Маркетинговые исследования с ИИ: что ChatGPT может и чего не может сделать для вашего проекта

Сколько европейских компаний уже используют ИИ?

Внедрение резко ускорилось. По данным Евростата, в 2025 году хотя бы одну технологию ИИ использовали 19,9% предприятий ЕС с десятью и более сотрудниками против 8,1% в 2023 году. За два года доля выросла более чем вдвое.

Средние значения скрывают большой разброс между государствами-членами. Нидерланды заметно опережают средний уровень ЕС, Болгария заметно отстает, и расстояние между ними продолжает расти.

В 2021 году разрыв между нидерландскими и болгарскими фирмами составлял 9,8 процентного пункта, к 2025 году он достиг 24,6. Здесь нужны две оговорки. Индикатор учитывает любую технологию ИИ, от анализа текста до машинного обучения, поэтому не показывает, сколько фирм применяют ИИ именно в маркетинге или исследованиях. И он охватывает фирмы с десятью и более сотрудниками, так что ничего не говорит об индивидуальных предпринимателях. Другие показатели цифровизации бизнеса, включая использование соцсетей и платную онлайн-рекламу, собраны в нашем разделе данные о бизнесе.

Для заказчика исследований практическое следствие такое: инструменты ИИ стали рутиной во многих командах как на стороне клиента, так и на стороне подрядчика. Вопрос уже не в том, использовать ли их, а в том, где они помогают и где вводят в заблуждение.

Что языковая модель хорошо делает в исследовательском проекте?

Языковые модели лучше всего работают с материалом, который у вас уже есть, и с инструкцией, достаточно точной, чтобы результат можно было проверить. Если разложить это по этапам типичного проекта:

На этапе анализа экономия времени реальна. Раньше распределение двух тысяч открытых комментариев по темам требовало нескольких дней ручного кодирования; модель делает первый проход за минуты, и задача исследователя смещается к исправлению кодификатора, а не к его построению с нуля.

Где ChatGPT подводит как инструмент исследования?

Сбои предсказуемы, если помнить, что такое языковая модель: система, обученная на прошлых текстах и генерирующая наиболее вероятное продолжение вашего запроса.

1. Она отвечает на вопросы, ответ на которые знать не может. Спросите, какая доля британских владельцев домашних животных готова платить за подписку на премиальный корм, — и получите уверенный процент. За ним не стоит никакая выборка, поэтому нет ни погрешности, ни способа оценить, насколько он может быть неверным.
2. Ее знания ограничены датой. Повышения цен в прошлом квартале, нового конкурента или изменений в регулировании в ней не будет, если вы их не предоставите.
3. Она выдумывает источники. Модели иногда ссылаются на несуществующие отчеты или приписывают правдоподобные таблицы реальным организациям.
4. Она говорит голосом тех, кто пишет в интернете. Пользователи, часто бывающие в сети, перепредставлены в обучающих данных. По данным Евростата, в 2025 году интернетом ежедневно пользовались 89,5% жителей ЕС, 82,7% в Болгарии и 98,4% в Нидерландах. Люди за пределами этой ежедневной группы недостаточно представлены в том, на чем учатся модели, и именно их труднее всего охватить через онлайн-панели.

Четвертая проблема важнее всего в работе с несколькими странами. Представление модели о среднем потребителе, скорее всего, лучше подходит для Амстердама, чем для небольшого городка на северо-западе Болгарии.

Синтетические респонденты: испытательный стенд, а не выборка

Синтетические респонденты — сгенерированные ИИ персонажи, которые отвечают на анкету так, будто они клиенты. Результат выглядит как данные опроса, с процентами, сегментами и цитатами, и именно это делает его рискованным.

Они полезны в узкой роли:

• проверить, правильно ли понимаются вопросы, еще до пилотного опроса;
• оценить длительность заполнения анкеты и найти места, где ломается логика переходов;
• сформулировать гипотезы и варианты ответов для последующего опроса реальных людей.

Реальных респондентов они заменяют плохо, потому что у них нет основы выборки, а значит, погрешность рассчитать невозможно (что это означает на практике, объясняет наше руководство по размеру выборки). Их ответы менее разнообразны, чем ответы людей, они воспроизводят стереотипы из обучающих данных и не могут знать о событиях после даты, которой ограничены знания модели.

Если подрядчик предлагает синтетические данные для реального решения, попросите валидационное исследование: та же анкета на реальной выборке с заранее заданными критериями совпадения. Сравните распределение ответов, ранжирование вариантов и прежде всего различия между подгруппами — именно там синтетические данные чаще всего расходятся с реальностью.

Как проверить результат работы ИИ, прежде чем он попадет в отчет

Относитесь к любому результату ИИ как к черновику способного, но ненадежного младшего коллеги. Пять проверок отлавливают большинство проблем:

• Двойное кодирование случайной подвыборки. Исследователь кодирует выборку открытых ответов, например каждый десятый, не видя машинных кодов, а затем сравнивает результаты.
• Отслеживайте каждое число. Каждая статистика должна вести к названной таблице, году и URL. Например, приведенные выше данные о внедрении ИИ взяты из таблицы Евростата isoc_eb_ai.
• Сверяйте цитаты с расшифровками. Требуйте для каждой цитаты строку или тайм-код и открывайте их.
• Запускайте запрос повторно. Если второй прогон на том же материале дает другие темы, эти темы ненадежны.
• Документируйте настройки. Фиксируйте модель, версию, дату и запрос, чтобы анализ можно было повторить.

Управление рисками: защита данных, Регламент об ИИ и кодексы исследователей

Расшифровки интервью, записи и файлы опросов часто содержат персональные данные: имена, голоса, работодателей, иногда сведения о здоровье или финансах. Загрузка их в публичный чат-бот — это передача третьей стороне, которая по GDPR и британскому UK GDPR требует правового основания, информирования участников и договора об обработке данных с провайдером.

Работающая политика охватывает четыре пункта:

• удаляйте имена, контактные данные и другие идентификаторы до того, как текст попадет в инструмент ИИ;
• используйте корпоративные версии с договором об обработке данных и отключенным обучением на ваших данных;
• сообщайте участникам в тексте согласия, что их ответы могут обрабатываться с помощью ИИ;
• храните исходные данные отдельно, чтобы анализ можно было повторить без ИИ.

Регламент ЕС об искусственном интеллекте, обязательства по которому вступают в силу поэтапно, включает требования прозрачности при взаимодействии людей с системой ИИ. Если вы проводите интервью, модерируемые ИИ, сообщайте участникам, что интервьюер — не человек. Международный кодекс ICC/ESOMAR также требует честности перед заказчиками в отношении методов, поэтому в отчете должно быть указано, на каких этапах использовался ИИ и как результаты проверялись. Наша страница о методологии описывает, как мы применяем эти правила.

Когда все же нужно заказное исследование?

ИИ сокращает подготовку и анализ. Но он не может дать доказательства, когда решение зависит от того, сколько людей совершат действие, по какой цене или почему:

• чтобы измерить доли, знание или намерение купить, нужен количественный опрос с определенной выборкой; калькулятор размера выборки показывает, сколько интервью требуется для заданной точности;
• чтобы понять мотивы, о которых клиенты не пишут в интернете, надежным путем остаются глубинные интервью с реальными покупателями;
• для анализа больших массивов отзывов и публикаций в соцсетях анализ цифрового рынка сочетает машинную классификацию с проверкой человеком;
• за официальной рыночной статистикой обращайтесь к нашему списку бесплатных источников рыночных данных по Европе.

Если не уверены, что подходит вам, опишите решение в форме запроса коммерческого предложения, и мы предложим дизайн, в котором ИИ используется там, где экономит время, а реальные респонденты — там, где от них зависит ответ.