Ray Poynter, 22 de maio de 2025
Na semana passada, tive a honra de ser convidado a participar da Conferência Qualitativa Internacional da QRCA em Berlim em nome de Esomar. Foi um evento fantástico com apresentações de ponta, inovador e às vezes desafiador da América do Norte, África, Índia e Europa. Eu também tive a honra de poder compartilhar meus pensamentos sobre o futuro da qual. Vou compartilhar minha mensagem nesta nota e adicionar um insight de bônus que não consegui esboçar na minha apresentação.
Pesquisa simples
Minha primeira mensagem foi que, em algum momento no futuro, todos os projetos ‘simples’ serão tratados diretamente por clientes finais (pessoas como gerentes de projeto, CMOs, designers, engenheiros etc.) via IA. Isso será alcançado através da próxima geração dos tipos de ferramentas de IA demonstradas na conferência, por exemplo, por Abby Leafe, Corette HAF e Chris Arning. Isso resultará em muito mais qualificado, em mais decisões tomadas com a vantagem das evidências e um foco maior nos clientes.
Essa mudança não será rápida. As forças da inércia são enormes. Suspeito que, em quatro a cinco anos, cerca de 20% dos projetos de pesquisa da OF serão conduzidos por clientes finais diretamente por meio de ferramentas de IA, incluindo design, recrutamento, entrevista e análise. Ao adotar a IA agora, os profissionais da OL podem se colocar em uma boa posição para navegar nessa mudança. A abordagem passo a passo para adotar a IA mostrada por Laura Quinn é um ótimo exemplo do que as pessoas precisam fazer.
O que é uma pesquisa simples?
Pesquisa simples compreende duas categorias:
- Quando a resposta já é conhecida. Todos estamos cientes de situações em que os clientes nos pedem para fazer projetos e dizemos a eles que fizemos esse projeto para um de seus colegas há apenas alguns meses. A IA está permitindo que os clientes acessem todas as suas pesquisas anteriores, pesquisem informações adicionais, ouçam as mídias sociais e interpolam respostas.
- Onde como obter a resposta é conhecido. Quando somos solicitados a testar 10 cartas de reivindicação de seguro ou avaliar três novos conceitos de bebida suave ou avaliar um novo menu, sabemos como é a gama de métodos, sabemos quem recrutar, sabemos como deve ser o guia de discussão e sabemos como a análise deve ser executada. Isso está sendo informatizado e será a proveniência natural da IA em breve.
O futuro de qual – luuua
O futuro da pesquisa focará um bom qual e é destacado por cinco recursos, aos quais eu dei as iniciais Luuua.
Liminar
Se pesquisas simples se relacionam com coisas conhecidas, os espaços liminares são os lugares onde as coisas não são conhecidas. À medida que a sociedade muda e os valores tradicionais são desafiados, precisamos de pesquisadores qualificados para explorar e descobrir. É aqui que a empatia, a inovação e a criatividade, juntamente com a experiência vivida de trabalhar com pessoas, são essenciais. A revisão de Daniel Plettenberg sobre o impacto da sociedade (e, portanto, qual) do neoliberalismo foi um ótimo exemplo do espaço liminar, assim como a revisão da geração Z na Índia por Raji Bonala e Sunaina Bose.
Com o tempo, essas experiências liminares se tornarão “conhecidas” e passíveis de IA, mas novos espaços liminares abrirão o tempo todo. Na conferência, vimos casos desses espaços liminares, por exemplo, apresentações sobre a geração Z na Índia revertendo para papéis mais tradicionais, as consequências do neoliberalismo no Ocidente e a ‘fila’ da pesquisa.
Não escrito
Atualmente, a IA é baseada na leitura da maior parte do texto acessível do mundo, principalmente inglês. Coisas não escritas não estão em seu corpus. É necessário uma pesquisa qualificada para encontrar e interpretar essas histórias. Uma das grandes coisas sobre as conferências é ter tempo para conversar com as pessoas, e ouvi ótimos exemplos desses contextos não escritos durante o almoço de Cynthia Harris (relacionados aos cabelos) e Ella Fryer-Smith (grupos marginalizados).
Inédito
São muitos grupos que estão fora do mainstream e que tendem a ser inéditos. Precisamos ouvir ativamente essas conversas, buscando -as e depois aprendendo a ouvir de novas maneiras. Hannah Kaplan falando sobre pesquisas quentes e Peter Totman falando sobre alguns dos desafios em falar sobre a paternidade foram bons exemplos disso.
Não dito
Todos nós ouvimos pais dizer que priorizam alimentos saudáveis para as lancheiras de seus filhos sobre as preferências de seus filhos, todos ouvimos pessoas dizerem que priorizam a qualidade em relação ao preço, e vimos com que frequência as ações mostram isso como verdade. No momento, a IA tem um hábito perturbador de acreditar no que é dito nas discussões. Os pesquisadores da OD têm detectores de besteiras e métodos de fazer perguntas que ajudam a interpretar o que é dito e entender o que não é dito. Por exemplo, investigando, projetando e buscando as verdades que muitas vezes não são ditas. A pesquisa de privação relatada por Eric Paice foi um bom exemplo de explorar o não dito – depois de tudo o que não sabemos do que gostamos até que se foi às vezes.
Advocacia
Os dados não mudam a mente de alguém! Se eu não tenho uma opinião ou uma posição e você me dá os resultados de algumas pesquisas, é provável que eu acredite em você. Mas, se eu já tenho uma opinião, e o que você está me dizendo não se encaixa, vou resistir. Dando -me mais exemplos não mudará de idéia e pode até me alienar. Para mudar de idéia, você precisa alcançar um nível emocional para me fazer sentir que o que você está dizendo é certo.
Um pesquisador qual, fundamentado em um tópico, está em uma ótima posição para defender suas descobertas. Não queremos apenas apresentações, precisamos de defesa, alavancando todas as habilidades do pesquisador qualitativo para encontrar maneiras de fazer com que o destinatário sinta que o que está ouvindo é certo e que eles precisam mudar sua posição e geralmente mudar o que estão fazendo. Se eu sou um cliente, é mais provável que mude de idéia se enfrentar pessoas que experimentaram a verdade, pessoas como Dali Tembo da África do Sul, em vez de depender de dados e relatórios secos.
A chamada de rali
Portanto, meu chamado para os pesquisadores da OD se reuniu em Berlim, e além, é o julgamento da IA, utiliza o Qual para se concentrar no desconhecido.
O exemplo bônus – seja mais Monet, Van Gough e Frida Kahlo
Não tive tempo de compartilhar esse pensamento em Berlim, mas compartilho aqui.
Até a invenção da fotografia, o foco principal da arte era capturar imagens realistas do mundo real.
Fotografia decolou nos 19th Século e foi amplamente estabelecido em 1900. Os pintores enfrentaram a ruína. Sua habilidade principal estava prestes a ser automatizada, mas algo mais rápido e preciso.
A primeira resposta foi o impressionismo, na década de 1870, com pintores como Monet e Renoir. Isto foi seguido por pós-impressionistas, como Van Gough, por surrealistas como Magritte e Dali, pela inovação de Picasso e pelo realismo mágico como Frida Kahlo.
A maioria dos 20 pintores mais amados de hoje estava no auge após a chegada da fotografia. A automação da captura de imagens não acabou com a pintura; Ele o libertou da mera cópia de imagens para interpretar o mundo.
Esta é a mudança que precisamos para qual.
Desculpe a todos os outros grandes palestrantes.
Eu não mencionei todo mundo que falava, mas todos eram ótimos. Mas vou destacar mais um orador, alguém que eu suspeito que seja um nome a ser observar nos próximos anos, Bryony Hancock, um novo rosto, mas contra uma competição muito boa, o vencedor do prêmio geral de melhor apresentação.
E, finalmente, um grande obrigado à QRCA por me convidar, foi um excelente evento.