消滅焦點小組:市場研究的中斷

了解人們的想法和行為是很困難的——看看選舉民意調查機構麵臨的持續挑戰就知道了。

但隨著購物活動越來越多地轉移到網上，市場研究——指的是公司識別和分析消費者需求的方式——正在通過利用大量、高質量、實時更新的消費者行為新數據集進行重新構想。

此外，人工智能(AI)、聊天機器人和虛擬現實等新興技術正在顛覆麵對麵焦點小組和電話訪談等過時的數據收集流程。

在這份報告中，我們將探討市場研究的作用，它在大規模技術突破中如何變化，以及該行業的未來。

目錄表

• 什麼是市場調查?
• 技術對整個產品生命周期的市場研究的影響
  • 發展:早期市場研究的效率越來越高
  • 推出:更快、更便宜的消費者反饋
  • 增長:處理數據的新方法將促進業績跟蹤
• 市場研究的未來

什麼是市場調查?

公司通過市場調查來了解客戶的偏好和需求。

這些努力可以包括確定新產品或服務的目標市場，了解公司當前品牌活動的效果，以及跟蹤競爭對手和競爭產品的價格。

多年來，研究人員已經確定了各種方法來獲取市場研究的定量數據。市場研究最早的例子可以追溯到20世紀20年代，當時由心理學家丹尼爾·斯塔奇(Daniel Starch)領導的一組研究人員在街上走近人們，了解在印刷出版物上展示廣告的有效性。他們讓人們回憶他們是否在雜誌和報紙上看過某些廣告，然後將回憶值與出版物的發行量進行比較。這後來被稱為澱粉測試。

上世紀30年代，喬治·蓋洛普(George Gallup)發明了一種至今仍被廣泛使用的民意調查技術，從一個小樣本中判斷大量人口的態度。

在收集了客戶的定量數據後，市場研究人員在20世紀40年代將重點轉向了定性研究。這有助於研究人員深入了解人們購物的原因和方式。研究人員通過麵對麵訪談、焦點小組和研究小組收集數據來做到這一點。

市場研究方法的下一波重大變革伴隨著互聯網的出現。營銷研究的一個裏程碑是1995年開發的Analog軟件，該軟件允許網站所有者跟蹤他們的使用模式。該軟件使市場研究人員能夠訪問有關用戶如何與網站、產品或服務互動的數據。Analog被認為是穀歌Analytics的前身，穀歌Analytics是目前分析軟件的市場領導者。

Analog創建的示例報告。來源:Web存檔

互聯網改變了手工進行市場調查的過程。麵對麵和電話訪談被在線調查所取代，而在線數據彙總則取代了焦點小組和研究小組。

然後是智能手機——另一個改變市場研究遊戲規則的產品。隨著世界上幾乎一半的人口擁有這些通訊設備，市場研究人員獲得客戶數據變得容易得多。

來源:B2B國際

在過去，市場研究數據集往往是小的、低質量的，並且是基於調查客戶子集的信息手工創建的。現在，研究人員正在從這種通常效率低下的方法轉向被動地分析消費者行為，方法是利用直接從消費者行為中產生的大量不斷更新的數據集。例如，Netflix能夠捕捉所有用戶的觀看習慣，並在發生變化時進行調整。

這些客戶數據的深井——其中大部分是自動從購買曆史、情感分析和社交媒體挖掘等來源獲得的——可以提供一個更全麵的客戶偏好圖。

技術對整個產品生命周期的市場研究的影響

自從斯塔奇第一次去發現平麵廣告的有效性以來，市場研究的目標並沒有太大變化。研究人員仍然想知道消費者的想法。

市場研究已經融入到產品生命周期的每一步，它包括三個主要階段:發展，發射,增長。

在發展在這個階段，公司希望將新產品或服務推向市場，並考慮如何最好地銷售它。在這裏，市場研究人員確定潛在客戶和分銷渠道。此外，研究人員分析客戶趨勢並創建模型來預測目標受眾對產品或服務的使用情況。

一旦企業確定了目標市場，他們就會想要發射一種產品，衡量目標消費者對它的反應。市場研究人員幫助收集和分析來自試點計劃和初始客戶的反饋。

市場調查也起到了支持的作用增長一個產品的。在產品或服務推出後，研究人員可以幫助公司跟蹤競爭產品，調整產品以適應不斷變化的消費者趨勢，並評估廣告活動的效果。

下麵，我們來看看技術是如何在產品生命周期的每個階段擾亂市場研究的。

發展:早期市場研究的效率越來越高

像自然語言處理(NLP)這樣的人工智能應用——自動理解單詞上下文的軟件——和機器學習正在幫助減少人類在早期市場研究上花費的精力。此外，這些進步使預測模型更加準確，並為研究候選人提供更好的候選名單。

語音助手正在改變候選名單的使用方式

在市場研究的發展階段，研究人員仍然是識別潛在客戶和目標市場的組成。識別潛在客戶的一部分是創建一個候選名單。

自動化工具減少了創建候選名單的工作量。曾經，市場研究人員必須手動創建潛在客戶的候選名單，而現在，人工智能算法正在開發中，以便在比人類管理的更大的數據庫中進行解析，而且速度更快。

有了入圍名單，市場研究人員也在使用支持自然語言處理的語音助手(界麵與Siri或Alexa類似)來進行調查，而不是使用紙質或數字表格。NLP幫助這些數字語音助手“理解”人類在這些調查中的反應，並允許他們跟進相關問題。

這種方法正在迅速獲得支持。美國體驗管理公司Qualtrics的研究表明，未來5年內，四分之一的調查將通過數字助理進行。

自動化技術正在幫助研究人員解析非結構化數據，以創建消費者檔案

機器學習等人工智能應用程序也使研究人員能夠利用來自電子郵件、社交媒體和照片等來源的大量半結構化和非結構化數據。例如，設計算法的目的是在分析客戶的公開在線表現(比如他們在訪問的網站上留下的圖片和評論)時，挑選與營銷人員的研究相關的單詞和短語。

MonkeyLearn該公司聲稱，其數據分析工具解析電子郵件或客服單等非結構化數據的速度比人類快1200倍。

來源:MonkeyLearn

研究人員可以通過將這些非結構化數據(約占所有生成數據的90%)與結構化數據(如購買曆史)相結合，創建預測模型來構建客戶檔案。

很快樂這家總部位於台灣的數據和人工智能公司表示，在利用非結構化數據進行預測建模後，它幫助專注於經濟的雜誌《聯邦》(CommonWealth)的訂閱量和購買量增加了404%。Appier首先預測了可能訂閱CommonWealth的消費者，然後根據從其預測模型中挑選的特定模式確定了其他用戶的範圍。

情感分析使研究人員能夠收集到更真實的客戶反饋

除了分析客戶，市場調查還涉及了解他們在購物或使用服務時的行為。

情緒分析是市場研究人員正在尋找的一種分析客戶行為的方法，它旨在了解某人對某事的情緒反應。

例如，像Karna AI的SmartGaze提供的眼球追蹤技術，使用相機來衡量店內活動和包裝設計的有效性，以及消費者對品牌的接受程度。該公司聲稱，與人類追蹤這些眼球運動相比，他們的軟件產生洞察力所需的時間減少了85%，而成本卻減少了40%。

來源:他們包括人工智能

旅遊預訂網站Expedia也采用了類似的情緒分析技術來追蹤消費者在使用其網站時的情緒。在其位於華盛頓的可用性實驗室(Usability Lab)，該公司吸引顧客，然後在他們預訂時通過眼動儀和麵部傳感器記錄生物特征信息。

自然語言生成被用於創建研究報告

撰寫關於競爭對手或產品在行業中如何運作的文獻是市場研究的重要組成部分。為了提高效率，該領域的一些人開始使用自然語言生成(NLG)來生成業務見解，這是一種將數據表示為易於理解的文本的人工智能應用。

例如，NLG平台Wordsmith根據基本輸入數據生成營銷分析和敘述等商業智能報告。目前，這些類型的報告大多限於幾個段落，但在不久的將來可能會增加。

品牌形象跟蹤正在實現自動化

市場研究的另一個功能是追蹤一個品牌在媒體和社交媒體上的表現。然而，在忽略無關的關鍵詞提及的情況下，手動跟蹤整個網絡上的品牌提及是一項耗時的工作。新的服務旨在加快這一進程。

例如,Talkwalker聲稱它可以快速幫助品牌過濾掉不相關的數據，比如區分提到的蘋果(公司)和蘋果(水果)。這家人工智能公司還表示，它的技術可以檢測到對品牌的視覺提及，並進行情感分析，以了解品牌被提及的背景。

與此同時，像Mentionlytics這樣的平台致力於“社交傾聽”，幫助品牌管理自己的聲譽。提供這項服務的公司旨在分析品牌的社交媒體提及、客戶評論和客戶問題等數據。

來源:Mentionlytics

推出:更快、更便宜的消費者反饋

在收集了潛在客戶和偏好的數據後，市場研究的下一步是在公司產品或服務發布前和發布期間對其進行測試。科技讓這一切變得更容易。

AR和VR在某些情況下降低了駕駛成本

在公司將產品或服務推向整個市場之前，市場研究人員傾向於在較小的客戶群體中測試產品或服務。增強現實和虛擬現實(AR/VR)使這項研究更快、更容易——盡管相關的成本目前限製了用例。

例如，如果一家公司想要客戶對新的商店布局的反饋，它通常會調查客戶，看看他們是否喜歡擬議的變化。或者它可以根據新的布局安排現有商店的一部分，並記錄顧客對它的反饋。這個過程既耗時又昂貴。

但通過使用虛擬現實技術，該公司可以引入一群客戶，讓他們戴上虛擬現實耳機，體驗新的布局。這是一種更可靠、更真實的方式來記錄受訪者的反應，而不是讓他們回憶他們最近一次去類似的商店，或者想象如果他們在這樣的商店裏會有什麼感覺。

英國的System 1 Research公司針對不同的品牌進行了一項實驗，以測試顧客在貨架展示、價格和包裝等變量方麵的購物選擇。英國最大的連鎖雜貨店之一樂購(Tesco)也采用了類似的技術，通過創建虛擬購物體驗來衡量顧客的反饋，然後再決定如何最好地開設新店。

截圖來自System 1 Research的VR購物工具。來源:Martech今天

人工智能使新形式的情緒分析和觀察研究成為可能

市場研究人員正在將人工智能工具應用於觀察性研究，研究客戶如何實際使用產品。

例如，Karna AI的Perceptron通過用戶與產品交互的視頻進行分析，並根據人類很難注意到的細微細節產生見解。在一項了解哪種胡須修剪器最適合用戶的實驗中，感知器收集的數據包括修剪所花費的總時間、麵部各部分的胡須密度以及用戶在操作修剪器時的麵部表情。

來源:他們包括人工智能

跟蹤實時使用數據有助於研究人員收集更好的客戶反饋

分析產品或服務的使用情況可以幫助市場研究人員持續了解消費者的行為。

總部位於舊金山的InterQ他說，“即時獲取客戶的反饋可以獲得最真實的數據。”例如，如果一家公司想要了解消費者是如何與其手機應用互動的，那麼跟蹤實時使用數據可能會提供比在調查中要求消費者回憶一次體驗更真實的結果。

這是另一個非結構化數據可以幫助營銷人員衡量客戶對產品或服務的反應的領域。

以零售商店為例。出於安全考慮，商店有閉路電視錄像，但這也被用來捕捉顧客對商店布局變化和不同產品的反應。此外，零售商正在使用這種方法來幫助了解與天氣、一天中的時間、文化或體育活動有關的客流。

有些人甚至把這種方法走得更遠。則報道最多隻能延緩微軟方麵的啟動進度冷卻器的屏幕例如，該公司提供的冰箱可以檢測購物者的活動，提供廣告，並監控庫存以衡量銷售結果。

增長:處理數據的新方法將促進業績跟蹤

一旦一種產品或服務推出，市場研究人員就會追蹤它在市場上與競爭對手的產品相比表現如何。這是通過品牌跟蹤和比較產品性能來實現的。

企業自動跟蹤競爭對手，動態調整價格

公司經常調整價格以保持與競爭對手的競爭力，但這一過程可能需要耗費大量時間和精力。然而，一些公司正在提供旨在自動化這些跑腿工作的工具。

Turkey-basedPrisync例如，它是一種基於訂閱的服務，幫助電子商務企業跟蹤定價。該公司的工具可以抓取選定的url，讓企業檢查競爭對手的價格，知道競爭對手的產品何時缺貨，並調整產品價格。

人工智能支持的技術正在改變廣告

市場研究人員跟蹤一個公司的產品廣告在其目標受眾中的表現。例如，人工智能公司Affectiva依靠情感分析來追蹤瑪氏廣告活動的效果。該公司使用參與者的網絡攝像頭來追蹤他們在觀看瑪氏廣告時的麵部和情緒反應，這些數據被用來預測銷售情況。

公司還使用自然語言處理來識別可能適合推廣產品的名人和社交媒體影響者。在2016年的超級碗活動中，汽車製造商起亞(Kia)使用IBM的人工智能軟件沃森(Watson)來識別有影響力的人，並將其作為活動的一部分。沃森分析了社交媒體上有影響力的人在他們的個人資料中使用的語言，以確定哪些人表現出了起亞希望與其品牌聯係在一起的特征——在這種情況下，“樂於改變”、“藝術興趣”和“努力取得成就”。

直接麵向消費者的模式正在改變數據收集

在過去十年中，直接麵向消費者(D2C)的品牌越來越受歡迎。這樣的公司Casper、Allbirds和Everlane開創了接觸客戶的新方法這種方法使品牌能夠與客戶以及他們的數據建立更緊密的關係。

現有的公司，尤其是包裝消費品(CPG)公司，現在也在開設D2C商店。例如，百事可樂於2020年5月開始在自己的D2C平台上銷售其品牌產品，而啤酒集團百威英博(AB InBev)正在歐洲試點一家在線商店。

雖然這些舉措在一定程度上是對伴隨疫情而來的網上購物激增的回應，但它們主要代表了這些公司收集客戶更好數據和試驗新產品的一種方式。

與等待零售合作夥伴衡量新產品的表現相比，這種D2C方法可能會被證明要快得多，有助於品牌在適應新興消費趨勢時更加靈活。

聊天機器人正在幫助收集更多的消費者數據

新一波的聊天機器人正在幫助市場研究人員更有效地吸引用戶並收集信息。CONVRG進行的一項調查發現，高達80%的聊天機器人用戶回答了問題，包括開放式問題，比通過電子郵件調查收到的回複高出3倍。

企業可能會通過聊天機器人提出各種問題，從客戶試圖解決的問題到他們的位置。這些都是公司了解客戶對其產品和服務的反應的有用數據。

例如，數據洞察公司Kantar使用NLP通過WhatsApp和Facebook等平台上的會話聊天機器人以及語音助手進行市場研究。與此同時，總部位於瑞典的家具公司宜家正在使用一個名為ORC的聊天機器人來收集顧客的反饋。

來源:Smart Insights

市場研究的未來

隨著新興技術使收集消費者數據的新方法成為可能，市場研究將不斷發展。

隨著人們的注意力持續時間越來越短，通過信息和聊天機器人進行的微調查可能會優先於電子郵件調查等方式。

從視頻中收集數據的需求也將變得越來越重要，據思科稱，到2022年，預計超過82%的消費者互聯網流量將以視頻形式出現，比2017年增長15倍。此外，市場研究人員可能很快就會嚴重依賴語音設備和虛擬助手來進行研究。

盡管這些技術應用帶來了效率和新見解，但挑戰也迫在眉睫。

隨著不斷進步的人工智能技術使市場研究人員能夠處理更多數據，他們還需要考慮識別數據中的偏見，並采取措施確保自動化分析方法適用於現實世界。此外，世界各地的監管機構越來越多地采取行動，通過歐洲的《通用數據保護條例》(GDPR)等隱私保護規定，讓消費者對自己的數據有更多的控製權，這可能會成為市場研究行業的障礙。

但更可能威脅現有企業的是，這些由新技術驅動的市場研究方法往往需要全新的技能。這可能會使行業中的一些大公司更容易受到精通技術的初創公司的攻擊，或者導致並購熱潮，因為現有公司競相跟上新興技術的步伐，並尋找利用這些技術所需的人才。

市場研究公司是了解他人的專家。然而，現在比以往任何時候都更重要的是，他們必須確保了解自己的盲點，以避免落後。

客戶端可以查看3500+廣告技術創業公司在這個專家集合。專家情報客戶可以點擊這裏查看我們關於目標營銷公司的報告。

如果你還不是客戶，注冊免費試用了解更多關於我們平台的信息。