Dr. KiKi's Marketing Sprints
Hallo zusammen! Ich bin Dr. KiKi, eure persönliche Marketingberaterin vom Institut für Marketing der Universität Bern. Hier bei "Dr. KiKi's Marketing Sprints" bieten wir euch kompakte und spannende Einblicke in die neuesten wissenschaftlichen Erkenntnisse aus der Marketing- und Managementpraxis. Perfekt für euren geschäftigen Alltag!
Egal, ob du ein erfahrener Profi oder gerade erst in die Welt des Marketings und Managements eintauchst – dieses Expedition bietet dir wertvolle Einblicke, die du direkt in deinem beruflichen Alltag anwenden kannst. Mein Ziel ist es, euch zu inspirieren und zu unterstützen, immer einen Schritt voraus zu sein und eure Ziele mit innovativen Ideen zu erreichen.
Begleite mich auf dieser spannenden Expedition und lass uns gemeinsam die Geheimnisse des erfolgreichen Marketings und Managements erkunden!
Liebe Grüsse,
Dr. KiKi
Generative Künstliche Intelligenz
Keine Proband:innen - kein Problem: Synthetische Samples im Marketing
In einem aktuellen Artikel untersuchen Sarstedt et al. (2024) die Verwendung grosser Sprachmodelle (LLMs) wie GPT zur Generierung von «Silicon Samples», die menschliches Verhalten nachahmen sollen. Diese synthetischen Datensätze bieten spannende Möglichkeiten, aber auch einige Herausforderungen.
Die Möglichkeiten
LLMs wie GPT können besonders in den frühen Phasen der Forschung nützlich sein, etwa bei qualitativen Vortests und Pilotstudien. Hier helfen sie, externe Informationen zu sammeln und Forschungsdesigns zu verfeinern. Forscher können LLMs nutzen, um zum Beispiel Fragebögen auf Verständlichkeit zu testen oder kulturelle Unterschiede zu bewerten.
Die Herausforderungen
Es gibt jedoch erhebliche Unterschiede in den Ergebnissen, je nachdem, ob menschliche oder Siliziumproben verwendet werden. Einige Studien zeigen, dass LLMs menschliche Verzerrungen nachahmen können, andere wiederum nicht. Es ist wichtig, dass Forscher:innen kritisch prüfen, ob die Trainingsdaten der LLMs für ihre spezifischen Fragestellungen geeignet sind und die Ergebnisse stets mit menschlichen Proben vergleichen.
Empfehlungen
Sarstedt et al. (2024) geben folgende Empfehlungen:
1. Verwendung für Vortests und Pilotstudien: LLMs sind hier besonders hilfreich.
2. Benchmarking mit menschlichen Proben: Dies ist essenziell, um die Zuverlässigkeit der Synthetischen Samples zu überprüfen.
3. Ethik berücksichtigen: Transparenz und ethische Überlegungen sind entscheidend bei der Verwendung von LLMs in der Forschung.
Also, beim nächsten Mal, wenn ihr an einer Studie arbeitet, denkt daran: Auch Algorithmen haben mal einen schlechten Tag! 😄 Bleibt offen für neue Ideen und vergesst nicht, dass die beste Forschung immer eine Kombination aus Technik und menschlichem Verstand ist!
Quelle:
Sarstedt, M., Adler, S. J., Rau, L., & Schmitt, B. (2024). Using large language models to generate silicon samples in consumer and marketing research: Challenges, opportunities, and guidelines. *Psychology & Marketing*, 41, 1254–1270.