Bagaimana Tim Market Research Saya Memakai GenAI?

Pada beberapa pekan lalu, sebagian managerial di kantor dikumpulkan untuk diberikan arahan terkait visi perusahaan terkait aplikasi AI. Setelah itu, beberapa rekan yang ikut kumpul tersebut mengajak saya diskusi.

Apa ya aplikasi AI buat *market research ya Mas?*

Begitulah kira-kira pertanyaan yang diajukan di awal diskusi.

Terus terang saya bingung saat ditanyakan hal ini. Kenapa? Karena (hampir) semua pekerjaan sehari-hari di market riset selalu bersinggungan dengan AI. Termasuk blog ini pun saya banyak berbicara tentang AI.

---

Dalam beberapa tahun belakang ini, sebagaimana fungsi dasarnya, tim market research berusaha memasok market insights utk tim brand dan sales. Untuk menopang fungsi tersebut, kami biasanya melakukan XAI (explainable AI) di beberapa projects.

Apa itu XAI?

Istilah XAI mungkin kalah populer dibandingkan dengan GenAI. Explainable AI bergelut di exploratory model analysis (EMA).

Apa bedanya dengan exploratory data analysis?

Alih-alih menganalisa data, kami lebih fokus ke pembuatan model machine learning dan melakukan analisa terhadap model tersebut.

Memang hasilnya berbeda?

Jelas beda. Saat kami melakukan analisa terhadap model, kami bisa mendapatkan gambaran utuh tentang hubungan kausalitas dan interaksi antar variabel. Kadang kami menemukan beberapa variabel memang saling mempengaruhi. Kadang kami menemukan variabel-variabel yang ada tidak cukup konklusif hubungannya. Kedua temuan tersebut tetap bernilai karena bisa terus dikembangkan untuk next iteration projects.

Lantas bagaimana dengan pemanfaatan GenAI?

Dari cerita saya di atas, bukan berarti kami meninggalkan GenAI sama sekali. Setidaknya masing-masing member di tim market research sudah memanfaatkan GenAI di beberapa lini pekerjaannya. Untuk menjelaskannya, saya akan coba gambarkan dulu beberapa proses kritis di market research sebagai berikut:

1. Brainstorming awal dengan klien terkait objective research.
2. Pembuatan kuesioner dan penentuan metode (termasuk dengan target responden survey).
3. Pencarian responden (fieldwork).
4. Pre processing dan analisa data.
5. Pembuatan laporan.

Dari proses kritis tersebut, pemanfaatan GenAI yang sudah dan akan dilakukan adalah untuk:

1. Pembuatan skrip web scrape.
   • Salah satu pekerjaan yang saya sukai adalah membuat skrip web scrape. hehe. Saya sudah memiliki satu killer method yang bisa digunakan untuk (hampir semua) jenis web.
   • Namun ada kalanya untuk membunuh sapi, saya tidak perlu menggunakan bom atom. Namun pisau dapur pun tak cukup efektif untuk membunuh sapi tersebut.
   • Untuk kasus seperti ini, saya biasa meminta tolong Gemini utk membuatkan javascript untuk proses save pages. Kemudian datanya saya ekstrak tetap pakai R.
2. Pre-processing data.
   • Sebelum jadi report, data hasil interview harus dilakukan pre-processing terlebih dahulu.
   • Percaya gak bahwa salah satu pekerjaan yang melelahkan adalah bebersih data?
   • Kami sudah coba eksplor beberapa fitur dari GenAI yang bisa mempercepat proses ini di beberapa lini input-an data.
   • PR-nya tinggal memilih GenAI mana yang hasilnya lebih akurat dan acceptable.
3. Pembuatan transkrip riset kualitatif.
   • Saat pelaksanaan IDI atau FGD, pembuatan transkrip bisa jadi hal yang melelahkan.
   • Kami sudah menggunakan teknologi AI untuk membuat transkrip secara otomatis.
   • Beberapa waktu yang lalu, kami sudah coba eksplor kemungkinan transkrip tersebut dijadikan info feeding semacam GPT.
4. Pembuatan istilah di report.
   • Kadangkala di beberapa report survey, kami membutuhkan istilah atau penamaan atas beberapa hal.
   • Emang kenapa dengan penamaan ini? Walau terkesan simpel, tapi istilah ini bisa memudahkan dan mempersingkat penyampaian informasi / insight.
5. Membantu menemukan objectives dan pembuatan kuesioner.
   • Hal ini yang hendak dieksplor dalam waktu dekat.
6. Simulasi MonteCarlo.
   • Untuk membantu merancang plan yang lebih terperinci dan akuntabel.
7. On going project chatbot market research.
   • Semacam GPT local yang bisa digunakan untuk tanya jawab seputar hasil survey market research.
   • Konsepnya adalah dengan build custom RAG-LLM (seperti yang pernah saya post di sini).

Perlu diinformasikan kembali bahwa kelima hal di atas tetap perlu supervisi manusia karena GenAI tidak mengerti konteks sehingga tetap harus diawasi penggunaannya.

Salah satu titik kritis yang mungkin akan jadi breakthrough adalah jika GenAI bisa membantu kami menemukan calon responden di berbagai kota tujuan survey. Ya, semoga saja ke depannya ada solusi untuk hal ini.

---

if you find this article helpful, support this blog by clicking the ads.