Недавно коллеги в чате исследователей задались вопросом о перспективах работы по модели Discovery в контексте текущих трендов, в первую очередь связанных с распространением ИИ. Решила продублировать свои размышления в более развернутом формате.
С точки зрения влияния ИИ на развитие рынка исследований - видится, что это условно «третья волна цифровизации»
Первая волна: онлайн-панели
Вторая волна: big data
Третья волна: ИИ
При переходе к онлайн-исследованиям возникло 2-3 сильные панели и несколько сервисов для проведения онлайн-опросов, которые сейчас активно используются и дискуссии по этому вопросу возникают редко. Таким же образом можно в перспективе создать качественные инструменты на базе ИИ и big data, которые помогут решать базовые задачи исследований на доступном этим технологиям уровне и освободить нас от рутинных задач. Очевидно, что пока на рынке нет таких же сильных решений в таком формате, как это было с онлайн-исследованиями. Если кто-то считает, что есть - то было бы интересно узнать о них?
В дискуссии о снижении сроках и стоимости исследований очевидно, что у заказчиков бывает потребность в исследованиях разной глубины - и другую модель поиска инсайтов или фактов для решения стратегических задач пока сложно представить в реализации. Скорость разработки новых решений и выхода с ними на рынок - важны, и для этого необходимо "мыслить смелее и двигаться быстрее". Но «выйти на рынок» и «добиться успеха этим выходом» - не всегда одно и то же. Далеко не правило, что тот кто первый выходит с идеей или продуктом снимает с неё сливки - именно потому что вышли «не так», не оценили перспективы или контекст, не проработали стратегию, не учли вероятность каннибализации, и ещё довольно много может быть рисков при недостаточно продуманном выходе на рынок. Особенно чувствительно, когда после с идеей выходит конкурент - и срывает джекпот.
Растет значимость «консалтинговой» составляющей роли исследователя и «личного бренда». Даже если научить ИИ ассистента рассуждать как конкретный эксперт, вряд ли он полностью его сможет заменить. Ведь качество интерпретации находится в прямой зависимости от опыта аналитика (профессионального и личностного) - и этот опыт работает на решение задачи в контексте. Ты работаешь над проектом второй месяц - у тебя в голове десятки интервью, столько же тренд-репортов и ещё много данных разного характера… идешь по улице или наталкиваешься на какой-то сервис, контент - как вдруг все вместе схлопывается в нужную концепцию или формулировку… Пока ИИ не живет самостоятельной полноценной жизнью, то полностью «упаковать» человека в ИИ вряд ли будет возможно в ближайшие годы. Доверие экспертизе всегда создавало ценность «качественных» данных - и ничего не изменится с ИИ. Потому что пока использование этого инструмента сильно зависимо от источников данных и того кто с ним работает. И никто не отменял преимуществ взаимодействия с «живыми» профессиональными экспертами, от которых команда получит не только ответы на вопросы, но качественный опыт решения задачи и погружения в процесс. В принципе, личностный капитал, культура общения и презентационные навыки ещё долго будут преимуществом экспертов над цифровыми инструментами.
Бывают мысли о том, что проблема снижения доверия заказчика к исследованиям не столько в ИИ - сколько в большом количестве «шума» из-за данных и подрядчиков разного уровня качества. А ИИ - только один из предикторов. К другим факторам можно отнести переход на удаленку со снижением у исследователей понимания происходящего в индустрии и рост доли фрилансеров разной степени компетентности. И большую проблему здесь иногда вижу в том, что исследователи в такой системе «перепродажи отчетов» превращаются в лучшем случае в «аккаунтов», а в худшем - занимаются «пересылкой материала» без понимания содержания. Некоторые компании начинают это понимать - и пытаются выйти напрямую на поставщика, чтобы сократить сроки и стоимость. Получается так, что на этом порочном паттерне теряют и заказчики, и профессиональные исследователи, и агентства с экспертами - а зарабатывают «перекупщики». Чтобы «шум» почистить - надо создать хорошую «нормативную базу данных» для сравнения и сильнее дифференцировать услуги профессиональных исследователей по срокам и ценам, создать функциональный агрегатор для поиска поставщиков и сделать процесс более прозрачным.
Относительно ИИ хочется отметить, что помимо удобного решения рутинных задач компетентными специалистами, распространение ИИ создает новые оккейжены в запросах на исследования. Продукты и сервисы на базе ИИ становятся значимым каналом коммуникации/ средой присутствия бренда. На практике был кейс, когда сам запрос на исследование актуализировался через то, что заказчик начал анализировать свой бренд и рынок через ChatGPT - и получил в ответе на запрос не тот образ своей компании, каким он сам его видит или хочет видеть (соотвественно, захотел проверить гипотезу на «живых» исследователях - понять почему так и что можно с этим можно сделать).
Тема «представленности» бренда в ИИ актуальна и с точки зрения канала CJM, и с точки зрения имиджа бренда. Индустриальные репорты говорят: надо учитывать специфику «алгоритмов ИИ» чтобы сформировать имидж бренда в набирающем популярность канале коммуникации. И в связи с этим возникает особый интерес к экспертным изданиям и качественной информации - так как эти источники данных алгоритмами ИИ приоритизируются.
Даже категории, которые обычно не так сильно следят за присутствием бренда в экспертных СМИ - сейчас больше заинтересованы в этом контексте.
А с B2B и B2G ситуация очевидная. Крупные бренды исторически проводят индустриальные исследования самостоятельно или с подрядчиками - наполняя свой рынок информацией и подтверждая образ «бренда-эксперта» и «бренда-визионера». Но важно, чтобы информация была, действительно, качественной и эксклюзивной. Поэтому видится перспективным развивать подход к совместным исследованиям:
- предлагать вместе с исследованием услуги PR на базе полученных данных
- договариваться о возможности использования части данных для PR
Если делать выводы, то основные недостатки ИИ для сферы исследований в высокой зависимости результатов от качества запроса и источников данных, которые используются для работы инструмента. Преимущества - в скорости и низкой стоимости автоматизации решения рутинных задач. А в контексте масштабов распространения - инструменты на базе ИИ становятся востребованным источником информации и точкой в CJM для аудитории, создавая новые ситуации потребностей в исследованиях для пересмотра стратегии коммуникации и изучения представленности бренда в канале. Ориентируясь на принципы приоритизации информации в нейросетях повышается значимость надежных источников данных, экспертных публикаций в авторитетных СМИ и интерес брендов к исследованиям и продвижению через качественный контент в каналах с хорошей репутацией.
Исходя из этих наблюдений возникают мысли, что скорее мы ещё не смогли реализовать возможности ИИ и других актуальных источников данных для получения качественной информации и повышения эффективности работы, в котором могут быть заинтересованы как заказчики, так и поставщики. А полезно было бы иметь агрегатор данных от компаний, которые их фиксируют или специализированный аналог ChatGPT, ассистентов обученных на базе агентств или отдельных экспертов индустрии с возможностью получить дополнительную консультацию от самого агентства или эксперта. Таким образом, быстро работающие по малым выборкам подрядчики смогут данные как-то валидизировать. Исследователи с классической поисковой моделью не будут тратить время на погружение в рынок с нуля и зависеть от готовности заказчика делиться внутренней аналитикой и получат дополнительное входящее окно для новых проектов и заказчиков через популяризацию своих ИИ двойников. Компании, владеющие данными о своих продуктах и сервисах смогут делиться ими не только в B2B и B2G среде - но и развивать имидж «эксперта» или «визионера» для широкой аудитории, заявляя о себе как о драйвере категории.