AI kan ervaringen niet alleen begrijpen, maar ook kwantificeren en vergelijken

Van open antwoorden naar schaalbaar inzicht

In mijn vorige blog beschreef ik hoe AI onderzoek kan verdiepen door slim door te vragen. Dat levert meer context, nuance en begrip op dan een score of een enkelvoudige verklaring ooit kan bieden. Maar die rijkdom heeft een keerzijde: hoe vergelijk je open antwoorden die allemaal nét anders zijn? Precies daar ontstaat een van de meest interessante innovaties in onderzoek: AI maakt het mogelijk om kwalitatieve diepgang én kwantitatieve vergelijkbaarheid te combineren.

 

Open antwoorden zijn rijk, maar lastig vergelijkbaar

Een 7 op een tevredenheidsschaal is eenvoudig te vergelijken. Maar iemand die in een chatdialoog vertelt waarom iets goed of minder goed was, geeft vaak veel meer context: een voorbeeld, een gevoel, een behoefte, een situatie. Dat maakt open antwoorden waardevol, maar het maakt ze ook minder direct vergelijkbaar. AI verandert dat. Het helpt ons om eigen woorden te vertalen naar inzichten die wél schaalbaar zijn, zonder de nuance en de context te verliezen.

Om dit te toetsen deden we recent een grootschalig behoefteonderzoek onder netto ruim 3.200 klanten van No Waste Army, een Nederlandse organisatie die voedselverspilling tegengaat door geredde groenten en fruit te verwerken tot houdbare producten. Met inmiddels ruim 20.000 abonnees groeit hun community hard. In deze case onderzochten we of AI niet alleen slim kan doorvragen, maar ook kan helpen om open antwoorden tijdens én na de dialoog op een vergelijkbare manier te duiden.

 

De rol van doorvragen

Een belangrijk inzicht: classificatie begint niet bij de analyse achteraf, maar al tijdens het gesprek zelf. Wanneer iemand in een open antwoord zegt: “De box sluit bijna helemaal aan bij mijn wensen” … dan weten we nog niet precies wat aansluit.  De producten? De hoeveelheid? De variatie? Met een AI responsieve dialoog kun je gericht doorvragen, precies op de punten die je wilt begrijpen. AI bepaalt of er doorvraag nodig is en of er voldoende informatie is om bijvoorbeeld tevredenheid te kunnen schalen. Zo wordt een open antwoord niet alleen rijker, maar ook explicieter en daarmee beter te classificeren.

Lange tijd was de centrale vraag in onderzoek hoe we ervaringen konden ‘vangen’ in een cijfer dat dan in één open antwoord wordt toegelicht. Dit kan nu worden omgedraaid: Kunnen we primaire reacties omzetten naar een goed vergelijkbare score? Het zijn immers deze primaire reacties die vaak de meest waardevolle inzichten opleveren.

Door slim doorvragen met generatieve AI verschuift de waarde van het meten van bijvoorbeeld tevredenheid veel meer naar het echt begrijpen én verklaren van tevredenheid. De score wordt dan niet het doel van het onderzoek, maar een afgeleide van een veel vollediger beeld van de respondent.

 

Van inzicht naar actie

Door beter te begrijpen wat iemand belangrijk vindt, ontstaat een scherpere classificatie van de respondent. Die classificatie kan vervolgens worden gebruikt om de interactie in het moment verder te personaliseren, wat de gebruikerservaring én de respons verhoogt.
Stel dat iemand interesse toont in een versbox van No Waste Army. AI kan doorvragen wat daarin belangrijk is: houdbaarheid, hoeveelheid, variatie, prijs? Diezelfde informatie helpt om antwoorden beter te classificeren, maar kan ook worden ingezet om relevantere vervolgvragen te stellen, aanvullende informatie te geven of passende aanbiedingen te tonen. Zo ontstaat in een vloeiende digitale dialoog een directe verbinding tussen inzicht en actie.

Ik heb mij er altijd over verbaasd dat onderzoek onder klanten alleen gericht is op ophalen van informatie. Deze persoon is betrokken en neemt de moeite om zijn of haar stem te laten horen. Doe er dan direct wat mee. Zo wordt onderzoek veel meer tweerichtingsverkeer, waarbij je niet alleen inzichten genereert, maar ook de klantervaring verbetert.

 

Meer waarde met AI gedreven classificatie tijdens én na de dialoog

Door respondenten in eigen woorden te laten vertellen wat ze ervaren, ontstaat een dynamische dialoog die rijker is dan elke traditionele vragenlijst. In een open dialoog kan AI diezelfde input vertalen naar categorieën en classificaties die deze kwalitatieve input goed vergelijkbaar maken én de mogelijkheid bieden om deze direct actiegericht op te volgen. Samen met onze opdrachtgevers zitten we midden in een continue leercurve om deze toegevoegde waarde verder te optimaliseren. Maar de impact die we nu al zien, is iets wat een paar jaar geleden nog ondenkbaar was.

 

Meer weten?
De klantcase van No Waste Army geeft een mooi inkijkje over de meerwaarde van AI in onderzoek. Wil je meer weten hoe je rijkere inzichten van jouw klanten kan ophalen? Neem contact met ons op of stuur mij, Marco Wolters, een berichtje via Whatsapp. We denken graag met je mee.