虽然史蒂夫乔布斯谴责焦点小组的价值和其他衡量消费者感受的机制，但它们仍然是许多公司的热门工具。然而，它们仍然是一种生硬的工具，新的研究表明人工智能可以在效率方面做得更好，但在提供的消费者见解质量方面也是如此。
该研究由麻省理工学院的一个团队进行，利用机器学习来理解用户生成的内容，例如评论，社交媒体和博客，以便洞察消费者的需求，偏好和态度。
这已成为多年来的一种选择，但人们对社交媒体数据的质量和可靠性提出了担忧。数据量也使人们几乎不可能理解。
人工援助作者解释说：“随着越来越多的人转向数字市场来研究产品，分享他们的意见和交换产品体验，大量的UGC数据可以快速获得，而且公司的成本也很低。”“在许多品牌类别中，UGC非常广泛。”
例如，在亚马逊上，仅健康和个人护理类别就有大约300,000条评论。为了测试AI理解如此庞大且不断变化的数据集的能力，研究人员根据亚马逊的评论构建了口腔护理产品的自定义数据集。
他们的系统能够准确地从亚马逊上留下的评论中准确地识别客户需求。系统首先识别相关内容并剥离冗余数据，然后由人工分析处理后的数据，从较小的样本中制定客户的需求。
“最后，我们发现UGC至少与基于一组有代表性的客户的传统方法一样好，”研究人员解释说。“我们能够处理大量数据并将其缩小为可管理的样本以供人工审核。人工审核仍然是流程的重要最后部分，因为专业分析师最能够判断客户需求的依赖于上下文的性质。”
