A piackutatás megkerülhetetlen akkor, amikor egy startup validálni akarja az ötletét vagy a prototípusát. Sokszor azonban nincsenek meg a kellő anyagi erőforrások arra, hogy a célcsoport gondolkodásáról, attitűdjeiről, szokásairól a megfelelő mélységben információt lehessen nyerni – egyszerűen azért, mert nincs meg a kellő számú válaszadó a piackutatás során.
Tegyük fel, hogy a startupunk célcsoportja azok a Z generációs, városi fiatalok, akik egy hónapban legalább egyszer részt vesznek valamilyen kulturális eseményen. Kutatási szempontból ez egy olyan nehezen elérhető, specifikus csoport, aminél ha nincs meg a kellő számú válaszadó, egyszerűen nem lehet levonni érdemi következtetéseteket a célcsoportról. Legfeljebb annyit mondhatunk, hogy az a pár tucat Z generációs, városi, aktív kulturális életet élő fiatal, akit elértünk, így gondolkodik.
Erre a problémára nyújt megoldást egy izraeli startup, a Fairgen, ami beta verzióban május 9-én indította el a statisztikai mesterséges intelligenciát használó, FairBoost névre keresztelt szolgáltatását,
ami – a cég állítása szerint statisztikailag megbízhatóan – generál meglévő adathalmazból nagyobb számú adatállományt, amiben a célcsoportba tartozó válaszadók számát megkétszerezi, akár megháromoszorozza.
Kell azért, hogy legyenek valódi adatok...
Ez persze ennél bonyoltabban működik: az Oxofordon matematikából mesterfokozatot és londoni UCL-en doktoráló Samuel Cohen, a Fairgen CEO-jának elmondása szerint a FairBoostnak ideálisan 300 valódi válaszadóra van szüksége.
A példánknál maradva: csinálunk egy 300 fős piackutatást, amiben mindenféle demográfiai és szociokulturális csoport megjelenik. Nekünk viszont arra lenne szükségünk, hogy 1000 fős mintán tudjunk valamit mondani a Z generációs kultúrafogyasztókról. A Fairgen megoldásával az ideális számú válaszadót tartalmazó minta legfejlebb 15 százalékával megegyező méretű szegmens képezhető.
Azaz míg az eredeti mintában legfeljebb tényleg pár tucat válaszadó esett a célcsoportunkba, addig a Fairgen megoldásával maximum 150 fő, Z generációs, városi kultúrafogyasztóra tudjuk megnézni a kérdéseinkre a választ.
...és a valós adatok minősége sem mindegy
A FairBoost lényegében azt csinálja az AI-jal megtámogatott, felhőalapú rendszerébe betáplált adatokkal, hogy azon belül különböző csoportokat képez (például a városi, kultúrafogyasztó Z generációs fiatalok), azokon belül válaszadási mintázatokat keres, a kiválasztott célcsoport válaszait ezen mintázat szerint felskálázza fiktív válaszadókkal, majd az így keletkezett mintát paralell módon összeveti az eredeti adatbázis jellemzőivel, hogy szignifikáns, megbízható eredményeket kapjunk.
Azaz a FairBoost legnagyobb előnye egyben a legnagyobb hátránya is: csakis arra az adatbázisra támaszkodik, amit az ügyfél megad neki. Az adatokat nem torzítja egy nagy nyelvi modell AI által összeszedett adattal és feltételezéssel arról, hogy más kutatások alapján mit tudunk a városi, kultúrafogyasztó Z generáció tagjairól, viszont
ha a FairBoostnak megadott adathalmazunk eleve félreviszi az ismereteinket a célcsoportunkról, akkor az izraeliek által generált végeredmény is falsh következtetésekhez vezethet.
Másképp szólva: ha összecsapott piackutatást végzünk, azon a FairBoost sem fog tudni segíteni. További limitáció, hogy a rendszer egyelőre csak kvantitatív (mennyiségi) adatokkal tud dolgozni, kvalitatív (minőségi) adatokkal nem.
A Fairgenben ennek ellenére nagy potenciál van: ezt jelzi, hogy
a startup a FairBoost indulásával egyidőben jelentette be, hogy jelentős, 5,5 millió dolláros (átszámítva közel 2 milliárd forintos) befektetést húzott be összesen négy VC-től és egy angyalbefektetőtől.
NYITÓKÉP: A Fairgen csapata a 2024-es londoni Quirk's Eventen. Forrás: Fairgen /LinkedIn
