A Mesterséges Intelligencia gyakorlati alkalmazásának lehetőségei a marketingkutatásban
DOI:
https://doi.org/10.15170/MM.2024.58.KSZ.01.03Kulcsszavak:
mesterséges intelligencia, piackutatás, válaszadási hajlandóságAbsztrakt
A TANULMÁNY CÉLJA
A mesterséges intelligencia (MI) gyors fejlődése és széleskörű iparági alkalmazása új lehetőségeket teremt a marketingkutatásban, e tanulmány a gyakorlati alkalmazás lehetőségeit vizsgálja, kiemelve a potenciális előnyöket és hátrányokat. Primer kutatás keretében vizsgáltuk a magyar lakosság MI-val kapcsolatos attitűdjét, fókuszálva arra, hogy miképp viszonyulnának egy virtuális kérdezőbiztoshoz.
ALKALMAZOTT MÓDSZERTAN
A tanulmány a kapcsolódó szakirodalom áttekintésével indul, majd kitér a MI alkalmazásainak jelenlegi helyzetére a marketingkutatásban. Primer kutatásunk során 1000 fő magyarországi felnőtt véleménye került megkérdezésre randomizált mobilszámok hívásával készített telefonos interjúk segítségével (CATI). A minta reprezentatív nem, kor, iskolai végzettség, településtípus és régió szempontjából. Az adatokat különböző demográfiai csoportok szerint elemeztük, hogy feltárjuk az attitűdbeli különbségeket és a technológia elfogadásának potenciális akadályait.
LEGFONTOSABB EREDMÉNYEK
Eredményeink azt mutatják, hogy a válaszadók jelentős része elutasítóan viszonyul a MI-alapú kérdezőbiztosokhoz, különösen az idősebb korosztály és az alacsonyabb iskolai végzettségűek körében. A válaszadók három csoportba sorolhatók: elzárkózók, semlegesek és készséges válaszadók. A vizsgálat rávilágított arra, hogy egy ismert szinkronszínész hangjának alkalmazása növeli a válaszadási hajlandóságot a semleges csoport tagjai között, de az elzárkózókat ez sem ösztönzi érdemben. Az eredmények arra utalnak, hogy a technológiai fejlesztések sikeressége érdekében az egyéni preferenciák szerinti személyre szabás kulcsfontosságú tényező lehet.
GYAKORLATI/GAZDASÁGPOLITIKAI JAVASLATOK
A MI-alapú kérdezőbiztosok alkalmazása számos előnnyel járhat a marketingkutatásban, például az idő- és költséghatékonyság terén, azonban a sikeres adaptációhoz elengedhetetlen a válaszadói élmény és a személyre szabás fókuszba helyezése. A fejlesztések során szükséges figyelmet fordítani a válaszadói preferenciákra, például a kérdezőbiztos nemére, hangjának stílusára és az interakció emberközeli jellegére. Az adatvédelmi és etikai kérdések kezelése szintén kiemelt fontosságú, különösen az MI növekvő szerepére tekintettel a válaszadói bizalom megtartása érdekében.
Köszönetnyilvánítás: Az adatfelvételt a KÓD Piac-Vélemény- és Médiakutató Intézet végezte.
Hivatkozások
Awan, U., Shamim, S., Khan, Z., Ul Zia, N., Shariq, S. M. és Khan, M. N. (2021), “Big data analytics capability and decision-making: The role of data-driven insight on circular economy performance”, Technological Forecasting and Social Change, 168, 120766. https://doi.org/10.1016/j.techfore.2021.120766
Brynjolfsson, E. és McAfee, A. (2017), “The business of artificial intelligence”, Harvard Business Review, 95(1), 113-121.
Brynjolfsson, E., Hitt, L. M. és Hellen, K. H. (2011), “Strength in numbers: How does data-driven decision-making affect firm performance?”, SSRN: https://ssrn.com/abstract=1819486, https://doi.org/10.2139/ssrn.1819486 , In: Budapest, Magyarország: Corvinus University of Budapest (2021) 558 p. 204-211.
Chintalapati, S. és Pandey, S. (2021), “Artificial intelligence in marketing: A systematic literature review”, International Journal of Market Research, 64, 38 - 68. https://doi.org/10.1177/14707853211018428
Danyi, P., Iványi, T. és Veres, I. (2020), “A turizmus jelene és várható változása a mesterséges intelligencia integrálásával, különösen a Z-generáció igényeire fókuszálva”, Vezetéstudomány - Budapest Management Review, 51(KSZ), 19–34. https://doi.org/10.14267/VEZTUD.2020.KSZ.03
Davenport, T. H. és Harris, J. G. (2007), Competing on Analytics: The New Science of Winning, Harvard Business Press.
Davenport, T., Guha, A., Grewal, D. és Breßgott, T. (2019), “How artificial intelligence will change the future of marketing”, Journal of the Academy of Marketing Science, 48, 24 - 42. https://doi.org/10.1007/s11747-019-00696-0
Dwyer, K. és Linton, M. (2013), “Unlocking the value of information”, IQ: The RIMPA Quarterly Magazine, 29(3), 19-23.
Fehrenbacher, D. D., Ghio, A. és Weisner, M. (2023), “Advice Utilization From Predictive Analytics Tools: The Trend is Your Friend”, European Accounting Review, 32(3), 637-662. https://doi.org/10.1080/09638180.2022.2138934
George, D. S. M., Sasikala, D. B., T., G., Sopna, D. P., Umamaheswari, D. M. és Dhinakaran, D. D. P. (2024), “Role of Artificial Intelligence in Marketing Strategies and Performance”, Migration Letters, 21(S4), 1589–1599.
Gkikas, D.C. és Theodoridis, P.K. (2019), “Artificial Intelligence (AI) Impact on Digital Marketing Research”, in: Kavoura, A., Kefallonitis, E., Giovanis, A. (szerk.), Strategic Innovative Marketing and Tourism, Springer, Cham, https://doi.org/10.1007/978-3-030-12453-3_143
Goknil, A., Nguyen, P., Sen, S., Politaki, D., Niavis, H., Pedersen, K. J., Suyuthi, A., Anand, A. és Ziegenbein, A. (2023), “A Systematic Review of Data Quality in CPS and IoT for Industry 4.0”, ACM Computing Surveys, 55(14s), 1-38. https://doi.org/10.1145/3593043
Huang, M. H. és Rust, R. T. (2021), “A strategic framework for artificial intelligence in marketing”, Journal of the Academy of Marketing Science, 49, 30–50. https://doi.org/10.1007/s11747-020-00749-9
Izsák, G., Palicz, A., Szász, K. és Varga, B. (2022), “ADAT – Az új olaj, a legújabb termelési tényező”, In: Magyar Nemzeti Bank: Új közgazdaságtan a fenntarthatóságért, Budapest, 123-132.
LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S. és Kruschwitz, N. (2011), “Big Data, Analytics and the Path from Insights to Value”, MIT Sloan Management Review, 52(2).
Ma, L. és Sun, B. (2020), “Machine learning and AI in marketing – Connecting computing power to human insights”, International Journal of Research in Marketing. https://doi.org/10.1016/j.ijresmar.2020.04.005
Mahendra, I., Ramadhan, A., Trisetyarso, A., Abdurachman, E. és Zarlis, M. (2022), “Strategic Information System Planning in the Industry 4.0 Era: A Systematic Literature Review”, 2022 IEEE Creative Communication and Innovative Technology (ICCIT), 1-7. https://doi.org/10.1109/iccit55355.2022.10119002
Mirwan, S., Ginny, P., Darwin, D., Ghazali, R. és Lenas, M. (2023), “Using Artificial Intelligence (AI) in Developing Marketing Strategies”, International Journal of Applied Research and Sustainable Sciences. https://doi.org/10.59890/ijarss.v1i3.896
Mustak, M., Salminen, J., Plé, L. és Wirtz, J. (2020), “Artificial intelligence in marketing: Topic modeling, scientometric analysis, and research agenda”, Journal of Business Research. https://doi.org/10.1016/j.jbusres.2020.10.044
Simay, A. E., Wei, Y. és Gáti, M. (2021), “Mesterséges intelligencia és marketing kapcsolatának rövid szakirodalmi áttekintése”, in: Mitev, A., Csordás, T., Horváth, D. és Boros, K. (szerk.), “Post-traumatic marketing: virtuality and reality” – Proceedings of the EMOK 2021 International Conference.
Sundström, M. (2019), “Climate of Data-driven Innovation Within E-business Retail Actors”, FIIB Business Review, 8(2), 79-87. DOI: 10.1177/2319714519845777
Szűcs, K., Lázár, E. és Németh, P. (2023), Marketingkutatás 4.0, Akadémiai Kiadó. https://doi.org/10.1556/9789634548546
Tarigan, Z. és Siagian, H. (2021), “The effects of strategic planning, purchasing strategy and strategic partnership on operational performance”, Uncertain Supply Chain Management. https://doi.org/10.5267/J.USCM.2021.2.006
Thakur, J. és Kushwaha, B. P. (2023), “Artificial intelligence in marketing research and future research directions: Science mapping and research clustering using bibliometric analysis”, Global Business and Organizational Excellence, 43, 139–155. https://doi.org/10.1002/joe.22233
West, J. és Bogers, M. (2014), “Leveraging external sources of innovation: A review of research on open innovation”, Journal of Product Innovation Management, 31(4), 814-831. https://doi.org/10.1111/jpim.12125
A tanulmányban említett kutatási módszerek elérhetőségei:
https://indeemo.com (utoljára megtekintve: 2024.05.12)
https://storeinsider.hu/cikk/hogyan-tud-kostolni-a-mesterseges-intelligencia (utoljára megtekintve: 2024.05.12)
https://www.audeering.com (utoljára megtekintve: 2024.05.12)
https://www.hellenergy.com/magyar-vilagszenzacio/ (utoljára megtekintve: 2024.05.12)
https://www.kantar.com/marketplace/solutions/ad-testing-and-development/ai-powered-ad-testing (utoljára megtekintve: 2024.05.12)
https://www.pollfish.com (utoljára megtekintve: 2024.05.12)
https://www.surveymonkey.com (utoljára megtekintve: 2024.05.12)
Downloads
Megjelent
Hogyan kell idézni
Folyóirat szám
Rovat
License
Copyright (c) 2025 Marketing & Menedzsment
This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License.
