合成受众是可靠的受众洞察来源吗？用来求快、提出假设、测试情景，它们是可靠的；但它们替代不了真实的人。真正从中获益的代理商，会把每一条合成结论都当作一个有待核实的问题，而不是一个可以直接拿给客户的答案。
采用速度很快。据 Digiday 报道，代理商和品牌正把合成受众从实验室带进日常策划。Aveeno Body 借助 Vurvey 的合成调研，把撰写策略简报的时间从约 30 天缩短到 3 天；Goodway Group 则在媒介策划中引入了 Arima 的“合成人口”，覆盖美国、英国和德国消费者。在法国，营销媒体 Stratégies 报道，执掌调研机构 30 年（其中包括 Harris Interactive 和 Toluna）的 Patrick van Bloeme 创办了 Limpid：这个平台用合成人设做定性研究，没有任何真人受访者，几个小时就能出结果。耐人寻味的是，Limpid “ne revendique pas de représentativité statistique”，也就是说，它并不宣称具有统计代表性。
什么是合成受众？代理商为什么现在纷纷采用？
合成受众是由 AI 生成的一组人设，或一个模拟人群，用来预测真实人群可能怎么想、怎么反应。不同供应商用的原材料各不相同。Digiday 介绍，Arima 的数据来自人口普查、美国劳工统计局的数据、Nielsen 调查数据以及定制调研；Vurvey 则把公开数据和对真实消费者的定性视频访谈结合起来。
应用场景很广：模拟增量测试、策略简报、产品开发、虚拟焦点小组。大集团也已入场。据 Digiday 报道，Havas 参与了 Vurvey 一轮 850 万美元的融资；Dentsu 与 Evidenza 合作、把合成数据引入媒介策划，已经超过一年。
原因就是时间。实地调研要几周，合成样本组午饭前就能给出答案。对一家周五就要比稿的代理商来说，这很难抗拒。
那么，合成受众到底可不可靠？
这取决于你问它什么问题，就连做这些产品的人也坦承它的局限。Vurvey 的 Chad Reynolds 告诉 Digiday：“大语言模型给你的是钟形曲线的顶端，也就是最常见的答案。”这正是他的公司要加入真实消费者输入的原因。TransUnion 的 Julie Clark 警告不要用薄弱的数据构建人设：“你必须从正确的基础开始。”Code & Theory 的 Stef Hoffman 说得最直白：“它为判断提供信息，但不能取代判断。”
钟形曲线这一点最该让代理商警惕。客户不会为最常见的答案付钱。他们花钱买的是不显眼的张力、会演变成趋势的少数派行为、整个品类都忽略了的东西。一个天然向平均值靠拢的工具，用来排除想法很好用，用来寻找想法却很冒险。
还要留意是谁在讲这些故事。大多数成功案例来自供应商和他们的客户。这不是无视它们的理由，而是需要核实的理由。
为什么总是这样：数据幻觉效应
合成调研之所以有说服力，原因跟准确性关系不大。不妨称之为“数据幻觉效应”：一个答案看起来越像数据，我们就越相信它，而不管这些数据是怎么来的。它和心理学家所说的“有效性错觉”是近亲，指的是我们习惯于对几乎没有预测力的判断充满信心。
合成输出总是表述流畅、带着数字、标签整齐。想象一个模拟的“有环保意识的 Z 世代购物者”样本组，报告说其中大多数人愿意为可补充装包装多付钱。读起来像一个发现，实际上只是模型对这类人可能会怎么说的估计。把它放上幻灯片、配上一个百分比，到周二它就成了“事实”。
这背后的洞察，值得每个策划人贴在工位上方：数据能揭示规律，却无法定义人性。规律有用，但规律不是人。
不同的受众数据来源，各自该用在什么地方？
没有哪一个来源单独就可靠。可靠性来自把弱点互不重叠的来源组合起来。
| 来源 | 最适合 | 不擅长 | 如何核验 |
|---|---|---|---|
| 合成受众 | 快速提出假设、情景和概念反应测试、简报初稿 | 意外发现、少数派观点、统计结论 | 追溯到可观察的行为；做小规模真实测试 |
| 问卷和样本组 | 大规模了解人们自述的态度 | 人们实际做了什么；速度 | 与行为数据对照 |
| 已发布内容和社交讨论 | 人们在没被提问时、用自己的话说了什么；竞品动态 | 很少发帖的人 | 阅读每条结论背后的帖子 |
| 第一方数据和投放数据 | 你的客户实际做了什么 | 还不是客户的人 | 增量测试 |
| 定性访谈 | 动机、深度、背后的“为什么” | 规模和速度 | 与上述来源交叉验证 |
代理商怎样让合成受众保持诚实？
- 问清楚它建立在什么之上。用了哪些来源、数据有多新、多久更新一次。答不上来的供应商，等于是让你拿客户的钱去信任一个黑箱。
- 用合成受众生成假设，而不是结论。让样本组把十个方向缩减到三个，但别让它来选出赢家。
- 让每个假设都落在可观察的行为上。核实真实的人是否确实在说、在分享、在做样本组预测的事。如果找不到证据，就把这条发现视为未经证实。
- 在真实市场中验证关键决策。据 Digiday 报道，Arima 的工具将让 Goodway 能够先在模拟环境中做增量测试，再用小规模的媒介投放来核验结果。这个思路是对的。
- 给提案里的每条洞察贴标签。标明它是合成的、观察到的，还是测量出来的。客户有权知道哪条是哪种，你自己的策略团队也一样。
- 指定一位职业怀疑者。Digiday 提到，团队“必须对自己的发现保持一种职业性的不信任”。让某个人专门负责追问：如果这是错的，我们怎么才能知道？
真实的已发布内容该放在什么位置？
已发布内容是锚点。受众和竞品实际发布的内容是自发的、具体的、带日期的，因此可以核查。它也有自己的盲区：它会过度代表那些爱发帖的人，所以最好与表格里的其他来源搭配使用。
这正是 Defy Monitor 背后的原则：每一条 AI 结论都能追溯到背后真实发布的帖子，策略是从受众和竞品实际发布的内容中反向推导出来的，而不是来自问卷。人设由真实对话聚类而成，让合成结论有了可以对照核验的坚实依据。你可以看看它在 Defy 平台中处于什么位置。
合成受众会长期存在，也会让代理商变得更快。而能守住信誉的，将是那些能为每一个论断指出背后真实人群的代理商。
