Como a IA ajuda a ampliar a pesquisa qualitativa com clientes

Para tomar boas decisões, as empresas precisam de informações sobre as preferências e o comportamento dos clientes. A função de pesquisa de mercado é, portanto, crucial para o sucesso no mercado, mas enfrenta um problema de longa data: o processo de coleta de dados junto aos consumidores costuma ser difícil, demorado e oneroso. A boa notícia é que a IA generativa promete melhorar essa situação. Os LLMs, em particular, estão tornando possível superar o eterno dilema entre amplitude e profundidade. Os métodos quantitativos (por exemplo, pesquisas) oferecem escala e poder estatístico, mas dependem fortemente de autoavaliações padronizadas que fornecem apenas uma visão superficial da experiência vivida. A pesquisa qualitativa (por exemplo, entrevistas aprofundadas) oferece uma visão mais rica sobre como as pessoas pensam, sentem e decidem, mas é de pequena escala e inadequada para generalizações. Os entrevistadores baseados em LLMs estão ajudando as empresas a superar esse dilema. Eles permitem que os pesquisadores envolvam um grande número de entrevistados — em uma escala comparável à das pesquisas quantitativas — ao mesmo tempo em que captam grande parte das nuances, do contexto e da riqueza interpretativa tradicionalmente associadas às entrevistas em profundidade. Além disso, os LLMs podem fornecer insights que seriam muito difíceis, e às vezes até impossíveis, de gerar com abordagens tradicionais. No verão passado, analisamos como a IA generativa está transformando a coleta, a criação e a análise de insights de mercado. Isso incluiu tudo, desde o apoio às práticas atuais até a substituição dessas práticas por novos métodos e dados sintéticos. Vários meses depois, aprofundamos o assunto, discutindo como “personas sintéticas” e “gêmeos digitais” gerados pela IA generativa podem servir como substitutos de consumidores reais em pesquisas e experimentos. Neste artigo, abordaremos uma área em que a IA generativa já ultrapassou os programas-piloto e os estudos acadêmicos: a pesquisa qualitativa. As empresas estão agora utilizando “moderadores” de IA para conduzir entrevistas aprofundadas com pessoas reais em uma escala e velocidade que os métodos tradicionais não conseguem alcançar. A pesquisa qualitativa sempre foi a fonte mais rica de insights sobre os clientes e a mais difícil de ampliar. O custo relativamente alto, os prazos longos e as amostras de pequeno porte das entrevistas presenciais deixaram os líderes empresariais em um dilema: eles valorizam a profundidade das descobertas qualitativas, mas têm dificuldade em agir com base nelas com a mesma confiança que depositam em dados quantitativos estruturados e estatisticamente significativos. Os gestores há muito buscam uma abordagem que ofereça tanto a riqueza contextual de uma conversa aprofundada quanto a amplitude e a estrutura de uma pesquisa, de preferência a um custo menor. Uma onda de start-ups nativas de IA busca finalmente impulsionar essa convergência, e a comunidade de capital de risco já percebeu isso. Durante o último ano, por exemplo, a Outset, a Listen Labs e a Simile levantaram, cada uma, entre US$ 50 e US$ 100 milhões junto a fundos de capital de risco de primeira linha. Essas são apenas três das muitas empresas que utilizam a IA generativa não apenas para reduzir o custo e o tempo de projetos de pesquisa qualitativa, mas para viabilizar pesquisas que simplesmente não poderiam ser realizadas antes. A seguir, apresentaremos um panorama do setor e ofereceremos uma estrutura para ajudar os gestores a avaliar e navegar pelo promissor conjunto de ferramentas de moderação de IA. Quando você precisa do “porquê” por trás dos números Talvez a aplicação mais significativa das entrevistas moderadas por IA seja a sua capacidade de combinar a profundidade qualitativa com a amplitude quantitativa, tornando possível ampliar a pesquisa qualitativa — uma capacidade tão almejada pelos profissionais há muito tempo. A Microsoft demonstrou recentemente o poder dessa capacidade em seu esforço para compreender as percepções dos consumidores sobre seus produtos em comparação com os de seus concorrentes. O tradicional monitor de marca da empresa podia informar à equipe quais percepções estavam mudando na categoria de IA, mas não o motivo. Utilizando a Listen Labs para realizar mais de 250 entrevistas com três públicos diferentes, a Microsoft testou o que internamente denomina “Frontier Listening”, um programa de entrevistas semiestruturadas em constante atividade que captura tanto a profundidade qualitativa de respostas abertas quanto métricas quantificáveis em um único fluxo de trabalho. “Essa nova abordagem nos permite combinar profundidade, escala e velocidade em um único fluxo de trabalho, revelando nuances ricas dos clientes em dias, em vez de semanas”, nos disse Rob Graves, diretor sênior que supervisionou o projeto da Microsoft. “Ao capturar e sintetizar continuamente as perspectivas dos clientes, ela transforma o feedback em insights acionáveis que orientam as decisões entre as equipes em tempo real, ao mesmo tempo em que reduz a dependência de ciclos de pesquisa episódicos e mais lentos.” Reconhecendo que as caixas de texto tradicionais muitas vezes não conseguem captar as nuances emocionais necessárias para a criação de personas sintéticas de alta fidelidade, uma das empresas do Jeremy, a GBK Collective, firmou parceria com a Twinloop, uma empresa em fase inicial que desenvolve métodos de pesquisa baseados em IA, para comparar suas entrevistas por voz moderadas por IA com pesquisas padrão preenchidas por escrito. Os resultados foram gritantes: as respostas verbais foram, em média, sete vezes mais longas do que as digitadas. A capacidade da IA de sondar ativamente e dar continuidade a sentimentos específicos permitiu um nível de “empatia em escala” raramente visto em pesquisas quantitativas, tornando possível transformar dados de pesquisa planos em narrativas ricas e multidimensionais. O termo “escala” pode ter significados diferentes em contextos distintos. Muitas vezes, trata-se de cobertura global. A Anthropic, por exemplo, anunciou recentemente que utilizou seu “Anthropic Interviewer”, baseado no Claude, para realizar mais de 80.000 entrevistas com usuários em 159 países e 70 idiomas, empregando uma combinação de perguntas abertas pré-definidas e perguntas complementares geradas dinamicamente. “A IA nos permitiu coletar entrevistas ricas e abertas em uma escala extraordinária”, informou a empresa. “Essa abordagem supera o típico dilema na pesquisa qualitativa entre profundidade e volume.” Às vezes, as percepções mais valiosas que surgem das entrevistas ocorrem quando os pesquisadores humanos se afastam do roteiro ou aprofundam o assunto com perguntas mais específicas em tempo real. As entrevistas moderadas por IA podem reproduzir essa dinâmica em grande escala. Foi exatamente isso que aconteceu quando a Sweetgreen trabalhou com a Listen Labs para explorar o que os clientes esperavam do cardápio. A IA da Listen Labs descobriu que os clientes desejavam não apenas mais de certos macronutrientes (como proteínas), mas também uma melhor capacidade de visualizar e personalizar os ingredientes de suas refeições. Essas percepções influenciaram diretamente a decisão da Sweetgreen de lançar uma nova ferramenta de monitoramento de macronutrientes no aplicativo. De acordo com Jonathan Neman, CEO da Sweetgreen, ao utilizar IA generativa, a empresa conseguiu realizar sua pesquisa por um terço do custo, com cinco vezes mais respostas e com resultados obtidos cerca de cinco vezes mais rápido. Na prática, o que no passado teria sido um ciclo de pesquisa de várias semanas foi reduzido a poucos dias. Quando é preciso ver o que as pessoas não conseguem dizer A maioria das plataformas de entrevistas moderadas por IA é construída com base em grandes modelos de linguagem e, portanto, concentra-se inerentemente no que os participantes dizem. Mas algumas das aplicações mais promissoras capturam o que as pessoas fazem e sentem. A Conveo, uma empresa formada pela Y Combinator, desenvolveu recursos de IA para fazer exatamente isso. Em uma colaboração recente com a Unilever, a empresa conduziu entrevistas em vídeo por dispositivos móveis, com o auxílio de IA, com consumidores em suas próprias cozinhas, o que permitiu à Unilever tanto captar insights verbais quanto observar os comportamentos e atitudes reais em seus contextos naturais, utilizando insights de vídeo multimodais. A plataforma utilizou então esses dados para gerar personas sintetizadas que as equipes de inovação e insights da Unilever puderam consultar interativamente para testar conceitos adicionais. O processo condensou o que normalmente levaria meses de pesquisa convencional em ciclos rápidos, produzindo, por fim, dois conceitos de produto que alcançaram as classificações mais altas possíveis na validação quantitativa. Quando o tema é delicado demais para um entrevistador humano Uma das vantagens mais surpreendentes da IA na pesquisa qualitativa não tem nada a ver com velocidade ou custo. Em vez disso, trata-se do fato de que as pessoas podem se sentir mais à vontade para se abrir com um entrevistador de IA do que com um humano. Quando a pesquisa aborda condições de saúde, inseguranças pessoais ou outros assuntos delicados, verifica-se que os entrevistados frequentemente evitam responder, desviam o assunto ou simplesmente não comparecem. Uma importante empresa especializada em saúde masculina descobriu isso em primeira mão. Uma tentativa de realizar uma pesquisa qualitativa tradicional com homens que sofrem de disfunção erétil, juntamente com suas parceiras, revelou-se praticamente impossível. Os participantes não agendavam entrevistas, não compareciam ou se recusavam a ligar a câmera. Mas quando a empresa passou a realizar entrevistas em vídeo moderadas por IA, com a ajuda da Outset, os participantes se abriram e forneceram insights profundos aos quais a empresa não teria acesso de outra forma. A Listen Labs se deparou com uma dinâmica semelhante ao trabalhar com a marca de roupas Chubbies, que desejava conversar com crianças pequenas para entender como realizar o marketing de uma nova linha de roupas. Eles descobriram que as crianças costumam ser mais comunicativas com um entrevistador de IA do que com um estranho humano. Esse padrão sugere um princípio contraintuitivo: em contextos em que o elemento pessoal da pesquisa pode causar desconforto ou atrito social, um entrevistador de IA muitas vezes consegue obter insights mais valiosos do que uma pessoa real. Vários artigos acadêmicos recentes confirmaram essa conclusão. Em um estudo, por exemplo, quando os participantes da pesquisa acreditavam estar interagindo com uma pessoa simulada em vez de uma pessoa real, eles relataram menos medo de serem julgados, se preocuparam menos em causar boa impressão e se abriram mais abertamente. Quando os entrevistados são difíceis de contatar ou agendar A pesquisa qualitativa tradicional pressupõe que os participantes possam reservar até uma hora ou mais para interagir com um entrevistador em um horário mutuamente conveniente. Esse pressuposto não se aplica a muitos dos públicos de alto valor que as empresas mais desejam compreender. A Doximity, uma comunidade médica online, enfrentou uma versão desse desafio. Seus clientes-alvo — principalmente médicos, cirurgiões e enfermeiros — simplesmente não conseguiam reservar tempo para entrevistas ao vivo devido às suas agendas diárias dinâmicas. Com o uso do Outset, no entanto, os profissionais de saúde puderam clicar em um link e responder a entrevistas pré-programadas conforme sua conveniência, entre um paciente e outro ou tarde da noite. O resultado não foi apenas um maior número de entrevistas, mas entrevistas com pessoas que provavelmente nunca teriam participado de um estudo tradicional. O caminho a seguir Consideramos que essas abordagens baseadas em IA ampliam significativamente as oportunidades de obter insights qualitativos valiosos, em vez de substituir totalmente a entrevista tradicional conduzida por seres humanos. Em muitos casos, as duas formas de trabalho funcionarão bem em conjunto. Alguns temas continuarão a exigir o rapport e a construção de confiança que somente uma conexão entre seres humanos pode gerar, como trabalhos etnográficos com nuances emocionais ou pesquisas em que a expertise ou a credibilidade do entrevistador são, por si só, parte da metodologia (por exemplo, investigações B2B complexas). Mas para os líderes que avaliam onde as entrevistas qualitativas moderadas por IA podem agregar valor imediato, os casos acima sugerem uma estrutura prática. A moderação por IA ainda está em sua fase inicial. Tal como acontece com qualquer nova ferramenta de avaliação, será importante estabelecer métricas-chave, tais como a confiabilidade teste-reteste e a validade externa. Também será útil determinar em que medida qualquer benefício da moderação por IA decorre da modalidade de interação (por exemplo, IA versus humano, voz versus texto) ou do conteúdo da interação (por exemplo, a capacidade do agente de ajustar as perguntas e aprofundar a investigação). A pesquisa acadêmica sobre esses temas está em andamento. Nesta fase, antes de se comprometerem com a moderação por IA, os gestores fariam bem em estabelecer uma prova de conceito, talvez comparando a moderação por IA aos métodos tradicionais utilizando uma pequena amostra. Olhando para o futuro, esperamos que os recursos de moderação por IA sejam cada vez mais combinados com as abordagens de personas sintéticas e gêmeos digitais que exploramos em nossos artigos anteriores. De fato, empresas como a Simile.ai e a Twinloop utilizam entrevistas moderadas por IA para coletar os dados necessários à criação de gêmeos digitais, que são então implantados em diversos casos de uso. Essa profundidade é fundamental para treinar a próxima geração de gêmeos digitais. Para validar rigorosamente essa ligação entre dados mais profundos e melhores previsões, a GBK lançou um novo estudo em parceria com a Columbia Business School e a Twinloop para determinar quais dados de treinamento, combinados com quais modalidades de entrevista de pesquisa, produzem os gêmeos digitais mais precisos empiricamente. Os pesquisadores também começaram a explorar a criação de rostos sintéticos para esses gêmeos digitais — rostos projetados para se parecerem com a aparência que as pessoas poderiam ter , com base no que se sabe sobre sua personalidade. Já existe tecnologia disponível para animar esses rostos e criar avatares de gêmeos digitais com os quais os profissionais de marketing poderão conduzir entrevistas qualitativas quando lhes for conveniente — avatares que imitam os pensamentos, comportamentos e até mesmo as expressões de consumidores reais. Quando isso acontecer, a moderação por IA terá possibilitado que agentes de IA atuem como profissionais de marketing que conversam com consumidores reais e como consumidores que conversam com profissionais de marketing reais. . . . A principal vantagem dos moderadores de IA é a capacidade de ampliar a escala da pesquisa qualitativa. Eles também permitem que as empresas utilizem a pesquisa qualitativa em contextos onde isso nunca foi viável anteriormente — decisões rápidas sobre produtos, revisões estratégicas no meio do ciclo, entradas no mercado onde não há tempo ou orçamento para um estudo tradicional. O resultado será um maior número de insights qualitativos que influenciarão decisões anteriormente tomadas com base apenas em dados quantitativos ou, pior ainda, no instinto.

Como a IA ajuda a ampliar a pesquisa qualitativa com clientes

Resumo.

Partner Center