São Paulo — InkDesign News — Um novo método de inteligência artificial (IA) promete revolucionar a pesquisa de mercado ao permitir que grandes modelos de linguagem (LLMs) simulem o comportamento humano de consumidores com precisão notável. Essa abordagem pode transformar a indústria, permitindo a criação de consumidores sintéticos que oferecem não apenas avaliações realistas de produtos, mas também a razão qualitativa por trás dessas avaliações.
Tecnologia e abordagem
A pesquisa intitulada “LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings” introduz uma técnica chamada avaliação de similaridade semântica (SSR). Em vez de solicitar uma avaliação numérica, a SSR pede ao modelo que forneça uma opinião textual rica sobre um produto. Essa opinião é convertida em um vetor numérico — um "embedding" — que é então comparado a um conjunto de declarações de referência pré-definidas para determinar a similaridade. Por exemplo, uma resposta como "Eu definitivamente compraria isso, é exatamente o que procuro" se aproxima semânticamente da declaração para uma avaliação de "5".
Aplicação e desempenho
Os resultados do método SSR foram avaliados em um conjunto de dados extenso de uma grande empresa de cuidados pessoais, com 57 pesquisas de produtos e 9.300 respostas humanas. O método conseguiu alcançar 90% de confiabilidade test-retest em comparação aos humanos. Além disso, a distribuição das avaliações geradas por IA foi quase indistinguível da dos painelistas humanos, como afirmado pelos autores.
“Essa estrutura permite simulações escaláveis de pesquisa de consumidores enquanto preserva métricas tradicionais de pesquisa e interpretabilidade.”
(“This framework enables scalable consumer research simulations while preserving traditional survey metrics and interpretability.”)— Benjamin F. Maier, Pesquisador
Impacto e mercado
Com o avanço da IA, a integridade das pesquisas online tradicionais enfrenta novos desafios, como o uso de chatbots por participantes humanos para gerar respostas. Um estudo da Stanford Graduate School of Business em 2024 observou que essas respostas eram "suspiciosamente agradáveis", exacerbando um problema de "homogeneização" dos dados.
A metodologia de Maier propõe uma alternativa ao criar dados sintéticos de alta fidelidade, adequados para análises de mercado robustas. Enquanto os grupos focais compostos apenas por humanos ainda têm seu valor, a possibilidade de criar uma "cópia digital" de um segmento de consumidores em questão de horas pode acelerar ciclos de inovação significativamente.
Além disso, a economia também é favorável: uma simulação baseada em SSR pode produzir insights em tempo menor e a um custo reduzido em comparação com painéis tradicionais de pesquisa. Embora o método tenha sido validado em produtos de cuidados pessoais, sua aplicação em decisões de compra complexas ainda está por ser testada.
Enquanto a pesquisa avança, a questão permanece: as empresas conseguirão aproveitar essas inovações mais rapidamente do que seus concorrentes?
Fonte: (VentureBeat – AI)
