开放题数据通常难以处理，因其需要大量时间和人力资源进行编码和分析。为此，PowerCX风铃系统借助AI技术开发了一系列功能，以期提高分析效率、降低主观偏见，并深化对消费者观点和行为的理解，从而为市场研究和决策提供更快速、准确和深入的洞察。

AI Probing

受各种因素的影响，受访者的回答往往缺乏一定深度，甚至可能出现模棱两可、答非所问的情况，导致数据缺失或者洞察不够深入。

为此，我们开发了AI追问功能。它能根据受访者此前的开放题作答进行有针对性的深入追问，挖掘受访者更深层的想法。开启AI追问后，受访者的作答界面没有明显改变，无需跳转到其他页面，只是在当前问卷中新增了一道“量身定制”的开放题。

▶  AI追问有哪些优点？

更深层的洞察：AI追问能够分析受访者的开放式回答，并提出更深层次、更具洞察力的问题。通过这种方式，调查者可以获得关于受访者观点和看法的更多、更有价值的信息，有助于更全面地了解他们的想法和体验。

个性化回应与关怀：通过AI追问，受访者能够感受到自己的想法得到了真正的关注和重视。这种个性化的回应能够增强受访者的参与感和投入度，使其更愿意分享真实、深入的观点，从而提高问卷调查的有效性和可信度。

质量检测：AI追问不仅能智能理解和分析开放式问题的答案，还能对其进行质量评估。它能够标记出不合格的答案或受访者，及时识别潜在的问题、调整提问的方向，从而提高调查数据的质量和准确性。

▶  AI追问效果如何？

为验证AI追问效果，我们在自有样本库中招募了300名受访者进行产品概念测试，分别在问到喜欢的原因、不喜欢的原因时开启AI追问。

 
调研结果表明，当问到喜欢的原因时，AI追问后给出额外回答的受访者比例为69%，答案平均增加了1.2个。当问到不喜欢的原因时，追问后给出额外回答的受访者比例和增加的平均答案数分别为21%和0.3。

AI QC

智能检查作答的前后逻辑是否合理/人口属性是否符合常理。

AI Coding

▶  何为AI Coding？

传统的开放题分析通常局限于对自然文本进行分词、词频统计等简单的关键词分析，而无法真正理解数据的语义。但得益于大型语言模型的加持，AI Coding具备智能语义理解功能，能够更深入地挖掘数据背后的含义，可以在开放题的数据集里智能洞见关键思想、主题和模式。该解决方案自动化了编码过程，同时确保编码是上下文特定的、详尽的、互斥的，并且与研究目标一致。

AI打码前，既可以使用AI生成的码表，也可以引用/导入已有码表。AI打码后，研究人员还可以对打码结果进行人工检查和调整。

▶ 有何优点？

提升分析效率：AI Coding能够大幅缩减开放题数据处理时间，让研究人员更专注于数据洞察。

减少人工误差：人工标记开放题数据容易出现主观性和误差，这可能影响到最终的分析结果。AI Coding 基于先进的自然语言处理技术，能够理解数据的语义，从而减少标记错误的可能性，确保您得到更准确、更可靠的分析结果。

定制化模型：经过我们自身市场调研行业数据集的调整训练后，我们的AI Coding功能表现更为准确。相比直接使用通用的LLM模型，这一定制化的训练使得AI Coding能够更精确地识别行业特定的术语、上下文和潜在含义，甚至理解行业背景，从而能够更准确地解读和编码开放题回答，避免了一般AI模型可能存在的泛化问题，在市场研究数据处理方面具有更高的准确性和可信度。

除了问卷中的开放题，在市场调研中还有很多场景需要对开放性文本数据进行语义理解和编码。因此，在未来，我们将把AI Coding应用到其他已有产品或调研场景中去，如实时访谈、社媒聆听、顾客反馈等，为您的决策提供更智能、更高效的数据支持。

AI Summary

利用AI技术分析开放题和封闭题的结果，对整个调研项目的结果进行归纳总结，提升报告撰写的效率。

AI summary基于coding得出的词频等精确数据进行总结并生成词云图。相比起直接使用AI语言模型输出的总结，我们的AI summary能快速获得有数据支撑的观点概括，使结果更具说服力，避免了空洞的泛泛而谈。同时，词云图的方式比文字总结也更直观。