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.
A automação por IA está deslocando valor da interface para dados, controle e orquestração.
Agentes prometem escala e eficiência, mas expõem limites organizacionais. O diferencial está na capacidade das empresas de gerir IA como rotina operacional.
O que o experimento MoltBook revela sobre o valor econômico, a governança e a liderança em sistemas autônomos.
A economia avança com IA, mas esbarra na qualidade do julgamento humano — um fator ainda ausente das métricas e da governança corporativa.
Pesquisas da PwC e do MIT mostram por que os investimentos em IA avançam mais rápido do que a capacidade das empresas de capturar valor. E por que o problema não é tecnológico, mas estrutural.
A Anthropic aposta em agentes pagos; a OpenAI recorre à publicidade para sustentar a escala do ChatGPT.
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
