Como AI está impactando a pesquisa de mercado atualmente

Diferenças entre AI, Machine Learning e Deep Learning
28 de novembro de 2017
2017: Inovações esquecidas em Pesquisa de Mercado  
12 de dezembro de 2017
Ver todos

Como AI está impactando a pesquisa de mercado atualmente

Esse artigo foi traduzido e adaptado. O original pode ser encontrado aqui 

 

Durante décadas, os pesquisadores desenvolveram métodos avançados que nos permitem analisar dados quantitativos (pesquisa de opinião) de maneiras sofisticadas, de agrupamento e modelos de fatores a análises preditivas. Talvez o maior impacto que a AI tenha em pesquisas de mercado é permitir que esses métodos quantitativos testados em batalha sejam usados em dados de natureza qualitativa, nomeadamente o vídeo, o áudio e o texto. 

AI aumentando a precisão e a velocidade: 

Desde quando foi incluído esses métodos quantitativos e tipos de data no passado, a nova geração de algoritmos deep learning são capazes de com dramaticidade, aumentar a precisão e velocidade. O coração desses algoritmos é a ideia de “codificação” – isto é o ato de converter dados qualitativos em vetores quantitativos. 

Uma maneira simples de conceituar a “codificação” é esta: imagine que começamos com uma questão aberta. Agora imagine que nós construímos um conjunto de 200 perguntas binárias quantitativas que visam a superfície da mesma informação que a questão aberta. Dado um conjunto de respostas para a questão aberta, podemos pensar em “codificar” como fazendo duas formas. Primeiro, identificando as 200 melhores perguntas para capturar todas as informações qualitativas encontradas nas respostas. Então, para cada resposta qualitativa, informando quais as respostas a essas 200 perguntas quantitativas. O vetor numérico contendo essas 200 respostas é a resposta “codificada”. 

Nesta conceituação, podemos pensar nessas respostas abertas como vídeo, áudio ou texto porque a codificação é um possível diagnóstico do tipo de dados. A linha principal que separa abordagens atuais para a codificação é entre abordagens supervisionadas e não supervisionadas. 

Abordagens supervisionadas e não supervisionadas:  

Os modelos de codificação supervisionados têm a vantagem de serem relativamente fáceis de construir, no entanto, eles exigem trabalho humano para desenvolver conjuntos de treinamento e são limitados por sua capacidade de codificar apenas na forma como foram treinados 

Abordagens supervisionadas, começam por ter um ser humano decidindo qual são as perguntas que estão à frente do tempo e em seguida, montar um conjunto de treinamento que tem exemplos de pares de dados qualitativos e respostas especificadas pelo ser humano às perguntas correspondentes. Um bom exemplo disso é a codificação de expressões faciais, onde as emoções são expressas. Nesse caso, os humanos identificam as perguntas de acordo com as emoções transmitidas pelo rosto das pessoas. Criam um conjunto de treinamento que contenham pares de faces e as emoções que expressaram, então utilizam isso para treinar um modelo que codifique uma imagem de rostos onde essa emoção é expressada.   

Os modelos não supervisionados não exigem que um humano identifique as “perguntas” ou marque um conjunto de treinamento – os únicos dados que eles precisam aprender são os dados “qualitativos” que eles pretendem codificar. Os modelos não supervisionados simultaneamente aprendem as “perguntas” que melhor capturam a informação qualitativa e quais as respostas a essas “perguntas” para uma determinada entrada (como um vídeo ou uma frase). Enquanto os modelos crus e não supervisionados, existem há algum tempo (como LDA para análise de tópicos e k-means para cluster simples), abordagens baseadas em deep learning (como auto-encoders) estão permitindo uma codificação significativa de dados qualitativos anteriormente pensados impossíveis. 

Essas novas capacidades, que permitem a quantificação profunda de dados qualitativos, já permitem aos pesquisadores trazer o rigor metodológico dos métodos quantitativos para o mundo da pesquisa qualitativa, mas estou confiante de que este é apenas o começo. 


Leia também artigos sobre Principais tendências para Pesquisa de Mercado em 2018 e Pesquisa de mercado e emoções: produzindo insights poderosos.

Para saber mais de nossas tecnologias e serviços da eCMetrics podem entrar em contato com o seguinte e-mail (contact@ecmetrics.com) solicitando a nossa apresentação

Para mais conteúdo, nos siga no Facebook e Twitter.

Dúvidas ou comentários sobre esse artigo? Fale conosco: contact@ecmetrics.com