HTML

Piackutatás.blog.hu

Piackutató és marketinges szubkultúra. Kortárs piackutatás, cutting-edge technológiák, kutatási konferenciák, kutatási hírek a hazai és az angolszász piacokról - friss gondolatok, friss hírek a kutatási iparágból, első kézből. A blogot a Forecast Research kutatója szerkeszti.

Piackutatás Hírek

Piackutatás Hírek

Piackutató állások, álláshirdetések

Tagek - Főbb témakörök

access panel (9) acnielsen (2) adat (63) adatbányászat (24) adatbázis (24) adatgyűjtés (14) adatminőség (3) adatrögzítés (2) adatvédelem (3) adatvizualizáció (54) ad hoc (3) affectiva (2) agb nielsen (2) agyhullámelemzés (16) agyszkennelés (13) AI (2) algoritmus (2) álláshirdetés (4) antropológia (1) apple (5) arcfelismerés (9) archetípus (2) arckódolás (13) árérzékenység vizsgálat (3) arf (1) árvizsgálat (3) asszociáció (1) asszociatív technika (1) átirat (2) atkári csaba (1) attitűd (1) augmented reality (1) authority site (1) automata tesztelés (1) avatar (2) b2b (2) babocsay ádám (1) bacher jános (1) barcza enikő (2) bar chart (1) bevásárlóközpont (1) big data (24) big mac index (1) bimodális megoszlás (1) biometria (4) bioszenzor (2) blind teszt (4) blog (9) bpto (2) brainstorming (3) brand (4) branding (2) brand equity (1) brand power (1) brand price trade off (1) brief (2) business intelligence (4) buzzword (1) call center (2) capi (2) casro (1) cati (7) cawi (1) célcsoport (7) chart (39) chio (1) chris anderson (2) cint (3) client service (1) coca cola (14) coke (8) conjoint (2) conjoint elemzés (1) conness (1) consumer insight (18) cookie (1) corvinus egyetem (8) crowdsourcing (1) csoportdinamika (5) csoporthatás (2) customer satisfaction survey (2) David McCandles (1) deli (1) deliberative poll (2) demográfia (6) desk research (1) detektívtükör (10) diagram (4) digg (1) digitális etnográfia (8) digitális média (1) digividuals (1) diktafon (1) disney (1) divat (1) diy (19) diy kutatások (38) domino pizza (1) Dove (1) dove (1) do it yourself survey (35) dunnhumby (2) eeg (4) elkísért vásárlás (1) ellenőrzés (1) előteszt (2) emg (1) emlékkonferencia (1) emotimeter (2) ep választás (1) érdekesség (4) érzékszervi teszt (4) érzelemfelismerés (2) esomar (46) esomar price study (2) etnográfia (37) exit poll (1) exit store (1) eye tracking (21) facebook (22) faktoranalízis (1) feitel balázs (1) felmérés (4) fenomenológia (1) field research (1) finn raben (4) fisheye (1) fmcg (10) fmri (6) fogyasztói csoport (2) fogyasztói magatartás (79) fókuszcsoport (102) fókusz stúdió (14) forrester (11) free (2) gallup (3) gallup poll (1) gamification (10) gazdaságkutatás (2) géczi tamás (2) geofencing (3) geolokáció (5) geolokációs marketing (2) geotargeting (1) gfk (15) gfk emo sensor (1) gfk europanel (1) globális kutatás (7) global market research (3) gmail (1) gmi (1) google (15) google consumer surveys (2) Google Glass (1) gps (1) grafikon (6) groupon (2) guide (2) gvh (1) gyorsétterem (1) hackathon (1) hall teszt (1) hálózatkutatás (6) hálózatok (6) hans rosling (2) henry ford (2) hibahatár (1) hibrid kutatás (3) hipotézis (2) hírlevél (6) hoffmann (1) hoffmann márta (3) hólabda módszer (1) home teszt (3) home use teszt (1) honomichl jelentés (1) hőtérkép (2) humor (34) iat (1) idegtudomány (8) időmérleg (1) ifjúságkutatás (5) immersion day (1) immersive research (1) imperium (1) implicit association test (2) implicit technika (3) index (1) infografika (56) innováció (14) insight (24) insight community (3) intellio visiscan (1) interactive voice response (1) interjú (4) interjúkészítő robot (2) interjúvázlat (1) internet (1) internet technológia (1) in store marketing (3) ipad (6) iphone (11) ipsos (19) iskola (1) iso (10) ivr (1) iWatch (1) iwatch (1) jacobs (1) jakab áron (2) jövőkutatás (8) kantar (6) karrier (6) kártyaválogatás (2) képzés (2) kérdezőbiztos (18) kérdőív (35) kérdőíves interjú (14) kérdőívszerkesztés (10) kétnyelvű kérdezőbiztos (1) kindle (2) kisérőlevél (1) kiss bíborka (2) ki kicsoda (7) kkv (5) kkv piackutatás (1) klenovszki jános (9) kognitív lingvisztika (1) kólapiac (3) kollaboratív felmérés (1) kollázs (4) koncepcióteszt (1) konferencia (41) konjunktúrakutatás (1) kontextus (2) konzultáció (1) kördiagram (8) korreláció (1) kozák ákos (4) közbeszerzés (4) közösségi média (59) közvéleménykutatás (136) kreatív online (1) ksh (3) kurucz imre (2) kutatási iparág (115) kutatásmódszertan (7) kutatás konferencia (4) kutatócentrum (1) kvalitatív (55) kvantitatív (13) kvótás mintavétel (1) lifelogging (4) linkedin (4) loréal (1) mácsai tamás (1) márkaépítés (26) márkaerő (17) márkaérték (4) márkaismertségi kutatás (1) márkakutatás (25) márkapreferencia (32) márka kommunikáció (32) marketing (74) marketingkutatás (104) marketingkutató magazin (5) marketingstratégia (9) marketing insight (10) markettools (1) market research (14) marlboro (1) mba (1) mcdonalds (2) mckinsey (1) médiakutatás (12) megfigyelés (9) mélyinterjú (16) mém (5) memetika (1) memetikai marketing (2) memrb (1) mesterséges intelligencia (3) mészáros józsef (2) microsoft (1) milka (1) millenniumi generáció (1) millward brown (10) minőségbiztosítás (11) minőségi piackutatás (7) minőségi piackutatásért egyesület (1) mintanagyság (2) mintavétel (4) mmsz (2) mobil kutatás (21) moderátor (20) moderators guide (3) motivációkutatás (12) motívumkutatás (3) mp3 (1) mra (2) mroc (16) mrsz (1) multimédia (1) műszeres mérés (7) mutf (3) mystery calling (1) mystery shopping (8) mystery visit (1) nano kérdőív (2) napi chart (19) natural language processing (1) near field communication (1) népsűrűség (1) nestlé (1) netnográfia (5) net promoter score (3) neurológia (8) neuromarketing (31) neuroökonómia (2) new mr (10) nézettség mérés (2) nfc (1) nielsen (8) nigel hollis (3) nlp (2) nonverbális kommunikáció (3) nordsee (1) nps (3) nrc (6) nyelvi relativizmus (1) ogilvy (4) okostelefon (11) oktatás (1) omnibusz (2) online (34) online analitika (1) online community (27) online fókuszcsoport (18) online közösség (33) online kutatás (102) online marketing (1) online panel (50) online video (4) openamplify (1) opinion leader (2) optimus (1) panel (45) panelmenedzsment (2) páros interjú (1) pártpreferencia (1) pay for performance (1) peanut labs optimus (1) pepsi cola (4) persil (1) pet (1) piacbefolyásolás (5) piaci stratégia (4) piackutatás (957) piackutatási diákverseny (9) piackutatás állás (2) piackutatás ázsiában (1) piackutatás blog (7) piackutatás felszabadítási front (2) piackutatás hírek (125) piackutatás képzés (1) piackutatás mém (1) piackutatás napja (5) piackutatás napja konferencia (6) piackutatás története (1) piackutató (350) piackutatók magyarországi szövetsége (8) piackutató bot (6) piackutató intézetek (8) piackutató robot (8) pie chart (17) pilot interjú (1) Pinterest (1) pintér róbert (3) pixer (3) pmsz (27) politikai véleménykutatás (13) populáció (1) portfolioblogger (30) postteszt (1) posztgraduális képzés (1) powerpoint (14) ppt (18) prediktív analitika (2) preteszt (5) prezentáció (19) prezi (3) price sensitivity measure (1) price study (2) primer piackutatás (1) prizma (1) próbavásárlás (7) professzionális piackutatók társasága (6) projektív technikák (2) promedius (1) psm (2) pspp (1) pszichodráma (1) pszichológia (3) qr kód (7) qsensor (1) quantified self (1) quick and dirty (2) readers digest (1) reckitt benckiser (1) red bull (2) reklám (18) reklámkutatás (11) reklámteszt (12) relevant id (1) reprezentatív (7) reprezentativitás (1) research international (1) research liberation front (1) research world (5) retail audit (1) rfid (4) river sample (1) river sampling (1) rlf (1) roi (6) round robin (2) rss (2) sapir whorf (1) sara lee (1) scholl (1) screening questions (1) script (1) second life (3) shopper kutatás (3) síklaki istván (1) Síklaki István (1) skinvertising (1) SMS kutatás (1) social media (30) social network (7) SoLoMo (2) spin doctor (1) spontán márkaismeret (1) spss (9) stan sthaunathan (2) starbucks (1) statisztika (71) steve jobs (4) storytelling (1) superbrands (1) surf (1) survey (4) surveygizmo (1) survey monkey (8) synovate (6) szakértői interjú (1) szakértő válaszol (1) szavazás (7) szegmentáció (5) szekunder piackutatás (1) szekvenciális monadikus (1) szemantika (2) szemiotika (7) szemkamera (20) szemkamerás vizsgálat (18) szemkövetés (12) szemkövetéses vizsgálat (15) szerepjáték (2) szignifikáns (2) szimulált depriváció (2) szociálpszichológia (2) szociodemográfia (2) szociológus (1) szondaphone (3) szonda ipsos (5) szövegelemzés (10) szubkultúra (1) szűrőkérdőív (1) tablet (1) taktikai piackutatás (3) támogatott márkaismeret (1) tanácsadás (6) tanulmány (1) tárki (1) társadalomkutatás (6) társadalomstatisztika (3) társadalomtudomány (6) tartalomelemzés (3) technológia (4) technológiai szingularitás (4) telefonos kutatás (15) telemarketing (6) tematikus ajánló (8) tender (1) terepnapló (1) termékfejlesztés (12) termékteszt (5) tervező team (2) tesco (4) tesco direct (1) tesztáruház (1) tesztpiac (1) tetszési index (1) texting (1) text mining (2) tns (8) tns hoffmann (1) tobii (1) toborzás (2) toluna (6) topline (2) történetmesélés (1) tracking kutatás (1) transzhumanizmus (2) trend (90) trendkutatás (2) triád interjú (1) truesample (3) twitter (21) u&a (1) üdítőpiac (1) ugc (1) ügyfélelégedettségi kutatás (2) ügyfélkapcsolat (2) új piackutatás (7) unilever (3) usage attitude (1) usp (1) utópia (2) vakteszt (2) válaszadó (2) választáskutatás (1) valóságshow (1) valószínűségi mintavétel (3) vásárlóerő (1) vélemény (2) véleményvezér (1) venn diagram (9) vevőelégedettségi kutatás (1) vezérfonal (2) videó etnográfia (2) világpiac (2) virtuális kérdezőbiztos (1) virtuális piackutatás (2) viselhető eszközök (1) viselkedés gazdaságtan (5) visszaemlékezés (2) vizi ferenc (2) Vizi Ferenc (1) vizuális etnográfia (2) vörös csilla (2) web2.0 kutatás (3) web analitika (1) web tracking (1) who is who (7) widget (1) wikipedia (1) wom (1) workshop (3) youtube (1) y generáció (9) závecz tibor (1) zweifel (1) Címkefelhő

Portfolio

Creative Commons licenc

Creative Commons Licenc

Big data sorozat (1. rész) – Hype és valóság

2012.12.20. 10:29 Forecast Research - www.forecast.hu

A ’Big data’ módszerben rejlő lehetőség óriási visszhangot kapott mostanában. A lelkes fogadtatás mellett azonban a módszert bíráló, a felfokozott várakozásokat lehűteni igyekvő hangok is megszólaltak, nem csupán a Harvard Business Review-ban, de más újságokban, weboldalakon, blogokban is. A téma iránti növekvő érdeklődés mindenesetre számtalan cikket, megbeszélést és konferencia előadást inspirált. A sorozat első részében az óvatosságra intő véleményeket tekintjük át.

BigData_1.jpg...ami azonban a ’big data = nagy befolyás’ állítást illeti, az elemzők valószínűleg tévednek. A legtöbb adatbányász és adatelemző alkalmazás valójában az előrejelzés módszerére épít. A döntéshozók érdeke, hogy megértsék azokat a motívumokat, amik a múltban és a jelenben vásárláshoz vezettek/vezetnek, hogy ennek tudatában megjósolhassák a jövőt. A big data példa nélküli lehetőséget kínál – különösen a fogyasztói cselekvéseket, attitűdöket tekintve – vajon az előrejelzések terén hoz-e fejlődést? Nézzük a témát picit mélyebben, megfigyelve három olyan kulcsterületet, ahol a sikeres előrejelzés alapvető fontosságú.

Filmek értékelése. Olyan vállalatként, amely a fogyasztás növelésére összpontosít, a Netflix rutinosnak számít a személyes filmajánlók kiküldésében fogyasztói számára a már megtekintett filmek alapján, egyfajta visszajelzésként. Az előrejelzés igazi kihívás ezen a területen, ha valaki egy adott mozifilmnek egy bizonyos osztályzatot adott, akkor vajon a másik filmet is ebbe a kategóriába fog sorolni az értékelés során? A vállalat öt éve hirdette meg híres-neves versenyét (competition) a Cinematch algoritmusának fejlesztése érdekében. A program rekordnagyságú adatbázissal (2007-ben), 480 ezer anonim felhasználóval, 17 770 filmmel és 1-től 5-ig tartó értékelési skálával rendelkezett. A versenyt megelőzően a Netflix saját algoritmusának hibája 0.95 volt (négyzetes hiba, RMSE) ami azt jelentette, hogy előrejelzési képességei meglehetősen gyengék voltak. A Netflix 1 millió dolláros díját az nyerte volna, aki képes lett volna ezt a hibát nagyjából 10%-al csökkenteni, legalább 0.86-ra.

Mindössze két héten belül számos jelentkező javított ugyan a Netflix algoritmusán, azonban csak meglehetősen kis mértékben, így a fejlődés lassú léptekben haladt. (Lásd a táblázatot).

prize_chart.jpg

Három évbe tellett a győztes megtalálása, akik nem más, mint a BellKor's Pragmatic Chaos csapata, eredményük pedig 0.8567 RMSE lett. A győztes algoritmus különböző megközelítések összességéből jött létre – olyan bonyolult lett a végeredmény, hogy a Netflix azt végül sosem használta. A világ legjobb adatbányász szakembereinek hároméves munkájának a gyümölcse: az arra vonatkozó átlagos előrejelzési mutatót, miszerint hogyan fognak a nézők egy filmet értékelni, kevesebb, mint 0.1 csillaggal sikerült javítani, pontosítani. (A Netflix rendszerében csillagokkal lehet értékelni a filmeket.)

Ügyfél lemorzsolódás. Amennyiben az előrejelző módszerek big data-val kiegészülve képesek lennének pontosan megmondani, kik azok, akik el akarják hagyni az adott terméket vagy szolgáltatást, a direkt marketingre költött dollárok hatékony bevetésére lenne lehetőség oly módon, hogy ezeknek a fogyasztóknak kedvezményeket, egyéb előnyöket biztosítunk. Az elemzők oly módon állapítják meg ezeknek az elpártoló fogyasztóknak a számát, hogy az ún. ’lift’ módszert alkalmazzák (lift=speciális adatbányász módszer). Tegyük fel, hogy egy vezeték nélküli kommunikációs szolgáltatásokat kínáló vállalatnak havonta 2% elpártoló fogyasztója van. Ha egy algoritmus segítségével megállapítjuk az elpártolás indítékait, és készítünk egy listát azokról a fogyasztókról, akik hajlamosak lehetnek az elpártolásra, ezeknek pedig 8%-a valóban rendszeresen elpártol, így ez a lista 4-es ’lift’-nek felel meg. (mivel a módszer négyszer több „disszidálót”hozott, mint egy véletlenszerű mintavételen alapuló). Egy ilyen lista rendkívül hasznos lenne, tekintve a marketing költségek megtakarításának lehetőségét. Mégis, a dolog 92%-ban hibás eredményt ad. A big data tehát hasznos lehet-e abban, hogy hatékonyabb előrejelzési megoldásokat fejlesszük?

A bank és a telekommunikációs szektor harmic különféle elpártolási módját vizsgálták meg és meglepő módon – bár különböző adathalmazokat és algoritmusokat használtak – hasonló eredmények születtek. A top 1% elpártolóinak 9-11-es liftje volt, míg a top 10-ben szereplőké 3-4. Nagyon hasonló eredményeket mutattak más tanulmányok is. (tanulmány 1. , tanulmány 2.). Mindez azt jelzi, hogy az előrejelzés meglehetősen pontatlan módszer az elpártolás megfigyelése esetében.

Internetes reklámokra való reagálás. Végül, de nem utolsósorban nézzük a CTR (%) mutatót (azaz kattintási hajlandóság) online reklámok esetében. Kulcsterületről van szó. A reklámokra való keresést nem célszerű figyelembe venni, a reklámok úgyis mindig a felhasználói szándéktól függenek, így csak a reklámok megtekintésére reagáljunk.

Az átlagos kattintási szám 0.1-0,2 % szokott lenni (tanulmány). A viselkedésre koncentráló vagy a célközönségnek szóló reklámok persze jobb mutatókat érnek el, legalább az előbb említett érték hétszeresét a kutatók szerint (tanulmány). A hétszeres növekedés azonban még mindig csak 1.4%-ot jelent – mindez azt jelenti, hogy napjainkban a legjobb, célközönségnek szóló reklám sem jut el a fogyasztók 98.6%-ához!

Milyen következtetéseket vonhatunk le e három terület tanulmányozása után? Mindhárom problémakörre okos, motivált szakemberek keresnek válaszokat. A végkövetkeztetés egyértelmű: a spontaneitás olyan tényezője az emberi viselkedésnek, ami behatárolja a lehetőségeket a fogyasztói viselkedés modellezése terén. A big data hozhat ugyan marginális nyereségeket, az áttörés azonban mindaddig nehezen elérthető marad, amíg az emberi viselkedés ennyire következetlen, impulzív, dinamikus és szövevényes.

Az olyan cselekvések, melyek a fizika törvényszerűségei szerint működnek – mint például a gravitáció – jó eséllyel pontosan jelezhetőek előre. Gondoljunk csak azokra az előrejelzésekre, melyek a NASA Curiosity nevű űrsiklójának fantasztikus landolását segítették elő, és mindössze 1,5 mérföldet tévedtek – 350 millió mérföldes út megtétele után. Amikor azonban a cselekvést a fogyasztói szeszély irányítja, nincs az a találékony módszer, ami pontosan előrejelzi, mi fog történni. Az elemzők meg tudják mondani, hogyan landoljon egy űrsikló a Marson, de képtelenek megjósolni, ki fog megvenni egy Mars csokoládét.

A big data módszernek köszönhetően fejlődhetnek az előrejelzések, de a legnagyobb ereje abban lesz, hogy új kutatási területeket hoz létre. A Google-t tekinthetjük is a big data első ismert sikerének, annak növekedése rámutat arra, mekkora érték rejlik a módszerben. Bár az analitika csak kis része lehet a teljes algoritmusnak,  a Google képessége a kereséseken alapuló célzott hirdetések megjelentetésére a cég bevételének 95%-áért felelős. A közösségi hálók szintén a big data függvényében tudnak majd fejlődni, bővülni. A Facebook, a Twitter vagy a LinkedIn sikere is az általuk lefedett tömegeken múlik, ezen tömegek adatainak elemzésében a big data módszer fontos lesz.

A big data hatása lehet egyenese transzformatív (átalakító) is. A geolokális elemző módszerekre és szolgáltatásokra, mint pl. a Foursquare gondolhatunk. Vagy az egészségügyre, ahol a big data a személyre szabott orvoslás kialakításában (drive progress) kaphat jelentős szerepet.

Végül, de nem utolsósorban, a big data legnagyobb lehetőségei a mesterséges intelligenciában rejlenek. Az IBM által fejlesztett Watson (IBM Watson) legyőzte a humán résztvevőket a Jeopardy nevű játékban.  Az Apple által kitalált Siri emberek millióival társalog, több-kevesebb sikerrel. A Google is közelebb kerül a mesterséges intelligenciához a Knowledge Graph segítségével. A Siri vetélytársaként ismert Google Now a felhasználók viselkedéséből állapítja meg azok kéréseit, kívánságait. Ezek a programok 2020-ra sokkal működőképesebbek lesznek a big data módszer alkalmazásának köszönhetően.

Összegezve: a big data valóban nagy változásokat hozhat. Biztosak lehetünk benne, hogy a módszer segíteni fogja a gépek és a szervezetlen, örökké változó, zavaros emberi viselkedés közötti interakciót. Ha azonban azt várjuk, hogy az emberi viselkedés is megjósolhatóbb, előre láthatóbb lesz, akkor csalódni fogunk.

(Internet/Piackutatás blog)

 

A témában korábban megjelent írás a Piackutatás Hírek oldalon:

Big data: Az adatok ébredése, avagy a társadalom újragondolása az adatsokaság nyomán

 

A témában korábban megjelent írás a Piackutatás blogon:

Mit jelent és mire jó a ’Big data’?

2 komment

Címkék: statisztika adatbázis adat piackutatás fogyasztói magatartás adatbányászat big data