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年都面臨著不確定性，但有一點仍然很明確：不斷變化的疫情和經濟環境將影響從客戶的購買決策到對所使用的產品和服務的喜好。

[[382859]]

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范圍。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愿，這些語言包括俚語和表情符號等。

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，研究人員閱讀并標記每個回答，以量化關注點并確定具有代表性的回答。進入2021年及以后，人工智能驅動的應用程序將越來越多地使研究人員能夠更好地分析隱藏在開放式調查回答中的概念和情感內容，了解客戶的想法和感受。

以下是人工智能在2021年及以后改進研究技術的4種方法：

1. 跨部門、跨層次的技術民主化

很多組織通過數據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，將會有更多的組織采用無代碼人工智能驅動的應用程序，這些應用程序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。

隨著易于使用的應用程序的普及，將會看到更多的組織將強大的研究工具交給分析師、業務用戶、營銷團隊、客戶支持專家。

2. 無需標記調查響應

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標記。有了下一代人工智能支持的文本分析，這個標記過程將會完全實現自動化，使研究人員能夠專注于更高價值的業務分析和建議。

3. 將情感分析提升到一個新的水平

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，例如客戶對產品的喜好或員工對組織優缺點的反饋。

隨著使用人工智能分析情緒的改進，各行業組織將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別的分析結果。

4. 減少調查問題并提高答復率

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反饋信息。在未來幾年，研究人員將越來越多地使用人工智能驅動的文本分析，將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反饋。

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信息。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年及以后的研究人員將更多地依賴于這些開放式調查提供的豐富內容，而不是過去通常使用的選擇題或簡答題。