هل أصبح الاحتيال في استطلاعات الرأي هو الشكل الجديد للاحتيال الإعلاني؟ حل المشكلة المقلقة التي تؤثر على أبحاث السوق باستخدام الذكاء الاصطناعي.

تعد جودة البيانات أمرًا حيويًا لمديري التسويق الذين يحتاجون إلى استخلاص الرؤى، حيث يوافق 89% من المشترين على أنها أولويتهم الأولى. في هذا المقال، نكشف عن أحدث المستجدات فيما يتعلق بالاحتيال، وكيف يمكن لشركة «كانتار» معالجته باستخدام الذكاء الاصطناعي والحلول المتطورة الأخرى.

تعد جودة البيانات أمرًا حيويًا لمديري التسويق الذين يحتاجون إلى استخلاص الرؤى، حيث يوافق 89% من المشترين على أنها أولويتهم الأولى (المصدر: Greenbook، تقرير GRIT Insights Practice لعام 2023).

ويكتسب تعهد الجودة الذي أطلقته الصناعة مؤخرًا زخمًا متزايدًا مع تزايد إدراك المشترين والبائعين والمزودين بضرورة معالجة هذه المشكلة.

وكما تقول جين فروست، الرئيسة التنفيذية لجمعية أبحاث السوق: "أصبحت الأنشطة الاحتيالية أكثر تعقيدًا، لا سيما في مجال الأبحاث عبر الإنترنت. وهي تشكل خطرًا كبيرًا على مستقبل قطاعنا."

يجب أن تكون جودة البيانات عاملًا أساسيًا يمكن لمشتري الرؤى الاعتماد عليه، لكن الاحتيال المتفشي استمر لسنوات. وهو موضوع غريب لم يُناقش على نطاق واسع في جميع أنحاء الصناعة. يبدو أن الاحتيال في استطلاعات الرأي يشبه الاحتيال الإعلاني أو مزارع النقرات في هذا العقد – وهو يتحول إلى صناعة، بسرعة.

والأسوأ من ذلك، أنه مع ارتفاع معدلات الاحتيال، تزداد التغيرات في البيانات الناتجة عن ذلك.

في هذا المقال، نكشف عن حقيقة ما يجري في مجال الاحتيال، وكيف يمكن لشركة «كانتار» معالجته باستخدام الذكاء الاصطناعي والحلول المتطورة الأخرى.

على الصعيد العالمي، هناك ثلاثة تحديات رئيسية في القطاع تؤثر على لجان الاستطلاع:

1. التنافس على جذب الانتباه - كيف نتنافس على وقت أعضاء اللجان الثمين؟
2. تزايد متطلبات الامتثال لخصوصية البيانات: فاللائحة العامة لحماية البيانات (GDPR) تختلف عن قانون حماية خصوصية المستهلك في كاليفورنيا (CPPA)، على سبيل المثال.
3. ارتفاع مستويات الاحتيال عبر الإنترنت. "معدلات التسوية" - النسبة المئوية للعينات التي يتم رفضها لكونها منخفضة الجودة - زادت بنحو 300٪ خلال السنوات الثلاث الماضية، ويرفض العملاء ما يصل إلى 40٪ من البيانات بعد جمعها.

يجب على مالكي اللجان التعامل مع كل من هذه العوامل الثلاثة بذكاء واستراتيجية.

1. التنافس على جذب انتباه الجمهور

يبدأ ذلك بكيفية تعاملنا مع أعضاء اللجنة؛ لا كسلعة بل كمورد ثمين. نحن نبحث باستمرار عن طرق لتحسين طريقة طرح أسئلتنا، ومدة المقابلة (LoI)، وكيفية زيادة العناصر الترفيهية. نحن نتعامل مع أعضاء اللجنة كأشخاص من خلال الرد على أسئلتهم ومعاملتهم معاملة حسنة. نقوم بمطابقة كل عضو فريد من خلال خوارزمية مطابقة الاستطلاعات الفريدة الخاصة بنا، بحيث يقوم الأشخاص المناسبون بملء الاستطلاعات المناسبة، بالوتيرة المناسبة. يساعد هذا في تقليل حالات الانسحاب والاستبعاد، ويؤدي إلى زيادة الاستطلاعات المكتملة بنسبة 175% عن متوسط القطاع. من خلال الجمع بين معاملتنا للمشاركين كأشخاص محل تقدير وتكنولوجيا اللجان المتقدمة، نجد أن أعضاء اللجان سعداء ومتفاعلون. يمنحون تطبيقنا تقييم 4.2 على Trustpilot ويكتبون تعليقات إيجابية مثل: "الطاقة إيجابية، وقد تعلمت الكثير من الاستطلاعات عبر الإنترنت بينما يظل حسابي المصرفي سعيدًا أيضًا!"  

2. تزايد متطلبات الامتثال لقوانين خصوصية البيانات

تضطلع «كانتار» بدور رائد في المناقشات والمجموعات العاملة بالقطاع (مثل ESOMAR). كما لدينا فريق متخصص داخلي يراقب باستمرار لوائح الخصوصية والموافقة، ويضمن توفر الحلول التقنية المناسبة لجمع البيانات وتخزينها وحذفها.

في الصين، على سبيل المثال، لدينا منصة مخصصة لإدارة العينات تتوافق مع قانون حماية المعلومات الشخصية (PIPL) لجمع البيانات المعتمدة من قبل لجنة تنظيم الاتصالات الصينية (CAC)، وتقدم سلسلة من التحسينات المخصصة للسوق. وهي موجودة بالكامل داخل الفضاء الإلكتروني الصيني وتمنح وصولاً برمجياً إلى لوحة WeChat الخاصة بنا والمملوكة بالكامل: الوصول إلى 1.5 مليون شخص يصعب الوصول إليهم. لدينا أيضًا طبقات متعددة من منع الاحتيال وفحوصات الجودة التي تضمن ارتباط كل حساب WeChat بحساب مصرفي حقيقي وفريد. يتم تشفير المعرفات المجزأة وروابط الاستطلاعات باستخدام MD5 وWave Secret، للتخفيف من عمليات الإكمال الوهمية والردود الاحتيالية من قبل المتسللين.

3. تزايد حالات الاحتيال عبر الإنترنت

يعزى أكثر من ثلثي حالات الإبلاغ عن مشاكل في جودة البيانات (69٪) إلى أنواع مختلفة من الاحتيال. ومن بين هذه العلامات، 41% من قراصنة دوليين، و13% من روبوتات معروفة، و7% من عمليات إكمال وهمية (حيث يبدو أن المستجيب قد أكمل الاستبيان ولكن لم يتم جمع أي بيانات بسبب قيامه بإعداد روابط إعادة توجيه)، و8% من التكرارات (حيث يكمل المستجيب عدة استبيانات، عادةً إذا كان قد أنشأ العديد من الحسابات الاحتيالية متظاهراً بأنه ينتمي إلى فئات سكانية مختلفة).

لضمان أعلى جودة للبيانات، قمنا بتقسيم الاحتيال إلى ثلاثة أنواع:

• المشاركون غير الملتزمون: يقومون بمهام متعددة، ويجيبون على الاستطلاعات بشكل آلي، مما يجعل دقة الإجابات موضع شك. التأثير على سلامة البيانات متوسط إلى منخفض. يحتاج هؤلاء المشاركون إلى التوجيه ومراقبة السلوك. قد يكون من الضروري استبعادهم من دراسات معينة.

• المشاركون غير الأمناء: يكذبون بشأن هويتهم ويكملون المزيد من الاستطلاعات لكسب المكافآت بشكل أسرع. التأثير على سلامة البيانات متوسط إلى مرتفع.

• المشاركون المحتالون: يتصرفون بمفردهم أو في مجموعة لاختراق الاستطلاعات وكسب المكافآت بكميات كبيرة – ما يُعرف بمزارع النقرات الجديدة، إن شئت. هذا احتيال خطير، بكميات كبيرة وبتأثير كبير على سلامة البيانات.

ما الذي تفعله «كانتار» لمكافحة كل نوع من أنواع الاحتيال هذه؟ وكيف نستخدم أدوات الذكاء الاصطناعي والذكاء الاصطناعي العام الرائدة في السوق لمكافحتها؟

• نحن نشجع تصميم الاستبيانات الجيد: تعتمد جودة الاستطلاع على التصميم والطول وتجربة المستخدم. حتى المشاركون الأكثر تفاعلاً قد يفقدون الاهتمام إذا لم يتم أخذ هذه العوامل في الاعتبار.

• نحن نمنع الأخطاء الناتجة عن عدم التفاعل: يقدم بعض أعضاء اللجنة إجابات غير متسقة بسبب سوء الفهم، وبعضهم ليسوا من يدعون أنهم هم: ولكن ليست كل المشكلات التي يتم الإبلاغ عنها ناتجة عن خداع متعمد. بعضها أخطاء بريئة، وليست كل الإجراءات التي يتم الإبلاغ عنها تضر بسلامة البيانات. نريد أن نكون شاملين لجميع المشاركين الحقيقيين. لذلك، نقدم تدريبًا لأعضاء اللجان، وفرصة لتحسين سلوكهم، إذا لزم الأمر.

• نحدد الجودة: إنها مسألة ذاتية، لذا نستخدم مقاييس موضوعية. إن التعرف على المستويات المختلفة للجودة الرديئة والعوامل المختلفة المساهمة فيها أمر أساسي. يعزز قسم Profiles في Kantar خبرته العميقة التي تزيد عن 20 عامًا في مجال اللجان باستخدام التكنولوجيا والذكاء الاصطناعي للقيام بذلك في الوقت الفعلي عبر Qubed AI - أداة مكافحة الاحتيال الخاصة به. تعمل Qubed AI في الوقت الفعلي، وتدعمها 5 شبكات عصبية عميقة (بمعنى آخر، التعلم الآلي المتقدم)، ويتم تدريبها يوميًا استنادًا إلى أكثر من 60 مليون حدث، وتعالج أكثر من 300 ميزة لكل جلسة استطلاع لتقييم المشاركين تلقائيًا وإصدار حكم واقتراح إجراء بشأن ما إذا كان أحد أعضاء اللجنة مخادعًا أم لا، في غضون أجزاء من الثانية – وهو أمر لا يستطيع الإنسان (أو أي تقنية أخرى لمكافحة الاحتيال) القيام به.

• نستخدم GenAI مع التحقق المفتوح من Qubed: نستخدم حل التقييم المفتوح الخاص بنا والقائم على ChatGPT والذي يقيّم الإجابات المفتوحة من المشاركين عبر أبعاد متعددة. تشمل العوامل التي نكتشفها مدى صلة الإجابة بالسؤال المطروح، والأصالة، والاكتمال، واللغة، والإجابات المسروقة، واستخدام المعلومات الشخصية، واللغة العامية، واستخدام الاختصارات، بالإضافة إلى الألفاظ البذيئة، والعنصرية، والهراء، والإجابات التي تم إنشاؤها بواسطة ChatGPT. لمزيد من المعلومات حول كيفية مكافحة الاحتيال من خلال Qubed Open-End Validation من Kantar، راجع المقال السابق الذي نشرناه بعنوان "تحويل اللجان: كيف تستخدم Kantar نماذج اللغة الكبيرة (LLMs) لتحسين إجابات اللجان؟"

• تقديم "التحقق من الوجه" في Qubed: كانت أحدث خطوة من Kantar في مكافحة الاحتيال في الاستطلاعات هي دمج Realeyes Verify في نظام الذكاء الاصطناعي Qubed الخاص بنا. Verify هي تقنية خفيفة الوزن للتحقق من الوجه تم تدريبها على مجموعة بيانات فريدة من كاميرات الويب تضم 17 مليون جلسة استطلاع تمت بموافقة المشاركين. يمكننا التعرف بسرعة على محاولات الأطراف السيئة للانضمام إلى لجاننا المميزة.


يحتاج مديرو التسويق وقادة قسم الرؤى إلى فهم كيفية إعطاء شركاء اللجان الأولوية لجودة البيانات، والتأكد من أن شركاء اللجان يقدمون بيانات دقيقة وفي الوقت المناسب، خالية من الردود الاحتيالية.

مع تبني القطاع بأكمله للجودة من خلال "تعهد الجودة" (Quality Pledge) ووسائل أخرى، تتمتع Kantar بموقع جيد لمواصلة دورها الريادي في القضاء على الاحتيال واستعادة ثقة أكبر في قطاع بيانات المستهلكين، من خلال الاستخدام الذكي للذكاء الاصطناعي.

‍