ЯКІСТЬ ДАНИХ І ДОВІРА ДО МАРКЕТИНГОВО-СОЦІОЛОГІЧНИХ ДОСЛІДЖЕНЬ: ЗНАЧЕННЯ ДЛЯ БІЗНЕСУ І ГРОМАДСЬКИХ ОРГАНІЗАЦІЙ В УМОВАХ ВІЙНИ ТА ШТУЧНОГО ІНТЕЛЕКТУ
DOI:
https://doi.org/10.25313/3083-7782-2026-5-15Ключові слова:
якість даних, довіра до досліджень, маркетингово-соціологічні дослідження, змішані методи, громадські організації, бізнес-рішення, територіальне відновлення, резильєнтність, маркетингові комунікації, бренд-комунікації, волонтерська діяльністьАнотація
Вступ. Повномасштабна війна змінила умови, у яких український бізнес, громадські організації й донорські програми отримують знання про ринок, громади та вразливі групи. Міграція, окупація частини територій, нестабільний зв’язок, безпекові ризики, втома респондентів і соціальна чутливість тем ускладнюють формування вибірки та тлумачення результатів. Паралельно дослідницька практика дедалі активніше використовує цифрові інструменти й штучний інтелект, що пришвидшує обробку даних, але посилює ризики ботів, синтетичних відповідей, автоматичних висновків і втрати довіри.
Мета. Метою статті є обґрунтування ролі якості даних і довіри до маркетингово-соціологічних досліджень в умовах війни та використання ШІ, а також розроблення прикладної моделі для бізнесу, громадських організацій, донорів і дослідницьких агенцій.
Матеріали і методи. Методологічна основа статті поєднує концептуальний аналіз, порівняльне узагальнення, нормативно-етичну інтерпретацію та авторське моделювання. Проблему розглянуто через взаємозв’язок кількох вимірів: воєнних обмежень збирання даних, ризиків використання ШІ, професійних вимог до якості маркетингово-соціологічних досліджень і практичних потреб бізнесу, громадських організацій та донорських програм.
Результати. Якість даних розкрито як сукупність характеристик, що охоплюють валідність вибірки, досяжність аудиторій, автентичність відповідей, контроль шахрайства, етичність збору, захист приватності, прозорість методології та коректність інтерпретації. Для бізнесу надійні дані зменшують ризик помилок у прогнозуванні попиту, ціноутворенні, асортименті й комунікаціях. Для громадських організацій вони допомагають точніше оцінювати потреби ВПО, ветеранів, громад і людей із травматичним досвідом. Авторська модель поєднує вибір методу, перевірку відповідей, людський контроль результатів ШІ, змішані методи та професійні стандарти.
Перспективи. Подальші дослідження доцільно спрямувати на перевірку моделі в бізнесових, гуманітарних і територіальних проєктах, а також на розроблення методологічних паспортів досліджень для відновлення громад, розвитку територіальних і локальних брендів та відповідального використання ШІ.
Посилання
Больман С. Змішана методологія досліджень: як та навіщо поєднувати якісні та кількісні методи. Маркетинг в Україні. 2026. № 1–2 (139). С. 50–53.
Лилик І. Ринок маркетингових досліджень в Україні 2025: експертна оцінка та аналіз УАМ. Маркетинг в Україні. 2026. № 1–2 (139). С. 3–36.
Шкуров Є. Особливості та типи репутаційних ризиків територій у воєнний час у контексті маркетингу територій та суспільних викликів. Via Economica. 2026. № 12. С. 126–135. DOI: 10.32782/2786-8559/2026-12-18
Bazeley P. Conceptualizing Integration in Mixed Methods Research. Journal of Mixed Methods Research. 2024. Vol. 18, No. 3. P. 225–234. DOI: https://doi.org/10.1177/15586898241253636
Bazzi O., Munyambabazi A., Anderson E. E., Wild H. B. H. Retraumatization Associated with Quantitative Epidemiological Research Methods in Conflict Settings: Issues and Mitigation Strategies. Disaster Medicine and Public Health Preparedness. 2025. Vol. 19. Article e290. DOI: 10.1017/dmp.2025.10211
Claassen J., Höhne J. K., Bach R., Haensch A.-C. Identifying Bots Through LLM-Generated Text in Open Narrative Responses: A Proof-of-Concept Study. Social Science Computer Review. 2026. OnlineFirst. DOI: 10.1177/08944393251408022
Dembitskyi S. Surveys in Ukraine in the Context of the Russian Full-Scale Invasion: Organizational Problems and Methodological Challenges. Ukrainian Analytical Digest. 2024. No. 006. P. 13–14. DOI: 10.3929/ethz-b-000675216
Diab J. L. Trauma-Informed Participatory Research in Displacement Studies: Ethical and Methodological Considerations from Lebanon and Beyond. International Journal of Qualitative Methods. 2025. Vol. 24. DOI: 10.1177/16094069251351429
ESOMAR/GRBN Guideline on Online Sample Quality. ESOMAR, GRBN. 2015. URL: https://ana.esomar.org/documents/esomar-grbn-guideline-for-online-sample-quality- (дата звернення: 30.03.2026).
ESOMAR Data Protection Checklist. ESOMAR. 2016. URL: https://ana.esomar.org/documents/esomar-data-protection-checklist- (дата звернення: 30.03.2026).
Estevez M., Ballestar M. T., Sainz J. Market research and knowledge using Generative AI: the power of Large Language Models. Journal of Innovation & Knowledge. 2025. Vol. 10. Article 100796. DOI: 10.1016/j.jik.2025.100796
Digital Omnibus on AI Regulation Proposal. European Commission. 2025. URL: https://digital-strategy.ec.europa.eu/en/library/digital-omnibus-ai-regulation-proposal (дата звернення: 30.03.2026).
Digital Omnibus Regulation Proposal. European Commission. 2025. URL: https://digital-strategy.ec.europa.eu/en/library/digital-omnibus-regulation-proposal (дата звернення: 30.03.2026).
Directive 2002/58/EC of 12 July 2002 concerning the processing of personal data and the protection of privacy in the electronic communications sector. European Parliament, Council of the European Union. 2002. URL: https://eur-lex.europa.eu/eli/dir/2002/58/oj (дата звернення: 30.03.2026).
Regulation (EU) 2016/679 of 27 April 2016 on the protection of natural persons with regard to the processing of personal data and on the free movement of such data. European Parliament, Council of the European Union. 2016. URL: https://eur-lex.europa.eu/eli/reg/2016/679/oj (дата звернення: 30.03.2026).
Regulation (EU) 2024/1689 of 13 June 2024 laying down harmonised rules on artificial intelligence. European Parliament, Council of the European Union. 2024. URL: https://eur-lex.europa.eu/eli/reg/2024/1689/oj (дата звернення: 30.03.2026).
GDQ Data Quality Excellence Pledge. Global Data Quality. Б. д. URL: https://www.globaldataquality.org/excellence-pledge (дата звернення: 30.03.2026).
Grewal D., Satornino C. B., Davenport T., Guha A. How generative AI is shaping the future of marketing. Journal of the Academy of Marketing Science. 2025. Vol. 53. P. 702–722. DOI: 10.1007/s11747-024-01064-3
Guetterman T. C., Molina-Azorin J. F., Fàbregues S. The Need to Rigorously Develop Common Quality Guidelines for Reporting Mixed Methods Research. Journal of Mixed Methods Research. 2023. Vol. 17, No. 1. P. 6–11. DOI: 10.1177/15586898221143561
Hirose M., Creswell J. W. Applying Core Quality Criteria of Mixed Methods Research to an Empirical Study. Journal of Mixed Methods Research. 2023. Vol. 17, No. 1. P. 12–28. DOI: 10.1177/15586898221086346
Hokmabadi H., Rezvani S. M. H. S., de Matos C. A. Business Resilience for Small and Medium Enterprises and Startups by Digital Transformation and the Role of Marketing Capabilities – A Systematic Review. Systems. 2024. Vol. 12, No. 6. Article 220. DOI: 10.3390/systems12060220
ICC/ESOMAR International Code on Market, Opinion and Social Research and Data Analytics. ICC, ESOMAR. 2025. URL: https://iccwbo.org/news-publications/business-solutions/iccesomar-international-code-market-opinion-social-research-data-analytics/ (дата звернення: 26.03.2026).
ISO 20252:2019. Market, opinion and social research, including insights and data analytics – Vocabulary and service requirements. ISO. 2019. URL: https://www.iso.org/standard/73671.html (дата звернення: 26.03.2026).
Klein E., Pleines H. Public Opinion Research in Ukraine Under Wartime Conditions. Ukrainian Analytical Digest. 2024. No. 006. P. 2–4. DOI: 10.3929/ethz-b-000675216
Ng W. Z., Erdembileg S., Liu J. C. J., Tucker J. D., Tan R. K. J. Increasing Rigor in Online Health Surveys Through the Reduction of Fraudulent Data. Journal of Medical Internet Research. 2025. Vol. 27. Article e68092. DOI: 10.2196/68092
Onbright E., Kolawole K. Погляд EFAMRO на сферу досліджень та інсайтів у 2026 році. Маркетинг в Україні. 2026. № 1–2 (139). С. 46–49. URL: https://uam.in.ua/common/zhurnal-marketyng-v-ukrayini/ (дата звернення: 26.03.2026).
Paniotto V. Methods for Data Quality Assessment in Wartime Surveys in Ukraine. Ukrainian Analytical Digest. 2024. No. 006. P. 9–13. DOI: 10.3929/ethz-b-000675216
Parker J. N., Rager T. L., Burns J., Mmeje O. Data Verification and Respondent Validity for a Web-Based Sexual Health Survey: Tutorial. JMIR Formative Research. 2024. Vol. 8. Article e56788. DOI: 10.2196/56788
Pinzón N., Koundinya V., Galt R. E., Dowling W. O’R., Baukloh M., Taku-Forchu N. C., Schohr T., Roche L. M., Ikendi S., Cooper M., Parker L. E., Pathak T. B. AI-powered fraud and the erosion of online survey integrity: an analysis of 31 fraud detection strategies. Frontiers in Research Metrics and Analytics. 2024. Vol. 9. Article 1432774. DOI: 10.3389/frma.2024.1432774
Rickard K., Toal G., Bakke K. M., O’Loughlin J. The challenges of surveying in war zones: Lessons from Ukraine. Journal of Peace Research. 2025. Vol. 62, No. 6. P. 2128–2135. DOI: 10.1177/00223433251321763
Sarstedt M., Adler S. J., Rau L., Schmitt B. Using large language models to generate silicon samples in consumer and marketing research: Challenges, opportunities, and guidelines. Psychology & Marketing. 2024. Vol. 41, No. 6. P. 1254–1270. DOI: 10.1002/mar.21982
Volosevych I. Conducting Surveys During Wartime: A Personal Reflection. Ukrainian Analytical Digest. 2024. No. 006. P. 5–9.
Westwood S. J. The potential existential threat of large language models to online survey research. Proceedings of the National Academy of Sciences. 2025. Vol. 122, No. 47. Article e2518075122. DOI: 10.1073/pnas.2518075122
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Євген Владленович Шкуров, Дмитро Васильович Яцюк, Олексій Юрійович Баханов

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.