Onderzoeksstructuur | AI Findability Research
Zo verricht ik een betrouwbare meting.
Begin bij wat waar is.
Voordat ik start met het onderzoek, leg ik eerst vast hoe jouw onderneming in elkaar steekt. Van rechtsvorm en KVK nummer tot aan de laatste dienst die je aanbiedt.
Dit is mijn Ground Truth Dossier. Dat bevries ik als alles volledig is toegevoegd. Gedurende het onderzoek gebruik ik het dossier, om te beoordelen of AI je onderneming goed begrijpt.
Ben jij een optie of word je aanbevolen?
Ik test vragen die ertoe doen.
Ik gebruik geen willekeurige prompts voor mijn onderzoek. In plaats daarvan onderzoek ik vragen die passen bij echte koop- en oriëntatiesituaties.
Relevante vragen:
Je moet eerst weten of iemand genoemd wordt of niet. Dat klopt. Maar daarna vraag je je af of het bedrijf goed wordt begrepen, en of het bij de relevante koopvragen wordt genoemd. En of je wordt aanbevolen, of slechts als optie wordt opgegeven.
Spreid de meting
Ik voer de meting meerdere keren uit.
Een volledig onderzoek, zoals ik voor de Blueprint aanbied, bestaat uit:
6 koopvragen 5 AI-modellen 3 meetmomenten
Samen:
90 metingen.
Dit is geen cijfer om indruk te maken, maar om het toeval kleiner te maken. In één meetmoment verricht ik 30 metingen. En dat herhaal ik twee keer.
Dat is voldoende om toeval te minimaliseren.
Buigen of barsten
Ik zoek naar het breekpunt.
Alle bevindingen uit de 90 metingen worden teruggebracht naar vijf lagen:
Identiteit Relaties Context Autoriteit Actualiteit
Daarbinnen onderzoek ik 25 checkpoints, waardoor ik perfect kan zien wat er misgaat.
En niet alleen of er wat misgaat.
Volg iedere conclusie terug naar bewijs.
Belangrijke conclusies moeten herleidbaar zijn naar de onderliggende waarnemingen.
Dat houdt in: Geen losse mening, geen score zonder uitleg en al helemaal geen conclusie zonder bewijs.
Bekijk straks het volledige voorbeeld.
Binnenkort publiceer ik hier een volledige AI Findability Research Blueprint van het bedrijf Carbonauta.
Dan kun je zelf zien hoe metingen, bewijs en diagnose samenkomen.