны и генерировать правдоподобные выводы, но оно не знает по своей природе, что является истинным в реальном мире. Без заземления в реальных данных — будь то предыдущие первичные исследования, поведенческие данные (например, данные о покупках, взаимодействие с сайтом, поведение при поиске), комментарии в социальных сетях или валидированные внешние источники — AI может создавать insights, которые звучат убедительно, но в конечном счёте оторваны от того, как люди реально думают и ведут себя. Промпты, входные данные и результаты должны быть привязаны к реальным, измеримым сигналам, а не только к статистически вероятным.

Роль человеческого надзора

Во-вторых, исследователи должны быть частью методологии, а не просто рецензентами результатов. AI способен кардинально ускорить анализ и выявить паттерны в масштабе, однако он не понимает в полной мере контекст, бизнес-цели и нюансы, которые превращают информацию в insight. Без активной человеческой интерпретации результаты AI могут казаться завершёнными и достоверными, при этом упуская то, что реально важно для принятия решений. Роль исследователя смещается от производства каждой точки данных к направлению, оспариванию и валидации системы, чтобы обеспечить релевантность и стратегическую значимость результатов. На практике это означает отношение к AI-генерируемым findings как к отправной точке, а не к выводам.

Что нужно переосмыслить руководителям

Для руководителей этот сдвиг является не только операционным, но и мировоззренческим. Он требует отказа от устаревшего взгляда на исследования. Исторически исследования рассматривались как медленные, дорогостоящие и требующие высокого порога определённости перед применением. Но во многих решениях этот порог так и не достигается — потому что исследования вовсе не проводятся.

AI-powered подходы бросают вызов этой модели. Когда insight можно получить быстро и с меньшими затратами, стандарт смещается от точности к полезности. Руководителям следует перестать спрашивать, «так же ли хорош» AI-generated insight, как традиционные исследования, и вместо этого задаться вопросом: а лучше ли он, чем работа без какой-либо точки зрения потребителя в 40% случаев?

Реальные возможности AI в маркетинговых исследованиях

AI не устранит потребность в human insight. Он не сделает каждый ответ идеально точным. Но он делает нечто, пожалуй, более важное: закрывает разрыв между решениями, принятыми на основе данных, и решениями, принятыми без них.

Если организации примут synthetic data и generative AI для расширения охвата insights, решения станут менее opinion-driven, более customer-informed и более последовательно согласованными с реальными потребностями. Это и есть реальное обещание AI в маркетинговых исследованиях: не лучшие исследования, а лучший охват.