Mapa dotacji

Celem projektu jest opracowanie funkcjonalnego systemu do przewidywania profili konsumenckich panelistów biorących udział w badaniach rynkowych na podstawie ich śladu cyfrowego. System będzie korzystał z algorytmów sztucznej inteligencji analizujących dane pochodzące z zewnętrznych zbiorów danych bezpośrednio związanych z klientem tj. danych z profili social media wprowadzając automatykę usługową w proces selekcji do badań online. Efektem końcowym projektu będzie panel badawczy online, za pomocą którego badacze korporacyjni i instytucjonalni będą mogli niskim kosztem i w krótkim czasie wyłonić pulę panelistów spełniających ich kryteria udziału w badaniu. Obecnie prowadzenie badań za pośrednictwem paneli badawczych rozpoczyna się od kroku selekcji osób spełniających kryteria udziału w badaniu. Wymaga to często zadania serii pytań setkom a nawet tysiącom osób, które odpłatnie biorą udział w ankiecie kwalifikującej do badania. Taki proces selekcji jest kosztowny i czasochłonny, zarówno dla badacza jak i właściciela panelu badawczego. Część istniejących obecnie na rynku paneli oferuje możliwość wstępnej selekcji kandydatów do badań – na podstawie wcześniej zadanych pytań, dotyczących np. demografii, warunków zatrudnienia czy sytuacji życiowej. Są to jednak bardzo podstawowe zmienne, które zwykle nie wystarczają do selekcji trudno dostępnych grup konsumentów, takich jak np. osoby zarabiające powyżej 4000 złotych, które posiadają w swojej okolicy mały sklep osiedlowy i w przeciągu ostatnich 5 miesięcy dokonały zakupów artykułów spożywczych online. Rozwijany w ramach projektu system będzie wykorzystywał profile konsumenckie panelistów oparte o dane ze śladu cyfrowego (takie jak informacje z social mediów, historię przeglądanych stron internetowych, czy wykorzystywanych urządzeń elektronicznych) do przewidywania parametrów selekcyjnych w badaniach online. Główną cechą systemu będzie oparcie algorytmów o dane przedstawiające aktualną sytuację życiową konsumenta, co pozwoli