Application of Natural language processing to enhance qualitative research used for marketing

Poj Nuangniyom Netsiri

Master's thesis

Aplikace zpracovaného přirozeného jazyka pro zlepšení kvalitativního výzkumu v marketingu

Abstract:

Porozumění chování spotřebitelů je nezbytné pro vyvíjení efektivních marketingových strategií. Průzkum trhu často využívá tradiční kvalitativní analýzu k odhalení motivací spotřebitelů. Malá velikost vzorků ale omezuje schopnost tvořit závěry na úrovni celé populace. Analýza velkých vzorků by však byla časově náročná. Kvalitativní průzkum je také náchylný k lidským chybám, subjektivitě, a předsudkům, a tudíž může vést k zavádějícím výsledkům. Pro vyřešení těchto problémů je na extraktování chování spotřebitelů z rozsáhlých datových sad pro recenzi produktů využito „Natural Language Processing“ (NLP). Tento výzkum je zaměřen na recenze luxusních aut, chytrých televizí, chleba a mýdla k průzkumu komplexního, disonanci snižujícího, obvyklého, a rozmanitost hledajícího chování spotřebitelů. Výsledky, kategorizované pomocí škály vnímané hodnoty (Perceived Value Scale) a analyzované podle velikosti shluku, pořadí a sentimentu, indikují, že záměry spotřebitelů jsou ovlivněny vnímanou emocionální a sociální hodnotou a kvalitou produktu. Kupní chování snižující disonanci je primárně motivováno vnímanou kvalitou, zatímco navyklé kupní chování je ovlivněno vnímanou ekonomickou a emocionální hodnotou a kvalitou. Chování hledací rozmanitost je ovlivněno vnímanou emocionální hodnotou a kvalitou. Tudíž NLP poskytuje účinný, nákladově efektivní a objektivní přístup k extraktování chování spotřebitelů z recenzí produktů ve velkém měřítku.

Abstract:

Understanding consumer behavior is essential for effective marketing strategies. Market research often employs conventional qualitative analysis to uncover the motivations driving consumer purchases. However, a small sample size limits the ability to draw population-level conclusions, while analyzing large-scale data can be time-consuming. Moreover, qualitative research is prone to human error, subjectivity, and bias, leading to potentially misleading results. To address these issues, Natural Language Processing (NLP) is utilized to extract consumer behavior from large-scale product review datasets. The research focuses on product reviews for luxury cars, smart TVs, bread, and soaps to examine complex, dissonance-reducing, habitual, and variety-seeking purchasing behavior, respectively. The results, categorized using the Perceived Value Scale and analyzed based on cluster size, rank, and sentiment, indicate that consumer purchase intentions are influenced by perceived emotional, quality, and social value, respectively in complex purchasing behavior. Dissonance-reducing behavior is primarily driven by perceived quality value, while habitual purchasing behavior is influenced by perceived economic, emotional, and quality value, respectively. Lastly, variety-seeking behavior is affected by perceived emotional and quality value, respectively. Therefore, NLP demonstrates an efficient, cost-effective, and unbiased approach to extracting consumer behaviors from large-scale product reviews.

Keywords

marketing research, consumer behavior, consumer perceived value, perceived value scale, purchase intention, qualitative analysis, artificial intelligence, natural language processing, topic modeling, Latent Dirichlet Allocation

Keywords

marketing research, consumer behavior, consumer perceived value, perceived value scale, purchase intention, qualitative analysis, artificial intelligence, natural language processing, topic modeling, Latent Dirichlet Allocation

Language used: English

Date on which the thesis was submitted / produced: 25. 6. 2023

Thesis defence

• Date of defence: 6. 9. 2023
• Supervisor: Markéta Lhotáková
• Reader: Gollam Rabby

Vysoká škola ekonomická v Praze

Master programme:
International Business - Central European Business Realities