شخصیت‌های هوش مصنوعی در دنیای تحقیقات محبوب‌تر می‌شوند، اما تا چه حد می‌توانند دیدگاه‌های مصرف‌کنندگان را تکرار کنند؟

هوش مصنوعی (AI) باعث ایجاد تغییرات بسیاری در جهان می‌شود و بسیار بعید است که تحقیقات بازار از تأثیر آن جلوگیری کند. استفاده‌های هوش مصنوعی می‌تواند متعدد باشد، اما در ماه‌های اخیر، یکی از پرطرفدارترین زمینه‌ها در صنعت بینش، استفاده از «شخصیت‌های» هوش مصنوعی برای کمک به ارائه روشی مرتبط‌تر جهت استفاده از داده‌های مصرف‌کننده بوده است.

شخصیت‌های هوش مصنوعی توسط چندین شرکت معرفی شده‌اند و به ارائه «چهره انسانی» به داده‌های مصرف‌کننده که شرکت‌ها دارند، کمک می‌کنند و اغلب دیدگاه‌ها، رفتارها و نگرش‌های بخش‌های خاص از طریق یک رابط هوش مصنوعی که می‌تواند توسط محققان مورد استفاده قرار گیرد، ارائه می‌دهند. اما آیا این پرسوناها در واقع دیدگاه‌های مصرف‌کنندگان را به درستی به تصویر می‌کشند؟ و چه نقشی می توانند در فرآیند تحقیقات بازار ایفا کنند؟

بخش تحقیقات MMR اخیراً آزمایشی را برای ابزار شخصیت خود انجام داده است و غذای گیاهی با نام تجاری Gosh را وارد بازار کرده است! در اینجا اهداف دوگانه بود: اول، دریافت دیدگاهی بی‌طرفانه در مورد اینکه آیا شخصیت‌ها می‌توانند ارزش ارائه کنند یا خیر، و دوم، بررسی این که آیا آن‌ها گزینه مناسبی برای مشاغل کوچک تا متوسط ​​هستند یا خیر.

برای شخصیت‌ها، بخش تحقیقات MMR   از داده‌های یک مطالعه تقسیم‌بندی مصرف‌کننده بر روی بیش از 3000 نفر در بریتانیا استفاده کرد تا از طریق یک مدل یادگیری ماشین به یک رابط مبتنی بر گفت‌وگو وارد شود. شخص به دنبال نمایش بخش‌هایی از درون مطالعه بود و بنابراین همانطور که پاسخ‌دهندگان واقعی به ایده‌ها و محرک‌های جدید پاسخ می‌دادند، پاسخ می‌داد. پرسونا به گونه‌ای ساخته شده است که امکان اجرا با استفاده از داده‌های داخلی یک برند وجود داشته باشد. الکساندرا کوزمینا (Alexandra Kuzmina)، معاون نوآوری در MMR Research بیان کرد: "ما واقعاً می‌خواستیم بفهمیم که آیا شخصیت‌ها قابل دوام و مفید هستند و برای برندها  و مارک‌های کوچک‌تر مانند Gosh کاری انجام می‌دهند یا خیر."

این آزمایش، پاسخ‌های 500 مصرف‌کننده واقعی را با پاسخ شخصی که درباره مفهوم محصول غذایی گیاهی خانواده‌محور از آن خواسته شد، مقایسه کرد. مصرف‌کنندگان پاسخ‌های کوتاه‌تر متعددی را ارائه کردند، در حالی که شخص چند پاراگراف متنی بیان کرد که به طور کلی به مفهوم پاسخ می‌داد. سپس یک تحلیل موضوعی با مقایسه پاسخ‌های شخص و مصرف‌کنندگان انجام شد.

نتایج نشان داد در حالی که پرسوناها پاسخ‌های بسیار دقیقی به خصوص در مورد اهمیت پایداری می‌دهند، مصرف‌کنندگان می‌توانند ایده بهتری از اهمیت جنبه‌های مختلف مفهوم محصول ارائه دهند. به عنوان مثال، طعم و بوی خوب توسط مصرف‌کنندگان بالاترین رتبه را به خود اختصاص داده و سپس کیفیت مواد تشکیل‌دهنده جایگاه بعدی را به خود اختصاص داده است، در حالی که شخص فکر می‌کند ارگانیک بودن محصول مهم‌ترین عامل است.

تشویق و کاوش

چگونه می‌توانید شخصیت‌ها را به دیدگاه‌های مصرف‌کنندگان واقعی نزدیک کنید؟ پاسخ این است که پرسوناها را برای اطلاعات بیشتر بررسی کنید و از آن‌ها سؤال بپرسید. کوزمینا می‌گوید: "ما باید واقعاً شخصیت‌ها را بررسی می‌کردیم و این یک مهارت واقعی است."

هنگامی که شخص مورد سوال قرار گرفت و برای بازخورد بیشتر ارتقا پیدا کرد، پاسخ‌های آن بسیار نزدیک به پاسخ‌های مصرف‌کنندگان مورد بررسی البته نه یکسان بود. کوزمینا توضیح می دهد: "این یک نتیجه مثبت بود، و این شخص من را شگفت‌زده کرد، زیرا در ابتدا شک داشتم. داده های اولیه و این پاسخ‌ها نشان می‌دهد که چقدر پرسونا می‌تواند برای برخی برندها مفید باشد."

آیا یک مدل دیگر نیز می‌تواند همین کار را انجام دهد؟ کوزمینا می‌گوید که آزمایش را با ChatGPT تکرار کرده است. او می‌افزاید: "من زمان زیادی را صرف کردم تا چیز مفیدی به دست بیاورم. یک مدیر برند در هر شرکت FMCG احتمالاً وقت بازی کردن با آن را نخواهد داشت، حتی اگر در دستان آن‌ها باشد. استفاده از این ابزارها بدان معنی است که همه به دنبال نوآوری‌های بسیار مشابه هستند.

یک چهره انسانی

از تحقیقات مصرف‌کننده در دو مرحله توسعه محصول استفاده می‌شود، اما پرسوناها این توانایی را فراهم می‌کنند که به برندها یک نقطه دسترسی اضافی به داده‌های مصرف‌کننده‌شان بدهند. جیک اشنایدر (Jake Schneider)، مدیر ارشد نوآوری در Gosh! Food می‌گوید: "این امکان به کسب‌وکارهای کوچک‌تر که ممکن است در قابلیت‌های تحقیقاتی خود محدود باشند، بینش‌های ارزشمندی ارائه می‌دهد. این رویکرد به ما این امکان را می‌دهد که بررسی‌های حسی مبتنی بر مصرف‌کننده را در تحقیقات اولیه خود بگنجانیم، از تصمیمات داخلی حمایت می‌کند و به ما اطمینان می‌دهد که در مسیر درست هستیم. علاوه بر این، مقرون به صرفه است و دسترسی فوری به دیدگاه‌های مصرف‌کننده را فراهم می‌کند و به ما امکان نوآوری می‌دهد."

این آزمایش نقش افراد را در کار با هوش مصنوعی برجسته می‌کند. کوزمینا می‌گوید: "یک شخصیت، جایگزین تحقیقات اولیه نمی‌شود و ما هنوز باید با افراد واقعی صحبت کنیم. یک عنصر انسانی وجود دارد که وارد داده‌ها می‌شود، زیرا شخصیت‌ها در داده‌های مصرف‌کننده مستقر هستند."

 همچنین باید در روشی که کاوش می‌کنیم خلاقیت بیشتری داشته باشیم و باید از طراحی مکالمه، مشابه نحوه طراحی سوالات ربات چت خود استفاده کنیم تا بتوانیم بیشترین بهره را از آن ببریم ولی بدین معنی نیست که پرسوناها جایگزین چیزی شوند، اما به این معنی است که رابطه‌ای که ما به عنوان محقق با داده‌ها داریم و همچنین مشتریان با داده‌ها و انتظاراتی که در مورد محصولات قابل تحویل دارند، تغییر خواهد کرد.