AI zorgt voor integratie van kwalitatief en kwantitatief onderzoek

[ONDERZOEK] ‘AI kan marketeers uren per week werktijd schelen’

Inzichten worden niet alleen sneller, aldus Gammon, ook de nauwkeurigheid is flink verbeterd. Waar het tien jaar geleden nog nodig was om demografische veranderingen zorgvuldig mee te nemen in nationale peilingen voor een verkiezingscampagne, maken statistische modellering en machine learning het tegenwoordig mogelijk om uiterst nauwkeurige voorspellingen te doen op kiesdistrictsniveau, mits de data betrouwbaar zijn.

Hoewel technologie de hoeveelheid beschikbare data heeft vergroot, heeft kwalitatief onderzoek minder snel geprofiteerd van deze vooruitgang. Online focusgroepen hebben de efficiëntie verhoogd, bijvoorbeeld met tekstgebaseerde discussies en persoonlijke videoreacties, maar de kloof met kwantitatief onderzoek is gegroeid. AI verandert deze dynamiek door snelheid, verfijning en de rapportagekwaliteit te verbeteren, wat de disciplines dichter bij elkaar brengt.

In de nabije toekomst zullen kwalitatief en kwantitatief waarschijnlijk niet langer als gescheiden methoden worden gezien, voorspelt Gammon. Ze zullen elkaar aanvullen en het “wat” en “waarom” van data tegelijkertijd belichten, wat zorgt voor een meer omvattend beeld van de werkelijkheid.

Binnen het onderzoeksdomein lijkt kwalitatief onderzoek soms minder belangrijk door de hogere kosten en tragere uitvoering. Maar AI brengt hier verandering in: door de kwaliteit en snelheid van kwantitatief onderzoek te verbeteren, kunnen onderzoekers grote hoeveelheden tekst analyseren, thema’s identificeren en in korte tijd duizenden reacties verwerken. Dit levert waardevolle inzichten op, iets wat tot voor kort ondenkbaar was.

Daarnaast helpt AI vooringenomenheid bij onderzoekers te verminderen door te luisteren naar de woorden van respondenten zelf. Vragenlijsten kunnen beter worden afgestemd op hun taalgebruik en aandachtspunten, waardoor bijvoorbeeld zorgen van ouderen uit plattelandsgebieden over brandstofprijzen niet worden gemist, zelfs als de onderzoeker zelf in een heel andere omgeving leeft.

De mogelijkheden van AI in kwalitatief onderzoek zijn groot. Als een bedrijf twijfelt over een campagne, kan het feedback verzamelen van consumenten en potentiële negatieve reacties identificeren nog vóór lancering. Real-time feedback wordt cruciaal, vooral in sectoren als technologie, waar gebruikerservaringen en interfaces vaak via kwalitatieve methoden als etnografie en diepte-interviews worden geanalyseerd.

Ook geeft de technologie ons inzicht in menselijke denkprocessen. Daniel Kahneman’s model over Systeem 1 en Systeem 2 – respectievelijk het snelle, intuïtieve denken en het langzamere, bewuste denken – kan nu in beide dimensies worden bestudeerd. Waar voorheen alleen het trage, afwegende gedrag op schaal werd onderzocht, stelt AI ons nu in staat om ook snelle, instinctieve reacties op grote schaal vast te leggen.

De schaalbaarheid van AI in kwalitatief onderzoek is opmerkelijk: duizenden spraak- of videoreacties kunnen nu snel worden verzameld en geanalyseerd. Bedrijven kunnen inzicht krijgen in klanttaal en gedrag analyseren, inclusief het exacte moment waarop klanten voorkeur geven aan een bepaalde dienst. AI zorgt ervoor dat kwalitatief onderzoek nu net zo snel en efficiënt kan worden uitgevoerd als kwantitatief onderzoek, waardoor de grens tussen beide verdwijnt.

Over enkele jaren zullen deze onderzoeksmethoden waarschijnlijk volledig in elkaar overlopen. Vragen zullen worden gesteld in een natuurlijke, menselijke vorm – via spraakmemo’s, tekstberichten en video’s – en antwoorden zullen zowel het wat als waarom onthullen. AI helpt deze inzichten uit elkaar te halen en te kwantificeren, waardoor onderzoek zowel in diepgang als in schaal toeneemt.