Z世代、子育て世代、定年間近の人々を、人間に一人も聞かずに理解できるでしょうか。結論から言えば、合成ペルソナで探索し、テストし、アイデアを素早くラフに描くことはできますが、結論を出すことはできません。世代リサーチにおいて、合成は加速装置であり、実際の行動の観察に取って代わるものではありません。
もはや理論上の話ではありません。フランスの業界紙Stratégiesによると、Novatris（のちの Harris Interactive、さらに Toluna）の共同創業者である Patrick van Bloeme 氏が、人間の回答者を必要としない定性調査プラットフォーム Limpid を立ち上げました。企業はこれを使い、合成ペルソナを対象とした調査を「ブリーフから成果物まで」数時間で、自律的に実施できます。30年にわたり調査会社を率いてきた人物がこの賭けに出た以上、エージェンシーもじっくり注目しておくべきでしょう。
回答者なしのリサーチは何を約束するのか？
Stratégies によると、Limpid では、行動や利用実態、コンセプト・メッセージ・状況への反応を調べることができます。突然の値上げ、新たな健康危機、あるいは引っ越しや退職といったライフイベントも、シミュレーションできます。
このプラットフォームは自らの限界も明示しており、その点は評価できます。統計的な代表性は主張せず、定量調査も行いません。つまり、市場を測るためではなく、シナリオを素早く試すためのツールです。
エージェンシーにとって、その魅力は明らかです。月曜にピッチのブリーフが届き、金曜には提案が求められる。従来型の定性フィールドワークを行う時間はありません。その隙間を合成が埋めてくれます。
なぜ、流暢な回答はこれほど真実らしく見えるのか？
ここに罠があります。合成ペルソナは、非の打ちどころのない、一貫性のある、ニュアンスに富んだ言葉で答えます。名前があり、年齢があり、習慣があります。そのすべてが知識のように見えるのです。
これを「データの錯覚効果」と呼びましょう。情報が精緻で洗練されて見えるほど、実際の確かさとは無関係に、私たちはそれを信用してしまいます。合成リサーチは、形式が最初から完璧になるよう作られているため、この効果を極限まで引き上げます。
しかし、合成ペルソナは何も経験していません。膨大なテキストから学んだ規則性を再生しているだけです。データはパターンを明らかにしますが、人間とは何かを定義することはできません。「高齢者」についての統計的なパターンは、銀行を乗り換えるかどうか迷っている67歳の女性そのものではありません。
世代リサーチは地雷原なのか？
そうです。理由は単純で、世代というものがすでにステレオタイプだからです。「Z世代」は均質な集団として存在しません。リヨンの学生、フランスの地方で働く見習い、パリの若手エグゼクティブには、生まれた年以外にほとんど共通点がありません。
言語モデルは、世代について語られていること、つまり記事、オピニオン、調査、議論からも、非常に多くを学びます。そのため、若者が実際にどう自分を表現しているかよりも、Z世代をめぐる言説のほうをよく知っている可能性があります。その結果、合成ペルソナはステレオタイプを正すどころか、むしろ説得力のあるものにしてしまいかねません。
新たに退職した人々をターゲットに、健康保険会社のキャンペーンを準備しているエージェンシーを想像してください。合成パネルは、誰もがすでに信じていることを裏づけます。慎重さ、安心への欲求、デジタルへの警戒心。ところが現実の退職したばかりの人々は、旅行やボランティア活動、孫のことを投稿しています。安心感を打ち出したキャンペーンは、響きません。
合成、自己申告、観察：どの目的にどの手法を使うべきか？
| 手法 | 捉えられるもの | 代表性 | 向いている用途 | 落とし穴 |
|---|---|---|---|---|
| 合成ペルソナ | モデルがシミュレートした、もっともらしい反応（数時間で得られる） | 主張されていない | シナリオの探索、メッセージの下書き | 流暢さを真実と取り違える |
| 定量調査 | 人々が語ること（大規模に） | サンプルが適切に設計されていれば可能 | 測定、規模の把握、経時的な追跡 | 言うことと行うことのギャップ |
| 定性インタビュー | 深い動機、個人的なストーリー | なし。ただし本物の深みがある | 「なぜ」を理解する | 一般化するにはサンプルが小さすぎる |
| 観察された公開コンテンツ | 人々が実際に投稿し、共有しているもの | 投稿するオーディエンスに限られる | インサイトを実際の行動に根づかせる | 沈黙しているオーディエンスを見落とす |
どの手法も、すべての行で勝てるわけではありません。正しい問いは「どれを選ぶか」ではなく、「どの順番で組み合わせるか」です。
自分を欺かずに、合成と現実をどう組み合わせるか？
- 観察されたものから始める。ターゲット世代がカテゴリー内で実際に発信している内容（トピック、言葉、葛藤、フォーマット）を分析します。それが土台になります。
- そのコンテンツからペルソナを作る。年齢層から出発するのではなく、投稿をプロフィールや関心事ごとにグルーピングします。
- 探索には合成を使う。シナリオ、コンセプト、フックを合成ペルソナにぶつけて、弱い方向性を素早く絞り込みます。
- すべての結論を現実と照合する。合成リサーチから出てきた主張はすべて、実際の投稿に裏づけを見つけられなければなりません。裏づけがなければ、インサイトとは言えません。
- 測るべきときは測る。意思決定が多額の予算を伴うなら、代表性のあるサンプルや実環境でのテストで検証しましょう。
- 提言の中で手法を明示する。どの部分が合成、観察、自己申告に由来するのかをクライアントに伝えましょう。役員会でその質問が出た日に、感謝されるはずです。
広告主はこう尋ねてくる
合成リサーチが広まるにつれ、あらゆるプレゼンで一つの問いが出てくるでしょう。「このインサイトはどこから来たのですか？」。「AIが生成したペルソナのパネルから」と答えるエージェンシーは、もっと多くを語らなければなりません。各結論の裏にある実際の投稿を示せるエージェンシーには、その問題は生じません。
これが Defy Monitor の考え方です。AIによるすべての結論は、その根拠となる実際の投稿を指し示し、戦略はアンケートではなく、オーディエンスと競合が実際に発信しているものから組み立て直されます。オーディエンスのコンテンツは自動的にペルソナへとクラスタリングされるため、年齢層から出発せずに済みます。つまり、Defyプラットフォームは合成リサーチと対立するものではなく、そこに拠り所を与えるものです。
合成は優れたツールです。ただし、適切な場所で使えばの話です。危険なのは機械ではありません。うまく書かれたポートレートが観察と同じ価値を持つと信じてしまう誘惑です。
