Marketingaši, osim što moraju biti iznimno na oprezu pri odabiru agencije za istraživanje, vrlo često moraju “ljude na vrhu” uvjeriti zašto je istraživanje uopće potrebno i, na kraju krajeva, jako dobro opravdati njihovu vrlo visoku cijenu.

U prevedenom značenju, marketingaši (barem oni rijetki koji razumiju značaj istraživanja) često imaju dojam da bi nadređeni prije im dali da spavaju s vlastitom ženom/mužem nego odobrili marketinško istraživanje.

Prednost umjetno generiranih podataka

Međutim, uvođenjem AI tehnologije na scenu stupaju sintetički podaci. To su umjetno generirani podaci koji oponašaju karakteristike stvarnih podataka, ali ne potječu iz stvarnog svijeta. Zvuči kao znanstvena fantastika, ali su zapravo vrlo praktični. Zamislite da možete generirati podatke koji oponašaju stvarne podatke bez potrebe da ih stvarno prikupite. Zvuči kao neki ludi san, zar ne?

Nastali su najprije zbog problema s regulativama vezanima uz zaštitu privatnosti s kojima se susreću svi oni koji trebaju neki određeni ljudski input. Ovdje govorimo o razvoju i testiranju softvera, treningu modela strojnog učenja, istraživanja (uključujući i ona marketinška), A/B testiranja…

Riječ je o umjetno stvorenoj informaciji koja se ponaša kao i stvarni podaci, ali ne uključuje “prljavštinu” stvarnog svijeta. Nešto kao vegan koji može uživati u nošenju sintetičke kožne jakne, a opet biti moderan na ekološki prihvatljiv način i bez grižnje savjesti.

Sintetički podaci nisu izvučeni iz zraka

Ovi podaci generiraju se uz pomoć naprednih algoritama i modela strojnog učenja. AI sustavi analiziraju obrasce u postojećim skupovima podataka, a zatim stvaraju nove podatke koji oponašaju te obrasce, bez repliciranja izvornog informacijskog skupa. 

AI igra ključnu ulogu u ovom procesu. Ovi algoritmi koriste tehnike poput Generativnih oglašivačkih mreža (GAN) za proizvodnju podataka koji su statistički slični stvarnima. Finalni rezultat je skup sintetičkih podataka koji se čini stvarnim, ali ne nosi nikakvu “prtljagu” stvarnog prikupljanja podataka.

Sintetički podaci omogućuju stvaranje velikog broja scenarija i profila. Želite testirati kako vaša marketinška kampanja djeluje na raznolike skupine kupaca? Sintetički podaci mogu simulirati različite demografske, ponašajne i kontekstualne čimbenike, nudeći uvide koji bi se teško ili uz mnogo novca i truda prikupili iz stvarnih podataka. 

Isto tako prikupljanje i čišćenje stvarnih podataka može, opet, biti skupo. Sintetički podaci često su povoljniji te se mogu brzo generirati, omogućujući vam da dobijete uvide brže nego tradicionalne metode prikupljanja podataka. 

Gdje su kritičari?

Nije ih trebalo dugo čekati. Kao i u svim stvarima, postoje, naravno, i kritičari sintetičkih podataka. Pogađate, većinom su to vlasnici i pripadnici agencija za tržišna ispitivanja i naravno osobe koje dolaze iz akademskog svijeta, a koji su do sad profitirali na osnovu tržišnih ispitivanja.

Kritičari obično govore kako je razlika između tradicionalno marketinškog istraživanja i sintetičkih podataka nešto poput iskustva gledanja nastupa nekog benda uživo i slušanja istog tog sastava u udobnosti svog doma – nešto nedostaje. 

Obično ono što smatraju da nedostaje je ljudski kontakt kojeg sintetički podaci nemaju.

Isto tako, zamjerke idu i u smjeru onoga što neki pak smatraju prednošću sintetičkih podataka: brzina i cijena.

Kako bi tržišno istraživanje bilo točno i adekvatno, treba proći određeno vrijeme kako bi se podaci prikupili, obradili, prikazali…

Naravno sve to zahtjeva definiranje i traženje ciljane publike, ostvarivanje kontakata, usklađivanje s regulativama, kreiranje istraživanja, pa ono što smo već i rekli prikupljanje, obrađivanje, prikazivanje… Što, naravno, zahtijeva mnogo novca, pa su samim time i marketinška istraživanja prilično skupa.

Zanimljivu kritiku uputio je George Reed, vlasnik jedne agencije za istraživanje. Reed govori o tome kako sintetička istraživanja “ravnaju” vrhunce koji se događaju u istraživanju, a za koja su oni koji su prošli edukaciju u istraživanjima obučeni kako bi ih prepoznali.

U tradicionalnim kvalitativnim analizama, istraživači su educirani kako identificirati ove izvanredne vrijednosti i dalje ih istraživati, izvlačeći uvide koji služe za bolje informiranje u vezi proizvoda ili strategija. Međutim, s opsežnom upotrebom LLM-a, postoji opasnost da će ti ekstremi biti “izglađeni” ili zanemareni, što dovodi do homogeniziranog razumijevanja raspoloženja potrošača. Svaka upotreba LLM-a mora uzeti u obzir ovaj rizik od kolapsa znanja, osobito jer je industrija još na početku istraživanja najboljih praksi i slučajeva korištenja za ublažavanje ovog problema.

Koliko su točni sintetički podaci?

Trenutno imamo dva izvora koja su se nešto više pozabavila istraživanjem poveznice tradicionalnog marketinškog istraživanja i sintetičkih podataka.

Prvi je rad znanstvenika s Brigham Young University iz Utaha. Amerikanci kao Amerikanci u istraživanju su se uhvatili vrućeg kestena među istraživanjem: politike. Napravili su usporedbu između tradicionalnog istraživanja i sintetičkih podataka, pretežito putem GPT-3 modela.

Rezultati su bili iznenađujući (određenoj skupini, barem): podaci su se podudarali u gotovo 75% slučajeva.

U području B2B marketinga najdalje su otišli Jon Lombardo i Peter Weinberg donedavna zaštitna lica LinkedIn B2B Marketing Instituta koji su kroz svoju novoosnovanu kompaniju evidenza.ai, specijaliziranu za istraživanje iz sintetičkih izvora podataka proveli istraživanje u kojem su usporedili odgovore visoko rangiranih rukovoditelja kompanija s onima koje su oni dobili kroz sintetičke podatke. Korelacija je bila čak 95%.

Bit će samo bolje

Dok se krećemo kroz ovaj hrabri novi svijet AI-ja i marketinga, važno je ostati otvoren za nove tehnologije, ali i ostati povezan s realnošću. Sintetički podaci nude uzbudljive mogućnosti i mogu značajno poboljšati marketinške napore, ali trenutno nisu rješenje za sve. 

Isto tako, moramo uzeti u obzir da je era AI-a u marketingu započela (ma koliko god neki to ignorirali.)

“Ovo trenutno je”, kako su rekli iz Evidenze, “najlošije što će ikada biti. Može biti samo bolje.”

Iz osobnog iskustva, kombinacija sintetičkih istraživanja koje smo već provodili za određena tržišta u konačnici su dala najbolje rezultate kada su djelovali u skladu s ljudskim inputima.

pročitaj cijeli članak