研究技术为人工智能和机器学习在现代商业环境中的应用提供了广阔的途径。各行各业的组织在2021年都面临着不确定性，但有一点仍然很明确：不断变化的流行病和经济环境将影响从客户的购买决定到他们对所使用的产品和服务的偏好等方方面面。寻求掌握客户需求的组织必须超越多项选择调查或数字评分。相反，如果他们想真正了解客户的想法，他们应该专注于收集开放式调查结果，以了解客户用他们自己的语言（包括俚语和表情符号）在说什么。几十年来，分析这些开放式调查结果一直是一个乏味的过程，研究人员阅读并标记每个响应以量化问题并确定代表性响应。进入2021年及以后，人工智能驱动的应用程序将越来越多地使研究人员能够更好地分析隐藏在开放式调查回复中的概念和情感内容，以了解客户的想法和感受。以下是AI将在2021年及以后改进研究技术的4种方式：1.跨部门和级别的技术民主化许多组织需要数据科学家或技术人员弄清楚如何配置和应用AI技术来满足他们的研究需求。到2021年，预计会有更多组织采用无代码AI驱动的应用程序，这些应用程序允许员工在问卷中快速呈现、量化和可视化概念，即使研究人员没有寻找被忽略的异常值。随着易于使用的应用程序越来越受欢迎，我们将看到更多的组织将强大的研究工具交到分析师、业务用户、营销团队和客户支持专家的手中。2.无需标记调查响应大多数研究人员花费大量时间仔细研究非结构化调查结果并标记每个包含感兴趣概念的结果。借助下一代AI驱动的文本分析，这个标记过程将完全自动化，让研究人员能够专注于更高价值的业务分析和建议。3.将情感分析提升到一个新的水平虽然情感分析技术已经使用了十多年，但一种常见的情感分析形式是评估文档的情感总体上是正面的还是负面的。这种类型的分析过于简单，因为它无法处理细微的评论，例如客户对产品的偏好或员工对组织优势和劣势的反馈。随着使用人工智能分析情绪的改进，各行各业的组织将能够上传基于文本的文档，并快速洞察作者的情绪细微差别。4.调查问题越少，回复率越高传统上，调查问题越少，回复率越高，但问题越多，反馈越多。在未来几年，研究人员将越来越多地使用人工智能驱动的文本分析，将问题组合成几个开放式问题，并利用人工智能系统提取丰富而微妙的反馈。要记住的是，开放式调查问题通常比多项选择题包含更多信息。由于人工智能可以快速、严格地分析开放式调查结果，2021年及以后的研究人员将更多地依赖这些开放式调查提供的丰富内容，而不是过去通常使用的多项选择题或简答题。
