研究技術為人工智能和機器學習應用在現代商業環境提供了一個很好的途徑。各行業組織在2021年都面臨着不确定性，但有一點仍然很明确：不斷變化的疫情和經濟環境将影響從客戶的購買決策到對所使用的産品和服務的喜好。
尋求把握客戶需求的組織必須超越多項選擇式的調查或數字評分的範圍。與其相反，如果他們想真正了解客戶的想法，應該集中精力收集開放式的調查結果，以了解客戶采用自己的語言所表達的意願，這些語言包括俚語和表情符号等。
幾十年來，分析這些開放式調查結果一直是一個繁瑣的過程，研究人員閱讀并标記每個回答，以量化關注點并确定具有代表性的回答。進入2021年及以後，人工智能驅動的應用程式将越來越多地使研究人員能夠更好地分析隐藏在開放式調查回答中的概念和情感内容，了解客戶的想法和感受。
以下是人工智能在2021年及以後改進研究技術的4種方法：
1. 跨部門、跨層次的技術民主化
很多組織通過資料科學家或技術專家才能弄清楚如何配置和應用人工智能技術，以滿足其研究需求。
預計在2021年，将會有更多的組織采用無代碼人工智能驅動的應用程式，這些應用程式允許員工快速呈現和量化，并以可視化方式顯示調查問卷中的概念，即使研究人員并未尋找被忽略的異常值。
随着易于使用的應用程式的普及，将會看到更多的組織将強大的研究工具交給分析師、業務使用者、營銷團隊、客戶支援專家。
2. 無需标記調查響應
大多數研究人員花費大量的時間研究非結構化的調查結果，并對每個包含興趣概念的結果進行标記。有了下一代人工智能支援的文本分析，這個标記過程将會完全實作自動化，使研究人員能夠專注于更高價值的業務分析和建議。
3. 将情感分析提升到一個新的水準
雖然情緒分析技術已經應用十多年，但常見的情緒分析形式是評估文檔的情緒總體上是積極的還是消極的。這種類型的分析過于簡單，因為它無法處理細微的評論，例如客戶對産品的喜好或員工對組織優缺點的回報。
随着使用人工智能分析情緒的改進，各行業組織将能夠上傳基于文本的文檔，并迅速獲得文檔作者情緒細微差别的分析結果。
4. 減少調查問題并提高答複率
傳統上，調查問題越少就越會提高回答率，但更多的問題可以提供更多的回報資訊。在未來幾年，研究人員将越來越多地使用人工智能驅動的文本分析，将問題整合成幾個開放式的問題，并采用人工智能系統提取其中豐富而微妙的回報。
需要記住的是，開放式的調查問題通常包含比多項選擇題更多的資訊。由于人工智能使得快速嚴格地分析開放式調查結果成為可能，2021年及以後的研究人員将更多地依賴于這些開放式調查提供的豐富内容，而不是過去通常使用的選擇題或簡答題。
本文轉自企業網D1Net，本文一切觀點和機器智能技術圈子無關。
原文連結 線上免費體驗百種AI能力：【點此跳轉】