Entrevistas Sintéticas: ¿Sí o No para la Investigación de Usuarios?

Entrevistas con usuarios sintéticos. Ha habido mucho entusiasmo en plataformas de redes sociales como LinkedIn y Reddit sobre este tema, especialmente sobre sus ventajas y desventajas.

¿Pero es realmente el engaño que se ha hecho parecer para los profesionales de UX y marketing? ¿O hay realmente algo sustancial detrás de la idea? Después de todo, el objetivo principal de la investigación UX es observar y entrevistar a usuarios reales, aprender sobre sus puntos de dolor y detectar factores que hacen únicas sus experiencias.

Las entrevistas tradicionales son costosas, sí, pero en última instancia, permiten descubrir los matices y complejidades detrás de las interacciones y emociones humanas.

Las herramientas de IA generativa como ChatGPT, que funcionan con modelos de lenguaje grande altamente avanzados, solo pueden crear participantes de IA que reflejan el promedio colectivo, careciendo de las personalidades diversas e idiosincrasias que se encuentran en la demografía común.

Sin embargo, para los investigadores que quieren superar el problema de la página en blanco, o para las multinacionales que enfrentan fricción organizacional, la investigación sintética puede ser el catalizador que pone las cosas en movimiento. El costo y tiempo requeridos, en comparación con las alternativas tradicionales, también son bastante mínimos.

Entonces, ¿significa esto que puedes reemplazar personas reales con usuarios generados por IA en tus estudios de investigación de mercado? ¿O confiar en entrevistas sintéticas para tomar decisiones importantes; decisiones que podrían tener un gran impacto en tu negocio? Veamos.

Datos Sintéticos y Usuarios Sintéticos

Antes de adentrarnos en entrevistas sintéticas o personas sintéticas, necesitamos abordar los datos sintéticos. Los datos sintéticos no son algo reciente; han sido ampliamente utilizados para entrenar modelos de lenguaje grandes una vez que los datos de entrenamiento originales se agotan.

Como es evidente por su nombre, los datos sintéticos son datos artificiales generados mediante inteligencia artificial (IA). No se recopilan de fuentes reales, ni representan datos del mundo real, sino que se derivan de patrones encontrados en el mundo real.

Ahora, ¿cuál es el atractivo detrás de esto? Bueno, es económico y relativamente más fácil de generar.

Los datos del mundo real a menudo son propensos a errores y sesgos, pero los datos sintéticos pueden diseñarse de manera que minimicen estos errores. Puedes generar datos que se asemejen a tu conjunto de datos original sin compartir información sensible o personalmente identificable, por lo que no tienes que preocuparte por las leyes de privacidad del usuario.

Además, resulta útil cuando tratas con audiencias nicho o en casos donde los datos disponibles son incompletos o limitados.

Todos saben que se requiere mucho dinero y tiempo para recopilar investigación de mercado original de usuarios y clientes. Esta es una de las razones principales por las que las grandes marcas y pequeñas empresas están utilizando datos sintéticos para obtener información valiosa sobre su público objetivo hoy en día.

Esto nos lleva a los usuarios sintéticos...

Los encuestados sintéticos están en tendencia en la investigación de marketing y diseño. La IA generativa se está utilizando en todas partes, así que no es sorprendente que las personas en estos campos (aunque no todos) la estén aprovechando para crear usuarios sintéticos.

En términos simples, las personas sintéticas son avatares digitales o representaciones virtuales de tus clientes o usuarios. No son como las personas tradicionales desarrolladas por profesionales de marketing o diseño, sino que se construyen con tecnologías de IA y aprendizaje automático.

La forma más fácil de crear uno es a través de LLMs como GPT-4: comienza describiendo tus clientes objetivo, luego especifica sus objetivos, desafíos y necesidades, y finalmente, agrega tu idea de producto o servicio, que servirá como solución a esos problemas. Una vez hecho esto, solicítale que adopte la "persona" de esta audiencia.

Puedes generar cientos o incluso miles de personas generadas por IA que representan ciertos grupos demográficos y pueden responder con precisión a tus encuestas y entrevistas. Como herramientas como ChatGPT están entrenadas en conjuntos de datos diversos que incluyen conversaciones escritas y habladas de múltiples fuentes e industrias, pueden imitar los comportamientos y preferencias de una variedad de usuarios.

Por lo tanto, puede utilizar usuarios sintéticos para simular varios escenarios y realizar pruebas y ensayos antes de lanzar sus productos o servicios al mercado. Pueden procesar grandes volúmenes de datos y proporcionar retroalimentación para apoyar el diseño y las iteraciones de campañas.

Sin embargo, con todos sus usos, las personas sintéticas tienen una limitación fundamental: si estás tratando con un concepto novedoso o intentando entender un nuevo tipo de cliente, como trabajadores de plantaciones en Colombia, es probable que se queden cortas.

Como explica Christopher Roosen, un defensor del Diseño Centrado en el Humano:

"La IA generativa se basa en una captura de internet... almacena la estructura de todos los sesgos de internet, que incluye sesgos alejados de personas ricamente presentadas en todos sus colores, formas e ideas y hacia una presentación muy estereotipada de las personas."

La IA lucha por representar a personas que están subrepresentadas en línea, así que cuando le pides que genere personas para trabajadores en Colombia, puede crear estereotipos genéricos porque los datos con los que fue entrenada contienen representaciones superficiales de personas así. Tus herramientas podrían pasar por alto puntos clave, recurrir a clichés y carecer de la profundidad necesaria para responder preguntas destinadas a grupos nuevos o marginados.

Ahora, ¿Qué Son Las Entrevistas Sintéticas?

Las entrevistas sintéticas son similares a las entrevistas con usuarios; sin embargo, en lugar de hacer preguntas a personas reales, interactúas con participantes sintéticos (también conocidos como usuarios sintéticos), generalmente a través de diálogos basados en texto o formatos basados en encuestas, para recopilar información sobre varios temas.

Ahora, cualquiera que haya realizado investigación, ya sea entrevistas o grupos focales, sabe lo largo y costoso que puede ser. Después de todo, se necesita mucha planificación, coordinación y profesionales capacitados solo para preparar las preguntas correctas. Además, necesitas hablar con muchas personas para identificar los objetivos y puntos problemáticos correctos.

En comparación, las entrevistas sintéticas parecen ofrecer una alternativa más rápida y rentable para mantener conversaciones con tus usuarios o clientes.

Según John Whalen en su lección "Hands on with Synthetic Users: Customer Research's Future," las entrevistas sintéticas son ideales para:

• Generar ideas en etapas tempranas.
• Entrevistar a audiencias específicas sin necesidad de encontrarlas y reclutarlas.
• Hacer preguntas profundas o sensibles en un entorno seguro y sin riesgos.
• Explorar situaciones hipotéticas o estados futuros.

No importa el tipo de preguntas que hagas; los usuarios sintéticos nunca dudan.

Pero los datos generados o la producción que obtienes no siempre son perfectos. Estas respuestas de entrevistas pueden responder el "qué", pero no necesariamente el "por qué".

Te pierdes el contexto sutil que solo un rostro o voz humana puede proporcionar – sin microexpresiones, entonaciones y lenguaje corporal. Las entrevistas sintéticas también luchan por capturar la profundidad de las emociones humanas, ya que las palabras escritas a menudo no incluyen la riqueza contextual que se encuentra en el proceso de investigación tradicional.

Por eso debes evaluar y validar regularmente las entrevistas sintéticas contra las respuestas humanas. ¿Por qué el enfoque híbrido? Porque aunque los datos de la entrevista sean generados por IA, las decisiones que tomes basadas en ellos tendrán un impacto en el mundo real.

Entrevistas Sintéticas antes de ChatGPT

Scott Stevens y Michael Christel discutieron el tema de las entrevistas sintéticas en 1998, en su artículo "Synthetic Interviews: The Art of Creating a "Dyad" Between Humans and Machine-Based Characters." Por supuesto, los investigadores de Carnegie Mellon se centraron en Synthetic Interviews, la tecnología desarrollada por la universidad.

Su documento definió las Entrevistas Sintéticas como:

"Un medio para conversar en profundidad con un individuo o personaje, permitiendo a los usuarios hacer preguntas de manera conversacional... y recibir respuestas relevantes y pertinentes a las preguntas formuladas."

La tecnología debía ser "realista" al transmitir información, de una manera que refleje el pensamiento y los procesos mentales humanos. Los usuarios podían hacer preguntas a personas generadas por computadora (CG) a través de interfaces habladas o escritas para comprender sus preferencias, comportamiento y valores.

Para lograr esto, se grabaron y almacenaron miles de videoclips de actores humanos en una base de datos. Estos actores fueron filmados respondiendo preguntas potenciales, junto con clips no verbales adicionales, como beber café, rascarse la cabeza o sonreír, para hacer que los personajes se sintieran más humanos.

Estas respuestas se presentaron en formato de cabeza parlante, para que los usuarios pudieran sentir que estaban cara a cara con la personalidad. Las personas CG también incluían hábitos únicos de las personalidades representadas, como los de Albert Einstein, para hacerlos más auténticos.

La interfaz permitía a los usuarios hablar normalmente en un micrófono y establecer el flujo de la entrevista. El sistema de reconocimiento de voz analizaría sus preguntas usando sus LLMs existentes y proporcionaría resultados precisos para preguntas relevantes y resultados aceptables para preguntas inesperadas (lee el documento para entender qué significa esto).

En ese entonces, esta tecnología era vista como una forma de ofrecer experiencias interactivas con actores, líderes religiosos y otras figuras públicas.

Esto fue antes de que llegaran las herramientas de IA generativa. Ahora, simplemente puedes pedirle a un modelo que "actúe como" una persona particular, o en nuestro caso, un grupo específico de clientes o usuarios, y generará instantáneamente respuestas realistas, menos las cabezas parlantes, por supuesto.

Generando entrevistas sintéticas con IA

Realizar investigación de usuarios sin personas suena difícil, pero no lo es. Realmente. Todo lo que necesitas es una herramienta de IA generativa, una buena idea de quién es tu público objetivo y el conjunto correcto de prompts y preguntas.

• Herramientas de IA conversacional: ChatGPT, Gemini, o Claude.
• Público objetivo/persona: Un documento Word o PDF que describa perfiles de clientes, como sus datos demográficos (edad, género, ubicación), perfil profesional, impulsores psicológicos, tareas a realizar, comportamiento de compra, obstáculos clave y más.

Además de esto, define tus necesidades de investigación. ¿Cuáles son tus objetivos y casos de uso? ¿Qué quieres aprender de esta sesión de entrevistas? Esto te ayudará a formular tus preguntas de entrevista. Decide cuántos usuarios sintéticos quieres, en qué formato (texto, respuestas de encuesta) y qué tan diversas deben ser sus respuestas.

Con fines de demostración, crearemos siete usuarios sintéticos para nuestro último producto, Research Persona by Delve AI, usando la versión gratuita de ChatGPT.

El primer paso es subir un documento que contenga detalles sobre nuestro grupo de usuarios ideal - esto ayuda a limitar los encuestados a cierta demografía. Luego, agregamos la descripción del producto y especificamos el número de participantes sintéticos que queremos que el sistema genere usando un prompt bien redactado.

Una vez solicitado, ChatGPT generó instantáneamente diversas personas sintéticas. Aquí hay un ejemplo de uno llamado Dan Miller, VP of Marketing en una empresa de ecommerce.

Ejecutamos las siguientes preguntas de entrevista (incluyendo una mezcla de preguntas abiertas y tipo encuesta) a través de cada una de estas personas.

• ¿Puedes explicarme cómo tú o tu equipo crean actualmente personas?
• ¿Qué tipos de datos suelen utilizar? (por ejemplo, transcripciones de entrevistas, resultados de encuestas, análisis web, etc.)
• ¿Cuánto tiempo suele tardar tu equipo en crear o actualizar personas?
• En una escala del 1 al 5, ¿qué tan seguro estás de que tus personas actuales representan con precisión a tus usuarios? (1 = Nada seguro, 5 = Extremadamente seguro)
• ¿Cuáles son los mayores desafíos que enfrentas al crear o mantener personas?
• Si una herramienta pudiera ayudarte a generar personas precisas basadas en datos en solo minutos a partir de tu investigación existente, ¿qué tan valioso sería esto para ti o tu equipo?
• ¿Qué características esperarías o necesitarías de una herramienta como esta?
• ¿Has utilizado alguna vez una herramienta basada en IA o automatizada para la creación de personas? Si es así, ¿cómo fue tu experiencia?
• ¿Estarías dispuesto a probar una nueva herramienta que te ayude a crear personas más rápidamente usando tus datos de investigación?
• En tu opinión, ¿qué haría que este tipo de producto sea 'imprescindible' en lugar de solo 'agradable de tener'?

Le pedimos al chatbot que resumiera las respuestas de la entrevista en un informe limpio y profesional, destacando los problemas o preocupaciones que tienen con el producto, lo que les gusta de él y citas de apoyo.

Como se esperaba, el sistema captó la mayoría de los problemas comunes que los usuarios asociarían con este tipo de creación de personas - resultado genérico, preocupaciones de privacidad, etc. Esto fue seguido por un resumen de lo que les gustó del producto, que, nuevamente, no estuvo mal.

Este proceso de entrevista nos dejó con cosas que nuestros usuarios potenciales pueden valorar, pero nada fuera de lo común. Las respuestas fueron rápidas - todo el ejercicio tomó unos 15 minutos - sin embargo, estos datos solo pueden usarse para crear preguntas mejores y más específicas para tus usuarios reales.

Puedes ver los resultados completos, junto con los prompts y preguntas utilizadas aquí.

Los datos de tus entrevistas son tan buenos como los usuarios sintéticos que el sistema construye. Así que si quieres generar entrevistas sintéticas de esta manera, revisa minuciosamente la calidad de los datos de clientes que has introducido en el modelo. ¿Hay sesgos o vacíos? ¿Estás incluyendo los datos correctos desde el principio? Estás entrenando al sistema para imitar algo, así que asegúrate de que ese "algo" sea realmente lo que deseas.

Para que los LLMs generen datos que reflejen la complejidad y los matices de las respuestas humanas reales, necesitas buenos prompts.

Recuerda: Buenos datos de entrada + prompts bien elaborados = Salida de entrevista de calidad.

Una vez que los datos sintéticos son generados, valídalos antes de usarlos. Realiza comprobaciones manuales y utiliza herramientas de validación para evaluar la calidad, consistencia y precisión. Los interesados son escépticos sobre los datos sintéticos (y con razón), así que sé transparente si estás utilizando datos generados por IA en tus informes de investigación de usuarios.

Problemas potenciales con las entrevistas sintéticas

Michael Mace compara Synthetic Users, una herramienta que utiliza IA generativa para simular entrevistas con clientes, con entrevistas con personas reales en su artículo "¿Puede la IA reemplazar las entrevistas de descubrimiento? Una comparación competitiva."

Si tenemos que discutir las desventajas de los encuestados sintéticos y, a su vez, las entrevistas sintéticas, su publicación proporciona un excelente punto de partida.

Mace realizó un estudio entre Synthetic Users y UserTesting (que te permite hacer preguntas a personas reales de un panel en línea) utilizando una idea novedosa – un servicio de transporte compartido que utiliza autos voladores.

Los resultados de este estudio no fueron favorables para los usuarios sintéticos.

Synthetic Users fue definitivamente rápido. Creas los usuarios, agregas las preguntas, y las respuestas se generan en minutos. En contraste, usar UserTesting requirió un día entero – escribir un plan, configurar filtros, esperar respuestas, luego analizar los resultados. E incluso entonces, encontrar las personas correctas con los rasgos que querías era difícil.

Lo que pasa con Synthetic Users es que, si defines un usuario con un problema específico, no cuestionará si ese problema existe. Simplemente asume que existe. Así, terminas con usuarios hipotéticos que no existen en la realidad.

Lo cual es un problema.

Incluso las transcripciones generadas eran un poco demasiado perfectas, sin muletillas, repeticiones o frases incompletas. Carecían de las señales emocionales que UserTesting ofrecía, ya que no había videos ni expresiones para analizar.

Además, los participantes sintéticos sonaban similares entre sí, con respuestas casi idénticas.

Aparte de la velocidad y una visión general básica de tu audiencia, esta herramienta no hizo nada para ayudarte a aprender más sobre la forma en que tus clientes piensan y reaccionan. Lo cual, desafortunadamente, es el problema con la mayoría de las metodologías de investigación sintéticas.

Se sentían básicos, promedio y desconectados de la vida real. Los usuarios reales, aunque sus respuestas eran menos refinadas, aportaron más variedad y detalle.

Investigación Sintética: Crea Usuarios Simulados, Encuestas y Entrevistas con Delve AI

Hemos analizado las formas manuales de realizar investigación sintética; ahora, veamos las formas impulsadas por IA. El Software de Investigación Sintética de Delve AI es una de las herramientas que te ayuda a crear personas de IA para tus usuarios o clientes, y aprovecharlas para realizar encuestas y entrevistas.

Actualmente, el software de investigación incluye tres funcionalidades:

• Usuarios simulados
• Encuestas
• Entrevistas

Construidas a partir de fuentes de datos propias y públicas, estas personas virtuales son escalables y diversas. Puedes generar cualquier número de usuarios y realizar tantas entrevistas cuantitativas y cualitativas como desees.

Paso 1: Personas

Necesitas crear personas base antes de desarrollar usuarios simulados. Para hacer eso, tienes que suscribirte a uno de nuestros productos de personas.

Actualmente, nuestro generador de personas de IA ofrece seis de ellos:

• Customer Persona (basado en tus datos CRM)
• Website Persona (para visitantes/compradores de tu sitio web)
• Social Persona (para tus audiencias de redes sociales)
• Competitor Persona (para competidores)
• Research Persona (para tus usuarios)
• Audience Persona (basado en la descripción de tu audiencia)
• Employee Persona (para el lugar de trabajo)

En este caso, construiremos personas usando la herramienta Research Persona mencionada anteriormente.

Regístrate o inicia sesión en Delve AI, ve a Research Persona y sube tus documentos. Puedes incluir cualquier cosa relevante, como transcripciones de entrevistas, informes de encuestas, noticias de la industria o perfiles de usuarios anteriores.

Presiona "Crear Personas", y Delve AI desarrollará personas basadas en los datos que has proporcionado. No te preocupes si no tienes material de investigación; solo agrega una breve descripción de tu audiencia objetivo junto con algunos detalles sobre tu producto o negocio (opcional), y nosotros nos encargaremos del resto.

Además de tus aportaciones, nuestra plataforma se basa en el aprendizaje de miles de personas generadas previamente para crear perfiles únicos de clientes. El resultado puede ser una o múltiples personas, dependiendo de tu audiencia y caso de uso. Cada uno de estos segmentos contiene detalles de la persona, distribución y mapas de viaje.

Haz clic en DETALLES DE PERSONA, y verás datos demográficos del usuario, estilo de vida, estado profesional, aspiraciones, factores que influyen en las decisiones de compra, impulsores psicológicos (objetivos, motivaciones, necesidades) y desafíos principales.

Esto es seguido por información sobre sus canales de comunicación preferidos, redes sociales, marcas, sitios web de compras, música, programas de TV, películas, canales de YouTube, podcasts, subreddits, recursos influyentes y más.

La pestaña DISTRIBUCIÓN muestra cómo se distribuye tu audiencia dentro de un segmento particular, desglosado por canal, red social, edad, género, idioma, ubicación, niveles de actividad y temas (tanto resonantes como genéricos).

La última pestaña, CUSTOMER JOURNEYS, contiene mapas de viaje del usuario divididos en fases distintas, explorando las metas, acciones, problemas y procesos de pensamiento de tus usuarios.

Nota: Tus personas se actualizan automáticamente con datos nuevos cada mes, y también puedes complementarlas con datos de investigación adicionales.

Paso 2: Usuarios Simulados

Ahora que hemos construido las personas, pasemos al siguiente paso, es decir, generar usuarios sintéticos. ¿Por qué es esto necesario? Porque no puedes realizar entrevistas sin ellos.

Para comenzar, ve al panel de Investigación Sintética y compra el número de usuarios que necesitas – por ejemplo, 100. Luego, cree un panel con este grupo y asígnele un nombre, como Marketing Insights Group. Esto le ayudará a organizar y gestionar sus audiencias más adelante.

Se le guiará a una pantalla donde puede seleccionar la(s) persona(s) o producto persona que desea utilizar para generar usuarios sintéticos. Aquí, seleccionaremos un segmento de Research Persona llamado Edward Collins.

Como se muestra a continuación, el software ha generado 100 usuarios sintéticos basados en ese segmento específico de persona de usuario. Cada usuario incluye una opción "Iniciar Chat", que puede usar para interactuar con ellos (ver Digital Twin para más información).

Paso 3: Encuestas + Entrevistas

Nuestras personas simuladas están listas; es hora de realizar encuestas y entrevistas de investigación de usuarios.

En la barra lateral, haga clic en Marketing Insights Group, luego seleccione Encuestas del menú desplegable. En el panel, haga clic en el botón "Crear Encuesta". Se le pedirá que ingrese el nombre de su encuesta (por ejemplo, Encuesta de ajuste del mercado del producto), especifique el número de usuarios (por ejemplo, 100), y suba un archivo CSV que contenga sus preguntas de la encuesta.

Su archivo puede incluir varios tipos de preguntas, como opción múltiple, escala de calificación, escala Likert, preguntas abiertas y preguntas de clasificación. Solo tomará un corto tiempo para que se generen sus respuestas.

Junto con los resultados, podrá profundizar en qué encuestados dieron respuestas específicas a cada pregunta e incluso preguntarles las razones detrás de sus elecciones usando la funcionalidad de chat.

También puede pedirles comentarios sobre otros temas relacionados con marketing y productos. En el ejemplo anterior, le hemos preguntado a un usuario qué factores influyeron en su decisión de completar una compra al comprar en línea.

Qué hace diferente a esta herramienta

Una crítica importante a la investigación generada por IA es que carece de la autenticidad, profundidad y matices emocionales que uno típicamente obtiene de las entrevistas reales. Esto, y la preocupación de que los sesgos en los datos de entrenamiento puedan potencialmente sesgar sus hallazgos de investigación.

Como escribe Niloufar Salehi en su artículo sobre usuarios sintéticos:

"El objetivo principal de dedicar tiempo a entrevistar personas y luego... analizar las grandes cantidades de datos recopilados es la capacidad de conectar con ellos, construir confianza, profundizar, pedirles que compartan historias y aprender sobre sus sentimientos y emociones. Los motores de síntesis de patrones no tienen ninguno de esos."

Sin embargo, para personas o equipos que recién comienzan, especialmente aquellos sin el tiempo o presupuesto para investigación extensa de usuarios, las entrevistas sintéticas pueden ser una alternativa atractiva y accesible.

El Software de Investigación Sintética de Delve AI no recluta personas. Ni las entrevista.

Pero utiliza la información que has recopilado sobre tus usuarios para crear audiencias similares. Estos usuarios virtuales, construidos a partir de personas generadas usando tus datos de primera mano (CRM, análisis web), segunda mano (datos de audiencia social, inteligencia de competidores), y datos de Voz del Cliente, no son algo genérico que ChatGPT creó.

Están personalizados para el caso de uso de tu negocio y probablemente te darían una mejor comprensión de tus usuarios y sus necesidades principales.

Veamos el Lado Positivo

Las entrevistas sintéticas pueden ser problemáticas, pero solo si los usuarios simulados con los que las realizas son genéricos, inexactos o sesgados. La calidad de las personas sintéticas está directamente relacionada con la calidad de las respuestas que obtienes; cuanto mejor sea la calidad, mejores serán las respuestas.

Entonces, la responsabilidad recae en ti para seleccionar, o si te sientes capaz, construir un software de investigación sintética confiable (lo cual requerirá muchos recursos).

Una vez que encuentres uno, puedes aprovecharlo para identificar los problemas obvios antes de realizar entrevistas reales. Los usuarios sintéticos también son buenos para generar nuevas ideas. Perspectivas frescas u opiniones que ya existían, pero que no conocías.

No hace falta decir que en la etapa en la que están ahora, las entrevistas sintéticas solo deberían complementar tus estudios de investigación. Los usuarios simulados nunca deberían tener prioridad sobre los usuarios reales. Puedes usarlos para probar múltiples escenarios, pero siempre valida esos resultados con tus hallazgos de investigación reales.

Al final del día, no importa el tipo de usuarios que elijas; lo que importa son las preguntas que haces, o no haces.