Warum synthetische Fokusgruppen in der Marktforschung immer populärer werden

Synthetische Fokusgruppen simulieren echte menschliche Interaktionen mithilfe KI-generierter Befragter. Sie sammeln im Grunde Daten über Ihre Kunden, speisen sie in ein synthetisches Marktforschungstool ein und erstellen synthetische Benutzer, die auf Basis dieser Informationen reagieren. Neben textbasierten Chats können Sie diese auch für Umfragen, Interviews und synthetische Benutzertests verwenden.

Aber was ist der Sinn synthetischer Befragter? Man könnte argumentieren, dass man nur Antworten erhält, die man ohnehin hätte erraten können. Was ist so neuartig an diesem Ansatz, wenn man nicht wirklich neue Informationen entdeckt?

Sicher, es ist günstiger als traditionelle Forschungsmethoden, die viel kosten und Zeit in Anspruch nehmen können, wenn man Teilnehmer rekrutiert und einen glaubwürdigen Marktforscher an Bord holt. Außerdem erhalten Sie Simulationen, die nie müde werden, rund um die Uhr verfügbar sind und einen Bruchteil des Geldes kosten. Sie können weiterhin Fragen stellen und Ihre Studie nach Bedarf anpassen, ohne sich um Ermüdung oder widersprüchliche Zeitpläne sorgen zu müssen.

Es gibt viele weitere Vor- und Nachteile synthetischer Fokusgruppen, und in diesem Beitrag werden wir die meisten davon behandeln, zusammen mit ihrer Funktionsweise und einigen realen Anwendungsfällen.

Alles über synthetische Kunden & Marktforschung

Synthetische Marktforschung nutzt KI-Modelle und maschinelle Lernsysteme, um realistische "synthetische Benutzer" auf Basis tatsächlicher Zielgruppendemografien, Psychografien und Verhaltensdaten zu generieren. Diese synthetische personas verhalten sich wie virtuelle Kunden und reagieren auf menschenähnliche Weise, sodass Vermarkter Forschungsstudien durchführen können, ohne sich vollständig auf echte Teilnehmer zu verlassen.

Nun, sind sie genau? Das ist umstritten.

Zum Beispiel ergab eine Studie von Google DeepMind und Stanford, dass GPT-basierte "synthetische Personen" in 85% der Fälle mit den Umfrageantworten echter Teilnehmer übereinstimmten, was beweist, dass KI echte Benutzer sehr genau nachahmen kann, wenn sie mit hochwertigen menschlichen Daten trainiert wird.

Die Forscher führten zunächst zweistündige qualitative Interviews durch, um umfassende Lebensgeschichten von einer vielfältigen Gruppe von 1.000 Personen zu sammeln. Diese Interviews wurden dann in GPT-4o eingespeist, um synthetische personas oder "Agenten" zu erstellen. Als nächstes wurden sowohl die Teilnehmer als auch ihre entsprechenden KI-Agenten gebeten, eine Reihe sozialwissenschaftlicher Tests durchzuführen, wie den General Social Survey (GSS) und das Big Five Personality Inventory.

Die Ergebnisse zeigten, dass die Agenten die GSS-Antworten der Teilnehmer mit 85% Genauigkeit replizierten.

Ein ähnliches Muster zeigte sich in einem realen Anwendungsfall einer Nachrichtenredaktion. In einer Digiday Podcast-Episode erklärte Tracy Yaverbaun, GM von The Times und Sunday Times, wie ihr Team mit der synthetischen Forschungstechnologie experimentiert hat. Um sie zu testen, erstellten sie ein KI-generiertes Publikumspanel mit ihrer Datenbank von 642.000 Abonnenten.

The Times verwendete dann diese synthetischen Befragten, um einen Namen für einen neuen Business-Podcast zu finalisieren. Und genau wie in der DeepMind-Studie verglichen sie die synthetischen Antworten mit echten Benutzern. Die Antworten des synthetisches panel waren zu etwa 92% genau, nur einen Prozentpunkt unter dem traditionellen Forschungsbenchmark von 93%.

Natürlich ergaben nicht alle Antworten Sinn.

Auf die Frage, welche neuen Erfahrungen sie sich von der Times wünschen würden, waren die synthetischen Kunden ganz begeistert von Zusammenfassungen, KI-Erklärungen und mehr Automatisierung. Der tatsächliche, treue Kundenstamm war jedoch weit weniger begeistert davon, KI in das Produkt einzuführen.

Es ist also ein bisschen wackelig, je nachdem, wie man es betrachtet. Derzeit bieten synthetische Befragte einen Raum für Experimente, eine Sandbox für Marken zum Herumspielen, anstatt einen Ersatz für reale Forschung.

Was sind synthetische Fokusgruppen? Vor- und Nachteile & mehr

Wie bereits erwähnt, stellen synthetische Fokusgruppen (SFGs) KI-Personas oder simulierte Benutzer dar, die verschiedene Benutzertypen repräsentieren. Diese Benutzer können miteinander sprechen, auf das reagieren, was andere sagen, und gemeinsam Ideen diskutieren, ähnlich wie Teilnehmer in einer echten Fokusgruppe.

SFGs analysieren nicht nur vorhandene Daten – im Gegensatz zu traditioneller KI-Analytik oder prädiktivem Modelling – sie generieren aktiv neue qualitative Erkenntnisse durch textuelle Konversation. Und der Grund, warum sie heutzutage an Bedeutung gewinnen, ist einfach: traditionelle Fokusgruppen sind für kleine Unternehmen und Startups nicht wirklich machbar.

Bei großen Marken ist es dasselbe. Sie sind teuer, zeitaufwändig und logistisch komplex. Sie müssen Teilnehmer rekrutieren, einen Studienplan entwerfen und entweder die Diskussion selbst moderieren oder einen professionellen Moderator engagieren, was den Prozess noch teurer machen kann.

Außerdem ermöglichen synthetische Fokusgruppen es Ihnen, mehrere Szenarien, Botschaften und Produktkonzepte schnell zu testen. Da es sich um KI-Personas handelt, gibt es keinen Mitläufereffekt, keine einzelne "laute Stimme", die die Konversation dominiert, und weit weniger sozialen Druck, der das Feedback beeinflussen kann. Sie eliminieren auch Moderator-Bias, da der KI-Moderator einer vordefinierten Diskussionsstruktur folgt.

Wie synthetische Fokusgruppen in der Praxis funktionieren

Die meisten synthetischen Forschungstools funktionieren ziemlich ähnlich, wenn es um Fokusgruppen geht. Sie wählen Ihr Panel aus, teilen Ihr Forschungsziel mit und fügen dann einen Diskussionsleitfaden hinzu. Von dort aus führt ein KI-Moderator die Sitzung für Sie durch, stellt Themen vor, stellt Folgefragen und hält die Konversation auf Kurs.

Einer der Vorteile ist, dass Sie mehrere Fokusgruppen gleichzeitig durchführen können, jede auf ein anderes Kundensegment oder persona zugeschnitten. Die Ergebnisse sind nahezu sofort verfügbar, komplett mit Transkripten und leicht verdaulichen Erkenntnissen, einschließlich Hauptthemen, Stimmungen, Übereinstimmungs- oder Meinungsverschiedenheitspunkten und Zitaten.

Das Beste daran ist, dass Sie frei experimentieren können. Keine Idee ist zu riskant oder zu kühn, um sie auszuprobieren.

Marketing-Teams können riskante Kampagnenideen zuerst durch eine synthetische Fokusgruppe laufen lassen, um zu sehen, wie verschiedene Benutzer reagieren, welche Überschriften ankommen und welche Botschaften nicht funktionieren. Gleichzeitig könnte ein UI/UX-Team einen neuen Checkout-Flow prototypisieren und synthetische Benutzer verwenden, um ihn durchzugehen und Bereiche zu finden, in denen Menschen verwirrt sind oder abspringen. In der Zwischenzeit könnten Produktteams drei verschiedene Preismodelle testen – Abonnement, Pay-as-you-go und Freemium – indem sie parallele Fokusgruppen durchführen und sehen, welche Option sich für jedes Segment am ansprechendsten anfühlt.

Da alles schnell und ohne reales Risiko geschieht, können Teams komplexe Ideen ausprobieren und sie verbessern, bevor sie echte Kunden einbeziehen.

Vor- und Nachteile synthetischer Fokusgruppen

Wir befinden uns eindeutig in einer Ära, in der es sich anfühlt, als bräuchte man nicht einmal mehr Menschen, um Marktforschung durchzuführen. Aber ist dies das nächste große Ding in MarTech oder nur ein weiterer KI-Gimmick?

Die Hauptkritik ist, dass KI-Modelle von historischen Daten abhängen, sodass sie im Grunde das remixen, was bereits bekannt ist, anstatt etwas Neues zu produzieren. Aber das ist nicht wirklich ein Dealbreaker, wenn Ihr Ziel darin besteht, Ihre bestehenden Kundensegmente zu verstehen.

Es gibt auch die Tatsache, dass KI nicht fühlt. Sie ist nicht menschlich. Sie wird nicht genervt, müde oder voreingenommen auf die gleiche Weise wie Menschen, was tatsächlich ein Plus sein kann, weil diese Emotionen oft echte Interview-Antworten beeinflussen.

Auf der anderen Seite ist es schwer, dem Feedback, das synthetische Benutzer generieren, vollständig zu vertrauen. Nach einem gewissen Punkt können die Daten verwässert werden und hören möglicherweise auf, eine wahre Darstellung der echten menschlichen Erfahrung zu sein. Erinnern Sie sich an den "KI-Content-Ouroboros", bei dem KI-Modelle mit KI-generierten Inhalten trainiert werden?

Warum sollten Sie also synthetische Fokusgruppen verwenden?

Zunächst einmal haben die meisten Unternehmen einfach keine Kunden, die begeistert davon sind, Umfragen zu beantworten oder an Fokusgruppen teilzunehmen. In diesen Fällen kann der synthetische Ansatz eine praktische Alternative sein.

Sie müssen kein Geld für die Rekrutierung oder Verwaltung menschlicher Teilnehmer ausgeben. KI-Teilnehmer können rund um die Uhr arbeiten, was Ihre Forschung wahnsinnig skalierbar macht. Sie erhalten auch die Flexibilität, synthetische Benutzer aus praktisch jedem demografischen, psychografischen oder Verhaltenssegment zu erstellen. Und es ist schnell.

Da synthetische Kunden auf generalisierten Kundendaten basieren, bringen sie nicht die gleichen Compliance-, Datenschutz- oder Einwilligungsrisiken mit sich wie die Arbeit mit echten Kundendaten.

Wissenswertes: SFGs können verwendet werden, um Wissenslücken zu füllen und die Nachfrage vorherzusagen. Zum Beispiel können sie im Einzelhandel helfen, Produkte und Promotionen zu verfeinern, um neue Marktsegmente zu erfassen. Dies kann wiederum den ROI für jeden investierten Dollar verbessern und profitables Wachstum fördern.

Also, wie erstellen Sie synthetische Kunden?

Menschliches Verhalten ist komplex, aber nicht immer. Mit genauen Kundendaten können Sie viele Dinge vorhersagen. Und synthetische Kunden sind eine Möglichkeit, dies zu tun. Da sie virtuelle Avatare sind, die aus Ihren vorhandenen Benutzerdaten erstellt werden, können sie verwendet werden, um echte Kundenverhalten und -präferenzen zu simulieren.

Der einfachste Weg, einen zu generieren, wäre durch große Sprachmodelle oder LLMs wie ChatGPT. Alles, was es braucht, ist ein Prompt mit einer kurzen oder detaillierten Beschreibung Ihrer Zielgruppe und Ihres Produkts.

Sie können diese „AI-personas" für alle praktischen Zwecke verwenden, um Produktkonzepte, Marketingkampagnen und Geschäftsstrategien zu testen. Seien Sie jedoch auf generische Ausgaben und manchmal stereotypisierte Darstellungen bestimmter demografischer Gruppen vorbereitet.

Ein besserer Weg ist die Verwendung professioneller synthetischer Marktforschungstools, die online verfügbar sind, wie Delve AI's Synthetische Forschungssoftware, die speziell für diesen Zweck entwickelt wurde.

Von Factors AI als „Implementierung der synthetische persona/Digital Twin-Ideen, die HBR und Akademiker erforschen – aber mit Marketing-Outputs verbunden" gelobt, hebt sich Delve AI von generischen generativen AI-Tools dadurch ab, wie diese synthetischen Benutzer erstellt werden. Sie werden aus personas abgeleitet, die auf echten Kundendaten basieren, einschließlich CRM-Aufzeichnungen, Webanalysen, Social Audience Intelligence und über 40 öffentlichen Datenquellen. Dies umfasst auch Stimme des Kunden-Signale aus Bewertungen, Ratings, Community-Foren, Blogs, Nachrichtenkanälen und mehr.

Dadurch sind Ihre synthetischen Befragten darin verankert, wie echte Menschen tatsächlich denken, sprechen und sich verhalten, nicht nur, wie ein AI-Modell vermutet, dass sie es tun könnten.

Die Funktionsweise ist einfach: Sie generieren zuerst Benutzer-personas, erstellen dann synthetische Panels und verwenden diese Panels schließlich, um Forschungsstudien durchzuführen.

Schritt 1. Benutzer-personas generieren

Delve AI's Online-persona-Generator bietet derzeit sechs Typen an, und in diesem Fall verwenden wir das forschungs persona-Tool.

Melden Sie sich an und gehen Sie zu forschungs persona. Laden Sie dann Ihre Marktforschungsdokumente hoch, wie Interviewtranskripte, Benutzerprofile, Umfragen oder Branchennachrichten, im Grunde alles, was für Ihre Zielgruppe relevant ist. Kein Forschungsmaterial? Kein Problem. Fügen Sie einfach eine solide Beschreibung Ihrer Zielgruppe hinzu, klicken Sie auf personas erstellen, und Delve AI wird personas basierend auf den von Ihnen bereitgestellten Daten entwickeln.

Die Plattform verwendet AI und maschinelles Lernen, um einzigartige Zielgruppenprofile zu erstellen. Abhängig von Ihrer Datenbank und Ihrem Anwendungsfall erhalten Sie eine oder mehrere personas. Jedes Segment umfasst persona-Details, Zielgruppenverteilung, Influencer und Journey Maps.

Klicken Sie auf persona-Details, um Benutzerdemografie, Kaufauslöser, psychologische Treiber (wie Ziele, Motivationen, Bedürfnisse), Lebensstil, Karrierestatus und zentrale Herausforderungen zu sehen. Sie finden auch Einblicke in ihre Kommunikationspräferenzen, soziale Netzwerke, Marken, Shopping-Websites, YouTube-Kanäle, Podcasts, Subreddits und mehr.

Jede Ihrer personas wird monatlich mit neuen Daten aktualisiert, und Sie können ihre Genauigkeit kontinuierlich verbessern, indem Sie neue Forschungsmaterialien hinzufügen.

Schritt 2: Simulierte Benutzerpanels erstellen

Der nächste Schritt besteht darin, synthetische Benutzer oder Panels für Ihre Forschungsstudie zu generieren. Gehen Sie dazu zu Synthetische Forschung und kaufen Sie die Anzahl der Benutzer, die Sie benötigen. Erstellen Sie dann ein Panel mit dieser Gruppe und geben Sie ihm einen Namen, wie Marketing Insights Group.

Sie werden dann zu einem Bildschirm weitergeleitet, auf dem Sie auswählen können, welche persona oder welches persona-Produkt Sie zum Erstellen synthetischer Benutzer verwenden möchten. Für dieses Beispiel haben wir ein Segment aus forschungs persona namens Edward Collins ausgewählt.

Nach der Auswahl generiert die Software synthetische Benutzer basierend auf diesem persona-Segment. Sie können sie verwenden, um verschiedene Arten von synthetischen Forschungsstudien durchzuführen. Jeder synthetische Kunde verfügt auch über eine Chat-starten-Option, mit der Sie direkt mit ihnen interagieren können.

Schritt 3: Umfragen und Interviews durchführen

Um eine Umfrage oder ein synthetisches Interview durchzuführen, gehen Sie zu Studien und wählen Sie Studie erstellen im Dashboard. Sie werden aufgefordert:

• Ihr synthetisches Benutzerpanel auswählen
• Ihren Studiennamen eingeben (z.B. Product Market Fit-Umfrage)
• Die Anzahl der Benutzer auswählen (z.B. 100)
• Eine CSV-Datei hochladen, die Ihre Umfragefragen enthält (z.B. Multiple-Choice-, Bewertungsskala-, offene und Ranking-Fragen)

Die Plattform führt Ihre Umfrage über das Panel durch und wandelt die Ergebnisse automatisch in Diagramme und Themen um.

Klicken Sie auf die Schaltfläche Daten, um zu sehen, wie viele Personen auf jede Frage geantwortet haben und wer sie waren. Sie können auch die vollständigen Umfrage-/Interviewtranskripte einsehen und sie nach Frage oder nach Befragtem sortieren.

Möchten Sie über oberflächliche Antworten hinausgehen? Verwenden Sie die Chat-Funktion, um nachzufassen und Benutzer zu fragen, warum sie bestimmte Entscheidungen getroffen haben. Sie können auch andere Marketing- oder Produktfragen erkunden. Im folgenden Beispiel haben wir einen Benutzer gefragt, was seine Entscheidung beeinflusst hat, einen Kauf online abzuschließen.

Da alles strukturiert ist und auf echte Datensätze zurückgeführt wird, kann unsere Plattform kontrolliertere Simulationen durchführen als ein generischer Chatbot-Prompt jemals könnte. Sie erhalten weniger Stereotypen, mehr Konsistenz und Ergebnisse, die viel näher an etwas sind, auf das Sie tatsächlich reagieren können.

Schritt 4: Fokusgruppendiskussionen durchführen

Der Arbeitsablauf für die Durchführung von Fokusgruppendiskussionen ist dem vorherigen Schritt sehr ähnlich. Sie müssen einfach die Fokusgruppenoption auswählen, auf „Neue Fokusgruppe erstellen" klicken und die erforderlichen Details ausfüllen. Geben Sie den Studiennamen ein, wählen Sie die Anzahl der Teilnehmer (max. 15), geben Sie die Sitzungsdauer an und schreiben Sie die Diskussionsziele und -themen auf. Wählen Sie schließlich das Benutzerpanel aus – z.B. Marketing Insights Group – das Sie für die Fokusgruppe verwenden möchten.

Der nächste Schritt besteht darin, Ihren Diskussionsleitfaden hinzuzufügen. Sie können entweder die Diskussionsabschnitte und -beschreibungen manuell eingeben oder einen automatisch von Delve AI generierten verwenden. Wenn Sie Dateien (JPG, PNG, MP3 oder MP4) haben, die Sie in der Diskussion verwenden möchten, können Sie diese auch auf die Plattform hochladen. Wenn alles vorhanden ist, überprüfen Sie alle Details und klicken Sie auf „Studie durchführen".

Wie Sie sehen können, analysiert die Plattform alle simulierten Benutzerantworten, um wichtige Themen und Codes zu identifizieren. Sie können auch das vollständige Transkript der Fokusgruppendiskussion sowie einen zusammengefassten Bericht mit den wichtigsten Erkenntnissen einsehen.

Erste Schritte mit synthetischer Marktforschung

Sie denken vielleicht: Wird synthetische Marktforschung traditionelle, auf Menschen basierende Forschungsstudien überflüssig machen? Im Moment ist das höchst unwahrscheinlich.

Synthetische Nutzer eignen sich hervorragend für Tests in der Anfangsphase und prädiktive Modellierung, aber Emotionen und unbewusste Entscheidungsfindung haben sie noch nicht gemeistert. Da alles textbasiert ist, kann man Tonfall, Körpersprache oder die subtilen Ausdrücke, die normalerweise damit einhergehen, wie Menschen sprechen oder reagieren, nicht wirklich erfassen.

KI-Befragte können auch kulturelle und soziale Kontexte verpassen, wie soziale Trends oder Slang, da sie auf vergangenen Daten trainiert werden. Während synthetische Nutzer also unglaublich nützlich sind, sollten sie am besten als Ergänzung zur menschlichen Forschung gesehen werden, nicht als Ersatz.

Es gibt auch mehrere Dinge, die Sie vor und während der Verwendung synthetischer Nutzer beachten sollten:

• Sparen Sie nicht an Daten. Die Qualität synthetischer Befragter hängt vollständig von den Daten ab, die zu ihrer Erstellung verwendet werden. Sie sind nur so gut wie die Eingaben, die Sie bereitstellen.
• Achten Sie auf Verzerrungen. KI kann Verzerrungen in Ihre Studie einführen. Zum Beispiel neigt sie oft dazu, übermäßig positiv zu sein und sich auf das bestmögliche Ergebnis zu konzentrieren.
• Testen Sie mehrere Tools. Probieren Sie verschiedene Plattformen für synthetische Marktforschung aus, bevor Sie sich für eine entscheiden. Fragen Sie sich: Sind die personas realistisch? Unterstützt das Tool die Anwendungsfälle, die ich testen möchte?
• Fangen Sie klein an. Beginnen Sie mit risikoarmen, einfachen Aufgaben, die keine großen Auswirkungen auf Ihr Geschäft haben. Dies hilft Ihnen, Glaubwürdigkeit und Genauigkeit zu bewerten, ohne zu viel aufs Spiel zu setzen.
• Validieren Sie mit menschlicher Forschung. Testen Sie die Ergebnisse gegen eine traditionelle Testgruppe aus echten menschlichen Teilnehmern, um Genauigkeit und Zuverlässigkeit zu überprüfen.

Abschließende Gedanken

Trotz aller Schwächen wird künstliche Intelligenz in Zukunft nur besser und ausgefeilter werden; schließlich schauen Sie sich nur an, wie weit wir seit 2022 gekommen sind. In vielleicht ein oder zwei Jahren werden synthetische Nutzer von den meisten Vorurteilen befreit sein und die Entscheidungsfindung verbessern.

Sie können bereits das Tempo der Erkenntnisgewinnung beschleunigen. Bei traditioneller Marktforschung hat sich der Markt möglicherweise bereits weiterentwickelt, bis die Ergebnisse vorliegen. Synthetische Nutzer reduzieren die Zeit bis zur Erkenntnis drastisch und ermöglichen es Teams, neue Konzepte, Ideen und Anreize rund um die Uhr zu testen. Sie helfen dabei, Hypothesen ohne lange Wartezeiten in die Tat umzusetzen.

Synthetische Befragte gehen auch über die Analyse vergangener Daten hinaus und können Ihnen sagen, was Kunden in Zukunft wahrscheinlich tun werden. Sie können zeigen, wie verschiedene Kundengruppen im großen Maßstab denken und sich verhalten.

Das heißt, synthetische Fokusgruppen können menschliche Teilnehmer nicht ersetzen. Sie arbeiten nicht mit Empathie oder denken mit Emotionen, zumindest noch nicht. Obwohl sie sich also als nützlich erweisen können, sollten sie verwendet werden, um menschliche Beiträge zu ergänzen, nicht zu ersetzen.