Da Automatisierung und maschinelles Lernen derzeit in aller Munde sind, haben sich Lightspeed und SKIM zusammengetan, um Mensch und Maschine ein echtes Forschungsproblem testen zu lassen. Die Aufgabe war einfach: den perfekten Urlaub zu planen.
Die beiden Ansätze unterschieden sich erheblich. „ SKIM “ setzte auf Automatisierung, um die Herausforderung zu lösen, und nutzte die Conjoint-Analyse, um den perfekten Urlaub zu gestalten. „Lightspeed“ hingegen verfolgte einen traditionellen Ansatz und befragte die Panelteilnehmer mithilfe einer spielerisch gestalteten Umfrage, wobei nicht Algorithmen, sondern die Vorstellungskraft der Teilnehmer zur Gestaltung des perfekten Urlaubs herangezogen wurde.
Wir haben Sie eingeladen, sich die Ergebnisse anzusehen und dabei zu helfen, die Debatte zu klären: „Menschen oder Maschinen?“ – Was ist besser?
Referenten: Patricia Dominguez – SKIM und Alex Wheatley – Lightspeed
Hier eine kurze Einführung in unsere Arbeit:
„Wie schneiden die neuesten gamifizierten Techniken der gemeinschaftlichen Produktentwicklung im Vergleich zur fortschrittlichsten Conjoint-Methode ab, wenn es darum geht, das perfekte Produktangebot zu entwerfen? Kann eine Gruppe von Menschen, die ein Spiel spielt, ein besseres Produkt entwickeln als ein KI-Computeralgorithmus?
Um herauszufinden, wer das Innovationsteam von Lightspeed ist, das diese neue Co-Creation-Methodik entwickelt hat, forderte das Unternehmen das Forschungsunternehmen „ SKIM “ – weltweit anerkannte Experten für Conjoint-Analysen – zu einem Forschungswettbewerb heraus!
„Beide erhielten dieselbe Aufgabe im Bereich Produktdesign; anschließend entwickelten wir mithilfe unserer eigenen spezialisierten Forschungsmethoden die jeweils perfekte Produktlösung, die dann in einem direkten Vergleichstest mit Verbrauchern gegeneinander antrat, um festzustellen, welche die beste war.“
Erfahren Sie, wie eine etablierte Biermarke ihre Preis- und Vertriebsstrategien optimierte, um auf einem afrikanischen Markt ein zweistelliges Wachstum zu erzielen.
Wie Erkenntnisse über Patientenpräferenzen dazu beitrugen, den Wert der Prävention von Infektionskrankheiten über die klinischen Ergebnisse hinaus aufzuzeigen.
Ein dynamisches Prognosemodell half einem Kunden aus dem Gesundheitswesen dabei, Entscheidungen hinsichtlich Markteinführung, Preisgestaltung und Marktzugang mit größerer Sicherheit zu treffen.
Erfahren Sie, wie E.ON Next mithilfe von Erkenntnissen aus der Verhaltensforschung eine stärkere Markendifferenzierung jenseits des Preises erreicht hat.