在过去的18个月中，市场调查行业加快了向在线消费者调查的转型。根据Insights Association trade group的说法，“2020年深刻地影响了行业进行定性研究的方式，数字方法现在处于领先地位，而不是面对面。”此外，最初是对工作场所关闭的临时反应，可能会演变为永久性变化，因为许多研究人员采用在线模式的速度，灵活性和成本优势。
这些研究人员还可以为从概念测试，品牌感知和产品开发到客户分割，定价策略，品牌股权和员工体验的项目的按需数据收集模型铺平道路。最大化这些在线调查项目的质量和有效性将要求研究人员遵循获得最富有洞察力的最佳实践。
在线的
Insights协会的2020年绿皮书研究行业趋势（Grit）研究近1,100个供应商和研究买家发现，在线焦点小组从2019年到2020年增加了20％，而在众多的焦点小组下降18％。
勇气研究人员还指出，买家“。。。现在意识到在线方法不仅仅是在危机中生存的权宜之计。。。提供方法上的灵活性和切实的实用优势，如旅行成本节约、风险和责任减轻、多样的招聘选项、时间表灵活性以及总体速度和成本效率。我们可以放心地假设，即使疫情消退，我们仍将看到一条增长的长尾。”
由于这些和其他原因，行业继续转向在线调查，在这些平台能够与丰富的个人研究见解相匹配之前，有四个挑战需要解决。这些功能可以通过提高自动化水平来实现，这意味着在线调查平台也将以客户自己的声音为客户提供更丰富的按需见解。
- 创造更好的调查体验。
用户体验对于调查的成功越来越重要。在线调查结果的质量取决于参与者的参与程度、兴趣以及是否愿意提供诚实、真实的想法和印象。当研究人员研究客户体验时，这些因素尤为重要。对于受访者来说，在回答有关其品牌体验的调查问题时，没有什么比糟糕的体验更糟糕的了。解决这个问题的一个方法是将调查设计转向更具互动性、甚至“游戏化”的体验。
- 倾听受访者的意见——不要只是对他们说话。
传统上认为，只有面对面的访谈才能提供准确的数据。传统上认为，有训练有素的主持人在场将确保向与会者澄清所有问题。引申而言，只有当在线调查被限制为简单的“是”或“否”问题或多项选择的形式时，在线调查才被认为是有用的，因为这样就丧失了听到受访者自己声音的机会。下一代的在线调查工具在速度和规模上提供了与受访者自由流畅的自然对话。
- 使用智能数据可视化。
当可以分析、分割和显示在线调查中的定量和定性数据时，可以使用各种显示高价值洞见的可视化选项进一步阐明洞见。
- 将小规模的研究整合成更大的和/或迭代的见解。
利用人工智能和众包从研究问题得到有意义的答案的敏捷调查技术有很大的价值。研究人员可以以一次性的、按需的项目或一系列增量的、更多的迭代研究的方式及时地执行小型、准时的、全面的研究。使用这种方法，每个研究都可以建立在之前的见解之上，当研究人员试图理解高度动态的环境或进入具有未知特征的新市场或处理新的市场动态时，这是特别有用的。
随着行业开始自动化在线数据收集、主题编码、分析和报告，同时为研究人员提供了思考调查设计的新方法，这些挑战的解决方案现在已基本可用。
调查自动化驱动器
按需洞察
最新的在线调查使研究人员能够超越传统的文本框，提出开放式的问题，而无需手动编码相关的自由文本回答。其中一种方法是通过人工智能和众包技术，尤其是那些应用于自然语言处理(NLP)的技术。一旦应答者的自由文本答案被输入，算法就开始采样并快速处理，去除重复的答案和噪声。只有独特的和有意义的陈述被保留，然后以一个特别的，动态的小型调查的形式反馈给受访者。每个受访者被要求同意或不同意这些陈述，无论受访者是否提供了对原始问题的唯一自由文本独立答案，这种众包数据验证技术都要重复5-10次。
目标是确保所有受访者提供数据，即使这只是他们对他人答案的评估。当受访者能够以交互方式实时验证和量化数据时，就有可能从研究的自然语言输入中生成比事后自由文本分析工具更可靠的“编码”答案。它还使研究人员能够计算出每种陈述的支持强度（或统计支持）——本质上，受访者是在量化他们的定性信息。图1是这一概念的一个例子，显示了如何利用特设“同意/不同意”小型调查的数据将其定性数据转化为受访者认为人类从这一流行病中吸取的经验教训的量化图片，并根据其政治归属进行了细分。
图1：这项分析显示了对流行病教训的支持程度的差异，根据政党归属划分。
其他类型的数据可视化也可以类似地创建，包括描绘最受支持的陈述的云图，以及揭示受访者所讲述故事的细微差别的相关性——这通常是定量研究的保留内容。图2显示了其他示例。
图2:使用具有多个可视化选项的GroupSolver®在线调查平台的研究示例。这两个可视化示例揭示了人类应该从这场大流行中学到什么教训，包括对应答陈述的统计支持力度(idecloud™图表在左侧)和相关性(共识解决方案图表在右侧)。
这些只是在线调查如何发展到提供新功能的几个例子。为了避免人工处理大量原始的、无组织的自由文本数据，越来越少的研究人员将需要关注封闭式问题。规模较小的企业和营销机构将能够负担得起与大型研究公司一样的“分析力量”，后者可以利用大量分析师。更有策略地说，研究人员将从简单的“交谈”受访者，然后应用前后数据处理，转变为更灵活的“倾听”模式，在这种模式下，见解会自然地、实时地浮现出来。这些更智能的调查技术将使易于进行、高质量、随需应变的任何规模的研究成为可能，并使它们能够被更大范围的应用程序的更大用户群访问。
关于作者:Rasto Ivanic是GroupSolver®的联合创始人和首席执行官，这是一家市场研究技术公司。GroupSolver已经建立了一个智能的市场研究平台，帮助企业回答他们迫切的问题，为什么，如何和什么。在GroupSolver之前，Rasto是麦肯锡公司的战略顾问，后来他领导孟德尔生物技术公司的业务发展。在他的职业生涯中，他帮助公司制定战略决策，开发和管理新业务，追求市场机会，建立伙伴关系和合作。Rasto是一名训练有素的经济学家，在普渡大学获得了农业经济学博士学位，并在普渡大学获得了工商管理硕士学位。