Synthetische Kundenforschung

Das Panel, das nie im Raum war

Kundenforschung war schon immer ein Kompromiss zwischen Geschwindigkeit und Wahrheit. Rekrutiert man ein echtes Panel, wartet man wochenlang auf die Feldforschung, zahlt für Anreize und verwaltet Nichterscheinen. Verzichtet man auf das Panel, ist man schnell, aber auf Annahmen angewiesen. Synthetische Kundenforschung verspricht, diesen Kompromiss aufzuheben: Man generiert eine Persona aus einem LLM, versieht sie mit demografischen und verhaltensbezogenen Parametern und bittet sie, auf ein Konzept, einen Preispunkt oder eine neu gestaltete Customer Journey zu reagieren – in Minuten, in großem Maßstab, ohne jemanden rekrutieren zu müssen.

Die Mechanik ist unkompliziert. Ein Modell wird aufgefordert, das Profil beispielsweise eines preissensiblen Stadtmieters im Alter von 28–34 Jahren anzunehmen, und dann gebeten, einen Checkout-Flow zu durchlaufen oder auf eine Kampagnenlinie zu reagieren. Führt man diese Aufforderung über Hunderte von Parameterkombinationen aus, erhält ein Team am nächsten Morgen etwas, das wie eine vollständige Segmentierungsstudie aussieht. Für CX-Teams, die unter Druck stehen, mehr und schneller mit geringeren Forschungsbudgets zu testen, liegt der Reiz auf der Hand.

Eine synthetische Persona reproduziert Muster in ihren Trainingsdaten. Sie reproduziert nicht den Dienstag des Kunden.

Warum das jetzt wichtig ist

Im Jahr 2023 veröffentlichte ESOMAR „20 Fragen, die Käufern von KI-basierten Dienstleistungen helfen sollen“ – eine Leitlinie, die sich direkt an Forschungsauftraggeber richtet und sie auffordert, Lieferanten genau zu fragen, wie KI und synthetische Daten bei der Erstellung von Ergebnissen verwendet werden. Es ist keine Regel und erfordert keine Offenlegung per Gesetz oder Kodex; es ist eine Aufforderung zur Sorgfaltspflicht. Aber ihre Existenz signalisiert etwas klarer als jedes Mandat es könnte: Synthetische Panels hatten sich schnell genug vom Experiment zur Mainstream-Praxis entwickelt, sodass der eigene Branchenverband der Meinung war, dass Käufer eine Checkliste benötigten, um die Methodik hinter den ihnen verkauften Zahlen zu hinterfragen.

Der Instinkt hinter dieser Leitlinie ist fundiert, auch wenn sie nicht zwingend ist. Synthetische Befragte sind statistisch plausibel, nicht empirisch fundiert. Sie antworten so, wie die Trainingsdaten vermuten lassen, dass jemand wie sie antworten würde – sie glätten die Widersprüche, die schlechte Laune, die irrationale Loyalität, den Kontextkollaps, der echte Kunden unübersichtlich und echte Erkenntnisse wertvoll macht. Ein synthetisches Panel wird einer Marke selten etwas erzählen, was sie nicht schon auf diffuse Weise wusste.

Die Renascence-Lesart: Ein Filter, kein Ersatz

Richtig eingesetzt ist synthetische Forschung ein Triage-Werkzeug. Sie ermöglicht es einem Team, die drei schwächsten von zehn Messaging-Optionen zu verwerfen, bevor echtes Panel-Budget für die Finalisten ausgegeben wird. Sie ermöglicht es einer Journey-Neugestaltung, über Nacht eine grobe Richtungseinschätzung zu erhalten, anstatt drei Wochen auf eine ordentliche Studie zu warten. Das ist ein echter Mehrwert – es macht die menschliche Forschung zielgerichteter, nicht weniger notwendig.

Die Gefahr ist organisatorischer, nicht technischer Natur: Sobald ein synthetisches Ergebnis als gleichwertig mit der Voice of Customer behandelt wird, übernehmen Entscheidungen die blinden Flecken des Modells als Tatsache. Ein synthetisches Panel kann die Beschwerde eines echten Kunden über ein Produkt, das noch nicht in den Trainingsdaten existiert, nicht aufdecken. Es kann die spezifische, lokale Frustration einer regulatorischen Änderung vom letzten Monat nicht registrieren. Es kann nicht auf eine Weise wütend sein, die den Forscher überrascht – und Überraschung ist oft das wertvollste Ergebnis echter Forschung. Das Fehlen einer strengen Offenlegungspflicht macht diese Disziplin zu einer Frage der internen Kultur, nicht der Compliance – und genau deshalb ist sie unter Termindruck so leicht zu untergraben.

Was gute Praxis auszeichnet

• Verwenden Sie synthetische Panels für die Filterung in der Frühphase und für richtungsweisende Hypothesen, niemals für endgültige Go/No-Go-Entscheidungen zu Preis, Produkt oder größeren Journey-Änderungen.
• Stellen Sie Lieferanten die Fragen, die in den ESOMAR-Leitlinien von 2023 aufgeführt sind – wie KI und synthetische Daten die Ergebnisse beeinflussen – bevor Sie eine Studie in Auftrag geben, und erwarten Sie eine klare Antwort.
• Validieren Sie synthetische Ergebnisse anhand einer kleinen Live-Stichprobe, bevor Sie Budget- oder Roadmap-Entscheidungen darauf basieren.
• Behandeln Sie Widersprüche zwischen synthetischen und menschlichen Ergebnissen als die interessanteste Erkenntnis der Studie, nicht als Rauschen, das weggemittelt werden soll.

Synthetische Kundenforschung ist weder eine Modeerscheinung noch eine Abkürzung zur Wahrheit. Sie ist ein neues Instrument mit einem spezifischen, engen Anwendungsbereich: die Beschleunigung des frühen Filters, bevor echte Kunden gebeten werden, ihre Zeit und Ehrlichkeit für etwas zu investieren, das ihre Aufmerksamkeit wert ist. Die jetzt von Gremien wie ESOMAR herausgegebenen Leitlinien klären die Frage der Genauigkeit nicht – sie bestehen lediglich darauf, dass Käufer sie weiterhin stellen.