Focus groups são uma das práticas de marketing que vão ter que se reinventar nessa nova economia Low Touch. Como encontrar boas ideias, rapidamente, para criar produtos que atendam de forma inovadora as necessidades dos consumidores? Ou, melhor, como saber o que querem os consumidores sem juntar um grupo deles em uma sala fechada?
Uma das respostas pode estar na mineração de dados online em lugares diferentes, e um estudo liderado pelo russo Artem Timoshenko, professor assistente de marketing na Kellogg School of Management, da Northwestern University, aponta um caminho: analisar, com ajuda de algoritmos de machine learning, os reviews e comentários nos sites de e-commerce.
O estudo foi conduzido por Timoshenko e pelo pesquisador John Hauser, da MIT Sloan School of Management, em parceria com a consultoria Applied Marketing Science, Inc. (AMS), com mais de vinte anos de experiência em pesquisa de mercado. O tema da prova de conceito foi escovas de dentes. A AMS tinha um estudo recente com focus groups tradicionais sobre o produto e se animou a entrar no projeto para validar a hipótese.
Os pesquisadores reuniram reviews sobre escovas de dentes publicados na Amazon, somando um relatório de mais de 12 mil palavras, e usaram um algoritmo de machine learning que “limpou” comentários que não teriam qualquer peso na inovação de produto (tipo: “meu filho ama essa escova“). Esse relatório foi então analisado pelos especialistas da AMS usando as mesmas técnicas de review de focus groups.
O resultado é animador: os insights de inovação usando os reviews online foram 97% compatíveis com as 86 ideias identificadas nos focus groups humanos, mas com a vantagem de apresentar 8 novas ideias, um desempenho 10% melhor que o das técnicas tradicionais. Timoshenko publicou o estudo em uma base de conteúdos científicos e o código do algoritmo foi liberado gratuitamente para empresas.
O lançamento dos interaction models pela Thinking Machines redefine a fronteira entre homem e máquina. Mas cuidado: a tecnologia que resolve o gargalo técnico pode ser a mesma que atrofia as habilidades sociais do seu time.
Pesquisa do MIT SMR e do BCG responde: não! Painel com 31 especialistas globais indica que a supervisão humana em IA exige mais do que verificar outputs: exige julgamento em todo o ciclo de vida dos sistemas.
Em menos de um ano, a taxa de sucesso em testes de autorreplicação saltou de 6% para 81%. O tempo médio de detecção nas empresas ainda é de 10 dias.
Uma onda de organizações que demitiu em nome da IA está refazendo o caminho, só que agora com custos 27% maiores, equipes que perderam a confiança na liderança e o conhecimento institucional que foi embora junto com os funcionários
Mais da metade dos CEOs ouvidos pelo BCG diz que seus conselhos confundem narrativa midiática com realidade operacional da IA; 60% acreditam que estão sendo pressionados a agir rápido demais
A empresa, que investe em educação de colaboradores e clientes sobre IA, se apoia em uma cultura construída ao longo de cinco décadas para se tornar diferencial num mercado em consolidação.
Aproveite nossas promoções de renovação
Clique aquiPara continuar navegando como visitante, vá por aqui.
Cadastre-se grátis, leia até 5 conteúdos por mês,
e receba nossa newsletter diária.
Já recebe a newsletter? Ative seu acesso
