Gran pregunta!
En primer lugar, aquí hay una buena información sobre: cómo analizar datos cualitativos a escala cuantitativa si está buscando leer una publicación de blog un poco más profunda. Pero aquí está mi respuesta …
Hasta hace poco, casi todos los investigadores tendrían que desplegar un grupo focal o usar otra metodología más profunda para descubrir ideas de algo más complejo que llenar una burbuja o poner una marca de verificación en una casilla.
- Cómo implementar la implementación de la pila y la cola en las estructuras de datos
- ¿Existen buenos libros o recursos para resolver problemas y algoritmos en C #, para la preparación de entrevistas SDET?
- ¿Por qué los problemas NP completos son más difíciles que los problemas NP si un problema NP puede reducirse a un problema NP completo?
- ¿Se conoce algún algoritmo general para factorizar números muy grandes?
- ¿Por qué los programadores experimentados dicen que la programación del mundo real es completamente diferente a la programación competitiva?
Además de eso, es probable que ya esté usando o necesite contratar a un científico de datos para analizar los resultados y sacar conclusiones viables de cualquier estudio a gran escala.
El tiempo y los recursos necesarios para esto definitivamente son muy importantes.
Entonces … comencemos con lo que queremos de algo así como un grupo focal.
Queremos ideas humanas reales, y queremos llegar a esas ideas lo más rápido y rentable posible, ¿verdad? Además de eso, y quizás lo más importante, queremos asegurarnos de recopilar datos confiables y reveladores.
Aquí es donde la inteligencia artificial (o el aprendizaje automático) está cambiando el juego.
El aprendizaje automático permite analizar datos cualitativos a escala cuantitativa, lo que es un cambio absoluto para cualquiera que intente comprender mejor a los consumidores.
Una herramienta relativamente nueva por ahí le permite analizar datos no estructurados (foto, video, texto). La herramienta se llama GlimpzIt y ofrece inteligencia del cliente rápida y confiable, o conocimientos humanos, utilizando una tecnología de aprendizaje automático realmente genial.
Se puede usar únicamente para analizar y agregar estructura a datos no estructurados, y sí, auto-etiqueta y realiza análisis de etiquetas en fotos, video y texto , y también puede usarlo para atraer a su audiencia, hablar directamente con una audiencia objetivo sobre un nuevo anuncio o campaña de marketing, etc. Hay varios casos de uso diferentes
Así es como funciona si desea involucrar a sus clientes objetivo …
Comienza por incitar a un público altamente dirigido (proporcionado por GlimpzIt o puede usar el suyo propio) con una pregunta, un llamado a la acción o realmente cualquier consulta que desee. Los encuestados pueden responder con un video, imagen, texto o una combinación de los tres.
Por ejemplo, supongamos que es una marca de cerveza que busca ideas sobre una nueva etiqueta o empaque. Puede preguntar algo como, “¿Cuál es su empaque o etiqueta de cerveza favorita? Tómate una foto y dinos por qué te encanta ”
Entonces … después de haber comenzado la conversación con su público objetivo, Glimpz reúne todos los (lo que llaman) “Glimpzes”, que son las respuestas a su mensaje. Nuevamente, estos están compuestos de videos, fotos y breves, tal vez de una a tres oraciones de texto.
Cada una de esas respuestas es luego evaluada por un grupo de pares, quienes brindan un pulgar hacia arriba o hacia abajo, junto con un breve texto propio, en respuesta a qué tan bien resonó un Glimpz con ellos.
Para aclarar, un grupo de pares GlimpzIt es independiente de las personas que suministran los Glimpzes reales. Este grupo refleja la demografía de los encuestados de forma idéntica.
Para aclarar aún más, una “respuesta validada” es aquella que está determinada a incluir datos de calidad. Entonces, en lugar de incluir los datos de una respuesta, como una imagen de un gato junto con el texto “Me encantan los gatitos”, Glimpz solo toma en cuenta las respuestas que proporcionan información relevante y valiosa.
Finalmente, la herramienta utiliza el aprendizaje automático (o inteligencia artificial) para realizar un análisis completo de todos los Glimpzes y evaluaciones, y proporciona al usuario final datos visuales increíbles como mapas mentales, análisis de etiquetas, etc., luego brinda oportunidades, sugerencias de los datos recopilados , así como sugerencias para un aviso de seguimiento para pedirle a la audiencia que profundice aún más.
Si desea consultar GlimpzIt, aquí hay un enlace al sitio web: GlimpzIt – Inteligencia de cliente con inteligencia artificial.
¡Espero que algunos de ustedes encuentren esto útil!
-Vince
(divulgación completa, actualmente estoy trabajando con GlimpzIt, pero apruebo este mensaje 😉
