合成客户研究

从未在场的座谈小组

客户研究始终在速度与真相之间进行权衡。招募一个真实的座谈小组，你需要等待数周进行实地考察，支付激励费用，并管理缺席人员。跳过座谈小组，你可以快速行动，但基于假设。合成客户研究有望消除这种权衡：从大型语言模型（LLM）生成一个人物画像，用人口统计学和行为参数对其进行简要说明，并要求它对概念、价格点或重新设计的旅程做出反应——在几分钟内，大规模进行，无需招募任何人。

其机制很简单。模型被提示采纳例如28-34岁、对价格敏感的城市租户的档案，然后被要求体验结账流程或回应广告语。将该提示应用于数百种参数组合，团队在第二天早上就能获得一份看似完整的细分研究报告。对于那些在预算有限的情况下，面临更快、更多测试压力的客户体验团队来说，其吸引力显而易见。

合成人物画像重现了其训练数据中的模式。它无法重现客户的“星期二”。

为何现在如此重要

2023年，ESOMAR发布了《20个问题帮助AI服务买家》——这份指南明确面向研究买家，敦促他们向供应商精确询问AI和合成数据在生成研究结果中的使用方式。这不是一项规定，也不要求法律或法规强制披露；它只是一个尽职调查的提示。但它的存在发出了比任何强制性规定都更清晰的信号：合成座谈小组已从实验迅速发展为主流实践，以至于行业自身的标准制定机构认为买家需要一份核对清单来审视他们所购买数据背后的方法论。

这份指南背后的理念是合理的，即使它没有强制性。合成受访者在统计学上是合理的，但并非基于经验。他们回答的方式是训练数据表明像他们这样的人会回答的方式——抹平了矛盾、坏情绪、非理性的忠诚以及情境崩溃，而这些正是让真实客户变得复杂、真实洞察变得有价值的原因。合成座谈小组很少会告诉品牌一些它在某种程度上已经模糊地知道的事情。

Renascence解读：一个过滤器，而非替代品

正确使用合成研究是一种分流工具。它能让团队在将预算投入到最终入围者之前，淘汰掉十个信息选项中最弱的三个。它能让旅程重新设计在 overnight 获得大致的方向性反馈，而不是等待三周才能进行一项正式研究。这具有真正的价值——它使人工研究更具针对性，而不是变得不那么必要。

危险在于组织层面，而非技术层面：一旦合成研究结果被视为等同于客户之声，决策就会将模型的盲点视为事实。合成座谈小组无法发现真实客户对训练数据中尚不存在的产品提出的抱怨。它无法记录上个月监管变化带来的具体、局部的不满。它无法以一种让研究人员感到惊讶的方式表达愤怒——而惊喜往往是真实研究最有价值的产出。缺乏严格的披露要求使得这种纪律成为内部文化问题，而非合规问题——这正是为什么在截止日期压力下它如此容易被侵蚀的原因。

良好实践范例

• 将合成座谈小组用于早期筛选和方向性假设，绝不用于价格、产品或重大旅程变更的最终决定。
• 在委托任何研究之前，向供应商提出ESOMAR 2023年指南中提出的问题——AI和合成数据如何影响研究结果——并期待得到直接的答复。
• 在投入预算或制定路线图决策之前，对照小规模的真实样本验证合成研究结果。
• 将合成结果与人工结果之间的矛盾视为研究中最有趣的发现，而不是可以平均掉的噪音。

合成客户研究并非一时风尚，也不是通往真相的捷径。它是一种具有特定、狭窄用途的新工具：在要求真实客户投入时间和真诚关注值得他们关注的事物之前，加快早期筛选过程。ESOMAR等机构目前发布的指南并未解决忠实度问题——它只是坚持要求买家不断提出这个问题。