Di antara semua fungsi manajerial, pemasaran kemungkinan besar adalah area yang paling terdisrupsi oleh Kecerdasan Buatan Generatif (Generative AI atau Gen AI). Menyadari potensinya, para akademisi dan praktisi telah lama menjajaki aplikasi baru dalam layanan pelanggan dan pembuatan konten. Namun, belakangan ini dunia bisnis mulai memperhatikan dampaknya pada aktivitas pemasaran lain, dengan yang paling menarik adalah riset pasar – proses perusahaan mengumpulkan data dan menghasilkan wawasan tentang pelanggan dan pesaing.
Penelitian selama dua tahun terakhir, termasuk kerja sama langsung dengan perusahaan yang mengeksplorasi Gen AI dalam riset pasar, menunjukkan bahwa perubahan besar dan transformatif sedang terjadi. Jika diterapkan dengan benar, teknologi ini menawarkan peluang yang belum pernah ada sebelumnya bagi perusahaan untuk memahami dan berinteraksi dengan pelanggan, menilai lingkungan kompetitif dengan lebih baik, dan memperluas pengambilan keputusan berbasis data ke seluruh organisasi.
Penelitian tersebut mengidentifikasi empat kelas peluang berbeda yang ditawarkan Gen AI dalam riset pasar:
1. Mendukung Praktik Saat Ini (Lebih Cepat, Lebih Murah, Lebih Skalabel)
Banyak perusahaan frustrasi dengan biaya tinggi dan waktu yang lama untuk mengumpulkan wawasan pelanggan dan pasar. Gen AI menjawab tantangan ini dengan memanfaatkan empat kemampuan intinya (sintesis, pengkodean/pemrograman, interaksi manusia, dan penulisan) di setiap tahap proses riset pasar:
- Identifikasi Peluang & Desain Riset:
- Sintesis: Meringkas literatur dan riset sebelumnya.
- Pengkodean: Menambang data yang ada untuk hipotesis.
- Interaksi: Menggunakan chatbot untuk brainstorming ide.
- Penulisan: Menghasilkan draf hipotesis.
- Pengumpulan & Analisis Data:
- Sintesis: Mengekstrak makna dan wawasan dari teks (transkrip wawancara, ulasan, dll.).
- Pengkodean: Mengatur survei di antarmuka web, melakukan analitik.
- Interaksi: Menggunakan pewawancara sintetis untuk mengajukan pertanyaan tindak lanjut.
- Penulisan: Membuat materi studi (misalnya, draf kuesioner).
- Pelaporan & Diseminasi Informasi:
- Sintesis: Merumuskan poin-poin kunci (takeaways).
- Pengkodean: Membuat alat visualisasi data.
- Interaksi: Menggunakan chatbot untuk eksplorasi data oleh pengguna internal.
- Penulisan: Menyusun ringkasan eksekutif.
Survei terhadap lebih dari 170 praktisi dan pengguna riset pasar (dilakukan bersama GBK Collective) menunjukkan adopsi yang signifikan: 45% sudah menggunakan Gen AI, dan 45% lainnya berencana menggunakannya. Penggunaan paling umum adalah untuk:
- Mensintesis transkrip wawancara panjang dan dokumen lain (62%).
- Menganalisis data (58%).
- Menulis laporan (54%).
Meskipun ada kekhawatiran (dibahas di bagian Tantangan), mayoritas (lebih dari 80%) percaya Gen AI akan meningkatkan produktivitas, efisiensi, kualitas pekerjaan, dan penting untuk tetap kompetitif. Startup seperti Meaningful (otomatisasi survei hingga analisis) dan Outset.ai (platform riset AI-moderated yang dinamis) sudah bergerak di area ini. Pengalaman WeightWatchers (pelanggan Outset.ai) menunjukkan bahwa partisipan seringkali lebih terbuka saat diwawancarai oleh AI karena mengurangi efek bias pewawancara, menggabungkan kedalaman wawancara dengan skala survei.
2. Menggantikan Praktik Saat Ini (Melalui Data Sintetis)
Salah satu aplikasi paling inovatif adalah data sintetis – data yang dihasilkan secara artifisial yang meniru perilaku dan preferensi orang sungguhan. Ini bisa dibuat menggunakan model Gen AI yang tersedia luas atau model khusus yang dilatih dengan data internal perusahaan (riset tradisional, CRM, data transaksi). Data sintetis ini digunakan untuk:
- Mensimulasikan berbagai respons pelanggan atau pesaing.
- Menyoroti potensi masalah (pain points) dan manfaat yang dicari konsumen.
- Membuat persona audiens sintetis untuk diinteraksi.
Survei menunjukkan 81% responden sudah menggunakan atau berencana menggunakan data sintetis. Startup seperti Evidenza telah melakukan studi validasi ekstensif. Dalam tes double-blind dengan EY, hasil dari persona sintetis (CEO perusahaan >$1 Miliar) 95% sama dengan hasil survei nyata terhadap target audiens tersebut. Studi di Wisconsin School of Business juga menunjukkan Gen AI dapat menghasilkan data kualitatif mendalam dari responden sintetis. Startup Synthetic Users menawarkan layanan semacam ini.
Untuk mengatasi kekhawatiran privasi saat menggunakan data proprietary, penyedia Gen AI besar menawarkan versi enterprise yang aman, dan startup seperti Rockfish Data memungkinkan perusahaan membangun model "kecil" yang sepenuhnya pribadi di data internal mereka (digunakan oleh US Army dan Dept. of Homeland Security).
3. Mengisi Kesenjangan Pemahaman Pasar yang Ada
Seringkali, keputusan bisnis dibuat tanpa analisis empiris formal karena keterbatasan waktu atau biaya. Gen AI menjanjikan mesin wawasan pelanggan dan pasar yang "selalu aktif", menyediakan bukti empiris secara instan ketika data tidak tersedia atau terlalu mahal untuk diperoleh. Ini dapat digunakan untuk:
- Menguji asumsi manajerial.
- Menguji coba konsep produk atau strategi eksekusi.
- Menjadi papan suara (sounding board) untuk keputusan.
- "Mendengarkan pasar" dan memantau lingkungan kompetitif.
Dalam survei, 30% responden telah menggunakan Gen AI untuk memandu pengambilan keputusan yang sebelumnya tidak memanfaatkan data eksternal, dan 81% menggunakan atau berencana menggunakannya untuk "mendengarkan pasar". Contohnya termasuk General Mills (mengeksplorasi data sintetis untuk ideasi produk), Evidenza (membantu keputusan penargetan B2B dan estimasi ROI), dan Arena Technologies (membantu pengecer menyesuaikan penawaran lokal menggunakan profil pelanggan sintetis).
4. Menciptakan Jenis Data dan Wawasan Baru (Misalnya, Kembaran Digital)
Pemasar dan penjual mulai menggunakan Gen AI untuk membuat kembaran digital (digital twins) – replika virtual pelanggan individu yang dibangun dari informasi publik atau data proprietary. Tujuannya adalah untuk:
- Menguji dan menyempurnakan materi pemasaran atau presentasi penjualan sebelum bertemu orang sungguhan.
- Mengkalibrasi upaya pemasaran secara cermat (kembaran digital tidak pernah lelah atau bosan).
- Mensimulasikan perilaku pembelian, rasio klik-tayang, dan pola interaksi dalam konteks berbeda.
Lebih dari 40% responden survei sudah bereksperimen dengan kembaran digital, dan 42% lainnya berencana melakukannya. Contohnya termasuk Arena (alat pelatihan untuk perwakilan penjualan B2B), CivicSync (membangun kembaran presisi tinggi dari pelacakan perilaku online dengan izin), Ogilvy (menguji ide kreatif kampanye), GBK Collective (melatih kembaran digital dengan data survei), dan penggunaan alat seperti Google NotebookLM untuk membuat "asisten riset" pribadi (seperti di Oleria). Riset akademis (Columbia, Stanford/Google DeepMind) juga mengeksplorasi pembuatan panel virtual dari kembaran digital, menunjukkan potensi akurasi yang tinggi (85% dalam satu studi).
Tantangan dan Keterbatasan yang Perlu Dipahami
Meskipun potensinya luar biasa, penting untuk mengakui keterbatasan Gen AI:
- Bias dan Akurasi: Lebih dari 70% responden survei khawatir tentang bias atau informasi tidak akurat. Bias dapat berasal dari data pelatihan atau proses penyempurnaan model (studi menunjukkan model baru cenderung lebih bias ke arah liberal/terdidik, kurang mewakili usia >65 atau religius). Hal ini dapat menyebabkan representasi yang salah tentang segmen pelanggan atau tren pasar. Model juga dikenal "berhalusinasi".
- Prediksi Perubahan Drastis: Belum jelas seberapa baik Gen AI dapat memprediksi perubahan perilaku konsumen yang dramatis atau inovasi produk yang diskontinu, karena dilatih pada data masa lalu.
- Sensitivitas Prompt: Output model dapat dipengaruhi oleh cara pertanyaan diajukan (urutan, pelabelan opsi), memerlukan randomisasi seperti pada survei manusia.
- Masalah Representasi Sampel: Studi menunjukkan respons sintetis kurang bervariasi dibandingkan manusia, sensitif terhadap kata-kata, dan tidak stabil dari waktu ke waktu.
- Simulasi Eksperimen: Gen AI kesulitan mensimulasikan eksperimen (misalnya, tes harga) secara akurat karena kesulitan memahami konsep desain blind dan cenderung membuat asumsi yang mengacaukan hasil (confounding).
- Stimuli Multisensori: Model kesulitan memprediksi reaksi emosional terhadap rangsangan non-tekstual seperti wewangian (pengalaman Takasago).
- Kekhawatiran Lain (dari survei): Risiko keamanan dan privasi, waktu dan energi tambahan untuk integrasi, potensi kesenjangan keterampilan, dan bahkan penggantian profesional riset manusia (dikhawatirkan oleh ~70% responden).
Kesimpulan: Menuju Masa Depan Riset Pasar yang Lebih Cerdas
Gen AI menawarkan transformasi besar dalam riset pasar, memberikan kecepatan, kedalaman, dan efisiensi yang belum pernah terjadi sebelumnya. Namun, komunitas pemasaran perlu melangkah maju dengan perspektif yang seimbang dan terinformasi. Kuncinya adalah memanfaatkan kekuatan alat ini secara etis dan bijaksana, memastikan strategi tetap didasarkan pada keadilan, akurasi, dan wawasan pelanggan yang asli, sambil menyadari keterbatasannya.
Seperti yang diungkapkan oleh Aaron Cannon dari Outset.ai, jika Gen AI memungkinkan kita berbicara dan memahami ribuan orang di seluruh dunia dengan lebih baik, maka pemahaman kita satu sama lain akan semakin dalam, dan produk, layanan, serta pengalaman yang kita bangun justru akan diresapi dengan lebih banyak kemanusiaan, bukan sebaliknya. [Harvard Business Review]
Comments
Post a Comment