L'IA : amie ou ennemie ? 5 conseils pour automatiser les études de marché

Démarrer avec l'IA : Vitesse + Qualité

Des voitures autonomes d'Uber aux robots d'entrepôt d'Amazon, l'intelligence artificielle (IA) semble atteindre une dextérité de niveau humain presque partout. Vous vous demandez peut-être comme nous : comment les marques tirent-elles réellement parti de l'innovation en matière d'automatisation de nouvelle génération dans les études de marché aujourd'hui ? L'intelligence artificielle peut-elle identifier de meilleures informations à moindre coût ? Les ordinateurs et les robots vont-ils rendre les chercheurs humains inutiles ? En tant qu'experts en études de marché, qui sont aussi des êtres humains, nous nous posons souvent les mêmes questions !

Danone, l'un des leaders mondiaux de l'agroalimentaire, a récemment cherché à comprendre les moteurs de la consommation d'une nouvelle catégorie de produits. 

Lorsque William Serfaty, responsable mondial de la stratégie et des études, s'est tourné vers mon équipe pour obtenir des informations qualitatives afin d'étayer ses déclarations de communication dans un délai très court, nous avons vu l'occasion de mettre ces robots à l'épreuve. Avec Danone à bord, nous nous sommes associés à Voxpopme, une plateforme de recherche vidéo automatisée, pour étudier dans quelle mesure les solutions automatisées peuvent remplacer ou améliorer la pratique de la recherche qualitative.

Ensemble, nous avons lancé ", une compétition en tête-à-tête entre des chercheurs humains et la technologie de l'automatisation. Chaque équipe a été chargée d'analyser des vidéos de consommateurs auto-enregistrées en utilisant différentes méthodologies de recherche. Une équipe avait accès à des outils automatisés, tandis que l'autre équipe de chercheurs de SKIM s'appuyait sur des méthodes d'analyse humaines traditionnelles. Au total, trois rapports ont été produits et jugés par William Serfarty de Danone : 1. principalement automatisé ; 2. uniquement humain et 3. combinaison d'humain et de machine (Si vous voulez plus de détails sur le projet, ).

À la fin du projet, William a bien résumé nos conclusions : "Le résultat a été une bonne surprise ! Désormais, nous pouvons obtenir plus rapidement un rapport qui fournit le même niveau de détail qu'un rapport traditionnel" - et mon équipe a été tout aussi surprise mais ravie de ce résultat !

Je partage ici cinq conseils basés sur nos apprentissages sur les raisons pour lesquelles vous devriez considérer les outils d'automatisation et comment vous pouvez incorporer avec succès l'IA dans vos plans d'études de marché qualitatives cette année (la bonne nouvelle pour nous, c'est que les humains ont toujours un rôle crucial à jouer).la bonne nouvelle pour nous est que les humains ont encore un rôle crucial à jouer).

1 : Le scepticisme initial à l'égard de l'IA est inévitable ; il faut le dépasser pour récolter les fruits de l'automatisation

Bien que l'IA et les autres technologies d'automatisation de nouvelle génération fassent l'objet d'une grande effervescence dans le secteur, les machines n'offrent malheureusement pas de solution miracle pour répondre aux besoins de votre marque en matière d'insights. Cependant, si les résultats de l'IA et de l'automatisation n'offrent pas à eux seuls une grande valeur et manquent de sophistication, ces outils sont certainement utiles au cours du processus d'analyse qualitative humaine. Notre étude "Femme contre machine" a donné lieu à un rapport de recherche complet, produit en deux fois moins de temps à l'aide d'outils d'automatisation, par rapport au rapport complet créé par mon équipe humaine seule.

William, de Danone, a été heureux de découvrir que les gains de temps et d'argent réalisés ne l'ont pas été au détriment de la qualité des informations. En fait, lors d'une évaluation en aveugle, il a préféré le rapport collaboratif homme-machine aux versions entièrement automatisées et entièrement générées par l'homme. Au lieu de remplacer les connaissances humaines et l'expertise consultative, nous aimons considérer l'automatisation comme un "turbo boost" pour les chercheurs qualitatifs traditionnels.

2 : Ne pas attendre des machines qu'elles fournissent les réponses

Nous sommes tous d'accord pour dire que les possibilités d'automatisation semblent davantage correspondre à la recherche quantitative. Compte tenu de la nature humaine des études qualitatives, nous nous sommes demandé si l'automatisation était possible. Bien que nous ayons constaté des progrès dans le traitement du langage naturel, nous sommes encore loin d'une automatisation totale.

Dans le cadre d'une analyse qualitative, les outils automatisés sans intervention humaine ne présentent actuellement qu'un intérêt limité. Les résultats produits sont des mots et des graphiques qui n'ont que peu de sens en eux-mêmes et dont la précision est aléatoire. Les machines ne peuvent pas relier les points, déterminer quelles informations sont vraiment essentielles ou identifier les moteurs. Même pour créer un premier rapport de base, une analyse humaine est nécessaire pour examiner les résultats automatisés, comprendre leur signification et affiner les informations pertinentes. S'il est probable qu'avec le temps, leur intelligence augmentera, pour l'instant du moins, les outils d'automatisation ne peuvent pas fournir de réponses autonomes. Il est donc important de comprendre comment les utiliser au mieux.

3 : Utiliser les résultats de l'IA comme point de départ de l'analyse humaine

Bien qu'ils ne constituent pas une solution miracle, nous avons appris que les outils d'automatisation peuvent permettre aux chercheurs qualitatifs d'effectuer des analyses plus rapidement. Contrairement à notre équipe d'analyse humaine, qui a dû passer une semaine à examiner toutes les transcriptions vidéo, le point de départ de notre équipe automatisée était les sorties de la machine. En les analysant, plutôt que les données brutes, nous avons pu, en l'espace d'une journée seulement, nous faire une idée de l'histoire globale et identifier les principaux enseignements.

4 : S'attendre à ce que l'analyse à grande vitesse produise des conclusions de haut niveau

Lorsque l'on se tourne vers ces outils, il est important d'avoir les bonnes attentes. Si la pression du temps en interne exige des réponses immédiates, cette technologie peut être utile. Toutefois, le résultat d'une analyse à grande vitesse est une vue d'ensemble, c'est-à-dire des conclusions de très haut niveau - et non pas les informations approfondies et les recommandations stratégiques que vous êtes en droit d'attendre des études qualitatives.

5 : La stratégie prend du temps ; ne la négligez pas.

Lors d'une évaluation en aveugle, William Serfaty de Danone a préféré un rapport collaboratif (IA + chercheur humain) aux versions principalement automatisées et entièrement générées par l'homme. Les rapports qui s'appuient fortement sur des sorties automatisées peuvent être plus rapides, mais la rapidité se fait au détriment d'informations stratégiques et exploitables.

Il faut donc plus de temps et une analyse humaine plus approfondie pour expliquer et traduire les informations de haut niveau en lignes directrices et recommandations claires. Néanmoins, ce processus prend deux fois moins de temps aux chercheurs qualitatifs lorsqu'ils disposent d'outils automatisés pour les aider. C'est pourquoi, chez SKIM , nous sommes naturellement optimistes quant au potentiel futur de l'automatisation et des méthodologies d'études qualitatives améliorées par l'IA.

Un dernier mot sur l'IA et l'automatisation pour les équipes de recherche et d'analyse.

Collaborer avec des machines peut en effet améliorer l'efficacité, sans compromettre la profondeur et la qualité des informations. C'est pourquoi nous avons introduit une solution d'automatisation dans nos offres d'études qualitatives, Smart Qual de SKIM. Nous utilisons cette solution comme une méthodologie autonome, une tâche pré/post, ou pour remplacer les fins ouvertes traditionnelles dans les enquêtes afin d'obtenir rapidement des informations en contexte. Si vous cherchez  le comportement décisionnel du consommateur des idées sur l'exploration des catégories, l'expérience des clients, les essais de concepts/le développement de produits ou le développement de la communication,  pour découvrir comment vous pouvez tirer parti de l'IA et de l'automatisation !