MI-támogatott kampánykezelés
Ez az oldal az MI-támogatott kampánykezelési funkciókat mutatja be, amelyekkel beszélgetésen alapuló felületeken tervezheti és kezelheti kérdőíves kampányait.
Áttekintés
Szekció neve “Áttekintés”Az MI-támogatott kampánykezelés két, egymást kiegészítő felületet kínál az Askalot platform használatához:
- Kampányvarázsló – irányított, többlépéses folyamat, amellyel a kezdők a nulláról hozhatnak létre kampányokat
- Csevegőfelület – igény szerint elérhető, beszélgetésen alapuló felület eseti kérésekhez és összetett műveletekhez
Kampányvarázsló
Szekció neve “Kampányvarázsló”A kampányvarázsló a kampánylétrehozás teljes folyamatán végigvezeti a felhasználót, így azok is boldogulnak vele, akik nem ismerik a kérdőíves kutatás munkafolyamatait.
- Csökkenteni a belépési küszöböt az új felhasználók számára
- Biztosítani, hogy minden szükséges lépés a megfelelő sorrendben megtörténjen
- Minden lépésnél kontextusfüggő segítséget és javaslatokat adni
- Csökkenteni a hibák számát azzal, hogy a továbblépés előtt ellenőrzi a bevitt adatokat
A varázsló lépései
Szekció neve “A varázsló lépései”MI-támogatás a varázslóban
Szekció neve “MI-támogatás a varázslóban”Az MI-asszisztens minden lépésnél a következőkben segít:
| Lépés | MI-képességek |
|---|---|
| Kampánytervezés | Kérdőívet javasol a kutatási célok alapján, kampánymódot ajánl |
| Célközönség | A statisztikai követelmények alapján mintanagyságot ajánl, demográfiai tényezőket javasol |
| Mintavételi stratégia | Elemzi a kutatási témát, a nemen és életkoron túli rétegzési tényezőket ajánl, céleloszlásokat javasol, elmagyarázza az előnyöket és a hátrányokat (lásd: MI-támogatott mintavételistratégia-tervezés) |
| Válaszadói kör | Elmagyarázza a minőségi mutatókat, és javításokat javasol, ha az eloszlás nem felel meg a célértékeknek |
| Áttekintés és indítás | Összegzi a kampány beállításait, jelzi a lehetséges problémákat |
Példa a varázslóval folytatott interakcióra
Szekció neve “Példa a varázslóval folytatott interakcióra”User: "I want to conduct a customer satisfaction survey"
AI: I'll help you set up a customer satisfaction campaign. Let's start with the basics.
Step 1: Campaign Design
What would you like to name this campaign?
[Input: Campaign Name]
I found these questionnaires that match "customer satisfaction": - customer_satisfaction_nps.qml (NPS + open feedback) - customer_satisfaction_detailed.qml (comprehensive 20-question survey)
Which would you like to use, or should I help you create a new one?MI-támogatott mintavételistratégia-tervezés
Szekció neve “MI-támogatott mintavételistratégia-tervezés”A reprezentatív minta megtervezéséhez a megfelelő rétegzési tényezőket kell kiválasztani. Bár a nem és az életkor a legtöbb kutatásban szokásos, egymástól független tényező, sok vizsgálat további, a kutatási témához kötődő tényezőket is igényel. Az MI-asszisztens segít azonosítani és beállítani ezeket a kutatásspecifikus tényezőket.
Szokásos és kutatásspecifikus tényezők
Szekció neve “Szokásos és kutatásspecifikus tényezők”| Tényezőtípus | Példák | Mikor érdemes használni |
|---|---|---|
| Szokásos (mindig szerepel) | Nem, életkor | Minden kampányban – az alapvető demográfiai reprezentáció |
| Földrajzi | Régió, város/vidék, megye | Helyfüggő kutatások, regionális összehasonlítások |
| Társadalmi-gazdasági | Jövedelem, iskolai végzettség, foglalkoztatás | Fogyasztói kutatások, gazdasági vizsgálatok |
| Attitűdbeli | Politikai beállítottság, értékek | Közvélemény-kutatások, társadalomkutatás |
| Viselkedési | Termékhasználat, médiafogyasztás | Piackutatás, viselkedésvizsgálatok |
A kutatási téma elemzése
Szekció neve “A kutatási téma elemzése”Az MI elemzi a kutatási témát és a kérdőív tartalmát, hogy megfelelő rétegzési tényezőket ajánljon.
Hogyan működik:
- A téma megértése: az MI elemzi a kampány leírását és a kérdőívet
- Tényezőajánlás: olyan tényezőket javasol, amelyek torzítást okozhatnak, ha a mintavétel nem kontrollálja őket
- Eloszlásjavaslatok: népességi adatok alapján céleloszlásokat ajánl
- Előnyök és hátrányok: elmagyarázza, mibe kerül és mit hoz az egyes tényezők felvétele
Példa: pártpreferencia-kutatás
Szekció neve “Példa: pártpreferencia-kutatás”User: "I want to create a campaign to measure party preferences for the upcoming election"
AI: For election polling, I recommend stratifying beyond standard demographics.
Standard Factors (recommended): ┌─────────────────┬────────────────────────────────────────┐ │ Factor │ Target Distribution │ ├─────────────────┼────────────────────────────────────────┤ │ Gender │ Male 48%, Female 50%, Other 2% │ │ Age │ 18-29: 18%, 30-44: 22%, 45-59: 25%, │ │ │ 60+: 35% │ └─────────────────┴────────────────────────────────────────┘
Research-Specific Factors (recommended for election polling): ┌─────────────────┬────────────────────────────────────────┐ │ Factor │ Rationale │ ├─────────────────┼────────────────────────────────────────┤ │ Education │ Strong correlation with voting │ │ │ patterns and party preference │ ├─────────────────┼────────────────────────────────────────┤ │ Settlement Type │ Urban/suburban/rural divide affects │ │ │ political orientation significantly │ ├─────────────────┼────────────────────────────────────────┤ │ Prior Vote │ Previous election choice is the │ │ (2022) │ strongest predictor of current intent │ └─────────────────┴────────────────────────────────────────┘
⚠️ Note on Political Orientation: Including "left/right self-placement" as a stratification factor is controversial - it can introduce bias if the target distribution is incorrectly specified. I recommend using it for weighting post-collection rather than pre-stratification.
Would you like me to: 1. Add Education and Settlement Type as factors? 2. Explain how to handle Prior Vote recall? 3. Show the statistical impact of each factor?Példa: fogyasztói termékkutatás
Szekció neve “Példa: fogyasztói termékkutatás”User: "Create a campaign for testing a new premium coffee brand"
AI: For premium product research, your sample needs to represent the potential customer base, not just the general population.
Standard Factors: ┌─────────────────┬────────────────────────────────────────┐ │ Gender │ Male 48%, Female 50%, Other 2% │ │ Age │ Focus on 25-54 (primary coffee buyers) │ └─────────────────┴────────────────────────────────────────┘
Recommended Research-Specific Factors: ┌─────────────────┬────────────────────────────────────────┐ │ Factor │ Rationale │ ├─────────────────┼────────────────────────────────────────┤ │ Income Bracket │ Premium products require disposable │ │ │ income - undersample low-income │ ├─────────────────┼────────────────────────────────────────┤ │ Coffee │ Non-coffee drinkers are irrelevant; │ │ Consumption │ heavy users provide better insights │ ├─────────────────┼────────────────────────────────────────┤ │ Purchase │ Supermarket vs. specialty store vs. │ │ Channel │ online affects brand perception │ └─────────────────┴────────────────────────────────────────┘
Should I configure these factors with recommended distributions?A tényezők beállításának részletei
Szekció neve “A tényezők beállításának részletei”Minden ajánlott tényezőhöz az MI a következőket adja meg:
| Beállítás | Leírás |
|---|---|
| Attribútumútvonal | Melyik válaszadói mezőt használja (pl. custom_attributes.education) |
| Tényezőtípus | discrete (kategóriák), bucketed (tartományok) vagy geographic |
| Céleloszlás | Azok a népességi arányok, amelyekhez a mintát igazítani kell |
| Súly | Relatív fontosság a többi tényezőhöz képest |
| Adatforrás | Népszámlálás, paneladatok vagy egyedi megadás |
Egyedi tényezők hozzáadása
Szekció neve “Egyedi tényezők hozzáadása”User: "I also want to stratify by smartphone brand preference"
AI: I can add "Smartphone Brand" as a custom factor.
Configuration needed: ┌────────────────────┬──────────────────────────────────────┐ │ Setting │ Value │ ├────────────────────┼──────────────────────────────────────┤ │ Factor Name │ Smartphone Brand │ │ Attribute Path │ custom_attributes.smartphone_brand │ │ Factor Type │ discrete │ │ Categories │ [Apple, Samsung, Other Android, │ │ │ Other, None] │ └────────────────────┴──────────────────────────────────────┘
What target distribution would you like?
Option A: Match market share (Apple 28%, Samsung 25%, Other Android 35%, ...) Option B: Equal representation (20% each) Option C: Custom distribution
Note: Your respondent database must have this attribute populated. Currently 67% of respondents have smartphone_brand recorded.A stratégia minőségének előnézete
Szekció neve “A stratégia minőségének előnézete”A véglegesítés előtt az MI megmutatja, mennyire valósítható meg a stratégia:
AI: Strategy Preview for "Election Poll Q1 2026"
Factors configured: Gender, Age, Education, Settlement Type
Achievability Analysis: ┌─────────────────┬───────────┬───────────┬─────────────────┐ │ Factor │ Target │ Available │ Match Quality │ ├─────────────────┼───────────┼───────────┼─────────────────┤ │ Gender │ 48/50/2 │ 47/51/2 │ ✅ Excellent │ │ Age 18-29 │ 18% │ 12% │ ⚠️ Undersample │ │ Age 60+ │ 35% │ 41% │ ⚠️ Oversample │ │ Higher Ed │ 32% │ 38% │ ✅ Good │ │ Rural │ 28% │ 19% │ ❌ Gap │ └─────────────────┴───────────┴───────────┴─────────────────┘
Recommendations: 1. Young respondents (18-29) are underrepresented in your database. Consider: Panel recruitment or oversample factor of 1.5x
2. Rural respondents are significantly underrepresented. Options: - Accept bias and apply post-stratification weighting - Import additional rural respondents from external panel - Reduce rural target to match available pool
How would you like to proceed?Csevegőfelület
Szekció neve “Csevegőfelület”A csevegőfelületen beszélgetés formájában végezhet eseti műveleteket és összetett, többlépéses feladatokat, anélkül, hogy a felület hagyományos űrlapjain kellene végigmennie.
- Lehetővé tenni a haladó felhasználóknak, hogy természetes nyelven, gyorsan hajtsanak végre műveleteket
- Kezelni a több entitást érintő összetett kéréseket
- „Gondolkodótársként” szolgálni a kampánytervezéshez és -elemzéshez
- Támogatni a kötegelt műveleteket és az adatok kezelését
Képességek
Szekció neve “Képességek”Entitások kezelése
Szekció neve “Entitások kezelése”| Művelet | Példakérés |
|---|---|
| Entitások létrehozása | „Hozzon létre egy új projektet »Q1 Research« néven” |
| Entitások módosítása | „Frissítse a kampány leírását, hogy szerepeljen benne az új határidő” |
| Entitások lekérdezése | „Mutassa az összes jelenleg aktív kampányt” |
| Entitások törlése | „Távolítsa el a tesztválaszadókat a válaszadói körből” |
Mintavételi stratégiai műveletek
Szekció neve “Mintavételi stratégiai műveletek”| Művelet | Példakérés |
|---|---|
| Stratégia létrehozása | „Hozzon létre egy mintavételi stratégiát választási közvélemény-kutatáshoz, további tényezőként az iskolai végzettséggel” |
| Tényezők módosítása | „Adja hozzá a településtípust tényezőként a meglévő stratégiához” |
| Lefedettség elemzése | „Elbír-e a válaszadói adatbázisom egy 1000 fős mintát igénylő stratégiát ezekkel a tényezőkkel?” |
| Stratégiák összehasonlítása | „Mutassa meg, miben különbözik a két stratégia céleloszlása” |
Válaszadóikör-műveletek
Szekció neve “Válaszadóikör-műveletek”A válaszadói körök egyetlen kampányhoz készülnek – akik már részt vettek, azokat általában nem kérdezik meg újra. Új kampányokhoz a stratégiák (újrafelhasználható sablonok) segítségével generáljon friss válaszadói köröket.
| Művelet | Példakérés |
|---|---|
| Válaszadói kör generálása | „Generáljon egy 400 fős válaszadói kört a választási stratégiából a Q2-es kampányomhoz” |
| Válaszadói körök egyesítése | „Egyesítse az »Urban« és a »Suburban« válaszadói kört egy új, »Metro« nevű válaszadói körbe” |
| Válaszadói körök szűrése | „Hozzon létre egy új válaszadói kört a fő válaszadói körből, csak a 25–34 éves válaszadókkal” |
| Válaszadói körök elemzése | „Hogyan viszonyul a jelenlegi válaszadói köröm a céleloszláshoz?” |
| Válaszadói körök frissítése | „Generálja újra a válaszadói kört a frissített stratégiával” (a válaszadói kör megtartja saját kért méretét) |
Kampányműveletek
Szekció neve “Kampányműveletek”| Művelet | Példakérés |
|---|---|
| Állapot ellenőrzése | „Mekkora a kitöltési arány az NPS-kampányban?” |
| Tömeges műveletek | „Küldjön emlékeztetőt minden válaszadónak, aki még nem kezdte el” |
| Újrakiosztás | „Helyezze át a befejezetlen kitöltéseket A kérdezőtől B kérdezőhöz” |
| Elemzés | „Hasonlítsa össze a válaszadási arányokat a két kampányváltozat között” |
Példák csevegésben folytatott interakciókra
Szekció neve “Példák csevegésben folytatott interakciókra”Válaszadói körök egyesítése
User: "Merge the 'Panel A' and 'Panel B' pools to get more respondents for the satisfaction campaign"
AI: I'll merge those pools for you.
Found: - Panel A: 450 respondents - Panel B: 380 respondents
Creating merged pool 'Panel A + Panel B' with 830 respondents...
✓ Merged pool created successfully
Would you like me to: 1. Assign this pool to the satisfaction campaign? 2. Check for duplicate respondents between the pools? 3. Review the demographic distribution of the merged pool?Összetett lekérdezés
User: "Show me which interviewers have the lowest completion rates and suggest how to redistribute their workload"
AI: Analyzing interviewer performance for the active campaign...
Completion Rates: ┌─────────────────┬────────────┬───────────┬──────────┐ │ Interviewer │ Assigned │ Completed │ Rate │ ├─────────────────┼────────────┼───────────┼──────────┤ │ Maria Santos │ 45 │ 42 │ 93% │ │ John Chen │ 50 │ 38 │ 76% │ │ Alex Kim │ 48 │ 22 │ 46% ⚠️ │ │ Sarah Johnson │ 52 │ 18 │ 35% ⚠️ │ └─────────────────┴────────────┴───────────┴──────────┘
Recommendation: Alex Kim and Sarah Johnson have significantly lower completion rates.
I suggest redistributing their remaining 60 surveys to Maria Santos and John Chen, who have capacity and higher completion rates.
Should I proceed with this redistribution?A beszélgetés kontextusa
Szekció neve “A beszélgetés kontextusa”A csevegőfelület az üzenetek között megőrzi a kontextust, így lehetőség van:
- Követő kérdésekre: „Most szűrje a válaszadói kört úgy, hogy csak nők maradjanak benne”
- Tisztázó kérdésekre: „Mit ért »túlmintavételezési szorzó« alatt?”
- Többkörös munkafolyamatokra: összetett műveletek lépésről lépésre történő felépítésére
- Visszavonásra: „Mégis vonja vissza az utolsó egyesítést”
Az ügynök architektúrája
Szekció neve “Az ügynök architektúrája”A varázslót és a csevegőfelületet a Menedzser ügynök működteti, amely MCP-eszközökön (Model Context Protocol) keresztül kommunikál az Askalot platformmal.
A Menedzser ügynök
Szekció neve “A Menedzser ügynök”A Menedzser felel a kampány életciklusáért: a mintavételi stratégia megtervezéséért, a válaszadói kör generálásáért, a kampány létrehozásáért és az élő terepmunka felügyeletéért. A folyamatban lévő adatgyűjtés figyelését – válaszadási arányok, szegmenslefedettség, minőségi jelzések – egy Terepfelügyelő alügynökre bízza, amely kvóta-, célzási vagy ütemezési módosításokat javasol. A kérdőívtervezéshez és a QML szerkesztéséhez a Menedzser a Tervező ügynökhöz irányítja Önt (lásd: Kérdőívgenerálás).
Az ügynökök számára elérhető MCP-eszközök
Szekció neve “Az ügynökök számára elérhető MCP-eszközök”Az ügynökök MCP-eszközökön (Model Context Protocol) keresztül a teljes Askalot API-hoz hozzáférnek, amely lefedi a projekteket, kampányokat, kérdőíveket, válaszadókat, válaszadói köröket, mintavételi stratégiákat és még sok mást.
Az elérhető eszközök teljes listáját és paramétereiket az MCP-felület referenciája tartalmazza.
A mintavételi szakirodalomra támaszkodva
Szekció neve “A mintavételi szakirodalomra támaszkodva”Amikor egy mintavételi stratégia megindoklását kérik tőle – „miért kell túlmintavételezni a 65 év felettieket?”, „elég-e ez a mintanagyság az alcsoportok összehasonlításához?”, „mekkora itt a dizájnhatás egy rétegzett mintánál?” –, a Menedzser ügynök lektorált mintavétel-módszertani szakirodalomhoz fordul (Heeringa, West és Berglund 2010; Bethlehem és Biffignandi 2012; Schouten és mtsai 2009, 2013; valamint Kish 1965, ahol az érvelés erre épül), és válaszában megnevezi a tanulmányt és az évet. Lásd: Az MI-támogatott funkciók áttekintése → Lektorált módszertanra támaszkodva.
MI-szolgáltató
Szekció neve “MI-szolgáltató”Az MI-ügynökök az Anthropic Claude-modelljein futnak – a platform helyi következtetési szolgáltatása csak dokumentumok beágyazására szolgál, ügynöki feladatokra nem. A szolgáltatót kifejezetten Ön választja ki a Profilbeállításokban; a szolgáltatók között nincs automatikus tartalékváltás (lásd: MI-szolgáltató):
| Átjáró | Modellek | Felhasználás |
|---|---|---|
| Anthropic API | Claude Opus, Sonnet, Haiku | Közvetlen API-hozzáférés – használatalapú kulccsal |
| AWS Bedrock | Claude Opus, Sonnet, Haiku | Vállalati telepítések AWS IAM-mel és adattárolási helyre vonatkozó szabályozással |
Felhasználói jogosultságok
Szekció neve “Felhasználói jogosultságok”Az MI-támogatott funkciók a meglévő jogosultsági modellt követik:
| Szerepkör | Hozzáférés a varázslóhoz | Hozzáférés a csevegéshez |
|---|---|---|
| Tulajdonos | Teljes | Teljes |
| Menedzser | Teljes | Teljes |
| Elemző | Csak megtekintés | Csak lekérdezés |
| Kérdező | Nincs | Korlátozott (saját kitöltések) |
Bevált gyakorlatok
Szekció neve “Bevált gyakorlatok”Mikor érdemes a varázslót használni
Szekció neve “Mikor érdemes a varázslót használni”- Az első kampány létrehozásakor
- Új csapattagok betanításakor
- Szokásos kampánytípusoknál, tipikus beállításokkal
- Amikor fontos a lépésenkénti ellenőrzés
Mikor érdemes a csevegőfelületet használni
Szekció neve “Mikor érdemes a csevegőfelületet használni”- Haladó felhasználóknak, akik tudják, mit akarnak
- Több entitást érintő összetett műveleteknél
- Eseti lekérdezésekhez és adatfeltáráshoz
- Meglévő adatokon végzett kötegelt műveletekhez
Kapcsolódó dokumentáció
Szekció neve “Kapcsolódó dokumentáció”- Kampánykezelés – A kampányok alapfogalmai
- MI-támogatott kérdőívgenerálás – MI-segítség a kérdőívtervezéshez
- Ügynöki válaszgenerálás – Kampányszimuláció szintetikus adatokkal
- MI-támogatott eredményelemzés – MI-segítség az adatelemzéshez