K.I.-gestützte qualitative Marktforschung

1. Problemstellung

Transformation der Marktforschung: Die Vorteile qualitativer und quantitativer Methoden werden kombiniert. Mit Hilfe von künstlicher Intelligenz wird ein Chat-Modell entwickelt, das in der Lage ist, tausende qualitative Interviews durchzuführen und die Ergebnisse effizient zu analysieren. So erhalten Marktforscher tiefgehende Insights in Konsumentenverhalten — schnell, kostengünstig und ohne den sonst üblichen Aufwand.

2. Recherche

Inhaltliche Recherche

In meiner Recherche habe ich festgehalten, dass qualitative und quantitative Marktforschungsmethoden unterschiedliche Ziele verfolgen und sich gut ergänzen, wenn es um die Analyse von Zielgruppen geht. Qualitative Methoden wie Interviews und Fokusgruppen ermöglichen tiefere Einblicke in individuelle Meinungen, Emotionen und Verhaltensmuster und bieten besonders in frühen Phasen der Produktentwicklung eine wertvolle Basis für Ideenfindung und Hypothesenbildung. Quantitative Methoden hingegen konzentrieren sich auf statistische Erhebungen, die repräsentative und verallgemeinerbare Daten liefern und somit qualitative Erkenntnisse validieren und datenbasierte Entscheidungen unterstützen.

Gleichzeitig habe ich herausgefunden, dass beide Methoden ihre eigenen Einschränkungen haben: Qualitative Forschung ist oft detailliert, jedoch nicht repräsentativ, was die Übertragbarkeit auf größere Zielgruppen einschränkt und zu subjektiven Verzerrungen führen kann. Quantitative Forschung liefert dagegen klare, messbare Daten, lässt jedoch wenig Raum für das Verständnis emotionaler oder motivationaler Aspekte, da sie eher das »Wie oft« als das »Warum« der Konsumentenentscheidungen erfasst.

Durch die Lektüre The Mom Test habe ich schließlich besser verstanden, wie ein Interview idealerweise ablaufen sollte. Ich lernte, was man als Interviewer vermeiden muss, um wirklich wertvolle Ergebnisse zu erzielen — und nicht bloß die Antworten, die man vielleicht insgeheim erwartet.

In der folgenden Tabelle habe ich qualitative und quantitative Ansätze verglichen und in grün die Vorteile der jeweiligen Methoden und in gelb mögliche Stellschrauben, die mit dieser Anwendung individuell verstellt werden können, hervorgehoben.

Konkurrenzanalyse

Die Analyse umfasst die Marktforschungsunternehmen: Appinio, Streetbees und Nielsen. Es zeigt sich, dass Appinio durch Gamification und monetäre Anreize eine starke Nutzerbindung aufbaut, während Streetbees qualitative Einblicke mit KI unterstützt, jedoch ohne Community-Elemente und langfristige Bindung arbeitet. Nielsen setzt weiterhin auf traditionelle Methoden wie Umfragen und Panels, die zwar etabliert, aber weniger flexibel und zeiteffizient sind.

Das bedeutet, dass Community- und Gamification-Ansätze entscheidend für eine stärkere Nutzerbindung sein können. Ein Belohnungs- und Levelsystem sowie Community-Features könnten die Interaktion und Loyalität fördern und die langfristige Nutzung der App sichern, wodurch gleichzeitig mehr Umfragen und Interviews in kürzerer Zeit absolviert werden können. Ein Wachstumsfaktor für das Unternehmen.

Qualitative Interviews

Ich habe qualitative Interviews mit einigen Marktforschern abgehalten, um möglichst viele Informationen über potenzielle Pain Points und Bedürfnisse zu erhalten. So kann ich mein Produkt möglichst gut ausrichten.

Nutzerbedürfnisse und Ziele

• Effizienz: Weniger Zeit- und Ressourcenaufwand bei der Durchführung und Auswertung von qualitativen Studien
• Qualität der Ergebnisse: Größere Teilnehmerzahlen mit relevanten und tiefgehenden Einblicken ohne Qualitätsverluste
• Zielgruppengenauigkeit: Präzise Filtermöglichkeiten der Befragten für repräsentative Daten
• Kombination von Methoden: Qualitative und quantitative Ansätze miteinander kombinieren, für umfangreichere Insights aller Teilnehmer
• Einfache Nutzung: Intuitive Tools die bei der Analyse großer Datenmengen helfen

Pain Points

• Qualitätssicherung: Oberflächliche oder irrelevante Antworten sind ein häufiges Problem, besonders bei skalierbaren Ansätzen.
• Begrenzte Anpassbarkeit: Fehlende Flexibilität bei der Gestaltung von Studien oder der Zielgruppenauswahl.
• Komplexität der Analyse: Große Datenmengen können ohne geeignete Analysetools überfordern.
• Teilnehmermotivation: Fehlendes Engagement der Teilnehmer beeinträchtigt die Tiefe und Aussagekraft der Antworten.
Kulturelle und sprachliche Barrieren: Internationale Studien erschweren die Vergleichbarkeit und Interpretation der Daten.
Datenschutzanforderungen: Höhere Skalierung führt zu höheren Ansprüchen an Datensicherheit und ethische Standards.

Insights für die Gestaltung

• Skalierung als Schlüsselfaktor: Marktforscher sehen großes Potenzial in der Möglichkeit, qualitative Methoden zu skalieren, ohne dabei die typische Tiefe und Relevanz zu verlieren.
• KI als Enabler: KI-gestützte Funktionen könnten sowohl die Datenerhebung als auch die Analyse vereinfachen und verbessern (z. B. automatische Qualitätssicherung, Sentiment-Analyse, Clustering).
• Kombinierte Ansätze: Die Plattform sollte qualitative und quantitative Methoden miteinander verzahnen, da dies einen entscheidenden Mehrwert bietet.
• Usability priorisieren: Eine intuitive Nutzerführung und visuelle Hilfsmittel sind essenziell, insbesondere bei der Analyse komplexer Daten.

Design- und Funktionsvorschläge (Backend für Marktforscher)

• Einfaches, modulares Design: Nutzerfreundliche Workflows, bei denen Studien einfach erstellt, angepasst und analysiert werden können.
• Skalierbare Infrastruktur: Cloud-basierte Lösungen für die Handhabung großer Datenmengen.
• Anpassbare Zielgruppenauswahl: Präzise Filteroptionen (z. B. demografisch, geografisch, psychografisch), um gezielte Studien zu ermöglichen.
• KI-gestützte Analyse-Tools: Automatisierte Funktionen wie Sentiment-Analyse, Mustererkennung und Textzusammenfassung.
• Feedback-Integration: Tools, die es Marktforschern ermöglichen, Feedback zu geben und Anpassungen in Echtzeit vorzunehmen.
• Motivationssysteme für Teilnehmer: Incentives, Gamification-Ansätze oder klare Kommunikation zur Förderung aktiver und qualitativer Teilnahme.
• Datenschutz und Transparenz: Klare Richtlinien und sichere Datenverarbeitung, die Nutzern Vertrauen geben.

3. Designprozess

Bisher habe ich nur Entwürfe zur Visualisierung des Interviewprozesses aus Teilnehmersicht erstellt. Diese können weiter unten eingesehen werden. Der Designprozess wird in der Zukunft in diesem Projekt ergänzt.

4. Visuelles Design

Backend, Marktforschungskunden

Das Backend für diese Anwendung muss noch konzipiert und gestaltet werden.

Mobile App, Umfrageteilnehmer

On-Boarding vor der Umfrage

Wenn der Nutzer das erste Mal eine dynamische Umfrage aufruft, wird er zunächst durch einen kleinen On-Boarding-Prozess geleitet. Dieser erklärt in vier Schritten, worum es sich bei der sogenannten dynamischen Umfrage handelt. Dabei habe ich grafiken eingesetzt, welche den Kontext der dargestellten Information widerspiegeln. Darunter wird möglichst kompakt erklärt, wie die Umfrage ablaufen wird und warum es sich für den Teilnehmer lohnt, diese durchzuführen. Auch wird auf mögliche Bedenken bei der Privatsphäre eingegangen. Die Informationen sind auf einer Farbfläche platziert, damit der Teilnehmer signalisiert bekommt, dass er sich gerade in einem gesonderten Bereich der Anwendung aufhält.

Durchführung der Umfrage

Das Chatfenster, in dem sich die Umfrage bzw. das Interview anspielt ist ohne visuelle Ablenkungen gestaltet. Der Teilnehmer soll sich auf die Fragen des Interviewpartners konzentrieren und nicht von Animationen oder Grafiken abgelenkt werden. So soll der Datensatz eine möglichst hohe Qualität erreichen, ohne dass viele Ergebnisse verworfen werden müssen.

Abschluss der Umfrage

Im Anschluss an das Interview erhält der Teilnehmer die Währung als Belohnung für seine Teilnahme. Dadurch wird er an die App gebunden und gleichzeitig motiviert, mehr Umfragen abzuschließen. Diese Belohnung kann mit einer Animation unterstützt werden, um den psychologischen Effekt zu verstärken.

5. Ausblick

Prototyp

Zunächst muss ich noch das Backend konzipieren und gestalten. Es handelt sich um eine Desktop-Anwendung, welche von Unternehmenskunden zur Marktforschung verwendet werden kann.

Ich arbeite zudem an einem ChatGPT Plugin, welches als Prototyp für diese Anwendung dienen soll. Dieser Prototyp ist noch nicht bereit, er wird hier aber baldmöglichst verlinkt, um ihn auszuprobieren.