Czy syntetyczni odbiorcy są wiarygodnym źródłem wiedzy o grupie docelowej? Są wiarygodni, gdy liczy się szybkość, stawianie hipotez i testowanie scenariuszy. Nie zastąpią prawdziwych ludzi. Agencje, które czerpią z nich realną wartość, traktują każde syntetyczne ustalenie jako pytanie do sprawdzenia, a nie odpowiedź do zaprezentowania.
Adopcja postępuje szybko. Digiday podaje, że agencje i marki wyprowadzają syntetycznych odbiorców z laboratorium do codziennego planowania. Marka Aveeno Body skróciła pisanie briefów strategicznych z około 30 dni do trzech dzięki syntetycznym badaniom Vurvey, a Goodway Group włączyła do planowania mediów „syntetyczną populację” konsumentów z USA, Wielkiej Brytanii i Niemiec opracowaną przez firmę Arima. We Francji Stratégies informuje, że Patrick van Bloeme, po 30 latach kierowania firmami badawczymi, m.in. Harris Interactive i Toluna, uruchomił Limpid – platformę, która w kilka godzin prowadzi badania jakościowe na syntetycznych personach, bez udziału ludzkich respondentów. Znamienne, że Limpid „ne revendique pas de représentativité statistique”, czyli nie twierdzi, że jest reprezentatywny statystycznie.
Czym są syntetyczni odbiorcy i dlaczego agencje sięgają po nich właśnie teraz?
Syntetyczna grupa odbiorców to wygenerowany przez AI zestaw person lub symulowana populacja, która ma przewidywać, jak mogą myśleć lub reagować prawdziwe grupy ludzi. Dostawcy budują je z różnych surowców. Digiday opisuje, że Arima korzysta z danych spisowych, statystyk amerykańskiego Bureau of Labor Statistics, danych ankietowych Nielsen i ankiet szytych na miarę, natomiast Vurvey łączy dane publiczne z jakościowymi ankietami wideo z udziałem prawdziwych konsumentów.
Zastosowania są szerokie: symulowane testy inkrementalności, briefy strategiczne, rozwój produktów i wirtualne grupy fokusowe. Wielkie grupy już w to weszły. Według Digiday Havas wsparł Vurvey w rundzie finansowania o wartości 8,5 mln USD, a Dentsu od ponad roku współpracuje z Evidenza, by wprowadzić dane syntetyczne do planowania mediów.
Powód to czas. Badania terenowe trwają tygodniami. Syntetyczny panel odpowiada przed lunchem. Dla agencji, która ma pitch w piątek, trudno się temu oprzeć.
Czy zatem syntetyczni odbiorcy są wiarygodni?
To zależy od pytania, jakie im zadasz – a nawet ich twórcy otwarcie mówią o ograniczeniach. Chad Reynolds z Vurvey powiedział Digiday, że „LLM-y dają szczyt krzywej dzwonowej, najczęstszą odpowiedź”, dlatego jego firma dodaje dane od prawdziwych konsumentów. Julie Clark z TransUnion przestrzegała przed personami zbudowanymi na słabych danych: „Trzeba zacząć od właściwych fundamentów”. Najprościej ujmuje to Stef Hoffman z Code & Theory: „To wspiera osąd, ale go nie zastępuje”.
Uwaga o krzywej dzwonowej powinna najbardziej niepokoić agencje. Klienci nie płacą za najczęstszą odpowiedź. Płacą za nieoczywiste napięcie, za zachowanie mniejszości, które staje się trendem, za to, co przeoczyła cała kategoria. Narzędzie ciążące ku średniej przydaje się do odrzucania pomysłów. Do znajdowania tego jednego pomysłu jest ryzykowne.
Zwróć też uwagę, kto o tym donosi. Większość historii sukcesu pochodzi od dostawców i ich klientów. To nie powód, by je lekceważyć. To powód, by je sprawdzać.
Dlaczego tak się dzieje: efekt iluzji danych
Badania syntetyczne przekonują z powodu, który ma niewiele wspólnego z trafnością. Nazwijmy to efektem iluzji danych: im bardziej odpowiedź wygląda jak dane, tym bardziej jej ufamy, niezależnie od tego, jak te dane powstały. To bliski krewny zjawiska, które psychologowie nazywają iluzją trafności – naszej skłonności do pewności co do sądów, które mają niewielką moc predykcyjną.
Wyniki syntetyczne są płynne, skwantyfikowane i starannie opisane. Wyobraź sobie symulowany panel „świadomych ekologicznie kupujących z pokolenia Z”, z którego wynika, że większość z nich zapłaciłaby więcej za opakowania wielokrotnego napełniania. Brzmi jak ustalenie. W rzeczywistości to szacunek modelu dotyczący tego, co tacy ludzie mogliby powiedzieć. Umieść to na slajdzie z procentem, a do wtorku stanie się faktem.
Insight, który się za tym kryje, każdy planner powinien przypiąć nad biurkiem: dane ujawniają wzorce, ale nie potrafią zdefiniować człowieczeństwa. Wzorce są przydatne. Ale to nie ludzie.
Jakiego źródła danych o odbiorcach używać i do czego?
Żadne pojedyncze źródło nie jest wiarygodne samo w sobie. Wiarygodność bierze się z łączenia źródeł, których słabości się nie pokrywają.
| Źródło | Najlepsze do | Słabe strony | Jak to sprawdzić |
|---|---|---|---|
| Syntetyczni odbiorcy | Szybkie hipotezy, reakcje na scenariusze i koncepcje, wstępne wersje briefów | Zaskoczenia, poglądy mniejszości, twierdzenia statystyczne | Powiąż z obserwowanymi zachowaniami; przeprowadź mały test na żywo |
| Ankiety i panele | Deklarowane postawy na dużą skalę | Faktyczne zachowania ludzi; szybkość | Porównaj z danymi behawioralnymi |
| Opublikowane treści i rozmowy w social media | To, co ludzie mówią spontanicznie, własnymi słowami; aktywność konkurencji | Osoby, które rzadko publikują | Przeczytaj posty stojące za każdym wnioskiem |
| Dane własne (first-party) i dane z kampanii | To, co Twoi klienci faktycznie zrobili | Osoby, które jeszcze nie są klientami | Testy inkrementalności |
| Wywiady jakościowe | Motywacje, głębia, „dlaczego” | Skala i szybkość | Trianguluj z powyższymi źródłami |
Jak agencje dbają o rzetelność syntetycznych odbiorców?
- Zapytaj, na czym są zbudowani. Jakie źródła, jak aktualne, jak często odświeżane. Dostawca, który nie potrafi odpowiedzieć, prosi, by zaufać czarnej skrzynce i powierzyć jej pieniądze Twojego klienta.
- Używaj danych syntetycznych do stawiania hipotez, a nie wniosków. Niech panel zawęzi dziesięć obszarów do trzech. Nie pozwól mu wybrać zwycięzcy.
- Osadzaj każdą hipotezę w obserwowanych zachowaniach. Sprawdź, czy prawdziwi ludzie rzeczywiście mówią, udostępniają lub robią to, co przewiduje panel. Jeśli nie znajdziesz dowodów, traktuj ustalenie jako niepotwierdzone.
- Decyzje, które mają znaczenie, weryfikuj na rynku. Jak podaje Digiday, Goodway użyje narzędzia firmy Arima do prowadzenia testów inkrementalności w symulowanym środowisku, a następnie sprawdzi wyniki w małych aktywacjach mediowych. To właściwy instynkt.
- Oznaczaj każdy insight w prezentacji. Określ, czy jest syntetyczny, obserwowany czy zmierzony. Klienci mają prawo wiedzieć, który jest który – podobnie jak Twój zespół strategiczny.
- Wyznacz zawodowego sceptyka. Digiday zauważa, że zespoły „musiały zachować profesjonalną nieufność wobec swoich ustaleń”. Niech czyimś zadaniem będzie pytanie: skąd byśmy wiedzieli, że to nieprawda?
Jakie miejsce zajmują prawdziwe opublikowane treści?
Opublikowane treści są punktem zakotwiczenia. To, co odbiorcy i konkurenci faktycznie publikują, jest spontaniczne, konkretne i opatrzone datą, więc da się to sprawdzić. To źródło ma jednak własny martwy punkt, bo nadreprezentuje osoby, które publikują – dlatego najlepiej sprawdza się w połączeniu z pozostałymi źródłami z tabeli.
Na tej zasadzie działa Defy Monitor: każdy wniosek AI prowadzi do prawdziwych opublikowanych postów, na których się opiera, więc strategia powstaje w drodze inżynierii wstecznej z tego, co odbiorcy i konkurenci faktycznie publikują, a nie z ankiet. Persony są grupowane na podstawie prawdziwych rozmów, co daje syntetycznym ustaleniom solidny punkt odniesienia do weryfikacji. Zobacz, jak to wpisuje się w platformę Defy.
Syntetyczni odbiorcy zostaną z nami na dobre i przyspieszą pracę agencji. Wiarygodność zachowają te agencje, które przy każdym twierdzeniu będą potrafiły pokazać stojących za nim prawdziwych ludzi.
