Es una verdad universalmente reconocida que el sector de los estudios de mercado se ve presionado para cambiar su forma de trabajar; es decir, para ser más rápido y más económico y, al mismo tiempo, mantener la calidad y ofrecer un enfoque más consultivo.
Se dice que, si no lo hacemos, corremos el riesgo de caer en el «síndrome de la rana en el agua hirviendo», es decir, que nuestra incapacidad para adaptarnos podría acabar provocándonos una muerte lenta. Pero, ¿cómo podemos hacer frente a estos retos tan ambiciosos?
Esta sesión, celebrada en el ESOMAR Global Qualitative 2017, ofreció consejos prácticos a los investigadores cualitativos que se enfrentan a la dificultad de determinar si deben automatizar sus procesos, cómo hacerlo y cuándo.
Ponente: Samantha Bond, directora de investigación
Dado el carácter humano de la investigación cualitativa, ¿es siquiera viable para nosotros la automatización? ¿Qué repercusión tiene en la calidad de nuestros resultados? ¿Cuánto tiempo y dinero nos ahorra realmente? ¿Y cuál es la opinión de nuestros clientes sobre las posibles ventajas e inconvenientes?
Por lo tanto, nuestro experimento tiene como objetivo explorar las ventajas y los inconvenientes de las opciones de las que disponemos: el análisis de vídeo realizado por personas, la automatización y una combinación de ambas. Los asistentes se llevarán consejos prácticos que les permitirán ahorrar tiempo, así como ideas sobre cómo las personas y las máquinas pueden trabajar en armonía.
Descubre cómo una marca de cerveza consolidada optimizó sus decisiones en materia de precios y distribución para impulsar un crecimiento de dos dígitos en un mercado africano.
Cómo los datos sobre las preferencias de los pacientes contribuyeron a demostrar el valor de la prevención de las enfermedades infecciosas más allá de los resultados clínicos.
Un modelo de previsión dinámico ayudó a un cliente del sector sanitario a planificar con mayor seguridad las decisiones relativas al lanzamiento, la fijación de precios y el acceso.
Descubre cómo E.ON Next utilizó los conocimientos sobre el comportamiento para lograr una diferenciación de marca más sólida, más allá del precio.