KI-gestützte Marktforschung – AI-powered market research

Dank der Fortschritte im Bereich der künstlichen Intelligenz (KI) stehen Marktforschern heute eine Vielzahl von Tools und Technologien zur Verfügung, die ihnen einen Großteil dieser Arbeit abnehmen. Davon profitiert insbesondere das Experience Management (XM). Experience Management ist ein umfassender Ansatz mit dem Ziel, über verschiedene Kanäle Feedback von Kunden, Mitarbeitenden und anderen Stakeholdern zu sammeln. Anschließend nutzen Unternehmen das so gewonnene Know-how und die Insights, um die besten Kunden-, Mitarbeitenden-, Produkt- und Markenerfahrungen zu gestalten und bereitzustellen. Sie nutzen den XM-Ansatz also, um neue Erfahrungen zu entwerfen – auf Basis einer ganzheitlichen Marktforschung, die neue Bedürfnisse der Kunden und Mitarbeitenden aufdeckt. Wenn sich der Markt oder die Bedürfnisse ändern, passen sich auch die Kunden-, Mitarbeiter-, Produkt- und Markenerfahrungen entsprechend an. Richtig eingesetzt, führt dies nicht nur zu effizienteren Arbeitsweisen, sondern auch zu tieferen Einblicken in den gesamten Bereich des Experience Managements in Unternehmen.

Konkret sieht ein idealer Anwendungsfall für die Integration von KI in die Marktforschung wie folgt aus: Mithilfe intelligenter KI-gestützter Tools können Forscherinnen und Forscher blitzschnell eine ganze Bibliothek von Videobeiträgen analysieren und sofort eine Zusammenfassung der wichtigsten Erkenntnisse erstellen. Dank KI können auch Schlüsselthemen und wörtliche Zitate direkt extrahiert werden. So stellen die Experten sicher, dass jede Zusammenfassung für ihren konkreten Forschungsfall relevant ist. Unabhängig davon, ob das Videomaterial 20 Minuten oder mehrere Stunden umfasst, verwandelt die KI-Technologie eine mühsame und zeitaufwändige Aufgabe in eine einfach zu handhabende Quelle tiefgreifender Erkenntnisse – und das in Sekundenschnelle.

Ursachenforschung

KI kann nicht nur zusammenfassen, wie die Teilnehmer einer qualitativen Umfrage über ein Produkt oder eine Erfahrung denken, sondern auch Bereiche entdecken, in denen Chancen und Verbesserungspotenzial liegen. So erlauben es die neuesten Tools den Forschern bereits, der KI Folgefragen zu einer früheren Auswertung zu stellen, etwa: „Welches sind die fünf wichtigsten Schmerzpunkte, die die Kunden in ihren Bewertungen hervorgehoben haben? Beispielsweise könnten die Rezensenten mit dem Design eines Produkts unzufrieden sein. Moderne KI-gestützte Tools ermöglichen einen tiefen Einblick, so dass Experten mit einem Doppelklick auf das Feedback herausfinden können, dass die Hauptbeschwerde beispielsweise die Position der Navigationselemente einer Website oder eines Produkts betrifft oder dass das Produkt eines Unternehmens nicht stabil genug ist. Diese Details bieten einen noch nie dagewesenen Detaillierungsgrad und liefern direkte Erkenntnisse, auf die das Unternehmen schnell reagieren kann.

Emotionale Einblicke

Obwohl die zusätzliche Mimik, der Tonfall und die Nuancen des Video-Feedbacks eine Fülle von Informationen liefern können, gibt es immer noch Fälle, in denen eine herkömmliche Befragung die effektivste Methode ist, um Feedback zu erhalten.

Aber selbst diese Umfragen können große Mengen unstrukturierter Daten enthalten, wie z. B. offene Antworten, die in der Vergangenheit viel manuelle Arbeit erforderten. Mit der Entwicklung leistungsfähiger KI-gestützter Textanalysetools ist es nicht mehr notwendig, jede einzelne Antwort einer Umfrage im Detail auszuwerten, da die KI stattdessen die wirklich nuancierten, menschlichen Aussagen hervorhebt. Anstatt das Feedback einfach als positiv oder negativ zu kategorisieren, kann KI-Technologie Kommentare aufdecken, die sich speziell auf drei Kernelemente beziehen: Handlungsfähigkeit, Aufwand und Emotionen, einschließlich der emotionalen Intensität – ohne eine einzige Frage zur Bewertung des Aufwands zu stellen oder jemanden explizit zu fragen, wie er das Produkt oder die Dienstleistung empfindet.

Betrachten wir jede dieser Dimensionen kurz:

1. Die Analyse zeigt konkrete Aktivitätsindikatoren auf, die den Entscheidungsträgern im Unternehmen helfen, direkt Maßnahmen abzuleiten und zu ergreifen, um die Erfahrungen der Kunden oder Mitarbeiter zu verbessern. Dazu gehören Hilfeersuchen (z. B. „Meine Zahlung wird nicht ausgeführt, ich brauche so schnell wie möglich Hilfe“) und Verbesserungsvorschläge (z. B. „Es wäre schön, eine leichter zugängliche Option zu haben“).
2. Der individuelle Aufwand (Effort-Analyse) zeigt Reibungspunkte auf, basierend auf der Art und Weise, wie eine Person diese Erfahrung beschreibt (z.B. „Es war ein absoluter Alptraum, Hilfe von Ihrem Kundenservice zu erhalten. im Gegensatz zu „Es war ein Kinderspiel, meine neue Debitkarte zu bekommen“).
3. Emotionen und emotionale Intensität helfen nicht nur zu verstehen, was die Befragten fühlen, sondern auch wie intensiv diese Gefühle sind. Erst zusammengenommen sind diese beiden Indikatoren von entscheidender Bedeutung, um polarisierende Erlebnisse zu erkennen und darauf einfühlsam zu reagieren, z.B. im Kundenservice, Vertrieb oder Support.

Intelligente Forschung

In einem Umfeld knapper Budgets und Kapazitäten ist eine oft ungenutzte Ressource für strategisches Wissen die vorhandene digitale Forschungsbibliothek eines Unternehmens. Von Markt- und Produktdaten über Markenwerte bis hin zu Kunden- sowie Mitarbeitenden-Feedback. Viele Unternehmen verfügen über jahrelange Studien und Erkenntnisse, die praktisch brach liegen. Bisher war die Suche nach diesen Daten mit einer hohen Ressourcenbindung über einen langen Zeitraum verbunden. KI hingegen kann nun helfen, ohne großen personellen Aufwand auf diesen schlummernden Wissensschatz zuzugreifen und gezielt alle relevanten Erkenntnisse anzuzeigen, die Unternehmen zu einem bestimmten Thema oder einer bestimmten Fragestellung bereits gesammelt haben. Das bedeutet auch, dass Studien, die sonst unentdeckt oder vergessen geblieben wären, wieder sinnvoll genutzt werden. Auf diese Weise können Marktforscherinnen und -forscher auf bereits getätigten Investitionen aufbauen, anstatt sie erneut tätigen zu müssen.

KI-Erkenntnisse hängen jedoch stark davon ab, wie KI eingesetzt wird, um qualitativ hochwertige Antworten zu generieren. Es wird entscheidend sein, oberflächliche Antworten in inhaltlich qualitative Antworten zu verwandeln und die daraus resultierenden Handlungsanweisungen den Abteilungen zur Verfügung zu stellen, die mit dem Kunden interagieren.

Thanks to advances in artificial intelligence (AI), researchers now have a wide range of tools and technologies to do much of this work for them. Experience management (XM) in particular benefits from this. Experience management is a comprehensive approach to gathering feedback from customers, employees, and other stakeholders through a variety of channels. Companies then use the knowledge and insights gained to design and deliver the best customer, employee, product, and brand experiences. In other words, they use the XM approach to design new experiences based on holistic market research that uncovers new customer and employee needs. As the market or needs change, the customer, employee, product and brand experiences adapt accordingly. Used correctly, this not only leads to more efficient ways of working, but also to deeper insights into the overall experience management of an organization.

Specifically, an ideal use case for integrating AI into market research is as follows: Using intelligent AI-powered tools, researchers can quickly analyze an entire library of video testimonials and instantly create a summary of key findings.

AI can also directly extract key themes and verbatim quotes. In this way, experts can ensure that each summary is relevant to their specific research case. Whether the video footage spans 20 minutes or several hours, AI technology transforms a tedious and time-consuming task into an easy-to-use source of deep insight – in a matter of seconds.

Root Cause Analysis

AI can not only summarize how participants in a qualitative survey feel about a product or experience, but also uncover areas of opportunity and potential for improvement. For example, the latest tools already allow researchers to ask AI follow-up questions to an earlier evaluation, such as „What are the top five pain points that customers highlighted in their reviews? For example, reviewers may be dissatisfied with a product’s design. Modern AI-powered tools provide deep insight, so experts can double-click on the feedback to find out that the main complaint is about the location of navigation elements on a website or product, for example, or that a company’s product is not stable enough. These details provide an unprecedented level of detail and immediate insight that the company can act on quickly.

Emotional insights

While the added facial expressions, tone of voice, and nuances of video feedback can provide a wealth of information, there are still times when a traditional survey is the most effective method of gathering feedback.

But even these surveys can contain large amounts of unstructured data, such as open-ended responses, which historically required a lot of manual work. With the development of powerful AI-powered text analytics tools, it is no longer necessary to analyze every single response in a survey in detail, as the AI instead highlights the truly nuanced, human statements.

Rather than simply categorizing feedback as positive or negative, AI technology can uncover comments specifically related to three core elements: Actionability, Effort, and Emotion, including emotional intensity-without asking a single question to assess effort or explicitly asking someone how they feel about the product or service.

Let’s take a quick look at each of these dimensions:

1. The analysis shows concrete activity indicators that help decision makers in the organization derive and take direct action to improve the customer or employee experience. These include requests for help (e.g., „My payment is not being processed, I need help as soon as possible“) and suggestions for improvement (e.g., „It would be nice to have a more accessible option“).
2. individual effort (effort analysis) reveals friction points based on how a person describes the experience (e.g., „It was an absolute nightmare getting help from your customer service. vs. „It was a breeze getting my new debit card“).
3. Emotions and Emotional Intensity not only help us understand what respondents are feeling, but also how intense those feelings are. Taken together, these two indicators are critical for identifying polarizing experiences and responding to them with empathy, e.g., in customer service, sales, or support.

Intelligent research

In an environment of tight budgets and capacity, an often untapped source of strategic knowledge is an organization’s existing digital research library. From market and product data to brand equity and customer and employee feedback. Many companies have years of studies and insights that lie virtually untapped. Until now, searching for this data has required a large commitment of resources over a long period of time. AI, on the other hand, can now help unlock this dormant wealth of knowledge without a lot of human effort, and display all the relevant insights that companies have already collected on a particular topic or issue. This also means that studies that would otherwise have remained undiscovered or forgotten can be put to good use again. In this way, researchers can build on the investments they have already made, rather than having to make them again.

However, AI insights are highly dependent on how AI is used to generate high-quality answers. It will be critical to turn superficial answers into substantive, qualitative answers and provide the resulting actionable guidance to the departments that interact with the customer.