Nghiên cứu khách hàng tổng hợp

Hội Đồng Chưa Từng Có Mặt

Nghiên cứu khách hàng luôn là sự đánh đổi giữa tốc độ và sự thật. Tuyển dụng một hội đồng thực sự, bạn sẽ phải chờ đợi nhiều tuần để thực hiện khảo sát, chi trả cho các ưu đãi và quản lý những người không tham gia. Bỏ qua hội đồng, bạn sẽ tiến hành nhanh chóng, nhưng dựa trên giả định. Nghiên cứu khách hàng tổng hợp hứa hẹn sẽ giải quyết sự đánh đổi đó: tạo một persona từ một LLM, cung cấp cho nó các thông số nhân khẩu học và hành vi, và yêu cầu nó phản ứng với một khái niệm, một mức giá hoặc một hành trình được thiết kế lại — trong vài phút, trên quy mô lớn, mà không cần tuyển dụng bất kỳ ai.

Cơ chế rất đơn giản. Một mô hình được nhắc nhở để áp dụng hồ sơ của, chẳng hạn, một người thuê nhà ở đô thị nhạy cảm về giá, tuổi từ 28–34, sau đó được yêu cầu thực hiện quy trình thanh toán hoặc phản hồi một dòng chiến dịch. Chạy lời nhắc đó trên hàng trăm kết hợp thông số và một nhóm sẽ có được một nghiên cứu phân khúc đầy đủ vào sáng hôm sau. Đối với các nhóm CX chịu áp lực phải thử nghiệm nhiều hơn, nhanh hơn, với ngân sách nghiên cứu eo hẹp hơn, sức hấp dẫn là rõ ràng.

Một persona tổng hợp tái tạo các mẫu trong dữ liệu đào tạo của nó. Nó không tái tạo ngày thứ Ba của khách hàng.

Tại Sao Điều Này Quan Trọng Ngay Bây Giờ

Năm 2023, ESOMAR đã xuất bản '20 Câu Hỏi Giúp Người Mua Dịch Vụ Dựa Trên AI' — hướng dẫn nhắm thẳng vào người mua nghiên cứu, thúc giục họ hỏi các nhà cung cấp chính xác cách AI và dữ liệu tổng hợp được sử dụng trong việc tạo ra các phát hiện. Đây không phải là một quy tắc và nó không yêu cầu tiết lộ theo luật hoặc quy tắc; đó là một lời nhắc nhở về sự thẩm định. Nhưng sự tồn tại của nó báo hiệu một điều rõ ràng hơn bất kỳ quy định nào có thể: các hội đồng tổng hợp đã chuyển từ thử nghiệm sang thực hành chính thống đủ nhanh đến mức cơ quan tiêu chuẩn của ngành cảm thấy người mua cần một danh sách kiểm tra để thẩm vấn phương pháp luận đằng sau những con số mà họ đang được bán.

Bản năng đằng sau hướng dẫn đó là đúng đắn, ngay cả khi nó không bắt buộc. Những người trả lời tổng hợp có khả năng thống kê, không dựa trên thực nghiệm. Họ trả lời theo cách dữ liệu đào tạo gợi ý một người giống họ sẽ trả lời — làm phẳng những mâu thuẫn, những tâm trạng tồi tệ, lòng trung thành phi lý, sự sụp đổ ngữ cảnh khiến khách hàng thực sự trở nên lộn xộn và cái nhìn sâu sắc thực sự trở nên có giá trị. Một hội đồng tổng hợp hiếm khi nói với một thương hiệu điều gì đó mà nó chưa từng, theo một cách nào đó, đã biết.

Quan Điểm Của Renascence: Một Bộ Lọc, Không Phải Một Sự Thay Thế

Được sử dụng đúng cách, nghiên cứu tổng hợp là một công cụ phân loại. Nó cho phép một nhóm loại bỏ ba trong số mười lựa chọn thông điệp yếu nhất trước khi chi tiêu ngân sách hội đồng thực sự cho các ứng cử viên cuối cùng. Nó cho phép một thiết kế lại hành trình có được một hướng đọc sơ bộ qua đêm thay vì chờ đợi ba tuần cho một nghiên cứu thích hợp. Đó là giá trị thực sự — nó làm cho nghiên cứu con người trở nên có mục tiêu hơn, chứ không phải ít cần thiết hơn.

Nguy hiểm là về mặt tổ chức, không phải kỹ thuật: khoảnh khắc một phát hiện tổng hợp được coi là tương đương với tiếng nói của khách hàng, các quyết định sẽ thừa hưởng những điểm mù của mô hình như một sự thật. Một hội đồng tổng hợp không thể đưa ra lời phàn nàn mà một khách hàng thực sự đưa ra về một sản phẩm chưa tồn tại trong dữ liệu đào tạo. Nó không thể ghi nhận sự thất vọng cụ thể, cục bộ của một thay đổi quy định vào tháng trước. Nó không thể tức giận theo cách làm nhà nghiên cứu ngạc nhiên — và sự ngạc nhiên thường là kết quả có giá trị nhất của nghiên cứu thực sự. Việc thiếu yêu cầu tiết lộ cứng rắn làm cho kỷ luật này trở thành vấn đề của văn hóa nội bộ, không phải tuân thủ — đó chính xác là lý do tại sao nó rất dễ bị xói mòn dưới áp lực thời hạn.

Thực Hành Tốt Trông Như Thế Nào

• Sử dụng các hội đồng tổng hợp để lọc giai đoạn đầu và các giả thuyết định hướng, không bao giờ cho các quyết định đi/không đi cuối cùng về giá cả, sản phẩm hoặc thay đổi hành trình lớn.
• Hỏi các nhà cung cấp các câu hỏi mà hướng dẫn năm 2023 của ESOMAR đưa ra — cách AI và dữ liệu tổng hợp định hình các phát hiện — trước khi ủy quyền bất kỳ nghiên cứu nào, và mong đợi một câu trả lời thẳng thắn.
• Xác thực các phát hiện tổng hợp so với một mẫu trực tiếp nhỏ trước khi cam kết ngân sách hoặc các quyết định lộ trình cho chúng.
• Coi những mâu thuẫn giữa kết quả tổng hợp và con người là phát hiện thú vị nhất trong nghiên cứu, không phải là nhiễu để loại bỏ.

Nghiên cứu khách hàng tổng hợp không phải là một mốt nhất thời và không phải là một lối tắt để tìm ra sự thật. Đó là một công cụ mới với một mục đích cụ thể, hẹp: tăng tốc bộ lọc ban đầu trước khi khách hàng thực sự được yêu cầu dành thời gian và sự trung thực của họ cho một điều gì đó đáng được chú ý. Hướng dẫn hiện đang xuất hiện từ các tổ chức như ESOMAR không giải quyết câu hỏi về độ tin cậy — nó chỉ đơn giản là nhấn mạnh rằng người mua phải tiếp tục hỏi.