1
Format
Unser KI-Agent fragt: qualitativ oder quantitativ?
Weil sie in keinem Panel sind und nicht für Punkte antworten. Wir fragen sie dort, wo sie ohnehin sind: auf Social Media.
Self-Service: Ein KI-Agent hilft beim Fragebogen, wir rekrutieren für jede Studie frisch über Social Media, Ergebnisse kommen live.
Kurzumfragen, repräsentativ und gewichtet nach Region, Alter und Geschlecht.
Validierungsstudien mit der Universität Zürich: Vorstudie 2021 · Studie II 2023/24
Ihr Tool, etwa Qualtrics oder Nebu, unser Feld.
Wir rekrutieren, screenen, vergüten und terminieren. Die Gespräche führen Sie.
Indikative Resultate in 10–30 Minuten. Unser Modell ist auf proprietären Umfragedaten feinabgestimmt; ein Plausibilitätswert (0–10) zeigt, wie stimmig jede Antwort ist.
Zwölf Markenmetriken und Brand Equity Score, in festen Abständen.
Ihre Daten in einer geschützten, KI-fähigen Cloud. Erste Kunden im Pilot.
Interesse an einem Pilot?


«Wir nutzen Boomerang Ideas, um schnell Markt- und Verbrauchererkenntnisse für unsere Kunden und uns selbst zu gewinnen. Das hilft uns, fundierte Entscheidungen zu treffen und Konzepte und Kampagnenideen vorzuschlagen.»
Patrick Glauser · Geschäftsführender Gesellschafter, TMI AG«Die Erkenntnisse aus dem Boomerang Brand Tracker waren von unschätzbarem Wert, um unsere Marketingstrategie zu schärfen und weiterzuentwickeln.»
Carsten Richter · Digital Manager, Lindt & Sprüngli«Sechs gezielte Boomerang-Umfragen über mehrere Märkte hinweg – schnell, intuitiv und mit Freude durchgeführt. Die professionellen Insights halfen uns, unsere Personas zu validieren und unser Targeting mit Zuversicht zu schärfen.»
Philipp Köstner · Lead Online Marketing, BERNINA International«Wenn man sich nicht sicher ist, ob ein neues Produkt einen Mehrwert schafft, liefert Boomerang Ideas für wenig Geld und Aufwand fundiertes, marktnahes Feedback.»
Ivan Mele · Gründer von HEYNEW ProdukttestsKein Argument gegen Panels — eines für die Lücke, die sie hinterlassen.
36 % → 6 %
Antwortquote in Telefonumfragen, 1997 gegenüber 2018.
Pew Research Center (US)
<1 % → 34 %
Anteil der Panelmitglieder → Anteil aller Fragebogen (zehn grösste US-Panels).
comScore, 2006
39 vs. 0.2
Umfragen pro Monat bei erfahrenen Panelteilnehmenden, in sechs Monaten bei repräsentativ Ausgewählten.
Liljeberg/Krambeer, planung & analyse 1/2012 (DE)
1.5 %→3.1 %→3.9 %
Durchschnittlicher absoluter Fehler von Wahlvorhersagen: 1970–1990, US 2016, US 2020.
FiveThirtyEight & AAPOR
1
Unser KI-Agent fragt: qualitativ oder quantitativ?
2
Vorschlag des Agenten, eine Vorlage, leer starten oder Ihren eigenen verlinken.
3
Simulierte Antworten für ein indikatives Ergebnis.
4
Sie tun nichts. Für jede Studie neu über Social Media rekrutiert.
5
Gewichtet im Dashboard, live während der Feldzeit.
Darum antworten hier Menschen, die klassische Feldarbeit nicht mehr erreicht.
Wer über Anzeigen rekrutiert, bekommt, wer klickt. Vier Massnahmen:
Jede Untergruppe einzeln, damit der Algorithmus nicht ausweicht.
CH, DE, AT: Alter, Geschlecht, Region gleichzeitig quotiert.
Daten des nationalen Statistikamts, keine Panelstruktur.
Attention Checks, Speeder- und Duplikatserkennung, reCAPTCHA, IP-Prüfung.
Gemessen gegen ein etabliertes Online-Panel.
81 % vs. 37 %
Bestandene Attention Checks.
UZH-Studie II (USA): n = 1'000 Boomerang, n = 1'000 Qualtrics
42 % vs. 20 %
Bleiben bis zum Schluss.
UZH-Studie II (USA): n = 1'000 Boomerang, n = 1'000 Qualtrics
2.91 vs. 3.04
Vertrauen in die Wissenschaft (1–4), tiefer gelesen als weniger Desirability Bias.
UZH-Studie II (USA): n = 1'000 je Gruppe, p = .001
3.76 vs. 3.96
Umfrageerfahrung, tiefer gelesen als weniger geübte Befragte.
UZH-Studie II (USA): n = 1'000 je Gruppe, p < .001
2 von 3
Näher am Endergebnis als etablierte Institute.
UZH-Vorstudie: 13 Erhebungen mit n = 416 bis 976
0.25 vs. 3.6
Abweichung in Punkten, Nevada 2024. Interne Auswertung, Einzelfall.
100 % Human Sampling, US 2024
Trainiert auf anonymisierten Umfragedaten von gfs.bern und weiterer Research-Partner, nicht auf Web-Text.
An fünf Studien, die das Modell nie sah: 82.6 % Überlappung* mit echten Antwortverteilungen. Frontier-Modelle ohne dieses Training: unter 52 %.
Ein unabhängiges Prüfmodell, Confidence Guard™, benotet jede Simulation von 0 bis 10.
Die Simulation trägt.
Rangfolge stimmt, Prozentzahlen noch nicht.
Diese Frage müssen Menschen beantworten.
Eigene Rekrutierung, für jede Studie neu: 3 bis 7 Tage bis zum Resultat.
Die einzige Plattform, die beide Motoren selbst betreibt und laufend gegeneinander misst.


* 82.6 %: Schweizer Validierungsstudien. Die Plausibilität misst Konsistenz und Passung, nie Richtigkeit gegen ein bekanntes Ergebnis.

Mehrfach gefördert durch Innosuisse seit 2020. Aktuell läuft das Projekt «Confidence-Driven Augmentation of Synthetic Survey Data», mit der Universität Basel und der Johns Hopkins University.
Deutschland ab CHF 4 pro abgeschlossener Antwort, Schweiz und Österreich ab 5.
Verbindlich nach dem gratis Pre-Test. Zielgruppe nicht gefunden: Geld zurück.
nur verbrauchte Credits
CHF 1'950 · 4'950 · 11'950
gleicher Preis, mehr Credits
1 Credit = CHF 1.
Antwort innert 1–3 Arbeitstagen, mit Preis-Range.
24 Länder: Argentinien, Australien, Brasilien, Deutschland, Frankreich, Grossbritannien, Indien, Italien, Kanada, Kenia, Mexiko, Nigeria, Österreich, Polen, Portugal, Saudi-Arabien, Schweden, Schweiz, Spanien, Südafrika, Südkorea, Thailand, Tschechien und die USA.
DE ab CHF 4, CH/AT ab 5. CH-Gesamtbevölkerung typisch 5–10 (indikativ – finaler Preis nach kostenlosem Pre-Test).
Im Durchschnitt 3–7 Tage; erste Antworten live nach rund 24 Stunden. Die Pre-Test-Antworten behalten Sie in jedem Fall.
Für Vorstudien: indikative Resultate in Minuten, nie mit Menschen gemischt.
Mehrstufig geprüft; Incentives erst nach bestandener Prüfung.
Ihnen. Anonymisiert, GDPR- und revDSG-konform, gehostet in Europa.
Ja: ein Open-Weight-Modell, feinabgestimmt auf Ihr Umfragearchiv, in Ihrer Umgebung. Heute EU-Cloud, Schweizer Standort in Abklärung.
⠿ verschieben
Als anonym