Riset pelanggan sintetis menggunakan persona dan digital twin yang dihasilkan LLM untuk menguji awal perjalanan, harga, dan pesan, tetapi berisiko salah mengartikan jawaban yang secara statistik masuk akal sebagai suara pelanggan yang sebenarnya.
Riset pelanggan sintetis menggantikan atau melengkapi panel manusia dengan responden yang dihasilkan AI — persona yang dibangun dari model bahasa besar, dilatih berdasarkan data demografi, perilaku, dan sikap, yang menjawab survei, bereaksi terhadap konsep, atau mensimulasikan perjalanan pelanggan dengan biaya dan waktu yang jauh lebih rendah dibandingkan kerja lapangan.
Tim menggunakannya sejak awal: menguji pesan sebelum peluncuran kampanye, menguji ulang desain perjalanan pelanggan terhadap puluhan segmen sintetis dalam semalam, atau menghasilkan pembacaan awal tentang sensitivitas harga. Daya tariknya adalah kecepatan dan volume — ribuan respons simulasi di mana panel sungguhan hanya akan menghasilkan puluhan.
Pertanyaan yang belum terpecahkan adalah fidelitas. Persona sintetis mereproduksi pola dalam data pelatihannya, bukan gesekan, suasana hati, atau konteks yang dialami pelanggan sebenarnya pada hari tertentu. Digunakan sebagai filter sebelum riset nyata, ini mempercepat proses. Digunakan sebagai pengganti riset nyata, ini mencuci asumsi sebagai bukti.
Why we think it'll come up
Digital twins enter the research stack
Research and CX vendors have moved from AI-assisted analysis of human data to AI-generated respondents themselves — personas that answer concept tests, journey walk-throughs and pricing questions without a real customer in the loop, marketed as a way to run hundreds of iterations before fieldwork begins.
Industry bodies press buyers to ask harder questions
ESOMAR's 2023 guidance, '20 Questions to Help Buyers of AI-Based Services', urges agencies and brands to interrogate suppliers on how AI and synthetic data inform their findings — a prompt, not a mandate, but an early sign that the practice is widespread enough to need scrutiny.
Speed is the pitch, not accuracy
Vendors selling synthetic panels lead with turnaround — same-day results versus weeks of recruitment and fieldwork — rather than claims of superior insight, tacitly acknowledging that synthetic data is a proxy, not a replacement, for lived customer response.
What it changes for customer experience
For customers
Products and messaging shaped partly by simulated versions of people like them, not always tested against their own actual reactions before launch.
For business
Faster, cheaper pre-testing cycles — but a growing risk of shipping decisions built on plausible-sounding synthetic consensus rather than real friction.
For CX & operations
Research teams need a clear protocol for where synthetic panels end and human validation begins, plus disclosure discipline when synthetic findings inform live decisions.
Industries on the front line
Panel yang Tidak Pernah Ada di Ruangan
Riset pelanggan selalu berjalan di antara kecepatan dan kebenaran. Merekrut panel sungguhan berarti Anda menunggu berminggu-minggu untuk pekerjaan lapangan, membayar insentif, dan mengelola ketidakhadiran. Melewatkan panel berarti Anda bergerak cepat, tetapi berdasarkan asumsi. Riset pelanggan sintetis menjanjikan untuk menghilangkan pertukaran itu: menghasilkan persona dari LLM, memberinya parameter demografi dan perilaku, dan memintanya untuk bereaksi terhadap konsep, titik harga, atau perjalanan yang didesain ulang — dalam hitungan menit, dalam skala besar, tanpa merekrut siapa pun.
Mekanismenya mudah. Sebuah model diminta untuk mengadopsi profil, katakanlah, penyewa perkotaan yang sensitif harga berusia 28–34 tahun, kemudian diminta untuk menelusuri alur pembayaran atau menanggapi baris kampanye. Jalankan perintah itu di ratusan kombinasi parameter dan tim akan mendapatkan apa yang tampak seperti studi segmentasi lengkap pada pagi berikutnya. Bagi tim CX yang tertekan untuk menguji lebih banyak, lebih cepat, dengan anggaran riset yang lebih kecil, daya tariknya jelas.
Persona sintetis mereproduksi pola dalam data pelatihannya. Itu tidak mereproduksi hari Selasa pelanggan.
Mengapa Ini Penting Sekarang
Pada tahun 2023, ESOMAR menerbitkan '20 Pertanyaan untuk Membantu Pembeli Layanan Berbasis AI' — panduan yang ditujukan langsung kepada pembeli riset, mendesak mereka untuk bertanya kepada pemasok dengan tepat bagaimana AI dan data sintetis digunakan dalam menghasilkan temuan. Ini bukan aturan dan tidak memerlukan pengungkapan oleh hukum atau kode; ini adalah dorongan untuk uji tuntas. Tetapi keberadaannya menandakan sesuatu yang lebih jelas daripada mandat apa pun: panel sintetis telah beralih dari eksperimen ke praktik arus utama cukup cepat sehingga badan standar industri sendiri merasa pembeli membutuhkan daftar periksa untuk menginterogasi metodologi di balik angka-angka yang mereka jual.
Naluri di balik panduan itu masuk akal, meskipun tidak sampai pada paksaan. Responden sintetis secara statistik masuk akal, tidak didasarkan secara empiris. Mereka menjawab seperti yang disarankan oleh data pelatihan bahwa seseorang seperti mereka akan menjawab — menghaluskan kontradiksi, suasana hati yang buruk, loyalitas irasional, keruntuhan konteks yang membuat pelanggan nyata berantakan dan wawasan nyata berharga. Panel sintetis jarang akan memberi tahu merek sesuatu yang belum, dengan cara yang menyebar, sudah diketahui.
Pandangan Renascence: Sebuah Filter, Bukan Pengganti
Digunakan dengan benar, riset sintetis adalah alat triase. Ini memungkinkan tim membuang tiga opsi pesan terlemah dari sepuluh sebelum menghabiskan anggaran panel sungguhan untuk finalis. Ini memungkinkan desain ulang perjalanan mendapatkan gambaran arah kasar dalam semalam alih-alih menunggu tiga minggu untuk studi yang tepat. Itu adalah nilai yang tulus — itu membuat riset manusia lebih terarah, tidak kurang diperlukan.
Bahayanya bersifat organisasi, bukan teknis: saat temuan sintetis diperlakukan setara dengan suara pelanggan, keputusan mewarisi titik buta model sebagai fakta. Panel sintetis tidak dapat memunculkan keluhan yang dibuat pelanggan nyata tentang produk yang belum ada dalam data pelatihan. Itu tidak dapat mencatat frustrasi spesifik dan lokal dari perubahan peraturan bulan lalu. Itu tidak dapat marah dengan cara yang mengejutkan peneliti — dan kejutan seringkali merupakan hasil paling berharga dari riset nyata. Tidak adanya persyaratan pengungkapan yang ketat membuat disiplin ini menjadi masalah budaya internal, bukan kepatuhan — itulah sebabnya mengapa sangat mudah terkikis di bawah tekanan tenggat waktu.
Praktik Baik Seperti Apa
- Gunakan panel sintetis untuk penyaringan tahap awal dan hipotesis arah, jangan pernah untuk keputusan akhir go/no-go tentang harga, produk, atau perubahan perjalanan besar.
- Ajukan pertanyaan yang ditetapkan dalam panduan ESOMAR 2023 kepada pemasok — bagaimana AI dan data sintetis membentuk temuan — sebelum menugaskan studi apa pun, dan harapkan jawaban yang jujur.
- Validasi temuan sintetis terhadap sampel langsung kecil sebelum mengalokasikan anggaran atau keputusan peta jalan kepada mereka.
- Perlakukan kontradiksi antara hasil sintetis dan manusia sebagai temuan paling menarik dalam studi, bukan kebisingan yang harus dirata-ratakan.
Riset pelanggan sintetis bukanlah mode dan bukan jalan pintas menuju kebenaran. Ini adalah instrumen baru dengan penggunaan spesifik dan sempit: mempercepat filter awal sebelum pelanggan nyata diminta untuk menghabiskan waktu dan kejujuran mereka pada sesuatu yang layak diperhatikan. Panduan yang sekarang muncul dari badan-badan seperti ESOMAR tidak menyelesaikan pertanyaan tentang kesetiaan — itu hanya bersikeras bahwa pembeli terus menanyakannya.
Pantau dengan cermat dan pandu dengan batasan ketat: gunakan panel sintetis hanya untuk penyaringan tahap awal, jangan pernah sebagai pengganti validasi akhir oleh manusia, dan ungkapkan penggunaannya secara internal dan eksternal.
Trends Radar
Other trends
Build for what's next
Turn this trend into a measurable experience advantage.