Piackutatás blog

Nem az adatból van kevés, hanem abból, amit a vállalatok kezdenek vele

A piackutatási szakma egyik legérdekesebb ellentmondására világított rá egy júniusban publikált nemzetközi felmérés: a vállalatoknak még soha nem állt rendelkezésükre ennyi adat, kutatás, ügyfél-visszajelzés és elemzési lehetőség, mégis nehezen építik be ezeket a fontos döntésekbe. A „The State of Modern Research 2026” kutatás szerint a megkérdezett szervezetek 94 százalékában a vezetők fontosnak tartják a kutatást, de mindössze 27 százalék mondta azt, hogy a kutatási eredmények szinte minden jelentős üzleti döntésben megjelennek.

A probléma nem egyszerűen az információ mennyisége. A kutatás szerint az insight-szakemberek 93 százaléka már használ AI-t, miközben csak 48 százalék használ aktívan olyan insight-repozitóriumot, amelyben a korábbi kutatások rendszerezve, központi helyen elérhetők. Mindössze 35 százalék dolgozik olyan kutatási funkcióban, amely lényegében folyamatosan, „always-on” módon működik.

Ez fontos irányváltást jelezhet. A kutatócégek évtizedeken keresztül elsősorban egy-egy kutatás elkészítésére optimalizáltak: brief, kérdőív, adatfelvétel, elemzés, prezentáció, majd a projekt lezárása. A vállalatoknak viszont egyre inkább arra van szükségük, hogy a korábbi kutatások ne tűnjenek el a szerverek és PowerPoint-fájlok mélyén, hanem az új kutatások kiindulópontjai legyenek.

Az AI legnagyobb lehetősége talán nem is az új kutatás

Erre reagál a Fuel Cycle júniusban bemutatott Research Harness rendszere is. A platform célja, hogy az AI ne elszigetelt eszközként működjön, hanem a vállalat már meglévő kutatásaihoz és saját adataihoz kapcsolódjon. Az új kutatások így felhasználhatják a korábbi vizsgálatok eredményeit, az AI pedig képes lehet megmutatni, honnan származik egy-egy megállapítás.

Ez a változás a gyakorlatban sokkal jelentősebb lehet, mint egy újabb AI-kérdezőbiztos vagy automatikus riportgenerátor. Ha egy vállalatnak tíz évnyi ügyfélkutatása van, abban óriási mennyiségű, részben elfeledett tudás lehet. Az AI segítségével ezekből a régi kutatásokból újra lekérdezhető vállalati tudásbázis válhat.

Csakhogy ehhez előbb rendet kell tenni az adatok között. Egy, a Research Live-on közölt elemzés szerint a vállalatok 44 százaléka az elmúlt évben már kifejezetten AI-hoz vagy adat­integrációhoz kapcsolódó új munkakörökbe vett fel embereket, ennek ellenére az adatfragmentáció – vagyis hogy a fogyasztói adatok különböző rendszerekben, kutatásokban és szervezeti egységekben szétszórva találhatók – 41 százalék szerint a legnagyobb akadály az insightok hatékony használatában.

Vagyis miközben a vállalatok egyre több pénzt költenek AI-ra, a régi adatbázisok összekapcsolása lehet az egyik legfontosabb és legkevésbé látványos feladat.

Már nem az a kérdés, használják-e az AI-t

Az MRS júniusban egy külön Delphi-kutatást is indított arról, hogyan változtatja meg az AI a kutatási szakmát. A „Who Owns Understanding?” című anyagban többek között vállalati insight-szakemberek, köztük a Sage és az Unilever munkatársai vizsgálták, hogyan változik az érték, a szakértelem és a felelősség az AI-korszakban.

A vita egyik fontos következtetése, hogy a kutató szerepe nem feltétlenül csökken, csak más lesz. Ha az AI néhány perc alatt el tudja készíteni egy kutatás első elemzését, akkor egyre kevésbé az lesz a kutató legfontosabb hozzáadott értéke, hogy képes-e elkészíteni a kereszttáblákat vagy összefoglalni a válaszokat. Sokkal fontosabbá válik, hogy felismeri-e, ha az AI rossz kérdést tett fel, hibás összefüggést talált, vagy olyan következtetést vont le, amely módszertanilag nem áll meg.

Egy júniusi szakmai írás ezt tömören úgy fogalmazta meg: a jó insight nem attól értékes, hogy sok adatból születik, hanem attól, hogy jobb döntéshez vezet.

A kutatási adat és a személyes adat közötti határ újra fontos kérdés lett

Az AI terjedésével közben egyre élesebb vita bontakozik ki arról is, hogy felhasználhatók-e a kutatási válaszok AI-rendszerek tanítására. Kaliforniában például olyan törvényjavaslatot terjesztettek elő, amely megtiltotta volna a kutatási résztvevőktől származó személyes adatok AI-tréninghez és szintetikus adatok előállításához történő felhasználását. A javaslat végül májusban elbukott, de a szakmai vita ezzel természetesen nem ért véget.

A kérdés különösen kényes: egy kutatócégnek adott válasz eredetileg egy meghatározott kutatási célra született. Az viszont már egy új felhasználás, ha ugyanazt az adatot egy AI-modell tanítására, szintetikus válaszadók létrehozására vagy más kutatások automatizált elemzésére használják.

Ez a következő években könnyen a kutatási szerződések egyik fontos pontjává válhat: ki rendelkezik az adat fölött, mire használható fel, és mit enged meg az AI?

Közben egyre több kutatócég próbálja automatizálni az interjút

Az AI-moderált kvalitatív kutatás sem állt meg a korábbi kísérleti szinten. Az Attest júniusban épített be AI-moderált egyéni interjúkat saját kutatási platformjába. A kutató először elkészítheti az interjúvázlatot az AI segítségével, majd a rendszer lefolytatja a beszélgetéseket a fogyasztókkal.

Ez azért érdekes, mert a kvalitatív kutatás hagyományosan éppen az a terület volt, ahol az emberi kérdező szerepe nehezen volt kiváltható. A jó interjú nem pusztán kérdések egymás utáni felolvasása: a kérdezőnek észre kell vennie, ha a válaszadó bizonytalan, ellentmond önmagának vagy valami érdekeset mond, amire érdemes rákérdezni.

Az AI egyik előnye viszont éppen az lehet, hogy minden egyes interjúban ugyanazt a figyelmet képes fenntartani, és nincs olyan kapacitáskorlátja, mint egy húsz-harminc interjút végző kutatónak. Ha ez megfelelően működik, a kvalitatív kutatás ára és sebessége is jelentősen megváltozhat.

A Conveo ennél is tovább ment: júliusban olyan „folyamatos” kvalitatív kutatási programot mutatott be, amelyben a fogyasztókkal végzett AI-moderált videóinterjúkat rendszeresen megismétlik, majd a rendszer azt is elemzi, mi változott, miért változott, és mit lenne érdemes legközelebb megvizsgálni.

Ha ez a modell elterjed, az alapvetően változtathatja meg a kvalitatív kutatás természetét. Nem egy hat hónappal később megismételt „pillanatfelvétel” készül, hanem egy folyamatos fogyasztói radar.

Az Ipsos számai alapján a nagy kutatócégek piaca sem állt le

1. tévhit: „Ha az AI már úgy beszél, mint egy ember, akkor kiválthatja a telefonos kérdezőbiztosokat.”

Ez az egyik leggyakoribb feltételezés, ugyanakkor a legnagyobb félreértés is. A természetes hangzás önmagában nem elegendő egy sikeres telefonos interjúhoz. A piackutatás nem pusztán kérdések felolvasásából áll, hanem bizalomépítésből, a válaszadó motiválásából, félreértések kezeléséből és sokszor spontán emberi reakciókból is. Az AI technológia egyre közelebb kerül ehhez, de a kommunikáció társas dimenzióját nem csupán a hang minősége határozza meg.

2. tévhit: „A GDPR tiltja az AI használatát telefonos piackutatásban.”

Nem. A GDPR nem tiltja a mesterséges intelligencia használatát a telefonos piackutatások során.

A rendelet azt írja elő, hogy a személyes adatok kezelése jogszerű, átlátható és arányos legyen. Az AI használata tehát önmagában nem jogellenes. Ugyanakkor az AI-rendszerek működési sajátosságai - a nagyléptékű automatizálás, az automatikus adatfeldolgozás és az esetleges profilalkotás - miatt sokkal nehezebb megfelelni ezeknek a követelményeknek.

3. tévhit: „Ha nincs hangfelvétel, akkor nincs adatvédelmi probléma.”

A telefonos adatkezelés már jóval az első kérdés előtt megkezdődik.

Már maga a telefonszám is személyes adat lehet. A telefonszám kiválasztása, tárolása, hívása, a hívás ténye, az interjú státusza vagy akár az is, hogy valaki elutasította a részvételt, mind személyes adatnak minősülhet. Hangfelvétel nélkül is teljes körű adatkezelés történik.

4. tévhit: „Az AI sokkal olcsóbb, ezért egyértelműen megéri.”

Ez csak részben igaz.

Az AI valóban jelentősen csökkentheti az interjúk közvetlen lebonyolításának költségeit. Ugyanakkor nőhetnek a megfelelési, dokumentációs, fejlesztési, felügyeleti és informatikai költségek. Emellett, ha a válaszadási hajlandóság romlik, akkor az olcsóbb hívások sem feltétlenül eredményeznek olcsóbb kutatást.

5. tévhit: „Ha egyszer jogszerű egy AI-rendszer, akkor korlátlanul használható.”

A jogszerűség nem egyszeri állapot. Az adatkezelőnek folyamatosan biztosítania kell, hogy az adatkezelés megfeleljen a GDPR alapelveinek, a technológia változásainak és az aktuális jogértelmezésnek. Egy ma megfelelőnek tekintett megoldás akár már néhány hónap múlva módosításra szorulhat.

6. tévhit: „A válaszadókat nem érdekli, hogy emberrel vagy AI-val beszélnek.”

A kutatások és a gyakorlati tapasztalatok azt mutatják, hogy sok ember számára ez fontos kérdés.

Vannak, akik szívesebben beszélnek AI-val, mert gyorsnak és tárgyilagosnak tartják. Mások éppen ellenkezőleg, csak emberrel hajlandók kommunikálni. Az átláthatóság ezért nemcsak jogi, hanem bizalmi kérdés is.

7. tévhit: „Ha az AI mindenkit fel tud hívni, akkor könnyebb lesz reprezentatív mintát készíteni.”

Merre tart a telefonos AI-piackutatás?

A mesterséges intelligencia fejlődését figyelve könnyű abba a hibába esni, hogy kizárólag a technológia képességeiből próbáljuk megjósolni a jövőt. A történelem azonban azt mutatja, hogy egy új technológia elterjedését legalább három tényező határozza meg: maga a technológia, a szabályozási környezet és a társadalmi elfogadottság. Ha e három tényező közül bármelyik jelentősen elmarad a másiktól, a fejlődés lelassul vagy egészen más irányt vesz.

A telefonos AI-piackutatás jelenlegi helyzete éppen ezt a hármas egyensúlytalanságot tükrözi. A technológia rendkívül gyorsan fejlődik, a szabályozás ezzel párhuzamosan egyre óvatosabbá válik, miközben a társadalmi bizalom inkább csökken, mint növekszik. Ez önmagában is arra utal, hogy a következő években nem valószínű egy robbanásszerű átállás a teljesen automatizált telefonos kutatásokra.

Sokkal valószínűbb egy fokozatos, differenciált fejlődési pálya, amelyben az AI egyre több részfeladatot vesz át, de maga a telefonos kapcsolatfelvétel - különösen reprezentatív lakossági kutatások esetén - továbbra is jelentős emberi közreműködést igényel.

Az AI Act önmagában nem oldja meg a problémát

Az elmúlt években sok figyelmet kapott az Európai Unió mesterséges intelligenciáról szóló rendelete, az AI Act. Sokan úgy tekintenek rá, mint arra a jogszabályra, amely majd meghatározza az AI jövőjét Európában.

Ez azonban a telefonos piackutatás szempontjából csak részben igaz. Az AI Act elsősorban azt szabályozza, hogy egy mesterséges intelligencia milyen kockázati kategóriába tartozik, milyen átláthatósági kötelezettségei vannak, milyen dokumentációt kell készíteni, hogyan kell kezelni az emberi felügyelet kérdését és milyen esetekben tiltható vagy korlátozható egy adott AI-rendszer alkalmazása.

A telefonos piackutatás legfontosabb problémája azonban ettől nagyrészt független, az AI Act ugyanis nem írja felül a GDPR-t., az elektronikus hírközlési szabályokat, a nemzeti adatvédelmi hatóságok gyakorlatát. Vagyis attól, hogy egy AI-rendszer megfelel az AI Act előírásainak, még egyáltalán nem biztos, hogy jogszerűen kezdeményezhet telefonhívásokat lakossági mintákon. Ez egy nagyon fontos különbség, amelyet a technológiai sajtóban gyakran figyelmen kívül hagynak.

A legfontosabb kérdés valójában nem technológiai

Az egész témát vizsgálva könnyen arra a következtetésre juthatunk, hogy a telefonos AI jövőjének kulcskérdése valójában nem az, hogy képes lesz-e a mesterséges intelligencia emberként beszélni. Erre a válasz gyakorlatilag már ma is igen.

A valódi kérdés sokkal inkább az, hogy milyen társadalomban szeretnénk élni? Olyanban, ahol bármely vállalkozás gyakorlatilag korlátlanul indíthat több tízezer automatizált telefonhívást naponta? Vagy olyanban, ahol az emberek telefonos elérhetősége továbbra is fokozott védelem alatt áll? Ez nem informatikai vagy piackutatási kérdés, hanem társadalompolitikai döntés. És jelenleg úgy tűnik, hogy Európa egyértelműen a második irányba mozdul.

A reprezentatív telefonos kutatás hosszú távú jövője

Ha a klasszikus reprezentatív telefonos közvélemény-kutatásokat vizsgáljuk, akkor valószínűleg még hosszú ideig nem várható teljes automatizáció. Ennek több oka is van.

Egyrészt a már részletesen tárgyalt adatvédelmi problémák, másrészt a reprezentatív mintavétel nehézségei, harmadrészt a válaszadói bizalom megőrzésének fontossága. Negyedrészt pedig az a tény, hogy a telefonos kutatás értéke nem kizárólag az információ megszerzésében rejlik. Egy tapasztalt kérdező képes érzékelni a válaszadó bizonytalanságát, eldönteni, hogy valóban megértette-e a kérdést, kezelni a nehéz kommunikációs helyzeteket, felismerni, amikor valaki csak udvariasságból válaszol és nem utolsó sorban képes bizalmat építeni. Ezek közül több funkciót az AI idővel valószínűleg egyre jobban utánoz majd, az azonban korántsem biztos, hogy a válaszadók ezt ugyanúgy fogják értékelni. A piackutatás ugyanis nem pusztán információcsere, hanem bizalmi kapcsolat.

Hol várható valódi áttörés?

A kutatás lassan beépül az AI-ba - és közben újra kell gondolni, mi is maga a kutatás

Az elmúlt hónapok egyik legérdekesebb fejleménye, hogy az AI már nem csupán egy új eszköz a piackutató kezében: egyre inkább közvetlenül hozzáfér a kutatási adatokhoz. A YouGov júliusban a Model Context Protocolt (MCP) kezdte alkalmazni, így az AI-rendszerek - például a Claude - természetes nyelven tudnak lekérdezéseket indítani a YouGov adatbázisaiban. Ez azt jelenti, hogy egy elemzőnek nem feltétlenül kell külön adatbázis-kezelő felületet megnyitnia: akár egy AI-asszisztensnek is felteheti a kérdést, hogy mit mutatnak a kutatások egy adott célcsoportról vagy témáról.

Még érdekesebb a YPulse hasonló lépése. A fiatalok kutatására szakosodott szolgáltató júliusban tette elérhetővé saját adatállományát MCP-n keresztül. Az AI nem egyszerűen egy előre elkészített riportból dolgozik, hanem az egész mögöttes adatbázist képes lekérdezni, és az eredményhez hozzákapcsolja az eredeti kérdőív kérdését, a kutatás nevét és a minta nagyságát is. Ez apróságnak tűnik, valójában azonban fontos változás: az AI által adott válasz visszavezethető az eredeti kutatási adatra, így az elemző ellenőrizni tudja, honnan származik az állítás.

A Voxpopme ennél is tovább ment: olyan megoldást kezdett tesztelni, amely lehetővé teszi, hogy a vállalatok saját korábbi kutatásaikat kérdezzék le AI-asszisztenseken, például a ChatGPT-n vagy a Claude-on keresztül. A korábban elkészült kutatási riportok és kvalitatív anyagok így nem egyszerűen archívumban maradnak, hanem egyfajta „belső tudásbázissá” válhatnak, amelyhez a munkatársak beszélgetés formájában férhetnek hozzá.

A kvalitatív kutatásnál kezd igazán érdekes lenni az AI

Az AI-moderált interjúk eddig elsősorban technológiai érdekességnek tűntek, most azonban megjelent egy sokkal komolyabb alkalmazási modell. A belga Conveo júliusban olyan folyamatos kutatási rendszert indított, amely hetente, kéthetente vagy havonta képes ugyanazokat a témákat újra megvizsgálni AI által moderált videóinterjúkkal. Egy technológiai ügyfelük például havi 2000 interjút hét piacon futtat ilyen módon.

Ez a klasszikus kvalitatív kutatáshoz képest egészen más logikát jelent. Egy hagyományos projektben húsz-harminc mélyinterjú után elkészül a riport, és néhány hónappal később újabb kutatást kell indítani, ha tudni akarjuk, változott-e valami. Az AI-moderáció viszont lehetővé teszi, hogy a kvalitatív kutatás folyamatos mérési rendszerré váljon. A kérdés így már nem az, hogy „mit gondolnak most a fogyasztók?”, hanem az, hogy „mi változott a fogyasztók gondolkodásában az elmúlt hónaphoz képest?”.

Egy másik érdekes irány a Zappi új hirdetéstesztelő rendszere. Az Amplify AI korábbi fogyasztói kutatásokból származó adatokra, gépi tanulásra és szintetikus válaszadókra építve próbálja előre jelezni, hogyan reagálnának a fogyasztók egy közösségi médiában megjelenő videóhirdetésre. A rendszer célja, hogy a reklámtesztelés ne egy-egy kampány előtt elvégzett külön kutatás legyen, hanem szinte folyamatos visszacsatolás.

Az AI azonban a kutatás „fekete dobozát” is veszélyesen könnyen megnyithatja

A szakma közben egyre inkább felismeri, hogy az AI használatának legnagyobb problémája nem feltétlenül maga az algoritmus, hanem az, hogy ki és hogyan ellenőrzi az eredményét. A Research Live augusztusi összeállítása szerint az új kutatói kompetencia egyik legfontosabb eleme éppen annak felismerése lesz, hogy mikor érdemes elfogadni az AI eredményét, és mikor kell megkérdőjelezni azt. A kutatónak továbbra is rendelkeznie kell azzal a szaktudással, amellyel felismeri a hibás következtetést, a hallucinációt vagy a módszertani problémát.

Ez különösen érdekes változás a szakmában. Korábban a kutató elsősorban adatból készített elemzést. A jövőben egyre gyakrabban előfordulhat, hogy az AI készíti az első elemzést, a kutató pedig azt ellenőrzi, kritizálja és értelmezi. Vagyis az ember munkája részben az „elemzőből” szakmai kontrollorrá változik.

Egy egészen másfajta adatminőségi probléma

Augusztusban a Walr egy érdekes kutatást közölt, amely arra jutott, hogy már a kérdőív egyes kérdéseinek megfogalmazása is mérhetően befolyásolja az adatminőséget. A 2000 amerikai válaszadóval végzett vizsgálatban azt nézték, hogyan hat a kérdések megfogalmazása a válaszadói élményre és ezen keresztül az adatok minőségére.

Ez azért fontos, mert az adatminőségről szóló mostani viták szinte mindig a csaló válaszadókról, botokról vagy figyelmetlen kitöltőkről szólnak. A Walr eredménye viszont arra emlékeztet, hogy a jó adatminőséghez nem elég kiszűrni a rossz válaszadót: jó kérdőívet is kell készíteni. A kutatás minősége tehát már az első kérdés megszületésekor eldőlhet.

Közben maga a kutatói szakma is átalakul

A változásnak van egy kevésbé látványos, de annál fontosabb oldala is: milyen szakemberekre lesz szükség az új kutatási világban? Egy MRS által támogatott brit kvalitatív vizsgálat 18 olyan senior insight szakemberrel készített interjút, akik vállalati átszervezések, hatékonyságnövelő programok vagy leépítések miatt kerültek ki korábbi pozíciójukból. A kutatás szerint az insight-szakmának újra kell gondolnia, milyen értéket képvisel a vállalatokon belül.

A probléma részben az, hogy a kutatási jelentés önmagában egyre kevésbé számít végterméknek. Egy újonnan indult brit B2B kutatócég, a The Reality Department például már kifejezetten arra épít, hogy az eredmények ne egy hosszú prezentációban végezzék. Rövid videós összefoglalókat és különálló insight-oldalakat készítenek, amelyeket a vállalat munkatársai akár Teamsen vagy Slacken keresztül is megoszthatnak. A cég alapítója szerint a szakma évtizedeket töltött a kutatási riport tökéletesítésével, miközben alig foglalkozott azzal, mi történik a riporttal azután, hogy elkészült.

Ez valószínűleg az egyik legfontosabb változás a megrendelői oldalon is: egy kutatás értékét egyre kevésbé az fogja meghatározni, hogy milyen szép és részletes a prezentáció, és egyre inkább az, hogy milyen gyorsan és milyen közvetlenül vezet döntéshez.

Az amerikai piac közben meglepően erős

Nem minden hír szól azonban átalakulásról vagy válságról. Az Insights Association friss adatai szerint az amerikai insights- és analytics-ipar 2025-ben 7,8 százalékkal, 89,3 milliárd dollárra nőtt, vagyis nagyjából kétszer olyan gyorsan bővült, mint az amerikai gazdaság. A digitális adatelemzés már a teljes piac 37 százalékát adja, miközben a kutatási technológia az iparági bevételek csaknem feléhez kapcsolódik.

Ez arra utal, hogy az AI nem feltétlenül „elveszi” a piacot a kutatócégektől. Inkább átrendezi, hogy mire költik a pénzt: a klasszikus adatfelvétel és elemzés mellett egyre nagyobb üzlet az adat-infrastruktúra, az automatizálás, az analytics és az AI-alapú insight.

Jó példa erre a Rep Data, amely az elmúlt időszakban több akvizícióval építette fel saját kutatási ökoszisztémáját. A SightX felvásárlása után augusztusban már a mintabeszerzést is integrálta ugyanabba a platformba, ahol a kutatást megtervezik és lebonyolítják. Így egyetlen rendszerben lehet meghatározni a célcsoportot, mintát rendelni, elindítani a kutatást és ellenőrizni a válaszok minőségét.

Még nagyobb léptékű üzlet volt a Nielsen augusztusi bejelentése: 2,15 milliárd dollárért felvásárolja a DoubleVerify-t. A tranzakció az audience measurement, a digitális média és a hirdetések független ellenőrzésének világát köti még szorosabban össze.

És egy érdekes magyar fejlemény

Nemzetközi kitekintés - Ugyanaz a technológia, egészen eltérő szabályozási környezet

A mesterséges intelligenciával támogatott telefonos kommunikáció fejlődését figyelve könnyen kialakulhat az a benyomás, hogy a világ minden részén hasonló ütemben terjednek ezek a megoldások. A valóság azonban ennél jóval összetettebb. Maga a technológia gyakorlatilag mindenhol ugyanaz. Ugyanazok a nagy nyelvi modellek, ugyanazok a beszédfelismerő rendszerek és ugyanazok a természetes hangon kommunikáló voicebotok állnak rendelkezésre világszerte. Ami valóban meghatározza a fejlődés ütemét, az nem a technológia, hanem a jogi és társadalmi környezet.

A telefonos AI-rendszerek fejlődésének vizsgálata ezért különösen jól mutatja, hogy ugyanarra a technológiai lehetőségre mennyire eltérő válaszokat adhatnak a különböző országok. Míg egyes államok elsősorban az innováció ösztönzésére helyezik a hangsúlyt, addig mások a magánszféra védelmét tekintik elsődlegesnek. Az Európai Unió egyértelműen az utóbbi csoportba tartozik.

Egyesült Államok - a technológia gyorsabban fejlődik, mint a szabályozás

Ha ma a világon a legnagyobb AI-alapú telefonos platformokat vizsgáljuk, azok túlnyomó többsége amerikai vállalkozás. Nem véletlen, hogy az elmúlt néhány évben olyan szolgáltatások jelentek meg, mint a Synthflow, Bland AI, Retell AI vagy Vapi, amelyek elsődleges célja éppen a természetes beszélgetést folytató telefonos AI-rendszerek létrehozása.

Az Egyesült Államok adatvédelmi megközelítése alapvetően eltér az európaitól. Nincs a GDPR-hoz hasonló, minden szektorra egységesen alkalmazandó szövetségi adatvédelmi rendelet. A szabályozás inkább ágazati és tagállami szinten épül fel, miközben a telefonos megkereséseket elsősorban a Telephone Consumer Protection Act (TCPA), valamint a Federal Communications Commission (FCC) előírásai szabályozzák.

Ennek eredményeként az AI-alapú telefonos rendszerek fejlesztése gyorsabb ütemben halad, ugyanakkor az Egyesült Államokban rendkívül súlyos problémává váltak az úgynevezett robocallok. Az amerikai lakosság évente több milliárd automatizált telefonhívást kap, amelyek jelentős része csalárd vagy kéretlen kereskedelmi célú megkeresés. Ez jól mutatja, hogy a lazább szabályozási környezet gyors innovációt eredményezhet, ugyanakkor komoly társadalmi költségekkel is járhat.

Érdekes módon az amerikai szabályozás is egyre szigorúbbá válik. Az elmúlt években több olyan hatósági állásfoglalás és bírósági döntés született, amely már kifejezetten a mesterséges intelligencia által generált hangot is az automatizált hívások körébe sorolja. Ez arra utal, hogy még az innovációt támogató piacokon is megjelent az igény a lakosság fokozottabb védelmére.

Egyesült Királyság - a Brexit után is hasonló alapelvek

Bár az Egyesült Királyság már nem tagja az Európai Uniónak, adatvédelmi rendszere továbbra is nagyrészt a GDPR alapelveire épül. A brit GDPR és a Privacy and Electronic Communications Regulations (PECR) együttesen szabályozza a telefonos marketinget és az elektronikus kommunikációt.

A brit Információs Biztos Hivatala (ICO) az elmúlt években számos jelentős bírságot szabott ki kéretlen telefonos kampányok miatt. A hatóság gyakorlatából jól látható, hogy nem maga az AI áll a vizsgálatok középpontjában, hanem az, hogy a vállalkozások rendelkeznek-e megfelelő hozzájárulással, és tiszteletben tartják-e az érintettek jogait.

Ez a megközelítés nagyon hasonló az Európai Unió gyakorlatához.

Ázsia - technológiai nyitottság, eltérő adatvédelmi kultúrák

Ázsia egészen más képet mutat. Japán, Dél-Korea, Szingapúr és Kína egyaránt a mesterséges intelligencia fejlesztésének élvonalába tartozik, mégis jelentősen eltérő szabályozási filozófiát követnek.

Japánban hagyományosan magas a technológiai innováció társadalmi elfogadottsága. A mesterséges intelligencia alkalmazását inkább gazdasági lehetőségként kezelik, miközben természetesen itt is léteznek adatvédelmi szabályok. A japán vállalatok ezért jellemzően nyitottabban kísérleteznek AI-alapú ügyfélszolgálati és telefonos megoldásokkal.

Dél-Korea hasonlóan fejlett technológiai környezetet kínál, ugyanakkor adatvédelmi rendszere sok szempontból már közelebb áll az európai megközelítéshez. A személyes adatok kezelése itt is szigorúan szabályozott, ezért az AI alkalmazása jellemzően kontrollált keretek között történik.

Kína külön kategóriát képvisel. Az ország a mesterséges intelligencia fejlesztésének egyik globális központja, és a telefonos AI-megoldások üzleti alkalmazása rendkívül gyorsan terjed. A kínai adatvédelmi szabályozás az utóbbi években sokat szigorodott, ugyanakkor alapfilozófiája továbbra is jelentősen eltér az európai modelltől, ami kedvezőbb környezetet teremt a nagyléptékű AI-rendszerek gyors bevezetéséhez.

Közel-Kelet - gyors digitalizáció, pragmatikus megközelítés

Az Öböl menti országok - különösen az Egyesült Arab Emírségek és Szaúd-Arábia - az elmúlt években kiemelt stratégiai célként kezelték a mesterséges intelligencia alkalmazását. A telefonos AI-rendszerek elsősorban ügyfélszolgálati, banki és közszolgáltatási területeken terjednek.

Ezekben az országokban a szabályozás általában rugalmasabb, mint Európában, ugyanakkor az állami szerepvállalás erősebb. A hangsúly elsősorban azon van, hogy az AI hozzájáruljon a szolgáltatások digitalizációjához és a gazdasági versenyképesség növeléséhez.

Európa - tudatosan választott óvatos út

A fenti példák alapján könnyen felmerülhet a kérdés, hogy az Európai Unió vajon nem kerül-e versenyhátrányba azzal, hogy sokkal szigorúbb adatvédelmi szabályokat alkalmaz.

Erre nincs egyszerű válasz. Rövid távon valóban előfordulhat, hogy az európai vállalkozások lassabban vezetik be az AI-alapú telefonos megoldásokat, mint amerikai vagy ázsiai versenytársaik. Hosszabb távon azonban az európai megközelítés mögött egy tudatos stratégia húzódik meg. Az Európai Unió abból indul ki, hogy a digitális gazdaság csak akkor maradhat fenntartható, ha az emberek bíznak benne. A személyes adatok védelme ezért nem az innováció akadálya kíván lenni, hanem annak egyik előfeltétele.

Éppen ezért Európában a kérdés várhatóan nem az lesz, hogy alkalmazható-e mesterséges intelligencia a telefonos piackutatásban, hanem az, hogy milyen garanciák mellett tehető ez úgy, hogy közben ne sérüljön a lakosság bizalma, és ne váljon általánossá a kéretlen automatizált megkeresések tömeges gyakorlata.

Van-e egyáltalán létjogosultsága az AI-alapú telefonos piackutatásnak?

Piackutatás és közvélemény-kutatás: az AI már nem jövőidő, a megbízható minta viszont egyre nagyobb kincs

Az elmúlt fél év nemzetközi piackutatási híreit végignézve egy dolog feltűnően világos: az iparág technológiai átalakulása felgyorsult, de közben éppen a régi, klasszikus kutatási problémák - a minta minősége, a válaszadók valódisága és az eredmények megbízhatósága - kerültek újra a középpontba. A mesterséges intelligencia egyszerre jelent új kutatási módszert, hatékonyságnövelő eszközt és új típusú veszélyt.

A téma egyik legérdekesebb fejleménye a szintetikus válaszadók körül kibontakozó vita. A London School of Economics kutatói júliusban olyan vizsgálatot publikáltak, amelyben 7755 valódi válaszadó adatait (melyek 7 különböző mintaszolgáltatótól származtak) hasonlították össze egy AI által szimulált „közönség” válaszaival (a szintetikus válaszadó egy AI által létrehozott, virtuális „ember”, amely egy feltételezett célcsoport tagjaként válaszol a kutatási kérdésekre, valódi válaszadó bevonása nélkül). A meglepő eredmény az volt, hogy a szintetikus minta eredményei összességében beleestek a valódi mintaszolgáltatók által produkált eredménytartományba - például politikai pártpreferenciánál a valódi panelek között önmagában 10-20 százalékpontos eltérések is voltak, és az AI eredménye ezen a sávon belül maradt. A konklúzió tehát nem az, hogy az AI már olyan pontos, mint egy valódi reprezentatív kutatás, hanem inkább az, hogy a jelenlegi online mintákhoz képest a szintetikus válaszadók meglepően versenyképesek lehetnek bizonyos aggregált kérdésekben. Ugyanakkor a tanulmány egyik legfontosabb megállapítása éppen az volt, hogy a mintaszolgáltatók közötti különbséget elsősorban az okozta, hogy kik kerültek be a mintába, vagyis a minta összetétele legalább akkora probléma, mint maga a válaszadás minősége. Egy mondatban: az AI nem a „valódi emberek helyettesítőjeként” bizonyított, hanem azt mutatta meg, hogy az online kutatások jelenlegi bizonytalanságához képest már most is meglepően közel tud kerülni az emberi eredményekhez.

Ugyanakkor egy másik, szintén júliusi vizsgálat viszont arra jutott, hogy a szintetikus és az emberi válaszok között „jelentős különbségek” vannak, és az egyéni szintű, teljes kérdőíves ember-szimuláció jelenleg nem feltétlenül jó felhasználási módja a technológiának.

A szakmai vita valójában kezd letisztulni: nem az a kérdés, hogy „helyettesíti-e az AI a válaszadókat”, hanem az, hogy hol tudja értelmesen kiegészíteni a valódi kutatást. Koncepciótesztelésnél, előzetes hipotézisek felállításánál, bizonyos szimulációknál és alacsony kockázatú döntéseknél már most is lehet szerepe, miközben érzékeny, szabályozott vagy nagy üzleti következményekkel járó kutatásoknál továbbra is nehéz elképzelni a valódi emberek teljes kiváltását. A Research Live év eleji szakmai előrejelzése szerint 2026 végére sem várható, hogy a szintetikus adat sok területen elfogadottá váljon.

Az iparág lassan kezd szembenézni azzal, hogy a „reprezentatív online minta” önmagában már nem feltétlenül jelent megfelelő minőséget. Az Insights Association 2026 első félévére vonatkozó globális adatminőségi benchmarkja közel 1,8 millió survey rekordot vizsgált 13 országban. A B2B kutatásoknál volt a legtöbb probléma az adatminőséggel: a kutatócégek az ellenőrzések során a beérkező válaszok 28,5%-át kiszűrték, míg a mintaszolgáltatók esetében ez az arány 21,2% volt.

Vagyis az adatminőséget nem elég a kutatás végén ellenőrizni (adattisztítás), hanem már az adatfelvétel során folyamatosan figyelni kell rá. A minőségbiztosítás maga is a kutatási folyamat egyik meghatározó része lett. Nem véletlen, hogy külön üzletág épül a botok, AI-válaszadók, fraud ringek és úgynevezett device farmok kiszűrésére. A Rep Data például felvásárolta az osztrák ReDemet, hogy a kutatás előtti fraud prevention és a kérdőív közbeni válaszellenőrzés egy rendszerben működjön. Júliusban már olyan funkciót is bemutattak, amely megmutatja, hogyan változik egy kutatás eredménye a gyenge minőségű válaszadók kiszűrése után.

Különösen érdekes, hogy az iparág nem egyetlen „csodafegyverben” gondolkodik. A Insights Association szakmai álláspontja szerint a minta­szolgáltató, a kutatóügynökség, a technológiai szolgáltató és a megrendelő külön-külön csak a probléma egy részét látja; ezért a jövőben várhatóan a kutatócégek és a mintaszolgáltatók közösen kialakított minőségellenőrzésre és egységes szabályokra támaszkodnak majd.  

Közben az AI egy másik területen sokkal gyorsabban tör előre: a kvalitatív kutatásban. A kanadai Leger áprilisban AI által moderált interjúkat és beszélgetéseket vezetett be. A cél nem egyszerűen az olcsóbb moderálás, hanem több száz beszélgetés gyors lebonyolítása és a résztvevők motivációinak mélyebb feltárása. A kutatók szerepe ebben a modellben nem tűnik el: ők alakítják az interjústruktúrát, irányítják a kutatást és validálják az eredményeket.

Hasonló irányba lép a YouGov is: júliusban mutatta be a Parallax nevű eszközét, amely AI-szimulációt kombinál emberi validációval a közvélemény és attitűdök vizsgálatára.

A kutatók lelkesedése ugyanakkor még messze nem teljes. Egy májusi iparági felmérésben a válaszadók 67 százaléka mondta, hogy csak „valamennyire bízik” az AI eredményeiben, és mindent ellenőriz; további 20 százalék inkonzisztensnek tartotta az eredményeket. Mindössze 10 százalék mondta azt, hogy nagyon bízik az AI megbízhatóságában. (A felmérés 203 válaszadója a piackutatási/insight szakmában dolgozó szakemberekből állt.)

A közvélemény-kutatásnak különösen nagy próbatétel az AI

A technológia legnagyobb ellenfele valószínűleg saját maga lesz

A mesterséges intelligenciával kapcsolatban a közgondolkodás gyakran abból indul ki, hogy ha egy technológia olcsóbb, gyorsabb és hatékonyabb, akkor előbb-utóbb kiszorítja a korábbi megoldásokat. A történelem számos példát szolgáltat erre, az ipari automatizálástól kezdve a digitális fényképezésen át az online bankolásig.

A telefonos AI-adatfelvétel esetében azonban egy olyan sajátos jelenség figyelhető meg, amely gyökeresen eltér ezektől a példáktól. Itt ugyanis nem egy korlátlanul rendelkezésre álló erőforrást automatizálunk, hanem egy véges, rendkívül érzékeny társadalmi erőforrást használunk: az emberek figyelmét és együttműködési hajlandóságát.

A telefonos piackutatás sikerének alapja nem maga a telefonhívás, hanem az, hogy a hívott fél hajlandó időt szánni egy ismeretlen szervezet kérdéseire. Ez a hajlandóság már ma sem korlátlan. Az elmúlt húsz évben a válaszadási arányok világszerte jelentősen csökkentek. Ebben szerepet játszott a telemarketing térnyerése, a telefonos csalások elszaporodása, az ismeretlen számokkal szembeni bizalmatlanság és általában a digitális túlterheltség.

Ebbe a környezetbe érkezik meg most a mesterséges intelligencia.

Első pillantásra úgy tűnhet, hogy az AI éppen javítani fogja a helyzetet. Természetesebb hangon beszél, udvariasabb, türelmesebb, nem fárad el, nem hibázik, és akár személyre szabott kommunikációra is képes.

Hosszabb távon azonban éppen ezek a tulajdonságai jelenthetik a legnagyobb veszélyt.

Az automatizálás közgazdasági paradoxona

A telefonos AI-rendszerek egyik legnagyobb előnye a rendkívül alacsony határköltség. Egy újabb telefonhívás lebonyolítása gyakorlatilag elenyésző többletköltséget jelent. Egy vállalat számára ezért természetes üzleti döntés lehet, hogy a korábbinál sokkal több embert keres meg.

Ha azonban ezt nem egyetlen vállalat teszi, hanem több száz vagy több ezer, akkor a rendszer működési logikája teljesen megváltozik. A telefonhívások száma drasztikusan növekedni kezd. Minden egyes cég teljesen racionális döntést hoz, amikor növeli saját AI-kampányait. A végeredmény azonban társadalmi szinten irracionális lesz.

Ez a közgazdaságtanban jól ismert jelenség, amelyet gyakran a „közlegelők tragédiájaként” írnak le. Amikor egy közösen használt erőforrás minden szereplő számára ingyenesen vagy nagyon olcsón hozzáférhetővé válik, minden résztvevő érdeke annak minél intenzívebb használata. Ennek következményeként azonban maga az erőforrás válik használhatatlanná.

A telefonos AI esetében ez a közös erőforrás nem más, mint az emberek válaszadási hajlandósága. Minél több automatizált hívás éri a lakosságot, annál kevésbé lesznek hajlandók egyáltalán felvenni az ismeretlen számokat. Ez már ma is megfigyelhető folyamat, a különbség csupán az, hogy jelenleg ezt még elsősorban emberek végzik, a mesterséges intelligencia azonban nagyságrendekkel képes növelni ugyanennek a folyamatnak az intenzitását.

Egy önmagát gyengítő technológia

A legtöbb technológiai innovációra igaz, hogy a szélesebb körű elterjedés növeli az értékét.

A telefonos AI esetében azonban könnyen előfordulhat ennek éppen az ellenkezője. Az első néhány vállalat jelentős versenyelőnyhöz juthat. (Gyorsabb adatfelvétel, alacsonyabb költség, nagyobb rendelkezésre állás, jobb skálázhatóság.) Amint azonban a piac jelentős része ugyanígy kezd működni, ezek az előnyök fokozatosan eltűnnek. (A válaszadók alkalmazkodni kezdenek, megtanulják felismerni a mintázatokat, nagyobb arányban bontják a hívást, blokkolják az ismeretlen számokat, automatikusan elutasítják a robotnak tűnő beszélgetéseket.)

Egyre több telefon operációs rendszere figyelmezteti a felhasználót arra, hogy a hívás valószínűleg automatikus vagy gyanús eredetű. A szolgáltatók spam-szűrő rendszerei folyamatosan fejlődnek, és a mesterséges intelligenciát már nemcsak a hívások kezdeményezésére, hanem azok felismerésére is használják. Így könnyen kialakulhat egy sajátos „AI–AI verseny”: az egyik oldalon az AI egyre természetesebb módon próbál kapcsolatba lépni a felhasználóval, a másik oldalon pedig egy másik AI próbálja kiszűrni vagy blokkolni ugyanezt a hívást.

Ez hosszú távon nem feltétlenül a piackutatók érdekeit szolgálja.

A bizalom elvesztése sokkal nagyobb veszteség, mint a költségmegtakarítás

A piackutatás egyik legfontosabb, de legkevésbé kézzelfogható értéke a hitelesség. A válaszadó azért vesz részt egy kutatásban, mert úgy érzi, hogy egy legitim szervezet keresi meg, amely valóban kíváncsi a véleményére. Ha azonban a lakosság egyre nagyobb része naponta több automatizált telefonhívással találkozik, akkor ezek a megkeresések fokozatosan összemosódnak. (A piackutatás, a telemarketing, az értékesítés, a politikai kampányok, a csalások, stb.)

A válaszadó szemszögéből ezek egy idő után ugyanannak a jelenségnek különböző megjelenési formái lesznek, ez pedig rendkívül veszélyes folyamat. A telefonos piackutatás évtizedeken keresztül igyekezett elkülönülni az értékesítési célú megkeresésektől, számos szakmai szervezet, etikai kódex és iparági szabvány épült arra, hogy a kutatás nem reklám, nem értékesítés és nem direkt marketing.

Ha azonban ugyanazt az AI-technológiát használja egy piackutató cég és egy agresszív értékesítő vállalkozás, akkor ezt a különbséget a válaszadók jelentős része már nem fogja érzékelni, a bizalom elvesztése pedig hosszú távon sokkal nagyobb kárt okozhat, mint amekkora költségcsökkentést az AI rövid távon lehetővé tesz.

A jogalkotók pontosan ettől tartanak

A GDPR mögött meghúzódó szemlélet gyakran vált ki kritikát az üzleti szereplők részéről. Sokan úgy érzik, hogy a szabályozás túlzottan óvatos, és lassítja az innovációt. Ha azonban a telefonos AI jövőjét vizsgáljuk, könnyen belátható, hogy a jogalkotók aggályai nem teljesen alaptalanok.

Képzeljük el azt a helyzetet, amikor Európában több tízezer vállalkozás használ természetes hangon beszélő AI-rendszereket. Minden ügyfélszolgálat. Minden biztosító. Minden bank. Minden közműszolgáltató. Minden piackutató. Minden telemarketinges. Minden politikai kampány. Minden közvélemény-kutató.

A lakosság naponta több AI-hívást kapna. Ebben a helyzetben az emberek természetes reakciója valószínűleg nem az lenne, hogy még több telefonhívást fogadnak, hanem éppen az ellenkezője. Egyre több hívást utasítanának el, egyre több számot blokkolnának, egyre több automatizált szűrőt alkalmaznának - ez végső soron minden szereplő számára rontaná az elérhetőséget.

A jogalkotók pontosan ezt a jövőképet próbálják megelőzni. A GDPR, az elektronikus hírközlési szabályok és az európai AI-szabályozás mögött nem kizárólag adatvédelmi megfontolások állnak, hanem annak felismerése is, hogy bizonyos technológiák tömeges alkalmazása önmagában is társadalmi károkat okozhat.

Várható-e további szigorítás?

A jelenlegi szabályozási irányokat vizsgálva nehéz olyan jelet találni, amely arra utalna, hogy az Európai Unió a következő években enyhíteni kívánná az automatizált telefonos adatgyűjtés feltételeit.

Éppen ellenkezőleg. Az elmúlt évek adatvédelmi döntései következetesen az átláthatóság, az érintettek kontrolljának erősítése és az automatizált döntéshozatal fokozott felügyelete felé mutatnak. Ezzel párhuzamosan egyre több ország vezet be vagy erősít olyan szabályokat, amelyek előírják, hogy a hívott fél egyértelműen tudja: emberrel vagy mesterséges intelligenciával beszél. Ez a tendencia várhatóan tovább folytatódik.

A társadalmi elfogadottság ugyanis ma még messze elmarad attól a technológiai fejlettségtől, amelyet a modern „voice AI” már elért. Valószínűleg nem az lesz a kérdés, hogy lehet-e AI-val telefonálni, hanem az, milyen feltételekkel, milyen átláthatóság mellett, milyen célokra és milyen korlátozásokkal.

A következő részben azt vizsgáljuk meg, hogy mindezek ellenére milyen területeken lehet mégis reális és jogszerű alkalmazási lehetősége az AI-alapú telefonos piackutatásnak. Részletesen bemutatjuk, milyen feltételek mellett működhet egy GDPR-kompatibilis AI-rendszer, milyen szerepe lehet a hozzájáruláson alapuló telefonszám-adatbázisoknak, valamint azt is, hogy várhatóan milyen irányban fejlődik majd együtt - nem egymás helyett - az emberi kérdezőbiztosokra épülő CATI és a mesterséges intelligenciával támogatott telefonos adatfelvétel.

Ha korábban RSS-olvasóval követted a blog bejegyzéseit, fontos tudnod, hogy a régi FeedBurner-szolgáltatás időközben megszűnt. Emiatt a korábban beállított FeedBurner-es RSS-hivatkozás már nem működik, és nem jelennek meg benne a blog új bejegyzései. Akik a Feedburner-es RSS csatornát használták, azok nem értesülnek már a blog új bejegyzéseiről.

Ha te látod vagy láttad az RSS olvasódban a legújabb, 2026-os posztokat, akkor nincs semmi teendő, a jelenleg is jól működő RSS csatornát használod. Ha nem ez a helyzet, és szeretnéd RSS-olvasóval követni az új írásokat, kérjük, add hozzá újra az olvasódhoz (pl. Feedly.com vagy Feedly applikáció) a Piackutatás blog-ot, vagy add meg a következő RSS-csatornát: https://piackutatas.blog.hu/rss2

A „random lakossági számhívás + automatizált AI-kérdezés” Magyarországon erősen szabályozott terület. A vonatkozó szabályokat nem kizárólag a GDPR határozza meg: az elektronikus hírközlésről szóló 2003. évi C. törvény (Eht.) külön rendelkezéseket tartalmaz az automatizált hívórendszerekre, a véletlenszerű számképzésre, valamint a közvélemény- és piackutatási célú megkeresésekre is.

A gyakorlatban természetesen megvalósíthatók ilyen kampányok, és tudomásunk van több olyan cégről is, amelyek Magyarországon használtak vagy használnak automatizált telefonos megoldásokat. Az azonban, hogy egy ilyen rendszer technikailag működik, önmagában még nem jelenti azt, hogy az adatkezelés és a hívások jogszerűek. A jogsértésnek adatvédelmi és hírközlési jogi következményei is lehetnek. A GDPR bizonyos jogsértések esetére legfeljebb 20 millió euróig, illetve a vállalkozás teljes előző pénzügyi évi világpiaci éves árbevételének 4%-áig terjedő közigazgatási bírságot tesz lehetővé; ez természetesen nem azt jelenti, hogy egy konkrét ügyben automatikusan ekkora bírságot szabnának ki.

Teljesen random lakossági hívás: piackutatás és közvélemény-kutatás nem ugyanaz!

A teljesen random lakossági hívás (hideghívás automatizált rendszerrel, akár IVR, akár AI használatával) piackutatási célból jelenleg Magyarországon csak akkor alkalmazható, ha az előfizető ehhez előzetesen hozzájárult. Ezt az Eht. 162. § (1) bekezdés a) pontja kifejezetten kimondja.

Ez fontos különbség a közvélemény-kutatási célú automatizált hívásokhoz képest. A magyar szabályozás ugyanis külön lehetőséget biztosít arra, hogy közvélemény-kutatás céljából nyilvános adattár használata nélkül, véletlenszerű számképzéssel - vagyis a rendelkezésre álló számtartományból véletlenszerűen képzett telefonszámok tárcsázásával - történjen kapcsolatfelvétel. Erre azonban az Eht. speciális feltételeket ír elő.

A véletlenszerű számképzéssel végzett közvélemény-kutatásnál a szolgáltató részére bizonyos tiltási nyilatkozatokat tett előfizetőket nem lehet megkeresni. A közvélemény-kutatónak továbbá a kutatás megkezdése előtt 30 nappal be kell jelentenie a közvélemény-kutatás céljára alkalmazott hívószámát a Hatóság és a hírközlési szolgáltató részére. A hívott személyt tájékoztatni kell arról is, hogy a telefonszámát véletlenszerű számképzéssel választották ki, valamint arról, hogy milyen célból végzik a közvélemény-kutatást. Az ilyen véletlenszerű számképzéses kapcsolatfelvétel kizárólag a Kktv. szerinti közvélemény-kutatás céljára alkalmazható!

Ezért nem lenne helyes azt állítani, hogy minden Magyarországon végzett random, automatizált lakossági felmérés törvénytelen. Ha azonban a kutatás valóban piackutatás, és nem közvélemény-kutatás, akkor az automatizált hívórendszer használatához előzetes hozzájárulás szükséges. (Megjegyzés: a B2B, vagyis céges hívásokra enyhébb szabályok vonatkoznak, jogilag más megítélés alá esnek, de ezt most nem tárgyaljuk.)

Hogy lehetne az ilyen piackutatási hívásokat törvényesen lebonyolítani?

Elméletileg olyan vásárolt panelre vagy opt-in listára lenne szükség, amelynek résztvevői előzetesen hozzájárultak a megfelelő célú telefonos, illetve automatizált megkereséshez. Az ilyen módon lebonyolított hívások jogi szempontból lényegesen biztonságosabbak lehetnek, feltéve, hogy maga az adatbázis, a hozzájárulás megszerzése, az adatkezelés és a hívás lebonyolítása is megfelel a vonatkozó előírásoknak.

A gyakorlatban azonban nem egyszerű olyan „megveszem és automatával hívogatom kvázi a teljes magyar lakosságot” típusú, megfelelően dokumentált opt-in telefonszám-adatbázist találni, amelyet kifejezetten ilyen célú automatizált piackutatásra lehetne használni (Megj.: tudomásunk szerint ilyen nem létezik jelenleg). Egy telefonszám-adatbázis megvásárlása ugyanakkor önmagában nem teremti meg a jogszerű adatkezelés feltételeit; azt is igazolni kell, hogy az adatok milyen forrásból származnak, milyen célra történt a hozzájárulás, és az kiterjed-e az adott adatkezelő, illetve az automatizált hívás alkalmazására.

Survey SaaS / automated voice survey platformok

A nemzetközi online térben léteznek ún. „Survey SaaS” vagy „automated voice survey” platformok is, amelyek IVR- vagy AI-alapon működnek. Ezek használatával a szolgáltató online felületén saját telefonszám-lista tölthető fel, majd a rendszer automatikus híváskampányokat indíthat, gépi (IVR vagy AI) hanggal kérdezhet, a válaszokat pedig adatbázisban rögzítheti.

Fontos azonban, hogy a platform használata nem teszi automatikusan jogszerűvé a hívásokat. A feltöltött telefonszám-listának, az adatkezelés jogalapjának és a megkeresés módjának önmagában is meg kell felelnie a magyar és uniós szabályoknak.

Technikai és telekommunikációs korlátok

Az EU-ban, illetve Magyarországon számos „automated voice survey” szolgáltató korlátozza vagy nem támogatja a random autodialing használatát, különösen a szabályozási és szolgáltatói megfelelési követelmények miatt. Más régiókban - például egyes afrikai vagy ázsiai piacokon - az ilyen megoldások szélesebb körben használatosak.

További technikai korlátozásokkal is számolni kell. A távközlési szolgáltatók a hálózataikon zajló forgalmat különböző módokon ellenőrzik, és az automatizált, tömeges hívások kiszűrésére úgynevezett robocall-detection és egyéb forgalomszűrési megoldásokat is alkalmazhatnak. Ez a hívások kézbesítésének korlátozásához vagy akár a használt hívószámok blokkolásához is vezethet.

Két külön világ: élő hívás vs. automatizált hívás

Az, hogy egy előfizető nem tett a szolgáltatónál olyan nyilatkozatot, amely az adott célú megkeresést tiltja, nem jelenti azt, hogy minden célból és minden kommunikációs módon szabadon megkereshető. Különösen fontos különbség van az emberi kérdező által kezdeményezett telefonhívás és az emberi beavatkozás nélküli automatizált hívás között.

Az élő operátoros hívások (CATI) esetében az adatkezelés jogalapja és a megkeresés jogszerűsége az adott kutatás körülményeitől függ. Piackutatás esetén például nem automatikusan a hozzájárulás az egyetlen lehetséges GDPR-jogalap; megfelelő körülmények között jogos érdek is szóba jöhet, amelynél azonban érdekmérlegelésre, megfelelő tájékoztatásra és az érintett tiltakozási jogának biztosítására is szükség lehet. A szolgáltatói tiltó nyilatkozatokat és az egyéb vonatkozó korlátozásokat természetesen ebben az esetben is figyelembe kell venni.

Ezért az sem pontos megfogalmazás, hogy „aki nincs a Robinson listán, az minden esetben, akár random módon is hívható”. A jogszerűséghez az adott adatkezelés teljes körülményeit kell vizsgálni.

Az automatizált IVR / robocall / AI-hívások esetében viszont a piackutatás tekintetében sokkal szigorúbb az Eht. szabálya: az ilyen automatizált hívórendszer csak akkor alkalmazható piackutatási célra, ha az előfizető ehhez előzetesen hozzájárult. Vagyis pusztán az, hogy az adott telefonszám nincs tiltva, nem elegendő.

A közvélemény-kutatás ebből a szempontból külön kategória: az Eht. lehetővé teszi a meghatározott feltételeknek megfelelő, véletlenszerű számképzéssel végzett automatizált közvélemény-kutatást is. Ez azonban nem terjeszthető ki általánosságban a piackutatásra.

Összegezve

A piackutatási célú, automatizált IVR-, robocall- vagy AI-hívás esetében nem elegendő az, hogy a hívott fél nem szerepel valamilyen tiltólistán: az Eht. alapján előzetes hozzájárulás szükséges. Ez alapvetően különbözik az élő kérdezőbiztosok által végzett telefonos kutatások jogi megítélésétől.

Ugyanakkor közvélemény-kutatási célból a magyar jog kifejezetten ismeri és szabályozza a véletlenszerű számképzéssel végzett automatizált telefonos kapcsolatfelvételt. Ennek szigorú feltételei vannak, többek között a hívószámok előzetes bejelentése, a tiltási nyilatkozatok figyelembevétele és a hívott személy megfelelő tájékoztatása.

Így a „random számhívás + automatizált AI/IVR” modellről nem általában mondható ki, hogy Magyarországon törvénytelen. A döntő kérdés az, hogy milyen célból történik a megkeresés. Piackutatásnál előzetes hozzájárulás kell; a közvélemény-kutatásnál viszont a törvény külön szabályozott keretek között lehetővé teszi a random számképzést is.

A piackutatási célú automatizált hívásokra tehát jelenleg lényegesen szigorúbb szabályok vonatkoznak, és erre a célra nem lehet egyszerűen átvenni a közvélemény-kutatásnál alkalmazható random számképzéses modellt.

A következő részben azt vizsgáljuk meg, hogy miért válhat a technológia hosszabb távon saját sikerének áldozatává, hogyan csökkentheti tömeges elterjedése a válaszadói hajlandóságot, és miért vezethet mindez további szabályozási szigorításhoz még akkor is, ha a technológia egyébként folyamatosan fejlődik.

A technológiai korlátok helyett ma már a jogi korlátok jelentik a legnagyobb akadályt

Ha valaki ma kizárólag technológiai szempontból vizsgálja a telefonos AI-adatfelvétel lehetőségeit, könnyen arra a következtetésre juthat, hogy néhány éven belül a hagyományos call centerek jelentős része feleslegessé válik. A mesterséges intelligencia ma már képes természetes hangon kommunikálni, valós időben értelmezni a válaszokat, automatikusan feldolgozni az adatokat, és mindezt töredéknyi költséggel elvégezni. Ebből logikusan következne, hogy a piac gyorsan átáll majd az AI-alapú telefonos adatfelvételre.

A valóság azonban egészen más irányba mutat. Az AI telefonos kutatások fejlődésének legnagyobb akadályát ma már nem a technológia jelenti, hanem a jogi környezet. Ez különösen igaz az Európai Unióban, ahol a személyes adatok védelme világszinten is a legszigorúbb szabályozás alá tartozik.

Sokan hajlamosak a GDPR-t egyszerűen egy adatvédelmi rendeletként értelmezni. Valójában azonban ennél jóval többről van szó. A GDPR filozófiája abból indul ki, hogy a személyes adatok felett minden esetben az érintett rendelkezik, nem pedig az adatkezelő. Ez azt jelenti, hogy nem az a kérdés, egy vállalat számára hasznos lenne-e egy adott adat kezelése, hanem az, hogy az érintett hozzájárult-e ehhez, illetve létezik-e olyan jogalap, amely ezt lehetővé teszi.

Telefonos piackutatás esetén már maga a telefonszám is személyes adatnak minősül, amennyiben természetes személyhez köthető. Márpedig a telefonos kutatások túlnyomó többsége éppen ilyen adatokat használ.

Ez önmagában még nem jelentené azt, hogy telefonos kutatás nem végezhető. A hagyományos call centerek évtizedek óta működnek Európában. A különbség azonban sokkal mélyebben húzódik.

Nem ugyanaz a jogi helyzet egy emberi kérdező és egy AI között

Első ránézésre könnyű azt mondani, hogy teljesen mindegy, ki teszi fel ugyanazt a kérdést. Ha egy ember felhív valakit piackutatási céllal, miért ne tehetné ugyanezt egy mesterséges intelligencia?

A jogalkalmazás azonban nem pusztán a kérdés tartalmát vizsgálja, hanem annak teljes környezetét.

Egy hagyományos call center működése természetes korlátok közé van szorítva. Az emberi munkaerő költséges. Képzést igényel. Munkaidőhöz kötött. Egy kérdezőbiztos egyszerre csak egyetlen emberrel tud beszélni, és egy műszak alatt legfeljebb néhány tucat interjút képes lebonyolítani.

A mesterséges intelligencia esetében ezek a korlátok gyakorlatilag megszűnnek.

Egyetlen AI-rendszer néhány perc alatt akár több száz vagy több ezer párhuzamos hívást is kezdeményezhet. Nem fárad el. Nem kér magasabb fizetést. Éjjel-nappal rendelkezésre áll. Nem igényel műszakbeosztást. Egy új kampány elindítása gyakorlatilag néhány kattintás kérdése.

És éppen ez az, ami adatvédelmi szempontból teljesen új helyzetet teremt.

A GDPR egyik alapelve az arányosság és az adatminimalizálás. A szabályozás abból indul ki, hogy egy adatkezelés társadalmi kockázata nem kizárólag attól függ, milyen adatot kezelnek, hanem attól is, milyen volumenben, milyen automatizáltsággal és milyen következményekkel történik mindez.

Ezért ugyanaz a telefonhívás egészen más megítélés alá eshet akkor, ha azt néhány kérdezőbiztos végzi, mint amikor egy teljesen automatizált rendszer óránként több tízezer embert keres meg. Megjegyzés: ha nagyon pontosan akarunk fogalmazni, jogilag ez így nem teljesen helytálló, mert valójában ugyanaz a GDPR vonatkozik mindkettőre. A különbség nem a rendelet szövegében van, hanem abban, hogy az AI sokkal könnyebben ütközik a GDPR alapelveibe, mert:

• sokkal nagyobb léptékben működik;
• sokkal automatizáltabb;
• könnyebben vezet profilalkotáshoz;
• nehezebb biztosítani az átláthatóságot;
• sokkal nehezebb sikeres érdekmérlegelési tesztet készíteni.

A GDPR csak az egyik akadály

A közbeszédben gyakran úgy jelenik meg, mintha a GDPR lenne az egyetlen probléma. Ez azonban leegyszerűsítés.

A telefonos megkeresésekre Magyarországon és az Európai Unióban egyszerre több jogterület is hatással van. Egyrészt természetesen ott van maga a GDPR, amely a személyes adatok kezelését szabályozza. Másrészt léteznek az elektronikus hírközlésre vonatkozó szabályok, amelyek azt vizsgálják, milyen feltételekkel lehet valakit telefonon megkeresni. Emellett fogyasztóvédelmi előírások is érvényesülnek, különösen akkor, ha egy automatizált rendszer félrevezető módon embernek adja ki magát, vagy nem megfelelően tájékoztatja a hívott felet.

Ehhez járulnak hozzá a nemzeti adatvédelmi hatóságok - Magyarországon a NAIH - gyakorlatai, valamint az Európai Adatvédelmi Testület (EDPB) iránymutatásai, amelyek folyamatosan pontosítják a GDPR alkalmazását.

Mindez azt eredményezi, hogy egy telefonos AI-rendszer megfelelősége nem dönthető el egyetlen jogszabály alapján. Egyszerre kell figyelembe venni az adatkezelési jogalapot, az érintettek tájékoztatását, az automatizált adatkezelés szabályait, a hívások jogszerűségét, a beszélgetések rögzítését, az adattárolást, az adatbiztonságot, valamint az érintettek jogainak gyakorlását.

A GDPR valójában nem tiltja az AI-t - de rendkívül szigorú feltételekhez köti

A telefonos mesterséges intelligencia és a GDPR kapcsolatát gyakran félreértik. Az üzleti sajtóban időről időre megjelennek olyan leegyszerűsítő állítások, amelyek szerint „a GDPR tiltja az AI telefonos megoldásokat”, míg más vélemények éppen az ellenkezőjét állítják, és úgy vélik, hogy a mesterséges intelligenciára ugyanazok a szabályok vonatkoznak, mint egy hagyományos telefonos kérdezőbiztosra, ezért jogi szempontból nincs érdemi különbség.

A valóság ennél lényegesen árnyaltabb.

A GDPR sehol nem mondja ki, hogy mesterséges intelligencia nem használható telefonos piackutatásra. Ugyanakkor a rendelet több olyan alapelvet és követelményt is tartalmaz, amelyek egy teljesen automatizált, nagyléptékű AI-rendszer esetében jóval nehezebben teljesíthetők, mint egy hagyományos, emberi kérdezőbiztosokkal működő call center esetében.

Másképpen fogalmazva: nem maga az AI a jogi probléma, hanem az a működési modell, amelyet az AI lehetővé tesz.

Ez fontos különbség. Egy húszfős call center működését természetes korlátok határozzák meg. A kérdezőbiztosok száma véges, munkaidőben dolgoznak, a hívások száma korlátozott, az adatkezelés volumene viszonylag jól kontrollálható.

Egy AI-rendszer ezzel szemben gyakorlatilag korlátlan számú hívást képes kezdeményezni, folyamatosan működik, automatikusan elemez, kategorizál és strukturálja az adatokat. Ugyanaz a GDPR vonatkozik rá, de sokkal több ponton kell bizonyítania, hogy működése megfelel a rendelet alapelveinek.

Már maga a telefonszám is személyes adat

A telefonos kutatások egyik sajátossága, hogy az adatkezelés már jóval az első kérdés elhangzása előtt megkezdődik.

Sokan úgy gondolják, hogy személyes adat csak az interjú során adott válasz. Valójában azonban már maga a telefonszám is személyes adatnak minősül, ha természetes személyhez köthető vagy ésszerű módon hozzákapcsolható. Ez azt jelenti, hogy már a telefonszám tárolása, rendszerezése, kiválasztása és felhasználása is adatkezelésnek számít. A GDPR szempontjából tehát nem az első kérdésnél kezdődik a megfelelőség vizsgálata, hanem már akkor, amikor a kutatócég eldönti, hogy kit szeretne felhívni.

Ez sokkal fontosabb kérdés, mint amilyennek első pillantásra látszik.

Milyen jogalapon történik az adatkezelés?

A GDPR szerint minden személyes adat kezelése mögött megfelelő jogalapnak kell állnia.

Telefonos piackutatásnál elméletileg több jogalap is szóba kerülhet, a gyakorlatban azonban ezek közül csak néhány jön reálisan számításba. A legismertebb természetesen az érintett előzetes hozzájárulása. Ha valaki egyértelműen hozzájárult ahhoz, hogy telefonon piackutatási célból megkeressék, akkor ez megfelelő alapot jelenthet az adatkezeléshez.

A probléma azonban nyilvánvaló. A reprezentatív lakossági kutatások többsége éppen olyan embereket szeretne elérni, akik korábban semmilyen kapcsolatban nem álltak a kutatócéggel. Ők értelemszerűen nem adtak előzetes hozzájárulást. Ezért a gyakorlatban sok piackutatás nem hozzájárulásra, hanem az úgynevezett jogos érdek jogalapjára épül.

Ez azonban korántsem jelent automatikus felhatalmazást.

A jogos érdek nem szabad felhatalmazás

A GDPR egyik leggyakrabban félreértett jogintézménye a jogos érdek. Sokan úgy gondolják, hogy elegendő kijelenteni, hogy a kutatócégnek jogos érdeke fűződik a kutatás elvégzéséhez.

Valójában ennél jóval többről van szó. A jogos érdek alkalmazásához érdekmérlegelési tesztet kell készíteni. Ennek során azt kell vizsgálni, hogy a vállalkozás érdeke valóban erősebb-e annál a jogsérelemnél, amelyet az érintett elszenvedhet. Ez emberi kérdezőbiztosok esetében sem egyszerű feladat, AI-rendszereknél azonban még összetettebbé válik, hiszen ilyenkor már nem pusztán egy telefonhívás történik.

Automatikus beszédfelismerés. Automatikus szövegfeldolgozás. Automatikus kategorizálás. Automatikus adatstruktúrák létrehozása. Esetenként érzelmi elemzés. Kulcsszófelismerés. Tematikus összesítés.

Minél több ilyen automatizált feldolgozás történik, annál nehezebb bizonyítani, hogy az adatkezelés arányos maradt.

Az adatminimalizálás új értelmet kap

A GDPR egyik legismertebb alapelve az adatminimalizálás. Ez leegyszerűsítve azt jelenti, hogy kizárólag olyan adat kezelhető, amely valóban szükséges az adott cél eléréséhez.

Hagyományos telefonos interjú esetén ez viszonylag egyszerű. A kérdező felteszi a kérdéseket. Lejegyzi a válaszokat. Az interjú véget ér.

AI esetében azonban sokkal több adat keletkezhet.

Például:

• teljes hangfelvétel,
• automatikus átirat,
• időbélyegek,
• beszédsebesség,
• szünetek,
• bizonytalanságok felismerése,
• érzelmi tónus becslése,
• automatikus kulcsszavazás,
• összefoglaló készítése.

Jogilag ilyenkor minden egyes adatkezelési lépés külön igazolást igényelhet. Valóban szükséges-e mindez a kutatáshoz? Ha nem, akkor az adatminimalizálás elve sérülhet.

Tájékoztatni kell a válaszadót

A GDPR egyik legalapvetőbb követelménye az átláthatóság.

Ez azt jelenti, hogy az érintettnek tudnia kell:

• ki keresi meg,
• milyen célból,
• milyen jogalapon,
• meddig kezelik az adatokat,
• kik férnek hozzá,
• milyen jogai vannak.

AI esetében ehhez új kérdések is társulnak.

Kell-e közölni, hogy nem ember beszél? A jelenlegi európai szabályozási irány egyértelműen abba az irányba mutat, hogy igen. Az átláthatóság ugyanis sérülhet, ha a válaszadó azt hiszi, hogy emberrel beszél, miközben valójában egy AI-rendszerrel kommunikál.

Ez nem pusztán etikai kérdés, egyre inkább jogi kérdéssé is válik.

Nem elegendő jogszerűnek lenni - annak is kell látszani

A GDPR egyik kevésbé hangsúlyozott, de rendkívül fontos sajátossága az elszámoltathatóság elve. Ez azt jelenti, hogy nem elegendő betartani a szabályokat, az adatkezelőnek később bizonyítani is tudnia kell, hogy betartotta őket. AI-rendszerek esetében ez különösen nagy kihívás, nem elegendő kijelenteni, hogy az algoritmus megfelelően működik; dokumentálni kell, igazolni kell, visszakereshetővé kell tenni, bizonyítani kell!

Ez olyan adminisztratív kötelezettségeket is jelenthet, amelyek sok esetben önmagukban jelentős költséget képviselnek. Éppen ezért paradox módon előfordulhat, hogy egy technológia ugyan jelentősen csökkenti a telefonos adatfelvétel közvetlen költségeit, ugyanakkor növeli a megfelelőségi és dokumentációs költségeket.

A legnagyobb probléma valójában nem az AI, hanem a telefonszám

A legtöbb AI-fejlesztő természetes módon magára a mesterséges intelligenciára koncentrál. A jogi nehézségek azonban ennél sokkal korábban kezdődnek.

Ahhoz ugyanis, hogy egy AI valakit felhívjon, először rendelkeznie kell egy telefonszámmal. Ez első pillantásra triviálisnak tűnik, valójában azonban ez a telefonos AI-kutatások egyik legkritikusabb pontja. A reprezentatív telefonos kutatás egyik alapja hagyományosan az volt (és ma is az), hogy a kutatócég valamilyen módon véletlenszerűen kiválasztott telefonszámokat keresett meg. A statisztikai reprezentativitás jelentős részben ezen a véletlenszerűségen alapult.

A GDPR logikája azonban egészen más irányból közelít, nem azt vizsgálja, hogy statisztikailag helyes-e a mintavétel, hanem azt, hogy milyen jogalapon kezeli valaki azt a telefonszámot.

És itt kezdődik a probléma. Ha nincs megfelelő jogalap, akkor már maga a telefonszám felhasználása is kérdéses lehet!

Miért különösen nehéz GDPR-kompatibilis telefonszám-adatbázist építeni?

Sokan úgy gondolják, hogy elegendő összegyűjteni néhány százezer telefonszámot, és már indulhat is az AI. Ez azonban Európában gyakorlatilag sehol nem működik, egy valóban GDPR-kompatibilis adatbázis létrehozása rendkívül nehéz feladat.

A telefonszám önmagában még nem elegendő, az adatkezelőnek igazolnia kell többek között:

• honnan származik az adat,
• milyen jogalapon kezeli,
• milyen célból gyűjtötte,
• meddig tárolja,
• milyen tájékoztatást kapott az érintett,
• milyen módon vonhatja vissza hozzájárulását,
• hogyan élhet törlési jogával,
• hogyan tiltakozhat a további megkeresések ellen.

Egy reprezentatív lakossági kutatás esetében ez rendkívül komoly akadály. Hiszen éppen az lenne a cél, hogy a kutató ne kizárólag olyan embereket kérdezzen meg, akik korábban már valamilyen kapcsolatba kerültek vele. Ha viszont kizárólag előzetes hozzájárulással rendelkező adatbázisból dolgozik, az már önmagában torzíthatja a mintát.

Itt jelenik meg az egyik legfontosabb ellentmondás. A statisztika a lehető legvéletlenszerűbb kiválasztást szeretné, az adatvédelem ezzel szemben egyre inkább az előzetes kontroll és az érintett tudatos hozzájárulása felé mozdul. A két cél nem feltétlenül zárja ki egymást, de egyre nehezebben egyeztethető össze.

Mit kockáztat egy vállalkozás? - Hatósági gyakorlat, bírságok és a megfelelés valódi ára

Amikor egy vállalkozás mesterséges intelligenciával támogatott telefonos piackutatási rendszer bevezetését mérlegeli, a döntés során a figyelem szinte mindig a technológiai és üzleti kérdésekre irányul. Mennyibe kerül a rendszer? Hány interjút képes lebonyolítani óránként? Mennyivel csökkenti a call center költségeit? Mennyi idő alatt térül meg a beruházás?

Jóval ritkábban merül fel egy másik kérdés: mennyibe kerülhet, ha a rendszer jogszerűtlenül működik?

Pedig a válasz sok esetben nagyságrendekkel nagyobb összeg lehet, mint maga a fejlesztés vagy az üzemeltetés költsége.

A GDPR bevezetése óta az európai adatvédelmi hatóságok egyértelművé tették, hogy a személyes adatok jogellenes kezelése nem adminisztratív hiba, hanem olyan jogsértés, amely jelentős pénzügyi és reputációs következményekkel járhat. Bár az elmúlt évek nagy bírságai jellemzően multinacionális technológiai vállalatokat érintettek, a hatósági gyakorlatból világosan kirajzolódik egy másik tendencia is: a telefonos és elektronikus marketingmegkeresések, valamint a nem megfelelő hozzájárulás-kezelés kiemelt ellenőrzési területnek számítanak - Magyarországon is.

A hatóságokat nem az AI érdekli - hanem a jogsértés

Sokan úgy gondolják, hogy egy mesterséges intelligenciával működő rendszer automatikusan fokozott figyelmet kap a hatóságoktól. A valóság ennél egyszerűbb. Az adatvédelmi hatóságot elsősorban nem az érdekli, hogy ember vagy mesterséges intelligencia bonyolította-e le a telefonhívást. A vizsgálat középpontjában sokkal inkább az áll, hogy a vállalkozás rendelkezett-e megfelelő jogalappal, megfelelően tájékoztatta-e az érintetteket, tiszteletben tartotta-e azok jogait, és képes-e utólag bizonyítani, hogy adatkezelése jogszerű volt.

Ez első pillantásra megnyugtatónak tűnhet. Ha ugyanazok a szabályok érvényesek az AI-ra, mint egy hagyományos call centerre, akkor elegendő ugyanazokat a folyamatokat alkalmazni.

A gyakorlatban azonban éppen az AI sajátosságai miatt válik ez sokkal nehezebbé. Egy emberi kérdezőbiztos néhány tucat hívást bonyolít le naponta, egy AI-rendszer ugyanezt néhány perc alatt is megteheti. Ha egy adatkezelési hiba történik, annak hatása ezért nem néhány tucat embert érinthet, hanem akár több tízezret is. Ez viszont jelentősen növeli a jogsértés súlyát és így a kiszabható bírság nagyságát is - ezt nem árt észben tartani az AI technológiával kacérkodó cégeknek.

A bizonyítás terhe mindig az adatkezelőé

A GDPR egyik legfontosabb sajátossága, hogy nem az érintettnek kell bizonyítania a jogsértést. Az adatkezelőnek kell bizonyítania, hogy jogszerűen járt el. Ez elsőre talán nem tűnik különösebben jelentős különbségnek, a gyakorlatban azonban alapvetően meghatározza egy hatósági vizsgálat kimenetelét.

Ha egy vállalkozás azt állítja, hogy minden érintett megfelelő hozzájárulást adott a telefonos megkereséshez, akkor ezt dokumentumokkal kell alátámasztania. Ha arra hivatkozik, hogy jogos érdek alapján végzett adatkezelést, akkor be kell tudnia mutatni az érdekmérlegelési tesztet. Ha azt állítja, hogy az AI kizárólag a szükséges adatokat kezelte, ezt is bizonyítani kell. A „feltehetően”, „valószínűleg” vagy „így szoktuk csinálni” típusú válaszok egy adatvédelmi vizsgálat során gyakorlatilag semmilyen értékkel nem bírnak.

A bírság csak a jéghegy csúcsa

Amikor GDPR-bírságokról beszélünk, a legtöbben kizárólag a kiszabott pénzbüntetésre gondolnak, pedig egy hatósági eljárás következményei ennél jóval szélesebbek lehetnek. A hatóság elrendelheti az adatkezelés megszüntetését. Megtilthatja egy adott adatbázis használatát. Előírhatja az adatok törlését. Kötelezheti a vállalkozást az adatkezelési folyamatok teljes átalakítására. Bizonyos esetekben nyilvánosságra is hozhatja a döntést -  egy piackutató vállalkozás számára ez utóbbi különösen érzékeny lehet, a kutatás ugyanis alapvetően bizalmi szolgáltatás.

Ha egy piackutató cégről nyilvánosan megjelenik, hogy jogellenesen kezelt személyes adatokat vagy szabálytalan telefonos adatgyűjtést végzett, az nem csupán pénzügyi veszteséget okozhat, hanem hosszú távon az ügyfelek bizalmát is megingathatja.

Mit mutat az európai gyakorlat?

Bár jelenleg még kevés olyan ügy ismert, amely kifejezetten AI-alapú telefonos piackutatásról szólt volna, az európai adatvédelmi és elektronikus kommunikációs hatóságok már számos olyan döntést hoztak, amelyekből egyértelműen kirajzolódik a szabályozási irány.

Az Egyesült Királyság adatvédelmi hatósága (ICO) például több vállalkozást is jelentős bírsággal sújtott azért, mert megfelelő hozzájárulás nélkül indított tömeges telefonos marketingkampányokat. Egy ügyben több mint 95 ezer telefonhívás miatt szabtak ki 90 ezer fontos bírságot, mert a vállalkozás nem tudta bizonyítani, hogy a megkeresett személyek érvényes hozzájárulást adtak.

Egy másik esetben egy energiaipari vállalkozás több mint 700 ezer kéretlen telefonhívás miatt 160 ezer fontos bírságot kapott. A vizsgálat nemcsak a hozzájárulás hiányát kifogásolta, hanem azt is, hogy egyes hívások során a vállalkozás képviselői nem azonosították megfelelően magukat. Franciaországban a CNIL folyamatosan szigorítja a telefonos üzletszerzés szabályait, és 2026-tól tovább erősödnek az előzetes hozzájárulásra épülő követelmények a lakossági telefonos megkeresések terén. Spanyolország adatvédelmi hatósága (AEPD) szintén részletes iránymutatást adott ki arról, hogy a kéretlen kereskedelmi telefonhívások csak megfelelő jogalap - jellemzően előzetes hozzájárulás vagy más igazolható jogalap - mellett jogszerűek.

Fontos hangsúlyozni, hogy ezek az ügyek többségükben nem AI-rendszerekről szóltak, hanem hagyományos telefonos marketingről. Mégis jól mutatják a hatóságok alapállását: a telefonos megkeresések jogszerűségét szigorúan ellenőrzik, és már a jelenlegi gyakorlatban is jelentős szankciókat alkalmaznak.

Mi történik majd, amikor megjelennek az AI-rendszerek?

Ez talán az egész tanulmány egyik legérdekesebb kérdése.

A jelenlegi hatósági gyakorlat lényegében olyan telefonos kampányokat vizsgál, amelyeket emberek bonyolítanak le. A mesterséges intelligencia azonban nagyságrenddel növelheti a megkeresések számát. Ez várhatóan két következménnyel jár.

Egyrészt a jogsértések sokkal nagyobb számú érintettet érinthetnek.

Másrészt a hatóságok várhatóan fokozott figyelmet fordítanak majd az ilyen rendszerekre, hiszen társadalmi hatásuk is jóval jelentősebb lehet.

Ez nem feltétlenül jelenti azt, hogy az AI-ra automatikusan magasabb bírságok várnak, sokkal inkább azt, hogy ugyanaz a jogsértés sokkal nagyobb léptékben valósulhat meg. Egy hagyományos call center néhány nap alatt tízezer embert érhet el, egy AI ugyanezt akár egyetlen óra alatt is megteheti. Ha pedig maga az adatkezelési modell hibás, akkor a jogsértés is ugyanilyen ütemben sokszorozódhat.

A legnagyobb kockázat nem is a bírság

A GDPR pénzügyi szankciói kétségtelenül jelentősek. Nagyvállalatok esetében akár a világpiaci árbevétel 4%-áig vagy 20 millió euróig is terjedhetnek, attól függően, hogy melyik összeg a magasabb. A kisebb vállalkozásoknál a bírságok jellemzően ennél alacsonyabbak, de így is komoly terhet jelenthetnek.

A piackutató cégek számára azonban ennél is nagyobb veszélyt jelenthet a bizalom elvesztése. Egy adatvédelmi incidens után az ügyfelek joggal teszik fel a kérdést: vajon a saját kutatásaik során kezelt adatok is hasonló kockázatnak vannak kitéve? A válaszadók pedig még óvatosabbá válhatnak a telefonos megkeresésekkel szemben. Így egyetlen jelentősebb, nyilvánosságot kapó jogsértés nemcsak az érintett vállalkozásnak okozhat károkat, hanem közvetve az egész telefonos piackutatási szakma hitelességét is ronthatja.

Éppen ezért az AI-alapú telefonos kutatások valódi kérdése nem az, hogy technológiailag megvalósíthatók-e, hanem az, hogy fenntarthatóan, jogszerűen és a válaszadók bizalmát megőrizve működtethetők-e. Ez lesz a következő évek egyik legfontosabb kihívása ezen a területen.

A reprezentativitás egyik alapköve kezd meginogni

A telefonos piackutatás évtizedeken keresztül azért számított az egyik legmegbízhatóbb adatfelvételi módszernek, mert viszonylag jól elérhető volt vele a teljes lakosság.

A mesterséges intelligencia megjelenése ezt a helyzetet paradox módon nem javítja, hanem bizonyos szempontból tovább nehezíti. Minél szigorúbb adatvédelmi követelmények mellett lehet csak telefonszámokat kezelni, annál inkább szűkül azok köre, akik jogszerűen megkereshetők. Ez hosszú távon oda vezethet, hogy az AI-val végzett telefonos kutatások egyre kevésbé lesznek képesek valóban reprezentálni a teljes lakosságot, a minta ugyanis fokozatosan azokból áll majd, akik korábban valamilyen formában hozzájárultak ahhoz, hogy telefonon megkereshessék őket.

Ez már nem ugyanaz a populáció. Ez egy önként jelentkező, sajátos tulajdonságokkal rendelkező részhalmaz. A klasszikus reprezentativitás egyik legfontosabb előfeltétele - hogy a populáció minden tagjának legyen reális esélye bekerülni a mintába - egyre nehezebben teljesíthető. Ez a probléma ráadásul nem technológiai, hanem statisztikai természetű. Bármilyen fejlett lesz is a mesterséges intelligencia, önmagában nem képes megoldani azt a helyzetet, amikor a megkérdezhető emberek köre eleve nem fedi le a teljes célpopulációt.

A következő részben azt vizsgáljuk meg, hogy milyen jogi és gyakorlati lehetőségei vannak Magyarországon a random lakossági telefonszámok automatizált, AI- vagy IVR-alapú megkeresésének, és milyen korlátokkal kell számolni piackutatás, illetve közvélemény-kutatás esetén.

Előszó

A mesterséges intelligencia fejlődése az elmúlt néhány évben szinte minden iparágat új kérdések elé állított. A piackutatás sem kivétel. Napjainkra megjelentek azok a mesterséges intelligenciára épülő rendszerek, amelyek természetes hangon képesek telefonos beszélgetéseket folytatni, kérdőíves (vagy más típusú) interjúkat készíteni.

Ez első látásra alapjaiban változtathatja meg a telefonos piackutatást. A technológia gyors fejlődése miatt sokan már ma a hagyományos CATI-interjúztatás végét jósolják, míg mások szerint az AI alkalmazását Európában a GDPR gyakorlatilag ellehetetleníti.

A valóság azonban ennél jóval összetettebb.

Ez a 7 részből álló tanulmány azt vizsgálja, hogy a mai generatív mesterséges intelligencia valóban képes-e kiváltani a telefonos kérdezőbiztosokat, milyen jogi és módszertani akadályokkal kell számolni, hogyan alakulhat a válaszadói magatartás, és milyen szerepet tölthet be az AI a telefonos piackutatás jövőjében.

A tanulmány legfontosabb megállapításai

• A generatív AI technológia már ma képes természetes telefonos beszélgetések lebonyolítására.
• A telefonos piackutatás legnagyobb akadálya nem technológiai, hanem jogi és társadalmi természetű.
• Az AI piackutatás célú használata önmagában nem ütközik a GDPR-ba, de alkalmazása számos adatvédelmi kihívást vet fel.
• A válaszadói bizalom várhatóan kulcsfontosságú tényező marad.
• A teljesen automatizált reprezentatív telefonos kutatások előtt jelentős módszertani akadályok állnak.
• Az AI várhatóan nem kiváltja, hanem átalakítja a telefonos piackutatást.

Az automatizált telefonos piackutatás új korszaka

Az elmúlt két-három évben a mesterséges intelligencia fejlődése olyan ütemet vett, amely számos iparágban alapjaiban kérdőjelezte meg a korábban bevett munkafolyamatokat. A generatív AI megjelenése már nem csupán szövegek előállítását vagy képek generálását jelenti, hanem egyre inkább képes természetes hangon kommunikálni, összetett párbeszédeket folytatni, kérdéseket feltenni, a válaszokat értelmezni, szükség esetén visszakérdezni, majd strukturált adatokká alakítani a teljes beszélgetést. Mindez első pillantásra szinte magától értetődő módon vezeti el a gondolatot a telefonos piackutatáshoz: ha egy mesterséges intelligencia képes emberi hangon beszélgetni, miért ne végezhetné el ugyanazt a feladatot, amelyet eddig telefonos kérdezőbiztosok, call centerek láttak el?

Technológiai szempontból a válasz meglepően egyszerű: ma már szinte minden rendelkezésre áll ehhez. A modern nagy nyelvi modellek (Large Language Models - LLM-ek) képesek természetes beszélgetést folytatni, miközben a valós idejű beszédfelismerő rendszerek (Speech-to-Text) folyamatosan alakítják át a válaszadó szavait szöveggé, a szövegfelolvasó rendszerek (Text-to-Speech) pedig olyan természetes hangon válaszolnak, hogy sok esetben egy átlagos telefonbeszélgetés során a hívott fél számára már nem is egyértelmű, hogy nem emberrel beszél. Az elmúlt időszakban számos nemzetközi fejlesztő - például a Synthflow, a Retell AI, a Bland AI, a Vapi és más hasonló platformok - kifejezetten ilyen telefonos AI-asszisztensek létrehozására specializálódott. Ezek a rendszerek képesek telefonhívásokat indítani, teljes beszélgetéseket lebonyolítani, az eredményeket adatbázisba menteni, sőt akár CRM-rendszerekkel vagy kérdőívkezelő szoftverekkel is összekapcsolhatók.

Első ránézésre tehát minden adott lenne ahhoz, hogy a telefonos piackutatás következő nagy technológiai ugrása a mesterséges intelligencia legyen. A valóság azonban ennél jóval összetettebb. Sőt, éppen ezen a területen válik különösen láthatóvá, hogy egy technológia puszta létezése még nem jelenti azt, hogy annak széles körű alkalmazása jogilag, gazdaságilag vagy társadalmilag is fenntartható.

A telefonos AI-adatfelvétel jelenlegi helyzete jól példázza azt az esetet, amikor a technológiai fejlődés messze megelőzi a jogi környezetet és a társadalmi alkalmazkodást. Miközben a mesterséges intelligencia technikai képességei hónapról hónapra látványosan fejlődnek, a személyes adatok védelmét szolgáló szabályozások - különösen az Európai Unióban - egyre inkább a magánszféra fokozott védelme felé mozdulnak el. Ennek következtében egy olyan helyzet alakult ki, amelyben technikailag szinte bármi megvalósítható lenne, jogilag azonban sok esetben már maga az első telefonhívás is komoly kérdéseket vet fel.

Érdemes ezért már a kiindulópontnál különválasztani a technológiai lehetőségeket és a gyakorlati alkalmazhatóságot. A kettő ugyanis jelenleg messze nem ugyanaz.

Az IVR-től a mesterséges intelligenciáig

A telefonos automatizálás természetesen nem új jelenség. Az úgynevezett IVR-rendszerek (Interactive Voice Response) már évtizedek óta jelen vannak az ügyfélszolgálatok világában. Ezek azok a rendszerek, amelyek egy telefonhívás során előre rögzített hangüzenetek segítségével irányítják a hívót: „Az egyes gomb megnyomásával értékesítés, a kettes gombbal ügyfélszolgálat...” Az egyszerűbb rendszerek kizárólag gombnyomásokkal működnek, a modernebbek pedig bizonyos kulcsszavakat is felismernek.

Az IVR alapvetően nem intelligens. Előre meghatározott forgatókönyvet követ, nem érti a beszélgetés tartalmát, nem tud alkalmazkodni a válaszadóhoz, és nem képes valódi párbeszédet folytatni. Ezért piackutatási célokra is csak korlátozottan volt használható: egyszerű eldöntendő kérdésekre vagy néhány numerikus válaszra még megfelelő lehetett, de összetettebb kérdőívek esetében már rendkívül magas lemorzsolódási arányt eredményezett.

A generatív AI megjelenésével azonban gyakorlatilag megszűnt ez a technológiai korlát. A mai rendszerek már nem menüpontokat olvasnak fel, hanem valódi beszélgetést folytatnak. Ha a válaszadó nem érti a kérdést, újrafogalmazzák. Ha bizonytalan, pontosítanak. Ha hosszabban válaszol, képesek abból automatikusan kivonni a releváns információkat. A beszélgetés dinamikája egyre inkább hasonlít arra, amit korábban kizárólag emberi kérdezőbiztosoktól lehetett elvárni.

Ez a fejlődés rendkívül látványos, ugyanakkor egy fontos félreértést is eredményezett. Sok vállalat ugyanis hajlamos azt gondolni, hogy ha a mesterséges intelligencia már képes ugyanúgy beszélni, mint egy ember, akkor ugyanazok a szabályok vonatkoznak rá, mint egy hagyományos call centerre. Ez azonban korántsem igaz.

A technológia ugyanis nem önmagában válik jogi kérdéssé, hanem attól a pillanattól kezdve, amikor önállóan kezdi megkeresni a lakosságot, személyes adatokat kezel, döntéseket támogat, illetve nagyságrendekkel olcsóbban és gyorsabban képes ugyanazt a tevékenységet végezni, amely korábban jelentős emberi erőforrást igényelt. Egy emberi kérdezőbiztos naponta néhány tucat hívást képes lebonyolítani. Egy AI-rendszer ugyanennyi idő alatt akár több ezer hívást is képes kezdeményezni. Ez már nem egyszerű automatizálás, hanem teljesen más léptékű adatkezelési tevékenység.

Éppen ezért a jogalkotók sem kizárólag azt vizsgálják, hogy ember vagy gép teszi fel ugyanazokat a kérdéseket, hanem azt is, milyen társadalmi következményekkel járhat az adott technológia tömeges alkalmazása.

Miért tűnik első látásra ideális megoldásnak?

Ha kizárólag üzleti oldalról vizsgáljuk a kérdést, az AI telefonos piackutatás szinte minden olyan problémára választ ad, amellyel a hagyományos telefonos adatfelvétel évek óta küzd.

A legnyilvánvalóbb előny természetesen a költségcsökkentés. Egy hagyományos CATI (Computer Assisted Telephone Interviewing) kutatás legnagyobb költsége nem a telefonálás technikai háttere, hanem a kérdezőbiztosok bére, a képzésük, a műszakbeosztás, a felügyeletük, a minőségellenőrzésük és az egész call center infrastruktúrája. Mindezek jelentős része egy AI-rendszer alkalmazásával elméletileg kiváltható.

Hasonlóan jelentős előny a skálázhatóság. Míg egy emberi kérdezőbiztos egyszerre kizárólag egyetlen beszélgetést tud folytatni, addig egy AI-rendszer gyakorlatilag korlátlan számú párhuzamos hívást képes kezelni. Egy több ezer fős kutatás így nem hetek, hanem akár néhány óra alatt lebonyolítható lenne.

Szintén komoly előnyt jelentene a standardizáltság. Az emberi kérdezők eltérő hangsúllyal, eltérő stílusban kérdeznek, hibázhatnak, félreértelmezhetik a válaszokat vagy tudat alatt befolyásolhatják az interjú menetét. Egy jól felépített AI-rendszer minden válaszadót ugyanazzal a logikával kérdez meg, következetesen alkalmazza a kérdőív szűrőit, automatikusan naplózza a beszélgetést és azonnal strukturált adatot állít elő.

Ehhez társul az a képesség is, amely a generatív AI egyik legnagyobb erőssége: képes értelmezni a nyitott kérdésekre adott válaszokat. Míg korábban egy hosszabb szöveges válasz feldolgozása manuális kódolást igényelt, ma már az AI képes automatikusan témákat felismerni, kulcsszavakat kiemelni, érzelmi tónust elemezni, sőt akár elsődleges kategorizálást is végezni (bár az igaz, hogy a manuális kódolás még nem minden esetben váltható ki az AI használatával, jelenleg még nem tökéletesek az ilyen rendszerek, de a fejlődés iránya nem kétséges).

Mindezek alapján könnyen kialakulhat az a benyomás, hogy a telefonos piackutatás jövője gyakorlatilag eldőlt, és néhány éven belül a hagyományos call centerek jelentős része eltűnik. Ez a következtetés azonban figyelmen kívül hagy egy alapvető tényt: a telefonos piackutatás legfontosabb erőforrása nem maga a technológia, hanem a válaszadó ember.

Nem az AI az, amely eldönti, hogy sikeres lesz-e egy kutatás. Hanem az, hogy a lakosság hajlandó-e felvenni a telefont, meghallgatni a megkeresést, majd önként részt venni egy interjúban.

És éppen ezen a ponton kezdődik az a problémakör, amely miatt az AI-alapú telefonos piackutatás jövője jóval bizonytalanabb, mint azt első pillantásra gondolnánk.

A következő részben ezért részletesen bemutatjuk, hogy a jelenlegi magyar és európai adatvédelmi szabályozás miért tekinthető az AI-alapú telefonos piackutatás legnagyobb akadályának, milyen GDPR-követelményeknek kellene megfelelni, miben különbözik egy hagyományos call center jogi megítélése egy mesterséges intelligenciával működő telefonos rendszerétől, és miért jelenti mindez a reprezentatív telefonos kutatások egyik legnagyobb kihívását.

A mesterséges intelligencia (AI) egyre nagyobb szerepet játszik a piackutatásban és marketingkutatásban, de az igazi forradalom még előttünk áll. Az AI forradalmasíthatja az adatgyűjtést, elemzést és új lehetőségeket nyithat meg a kutatók számára a fogyasztói magatartás megismerésében is.

Az AI lehetséges alkalmazási területei a piackutatásban

• Adatgyűjtés: az AI idővel automatizálhatja magát az adatgyűjtési folyamatot is, és lehetővé teheti a kutatók számára, hogy nagy mennyiségű adatot gyűjtsenek rövid idő alatt. Például AI-alapú chatbotok segítségével interaktív online kérdőíveket lehet majd készíteni és résztvevőkkel kommunikálni, javítva ezzel a felmérési élményt. Az AI képes lesz automatikusan feldolgozni és értelmezni a válaszokat, az adatokat kategorizálni és elemzésre előkészíteni, majd elvégezni az elemzést, ez pedig lehetővé teheti a gyors és hatékony eredmények előállítását. Az AI-alapú eszközök online felmérések, fókuszcsoportok, közösségi média elemzések és weboldal analitika automatizálására egyaránt használhatók lehetnek majd.
• Adattisztítás: az AI azonosíthatja és eltávolíthatja az inkonzisztens, hibás vagy hiányzó adatokat az adatbázisokból, ami jelentősen javítja majd az adatminőséget.
• Adatelemzés: az AI fejlett statisztikai technikákat és gépi tanulási algoritmusokat alkalmaz az adatok elemzésére, és olyan mintázatokat fedezhet fel, amelyeket az emberi elemzők nem feltétlenül észlelnek.
• Tényfeltárás és szövegelemzés: az AI már jelenleg is alkalmas (bizonyos mértékben) az adatok strukturálatlan részeinek elemzésére is, például képes értelmezni a szöveges válaszokat, így megkönnyíti a résztvevők véleményének, érzéseinek és véleményeinek azonosítását, a jövőben pedig tovább javulhat ez a képessége. Emellett az AI használható a szociális médiából származó adatok elemzésére is, így megismerve a közönség hangulatát és reakcióit. Az AI tehát  automatizálhatja a szöveges adatok elemzését és segíthet a kutatóknak azonosítani a kulcsszavakat, témákat és hangnemet.
• Predikció: az AI előrejelzések készítésére is használható a fogyasztói magatartásról, a piaci trendekről és a versenytársak stratégiájáról.

Az AI előnyei a piackutatásban

• Hatékonyság: az AI automatizálja a kutatási folyamatot, és jelentősen csökkenti az adatgyűjtésre és elemzésre fordított időt és költséget, valamint emberi erőforrásokat.
• Pontosság: az AI fejlett statisztikai technikákat alkalmaz, melyekkel azonosítja a rejtett trendeket és összefüggéseket, amelyek különben nem feltétlenül kerülnének felfedezésre.
• Mélység: az AI hatalmas mennyiségű adatot tud feldolgozni, és ezáltal azonosítani a fogyasztói magatartás mögötti mélyebb motivációkat.
• Skálázhatóság: az AI könnyen skálázható, és lehetővé teszi a kutatók számára, hogy nagy mennyiségű adatot gyűjtsenek és elemezzenek rövid idő alatt.

Az AI korlátai / hátrányai a piackutatásban

• Emberi érzelmek megértésének nehézsége: az emberi kapcsolatokra és az egyéni interakciókra alapozott kutatási módszerek esetén az AI használatának lehetősége jelenleg korlátozott. Az AI nem rendelkezik emberi érzelmekkel, intuícióval vagy kreativitással, így nehézségei lehetnek a résztvevők rejtett vagy mélyebb motivációinak megértésében.
• Hibajavítás nehézségei: az AI is hibázhat, de ezeknek a hibáknak a felfedezése annál nehezebb lesz, minél inkább rá támaszkodnak a kutatók, amint a teljes kutatási folyamatot az AI végzi, ezeknek a hibáknak a felfedezése emberi oldalról szinte lehetetlenné válhat, a hibás eredmények pedig hibás üzleti döntésekhez vezethetnek.
• Etikai aggályok: az AI használatával kapcsolatosan etikai aggályok merülhetnek fel, például az adatvédelem és a jogusulatlan adatfelhasználás területén.
• Szakértelem hiánya: az AI-alapú eszközök hatékony használatához szükséges a kutatók részéről az AI és a gépi tanulás, valamint speciális programnyelvek (pl. Python) ismerete. Jelenleg ezzel a piackutatók többsége egyáltalán nem rendelkezik.
• A kutatók nagy része rövid időn belül feleslegessé válhat: az AI működtetéséhez jóval kevesebb munkaerő szükséges, így a kutatók nagy része szinte biztosan elveszíti majd jelenlegi munkáját, azok járhatnak jól, akik járatosak lesznek az AI programozásában, de az ő jövőbeli munkájuk is inkább a programozókéhoz fog hasonlítani, kevésbé a jelenlegi kutatókéhoz.
• Fejlettség: Az AI technológia még gyerekcipőben jár, és várhatóan nem minden kutatási területre lesz alkalmazható kezdetben.

Az AI jövője a piackutatásban

Az AI várhatóan egyre nagyobb szerepet fog játszani a piackutatásban, a technológia fejlődésével az AI-alapú eszközök még pontosabbá, hatékonyabbá és skálázhatóbbá válnak. Az AI új lehetőségeket nyit meg a kutatók számára a fogyasztói magatartás mélyebb megismerésében és a hatékonyabb marketingstratégiák kidolgozásában. Mindez a kutatói szakma és a jelenlegi kutatói cégstruktúrák teljes átalakulásával járhat, mindazonáltal a piackutatáshoz való hozzáférés demokratizálódni fog, a KKV-k is hozzáférnek majd a legváltozatosabb kutatási eszközökhöz és saját maguk készíthetnek kutatásokat a mesterséges intelligencia segítségével - immár hivatásos piackutatók segítsége nélkül.

>>> MAGYAR ORSZÁGOS OMNIBUSZ KUTATÁS! 10-20 kérdéses kérdőív, 500/1000 fős reprezentatív minta, eredmények 1-2 héten belül! Piackutatási árakhoz kattintson ide!

>>> ONLINE PIACKUTATÁS ellenőrzött panelen, gyorsan, kedvező áron!

(Piackutatás blog)

A piackutatás elengedhetetlen eszköz a vállalkozások számára, amely segítségével betekintést nyerhetnek az adott piacra, vásárlóik preferenciáira és az üzleti lehetőségekre. A technológia fejlődésével a kutatási módszerek is átalakultak. Ebben a blogposztban a telefonos piackutatás előnyeit és az online piackutatással való összehasonlítását vesszük górcső alá, különös tekintettel Magyarországra.

A telefonos piackutatás előnyei:

1. Személyes interakció: A telefonos piackutatás lehetővé teszi a közvetlen kapcsolatot a kutatást végző és a megkérdezettek között. Ez a személyes interakció ideális esetben lehetőséget ad az érzelmek, a hanghordozás és egyéb apró viselkedési részletek megismerésére is, ami gazdagabb és mélyebb információkat eredményezhet.

2. Rugalmasság: A telefonos kutatás rugalmasságot nyújt a kutatók számára. A résztvevőkkel bármikor és bárhol kommunikálhatnak, így azonnali visszajelzést kaphatnak az új termékekről, szolgáltatásokról vagy marketing ötletek fogadtatásáról. Ez lehetővé teszi a gyors adaptációt és az üzleti döntések időben történő meghozatalát.

3. Részvétel aránya: Magyarországon a telefonálás még mindig népszerű és elterjedt kommunikációs forma. Ez lehetővé teszi a vállalkozások számára, hogy bizonyos szegmensek esetében nagyobb arányban érjenek el válaszadókat a telefonos piackutatáson keresztül mint más, pl. online kutatási módszerek esetén.

4. Mélyebb megértés: A telefonos interjúk alkalmával a kutatók részletesebben meg tudják kérdezni a résztvevőket és mélyebb betekintést nyerhetnek az ügyfélpreferenciákba. A kutatási folyamat során felmerülő kérdésekre azonnali válaszokat kaphatnak, és szükség esetén további kérdéseket tehetnek fel a témával kapcsolatban.

A telefonos kutatás összehasonlítása az online piackutatással:

1. Megbízhatóság: A telefonos piackutatás során a kutatók közvetlenül kommunikálnak a résztvevőkkel, így a válaszok megbízhatósága akár magasabb is lehet (mint az online kérdőíveknél), mivel nincs közvetítő közeg, ahol az emberek néha félreértik a kérdéseket vagy helytelenül válaszolnak. (Ettől függetlenül ma már az online kérdőíves módszer is teljesen megbízhatónak számít, amennyiben a kérdőívet szakmai szempontoknak megfelelően állítják össze és a lebonyolítás is megfelelő módon történik.)

2. Költséghatékonyság: Az online piackutatás bizonyos esetekben olcsóbb és gyorsabb, mivel nincs szükség telefonvonalakra, operátorokra, telefonos interjúkra. Az online kérdőívek és felmérések nagy mértékben automatizálhatók, így csökkenthetők a kutatási költségek. Ez a költségelőny, ami az online kutatásokat jellemzi, bizonyos telefonos kutatási formák (pl. omnibusz) esetében eltűnik, így az nem jelenthető ki, hogy minden esetben olcsóbb lenne az online módon készített kutatás a telefonoshoz képest.

3. Tömeges adatgyűjtés: Az online piackutatás lehetővé teszi a nagy mennyiségű adatgyűjtést rövid idő alatt. Az adatok automatikus feldolgozása és elemzése is egyszerűbbé válik az online platformok segítségével.

4. Hozzáférési lehetőség: Az online piackutatás bárki számára elérhető, akinek van internet-hozzáférése. Ez lehetővé teszi a piackutatást végzők számára, hogy szélesebb körben érjenek el résztvevőket, különösen olyan embereket, akik ritkán vagy soha nem vesznek részt telefonos felmérésekben.

Mind a telefonos, mind az online piackutatásnak jelentős előnyei vannak. A telefonos kutatás személyesebb interakciókat tesz lehetővé, és a résztvevőkkel való közvetlen kommunikáció révén mélyebb megértést nyújthat. Az online piackutatás pedig könnyen skálázható és költséghatékony, lehetővé téve a tömeges adatgyűjtést és a szélesebb körű részvételt. Magyarországon a telefonos piackutatás továbbra is jelentős lehetőségeket kínál, mivel a telefonálás elterjedt kommunikációs forma maradt. Az üzleti szervezeteknek érdemes kombinálni a két módszert, hogy a kutatások során a lehető legátfogóbb képet kapják a magyar piacról és az ügyfélpreferenciákról.

>>> MAGYAR ORSZÁGOS OMNIBUSZ KUTATÁS! 10-20 kérdéses kérdőív, 500/1000 fős reprezentatív minta, eredmények 1-2 héten belül! Piackutatási árakhoz kattintson ide!

>>> ONLINE PIACKUTATÁS ellenőrzött panelen, gyorsan, kedvező áron!

(Piackutatás blog)

Online market research in Hungary started as a practical method in 1999 and nowadays it has become a fully-fledged 'mainstream' research method. While Internet penetration was below 50% in Hungary, it was difficult to argue with the reliability of the method. The year of change was 2008, when domestic Internet access increased to 55% among the population. Indeed, the domestic history of the online method can be calculated from this point, although it is true that besides such penetration there were still target groups that could not be reached only partially through the Internet, so caution was not unreasonable in these times. The real turnaround, the real breakthrough was in 2013, when Internet penetration has risen above 70% and most of the target groups have actually become available online. The situation has improved even more since internet penetration is currently 75% in the whole population in Hungary (source: KSH, 2018) and over 90-95% at younger, wealthier, more educated consumers, so we can practically reach almost all target groups, like with other non-online methods (except for those over 60, where penetration is only 41%; this does not mean that they cannot be reached online, just to take into account that less than half of them are accessible via the Internet).

The method has thus become reliable in the scientific and academic sense nowadays, and the results of a purely online research are as accurate and reliable as any other research method would have done.

Which are the benefits of online market research?
How is it going?
What is the online panel?
What about representativity?
How do clients think about this?
What research do we recommend for cost-effective online market research?
For whom / for what purpose do we recommend online market research?
What about pricing?

For more answers please visit our site: Online market research in Hungary!

(Piackutatás blog)

A piackutatási projektek egy részénél - jellemzően a taktikai kutatásoknál - a legfontosabb szempont az ügyfelek számára a gyorsaság és az ár. Cégünk 2017-ben jelent meg ilyen szolgáltatással, a Forecast Omnibusszal. Ezt a kutatást elsősorban gyors, kis költségvetésű kutatásokhoz fejlesztettünk ki, kifejezetten alkalmas pl. márkaismereti kutatáshoz, sajtóközleményekhez, kommunikációs célokra, lakossági-fogyasztói elégedettségi felmérésekhez. Az igénybe vevők köre változatos, kis- és középvállalkozások, reklámügynökségek, önkormányzatok, nonprofit vállalkozások, stb. Nemrég megjelent a piacon egy előre fizetéses, webfelületen igénybe vehető konkurens szolgáltatás, aminek kapcsán készítettünk egy összehasonlító táblázatot arról, hogy mit is nyújt a két szolgáltatás, nézzük tehát:

	Forecast Omnibusz	előre fizetéses konkurens szolgáltatás
A kérdőívet elkészíti-e a piackutató cég a szakmai szabályoknak megfelelően?
A kérdések száma 12-nél több lehet-e?
Van-e többféle választható reprezentatív minta?
Igény esetén lehetséges speciális módszertan alkalmazása (pl. márkaismereti kutatásoknál)?
Elég rugalmas-e a célcsoport paramétereinek pontosítása, plusz szűrőfeltételek megadása?
A kutatás eredményeit feldolgozva, nem adatbázis formában, hanem táblázatokkal, grafikonokkal biztosítják-e?
Szöveges elemzés rendelhető?
Demográfiai jellemzők szerinti részletes táblázatos elemzés rendelhető?
Elektronikus forma mellett nyomtatott példányok rendelhetők?
Általában a fizetés történhet utólag?*
Konzultáció, tanácsadás a kutatás előtt, közben, után?

*Bizonyos esetekben 50-100% előleget kérhetünk.

A kérdőív elkészítését profikra kell bízni!
Nagyon fontos része egy kutatásnak, egy rosszul megírt kérdőív félreviheti a teljes folyamatot és már ezen a ponton eldőlhet, hogy hibás vagy korrekt eredményeket kapunk-e a kutatás végén? Nagyon sok ponton el lehet hibázni a kérdőívszerkesztést, például rosszul megfogalmazott kérdések, rossz sorrendben feltett kérdések, helytelen szóhasználat, nem megfelelő skálák, nem jó kérdéstípus alkalmazása, rossz ugratási utasítások, stb. Ha valid eredményeket szeretnénk, ezt a részt mindenképpen érdemes profikra bízni, mi külön költség nélkül elkészítjük a kérdőívet a megbízó igényeinek figyelembe vételével, ha pedig már van kérdőív, szakmai szempontból átnézzük, javítjuk, lektoráljuk. A nemrég megjelent konkurens szolgáltatás esetén teljes egészében a megrendelő készíti el a kérdőívet, mindenki gondolja át, hogyha bármilyen szakmai hibát vét a szerkesztésben (ami nemcsak hogy valószínű, hanem gyakorlatilag teljesen biztos, mivel a megrendelők többnyire nem gyakorló piackutatók), akkor mennyire lesznek hitelesek az eredmények?

Van egy másik oldala is a kérdőívszerkesztésnek, mégpedig az, hogy sokszor a megbízó tudja ugyan, hogy például márkaismereti kutatást szeretne, de egyáltalán nincs tisztában vele, hogy egy ilyen jellegű kutatásnál milyen standard kérdésekből áll a kérdőív? Hogyan fogja saját maga - segítség nélkül - elkészíteni a kérdőívet? Ez is egy olyan pont, ahol nagy valószínűséggel félre fog csúszni az egész folyamat. Hiába tűnik olcsónak egy ilyen - teljesen a megrendelőre bízott - kutatás, a végén ki fog derülni, hogy nincs drágább annál a kutatásnál, aminek az eredményei nem használhatóak, mert már a kérdőív-szerkesztési folyamat során fatális hibák történtek.

Kérdések száma
Van, amikor elég 12 kérdés, máskor nem. A mi omnibuszunkban egy megbízó által maximum 20 kérdés tehető fel, de több hullámban ennél több is rendelhető!

Reprezentatív minta
Egyféle minta sokszor nem megfelelő, mert a kutatás célcsoportja éppen más, ezért nálunk 3 féle reprezentatív minta közül lehet választani. (A konkurens szolgáltatásnál csak egyféle reprezentatív minta van.)

Szűrőfeltételek rugalmas megadása
A célcsoport kutatásonként teljesen más lehet, adott esetben pl. nem a standard 18-59 vagy 18-65 éveseket kell megkérdezni (hanem pl. a 25-45 éveseket, stb.), illetve egészen speciális további feltételek is felmerülhetnek a megkérdezendő személyekkel kapcsolatban. Nálunk erre is lehetőség van (bizonyos keretek között), plusz interjúk készítésével vagy egyéb módon ez is megoldható és nem is minden esetben jár plusz költséggel.

Mihez kezd egy átlagos megrendelő egy adatbázissal?
Ha valaki profi szinten ért az adatbázis-elemzéshez, akkor nekiül és a megfelelő célszoftverrel kielemzi. És a többiek? Mert ők vannak többségben. A nemrég indult konkurens szolgáltatásnál ugyanis a megrendelő a folyamat végén egy adatbázist kap csupán. Számokat egymás alatt, mellett, sorokban, oszlopokban. Sokan ekkor fogják csak megérteni, hogy nem ezt a kutatást kellett volna választani. Ezzel szemben mit adunk mi a kutatás végén: a kérdésenkénti végleges eredményeket, mégpedig bárki számára könnyen áttekinthető és értelmezhető grafikonos és táblázatos formában. Nem adatbázist, hanem eredményeket. Igény esetén ezeket az eredményeket biztosítjuk akár az összes demográfiai jellemző szerinti bontásban is, ugyancsak nagyon könnyen áttekinthető formában. Ha egyéb keresztelemzésre van szükség, azt is elkészítjük. Igény esetén szöveges elemzés is rendelhető. Konzultációt minden nálunk megrendelt kutatásnál a teljes kutatási folyamat alatt külön költség nélkül biztosítunk, ha bármilyen kérdés felmerül pl. az eredményekkel kapcsolatban, a kutatási vezetőnk készségesen segít az értelmezésben. A konkurens szolgáltatás ezek közül mit biztosít? Az adatbázison kívül semmit.

Fizess előre?
A konkurens szolgáltatás előre utalással működik, amíg a teljes összeget át nem utalja a megrendelő, addig nem indul el a felmérés. (Bizonyos esetekben mi is kérhetünk 50-100% előleget, de a legtöbb esetben ettől eltekintünk.)

Bármilyen további kérdés esetén kérjük az érdeklődőket, hogy tekintsék meg weboldalunkat, illetve Vizi Ferenc kutatási vezető (tel. +36 70 243 3133) is szívesen ad további tájékoztatást az omnibusz kutatás részleteiről.

(Piackutatás blog)

Az online piackutatás Magyarországon 1999-ben indult útjára és napjainkra tudományos, akadémiai értelemben is teljesen megbízhatóvá vált, egy tisztán online kutatás eredményei ugyanolyan pontosak és megbízhatóak, mintha bármilyen más módszerrel készült volna az adott kutatás. Nem volt ez mindig így (bizony nem, főleg nem 2010 előtt!) de a módszer óriási fejlődésen ment keresztül az elmúlt években és ennek köszönhetően az online piackutatás valóban az egyik legmegbízhatóbb, tömegesen alkalmazott kutatási módszerré vált Magyarországon is.

Bizony nehéz elképzelni, de alig több, mint 10 évvel ezelőtt, egészen 2008-ig az internet penetráció 50% alatt volt Magyarországon, így ekkor még nehezen lehetett érvelni a módszer megbízhatósága mellett, bár többen megpróbálták:-) A változás 2008-ban indult el, mikor a hazai internet-ellátottság a lakosság körében 55%-ra emelkedett. Innentől számítható valójában a módszer hazai történelme, bár ekkor még voltak olyan célcsoportok, melyeket nem vagy csak részben lehetett elérni az interneten keresztül. Ebből a szempontból a valódi fordulatot, az igazi áttörést csak a 2013-as év hozta el, mikortól stabilan 70% fölé emelkedett a penetráció és ténylegesen elérhetővé vált a célcsoportok nagy része online módon. A helyzet napjainkra még tovább javult, az internet penetráció jelenleg összességében 75%, de fontos tudni, hogy a fiatalabb, jobb módú, iskolázottabb fogyasztóknál már 90-95% feletti értékről beszélünk! Gyakorlatilag ugyanúgy el tudjuk érni szinte az összes célcsoportot, mint más - nem online - módszerrel, csak a 60 év felettiek jelentenek kivételt, ahol a penetráció megközelítőleg 41%-os; ugyanakkor ez sem azt jelenti, hogy őket nem tudjuk elérni online módon, csak figyelembe kell venni, hogy kevesebb, mint a felük érhető el interneten keresztül.

Az online kutatás más módszerekkel szemben számos előnnyel bír, talán a legfontosabb, hogy a kutatás online módon sokkal költséghatékonyabban és gyorsabban bonyolítható le, ugyanakkor összetett kérdőívek is készíthetők komplikált ugratásokkal, szerteágazó megjelenési feltételekkel, a kérdőívbe pedig képet, hangot, videót helyezhetünk el, így olyan reklámokat, multimédiás tartalmakat is tesztelhetünk, melyeket más módszerrel nem.

Mivel az online vizsgálat kiküszöböli a kérdezőbiztos esetleges hibáit, aki nem befolyásolja a kitöltőt, így átgondoltabb és őszintébb válaszok születnek, arról nem is beszélve, hogy a nehezen elérhető célcsoportokat könnyebb így elérni, általában pedig könnyebb növelni a válaszadási hajlandóságot.

Az online piackutatásról további érdekes részleteket lehet olvasni az Online Piackutató weboldalán, ahol a szolgáltatás árlistája is megtekinthető, ami jelenleg az egyetlen nyilvános árlista ezzel a módszerrel kapcsolatban a magyar kutatási piacon.

(Piackutatás blog)

A kkv-k számára is hozzáférhető, hiánypótló piackutatási megoldással lépett piacra a Forecast Marketingkutató. Az omnibusz alapú szolgáltatás elsősorban kis- és közepes vállalkozások számára készült, de nagyobb vállalatok is igénybe vehetik kisebb, költségérzékeny kutatásaik lebonyolítására.

Az újonnan bevezetett szolgáltatás célja segíteni és hatékonyabbá tenni a kis- és közepes vállalatok marketingjét, illetve a kkv-k számára is elérhető közelségbe hozni a piackutatást. A magyar piacon jelenleg megtalálható klasszikus piackutatási megoldások leginkább nagyvállalatok számára készültek, a kkv cégek számára bonyolultak és nagyon drágák. Ezt a piaci rést igyekszik kihasználni a nemrég bevezetett szolgáltatás.

A piackutatási megoldás az olyan igényeket elégíti ki, ahol a megbízók csak néhány kérdést szeretnének feltenni, viszont a legfontosabb szempont a gyorsaság és az ár. Ezt az elvárást a hagyományos, egyedi kutatások, módszerek nem képesek kiszolgálni, a Forecast kutatási igazgatója, Vizi Ferenc szerint ez módszer viszont igen.

Az omnibusz alapú kutatás 500 fős, országos, reprezentatív mintán történik, 2-3 héten belül végleges eredményeket biztosít, árazása pedig úgy lett kialakítva, hogy bármilyen kisvállalkozás számára elérhető legyen. A kutatás ugyanakkor teljes mértékben egyedi igényekre alakítható, a megbízó elvárásaihoz és lehetőségeihez igazodva. A kutatással a cégek nemcsak márkaismeretet vagy fogyasztási, használati szokásokat mérhetnek, de sajtóközleményhez, kommunikációs célra is használhatják az eredményeket.

„A fejlesztés során az volt a legfontosabb szempont, hogy a piackutató cégek által a mai napig elhanyagolt kkv-szektor cégeinek is lehetőséget adjunk a piackutatásra, egy egyszerű, de professzionális minőségű kutatási termék használatával” - mondta Vizi Ferenc.

A szolgáltatás árlistája nyilvános, megtekinthető a www.omnibuszkutatas.hu weboldalon.

(Sajtóközlemény)

2015-ben 3,3%-kal nőtt Magyarországon a piackutató cégek árbevétele, derül ki a Piackutatók Magyarországi Szövetségének (PMSZ) legfrissebb adataiból. A nemzetközi piac ugyanebben az időszakban hasonló, 3,5%-os nominális növekedést produkált.

Az ESOMAR nemzetközi kutatói szervezet idei Global Market Research tanulmányából többek között azt is megtudhatjuk, hogy a globális piackutatói szektor folytatja növekedését. A korábbi csekély gyarapodás után éves alapon 3,5%-os nominális (inflációval korrigálva 2,2%-os) bővülést és 44,4 milliárd dolláros összforgalmat mértek 2015-re.

Az ágazat legnagyobb piaca változatlanul Európa és Észak-Amerika, részesedésük pedig csak némileg változott (Európa +3%, Észak-Amerika -3%), de az adatokat nagyban befolyásolta az infláció és az árfolyam-ingadozás. Ennek ellenére az USA (+3%) és Kanada (+7,6%) teljesítményükkel a leggyorsabban növekvő országok közé kerültek, és együttesen a világpiac 44%-át adják.

Anglia, Németország és Franciaország jelentős részesedésével Európa a második leggyorsabban (2,8%) fejlődő régió a piackutatásban. A Távol-Kelet és a Csendes-óceáni térség, valamint a Közel-Kelet lényegében az egy évvel korábbi felmérésnek megfelelően járult hozzá a világpiac változásához, nagyobb elmozdulásokat nem lehetett tapasztalni. Ezzel szemben Afrika (-0,5%) és Dél-Amerika (-7,8%) visszaesést produkált, jóllehet helyi valutában számolva ezeken a piacokon is fejlődés látható.

A piackutatás világpiacának háromnegyedét öt ország fedi le: USA (43%), Anglia (17%), Németország (7%), Franciaország (5%), Kína (4%). Súlyuk növekedett globálisan, ami leginkább az amerikai szereplők teljesítményének tudható be.

Ügyféltípusokat tekintve változatlanul az FMCG szektorhoz köthetők a megrendelések legjelentősebb része (23%), a második legnagyobb volumen pedig a média- és szórakoztatóiparban realizálódik. A kvalitatív kutatási módszerek iránti érdeklődés változatlan volt 2015-ben az egy évvel korábbihoz képest, viszont a kvantitatív kutatások részaránya 70%-ra csökkent, 3%-ot átengedve ezzel az egyéb megoldások széles tárházának.

Az ESOMAR nemzetközi felmérésének tanúsága szerint a piacok többsége már 2014-ben is inkább optimista volt, tavaly azonban még többen (68%) nyilatkoztak úgy, hogy az idei évre növekedésre számítanak.

A Piackutatók Magyarországi Szövetségének összesítése szerint a magyarországi kutatói szakma összforgalma a 2015-ös adatok alapján nettó 23,9 milliárd forintra tehető. Az ESOMAR nemzetközi felméréséhez is kapcsolódó hazai iparági statisztika szerint ez 3,3%-os emelkedést jelent, ami csak kismértékben marad el az egy évvel korábbi, 5,5%-os értéktől.

A piac gyarapodása nagyrészt a közepes (200-1000 millió forint) forgalmú cégek bevétel-növekedésének köszönhető; ennek következtében piaci súlyuk is nőtt. Az egymilliárd forint feletti forgalmú vállaltok összesített forgalma stagnált a tavalyi évben (az e körben jellemző növekedéseket csökkenés is ellensúlyozta), azonban még így is kicsivel több mint a felét adják a szektor bevételeinek. A 200 millió alatti szegmens cégei sem szégyenkezhetnek, hiszen a piaci átlagnál jobban, összességében 6,1%-kal nőttek.

A cégek hivatalos árbevétel-adatait vizsgálva ennél nagyobb mozgások is tapasztalhatóak. Természetesen voltak vesztesei is az időszaknak, de a jellemző mégis inkább az volt, hogy a szerényebb visszaeséseket kompenzálták egyes cégek kimagasló teljesítményei. Változás azonban, hogy míg 2014-ben a kisebb vállalkozások árbevételei mutatták a legnagyobb egyedi eltéréseket az előző évhez képest, addig ez tavaly a közepes méretkategóriába tartozó kutatócégekre volt jellemző.

“A nemzetközi és a hazai kutatási piac elmúlt évekbeli növekedése is jelzi a megrendelői oldal fokozódó igényeit”– értékelt Jakab Áron, a PMSZ elnöke. – “A több, külső és belső forrásból származó adatok, kutatási eredmények és információk integrációja és szintetizálása egyszerre jelent kihívást és lehetőséget a kutatócégek számára, hogy ügyfeleiknek a gyorsuló világban üzleti sikert megalapozó tudást adhassanak át. Az ügynökségeknek nemcsak a megrendelői oldalra kell figyelniük; a részvételi hajlandóság növelése érdekében valamennyi kutatócégnek fontos feladata a válaszadók bizalmának erősítése is.”

(Forrás: PMSZ)

Az NRC az előző évi innováció kutatáshoz hasonlóan idén is elkészítette a piackutatási szakma egyetlen olyan felmérését, ami nekünk, szakmabelieknek szól.

A projekt célja, hogy világos képet adjon a kutatók szakmáról való gondolkodásáról, valamint az innovációval kapcsolatos nézeteikről. A felmérés eredményeit a 2016. április 13-14-én, az egri Hotel Eger&Park-ban megrendezésre kerülő Kutatás 2016 konferencián ismertetik. Az NRC eltökélt abban, hogy felhívja a résztvevők figyelmét a kutatási innovációk fontosságára, és segítse minden hazai szakember munkáját.

A kérdőív reszponzív módban készült, tehát tableten illetve telefonon is könnyen kitölthető, s mindössze 10 percet vesz igénybe. Az első 100 kitöltő ráadásul egy sorsoláson is részt vehet, ahol megnyerheti a 10 db Kutatás 2016 konferencia belépőjegy egyikét, vagy övé lehet egy prémium minőségű tablet is. A kérdőív erre a linkre kattintva érhető el.

(Piackutatás blog)

Sokan még ódzkodnak „vakon” vásárolni, az elektronikus kereskedelem egyre erőteljesebb térnyerése mégis vitathatatlan jelenség. A gyorsaság, kényelem, a kedvezőbb árak egyaránt szólhatnak az online vásárlás mellet, ahogy a szolgáltató egyedülálló megoldása is, a másik oldalon azonban ott van a megfoghatatlanság vagy éppen az emberi interakciók hiányának problémája is.

Hogy valóban milyen gondolatokat kötünk az e-kereskedelemhez, vagy miért kedvelünk egyes webshopokat, arról az online közzétett vélemények meglehetősen sokat elárulnak. A Neticle egyedi online médiafigyelő és médiaelemző módszertanával ezekre a kérdésekre fókuszálva tekintette át háromhónapnyi webes tartalmat. A vizsgált tartalmak közé tartoznak az online cikkek, blogok, hozzászólások, fórumok és közösségi média oldalak (Facebook, Twitter, Google+) publikus posztjai.

Sarokszámok és azonosított témák az e-kereskedelem webes visszhangja kapcsán

A vizsgált negyedév során a magyar weben megközelítőleg ötvenezer említés született e-kereskedelemre vonatkozóan. (Ez a szám magába foglal minden olyan webes említést, amelyben előfordult a webshop, online vásárlás, e-kereskedelem kifejezés vagy ezek bármely szinonimája.) Ezek túlnyomó többsége, 83 százaléka Facebookon, 7 százaléka fórumokban, 5 százaléka pedig cikkekben tűnt fel. Bár a képet árnyalja, hogy a Facebookos említések egy részét promóciós tartalmú posztok adják, a számokat elnézve vitathatatlan, hogy a téma abszolút benne van a köztudatban, a háromezer feletti fórumos említés pedig már önmagában rámutat, hogy van is mit megvitatni az online vásárlás és az erre lehetőséget adó platformok kapcsán. (Összehasonlításképp az Apple említésszáma azonos időszak alatt húszezer, a Samsung említésszáma közel negyvenezer volt.)

A véleményelemzés rámutatott, hogy a témához kapcsolódó pozitív irányú vélemények aránya magasabb (13%), mint a negatívaké (2%). Az előbbiek azonban sokszor a vásárlás tárgyához kötődnek, míg magára a webshopra vonatkozóan pedig főleg ingyenes és gyors kiszállításhoz, kedvezményes ajánlatokhoz, ajándékokhoz, nyereményjátékokhoz kapcsolódóan jelennek meg elismerő említések. Köztudott, hogy negatív gondolatoknak alapvetően nagyobb előszeretettel adunk hangot, mint elégedettségünknek, magas arányról a témában mégsem beszélhetünk. Panaszokra és hőbörgésre leginkább a webshopok átmeneti elérhetetlensége, kiszállított hibás, nem működő termékek és máshol találhatónál magasabb árak adtak okot.

A szövegelemzés eredményei alapján általánosságban elmondható, hogy e-kereskedelemről, webshopokról a legtöbbet magával a rendelés jellemzőivel kapcsolatban esik szó, kiemelten árra és szállításra fókuszáltan, valamint a megrendelt termék egyediségéhez, ajándékokhoz kapcsolódóan, de ezen felül nagy visszhangnak örvendek az akciók, kedvezmények, hírlevelek, továbbá a játékok és nyereményjátékok is. Az e-kereskedelem témájához kapcsolódó húsz legrelevánsabb témában már egyes termékcsoportok is erősen kirajzolódnak, így a bútorzat, könyv, ruha termékcsoportok jól beazonosíthatóak.

Továbbá számos említés kapcsolódik a vasárnaphoz, vagyis a vasárnapi zárvatartáshoz, hiszen az új szabályozásból fakadóan a hét utolsó napján most a korábbinál nagyobb figyelmet élvezhetnek a webshopok. Ezt támasztja alá az a jelenség is, hogy szombatonként (4800) szignifikánsan kevesebb szó esik a témáról, mint hétköznap (6700-8400), a vasárnapi (6000) említések azonban már közel sem mutatnak ekkora eltérést az átlagtól.

Konkrét esetek: Extreme Digital és a Media Markt