Pourquoi les groupes de discussion synthétiques deviennent populaires dans la recherche marketing

Les groupes de discussion synthétiques simulent de vraies interactions humaines en utilisant des répondants générés par IA. Vous collectez essentiellement des données sur vos clients, vous les intégrez dans un outil de recherche de marché synthétique et créez des utilisateurs synthétiques qui répondent en fonction de ces informations. En plus des discussions textuelles, vous pouvez également les utiliser pour mener des enquêtes, des entretiens et des études de tests utilisateurs synthétiques.

Mais quel est l'intérêt des répondants synthétiques ? On pourrait soutenir que vous obtenez simplement des réponses que vous auriez pu deviner de toute façon. Qu'y a-t-il de si nouveau dans cette approche si vous ne découvrez pas vraiment de nouvelles informations ?

Certes, c'est moins cher que les méthodes de recherche traditionnelles, qui peuvent coûter cher et prendre du temps, avec le recrutement de participants et l'embauche d'un chercheur de marché crédible. De plus, vous obtenez des simulations qui ne se fatiguent jamais, sont disponibles 24h/24 et 7j/7, et coûtent une fraction du prix. Vous pouvez continuer à poser des questions et ajuster votre étude selon vos besoins sans vous soucier de la fatigue ou des horaires conflictuels.

Il existe de nombreux autres avantages et inconvénients aux groupes de discussion synthétiques, et dans cet article, nous en couvrirons la plupart, ainsi que leur fonctionnement et quelques cas d'utilisation réels.

Tout sur les clients synthétiques et la recherche de marché

La recherche de marché synthétique exploite les modèles d'IA et les systèmes d'apprentissage automatique pour générer des « utilisateurs synthétiques » réalistes basés sur les données démographiques, psychographiques et comportementales réelles de l'audience. Ces personas synthétiques se comportent comme des clients virtuels et répondent de manière humaine, permettant aux spécialistes du marketing de mener des études de recherche sans dépendre entièrement de vrais participants.

Maintenant, sont-ils précis ? C'est discutable.

Par exemple, une étude de Google DeepMind et Stanford a révélé que les « personnes synthétiques » basées sur GPT correspondaient aux réponses d'enquête des vrais participants environ 85 % du temps, prouvant que l'IA peut imiter de près les vrais utilisateurs lorsqu'elle est formée sur des données humaines de qualité.

Les chercheurs ont d'abord mené des entretiens qualitatifs de deux heures pour collecter des histoires de vie complètes auprès d'un groupe diversifié de 1 000 personnes. Ces entretiens ont ensuite été intégrés dans GPT-4o pour créer des personas synthétiques, ou « agents ». Ensuite, les participants et leurs agents IA correspondants ont été invités à compléter une série de tests de sciences sociales, comme le General Social Survey (GSS) et le Big Five Personality Inventory.

Les résultats ont montré que les agents ont reproduit les réponses GSS des participants avec une précision de 85 %.

Un schéma similaire est apparu dans un cas d'utilisation réel en salle de rédaction. Dans un épisode du Podcast Digiday, Tracy Yaverbaun, directrice générale de The Times et Sunday Times, a expliqué comment son équipe expérimentait la technologie de recherche synthétique. Pour la tester, ils ont créé un panel d'audience généré par IA avec leur base de données de 642 000 abonnés.

The Times a ensuite utilisé ces répondants synthétiques pour aider à finaliser un nom pour un nouveau podcast d'affaires. Et tout comme dans l'étude DeepMind, ils ont comparé les réponses synthétiques avec celles des vrais utilisateurs. Les réponses du panel synthétique étaient précises à environ 92 %, seulement un point de pourcentage en dessous de la référence de recherche traditionnelle de 93 %.

Bien sûr, toutes les réponses n'avaient pas de sens.

Lorsqu'on leur a demandé quelles nouvelles expériences ils aimeraient de la part du Times, les clients synthétiques étaient tous favorables aux résumés, aux explicateurs IA et à plus d'automatisation. La base de clients réelle et fidèle, cependant, était beaucoup moins enthousiaste à l'idée d'introduire l'IA dans le produit.

Donc c'est un peu incertain, selon la façon dont vous le voyez. Actuellement, les répondants synthétiques offrent un espace d'expérimentation, un bac à sable pour les marques où jouer, plutôt qu'un remplacement de la recherche dans le monde réel.

Que sont les groupes de discussion synthétiques ? Avantages, inconvénients et plus encore

Comme mentionné précédemment, les groupes de discussion synthétiques (GDS) représentent des personas IA ou des utilisateurs simulés qui représentent différents types d'utilisateurs. Ces utilisateurs peuvent se parler entre eux, réagir à ce que disent les autres et discuter d'idées ensemble, un peu comme les participants à un véritable groupe de discussion.

Les GDS ne se contentent pas d'analyser les données existantes – contrairement à l'analyse IA traditionnelle ou à la modélisation prédictive – ils génèrent activement de nouvelles perspectives qualitatives par le biais de conversations textuelles. Et la raison pour laquelle ils gagnent en popularité ces jours-ci est simple : les groupes de discussion traditionnels ne sont pas vraiment réalisables pour les petites entreprises et les startups.

C'est le même cas pour les grandes marques. Ils sont coûteux, chronophages et logistiquement complexes. Vous devez recruter des participants, concevoir un plan d'étude et soit modérer la discussion vous-même, soit embaucher un modérateur professionnel, ce qui peut rendre le processus encore plus coûteux.

De plus, les groupes de discussion synthétiques vous permettent de tester rapidement plusieurs scénarios, messages et concepts de produits. Parce qu'il s'agit de personas IA, il n'y a pas d'effet de mode, pas de « voix forte » unique dominant la conversation, et beaucoup moins de pression sociale pouvant influencer les retours. Ils éliminent également le biais du modérateur, puisque le modérateur IA suit une structure de discussion prédéfinie.

Comment fonctionnent les groupes de discussion synthétiques en pratique

La plupart des outils de recherche synthétique fonctionnent de manière assez similaire en ce qui concerne les groupes de discussion. Vous choisissez votre panel, partagez votre objectif de recherche, puis ajoutez un guide de discussion. À partir de là, un modérateur IA dirige la session pour vous, introduisant des sujets, posant des questions de suivi et maintenant la conversation sur la bonne voie.

L'un des avantages est que vous pouvez mener plusieurs groupes de discussion simultanément, chacun adapté à un segment de clientèle ou à un persona différent. Les résultats sont presque instantanés, accompagnés de transcriptions et de perspectives faciles à digérer, y compris les thèmes majeurs, les sentiments, les points d'accord ou de désaccord et les citations.

Le meilleur, c'est que vous pouvez expérimenter librement. Aucune idée n'est trop risquée ou trop audacieuse pour être essayée.

Les équipes marketing peuvent d'abord tester des idées de campagne risquées dans un groupe de discussion synthétique pour voir comment différents utilisateurs réagissent, quels titres résonnent et quels messages tombent à plat. En même temps, une équipe UI/UX pourrait prototyper un nouveau flux de paiement et utiliser des utilisateurs synthétiques pour le parcourir, trouvant les zones où les gens sont confus ou abandonnent. Pendant ce temps, les équipes produit pourraient tester trois modèles de tarification différents — abonnement, paiement à l'utilisation et freemium — en menant des groupes de discussion parallèles et en voyant quelle option semble la plus attrayante pour chaque segment.

Puisque tout se passe rapidement et sans risque réel, les équipes peuvent essayer des idées complexes et les améliorer avant d'impliquer de vrais clients.

Avantages et inconvénients des groupes de discussion synthétiques

Nous sommes clairement dans une ère où l'on a l'impression de ne même plus avoir besoin de personnes pour mener des études de marché. Mais est-ce la prochaine grande tendance en MarTech ou juste un autre gadget IA ?

La principale critique est que les modèles IA dépendent de données historiques, donc ils remixent essentiellement ce qui est déjà connu au lieu de produire quelque chose de nouveau. Mais ce n'est pas vraiment rédhibitoire si votre objectif est de comprendre vos segments de clientèle existants.

Il y a aussi le fait que l'IA ne ressent rien. Elle n'est pas humaine. Elle ne devient pas agacée, fatiguée ou biaisée de la même manière que les gens, ce qui peut en fait être un avantage car ces émotions influencent souvent les réponses lors d'entretiens réels.

D'un autre côté, il est difficile de faire entièrement confiance aux retours générés par les utilisateurs synthétiques. Après un certain point, les données peuvent être diluées et ne plus être une véritable représentation de l'expérience humaine réelle. Rappelez-vous l'« ouroboros du contenu IA », où les modèles IA sont entraînés sur du contenu généré par l'IA ?

Alors pourquoi devriez-vous utiliser des groupes de discussion synthétiques ?

Pour commencer, la plupart des entreprises n'ont tout simplement pas de clients enthousiastes à l'idée de répondre à des enquêtes ou de rejoindre des groupes de discussion. Dans ces cas, l'approche synthétique peut être une alternative pratique.

Vous n'avez pas à dépenser d'argent pour recruter ou gérer des participants humains. Les participants IA peuvent fonctionner 24 heures sur 24, ce qui rend votre recherche incroyablement évolutive. Vous obtenez également la flexibilité de créer des utilisateurs synthétiques à partir de pratiquement n'importe quel segment démographique, psychographique ou comportemental. Et c'est rapide.

Parce que les clients synthétiques sont basés sur des données client généralisées, ils ne comportent pas les mêmes risques de conformité, de confidentialité ou de consentement que le travail avec de vraies données client.

Fait amusant : Les GDS peuvent être utilisés pour combler les lacunes de connaissances et prévoir la demande. Par exemple, dans le commerce de détail, ils peuvent aider à affiner les produits et les promotions pour capturer de nouveaux segments de marché. Cela peut, à son tour, améliorer le retour sur investissement pour chaque dollar investi et stimuler une croissance rentable.

Alors, Comment Créer des Clients Synthétiques ?

Le comportement humain est complexe, mais pas tout le temps. Avec des données clients précises, vous pouvez prédire beaucoup de choses. Et les clients synthétiques sont un moyen d'y parvenir. Puisqu'ils sont des avatars virtuels construits à partir de vos données utilisateurs existantes, ils peuvent être utilisés pour simuler les comportements et préférences réels des clients.

Le moyen le plus simple d'en générer un serait par le biais de grands modèles de langage ou LLM comme ChatGPT. Il suffit d'une invite contenant une description brève ou détaillée de votre public cible et de votre produit.

Vous pouvez, à toutes fins utiles, utiliser ces "personas IA" pour tester des concepts de produits, des campagnes marketing et des stratégies commerciales. Cependant, préparez-vous à des résultats génériques et, parfois, à des représentations stéréotypées de certains groupes démographiques.

Une meilleure façon est d'utiliser des outils professionnels de recherche de marché synthétique disponibles en ligne, comme le Logiciel de Recherche Synthétique de Delve AI, conçu spécifiquement à cet effet.

Salué par Factors AI comme une "mise en œuvre des idées de persona synthétique/jumeau numérique que HBR et les universitaires explorent—mais avec des résultats marketing attachés," Delve AI se distingue des outils d'IA générative génériques par la façon dont ces utilisateurs synthétiques sont construits. Ils sont dérivés de personas ancrés dans des données clients réelles, y compris des enregistrements CRM, des analyses web, de l'intelligence d'audience sociale et plus de 40 sources de données publiques. Cela inclut également des signaux Voix du Client extraits d'avis, de notes, de forums communautaires, de blogs, de chaînes d'actualités, et plus encore.

En conséquence, vos répondants synthétiques sont ancrés dans la façon dont les vraies personnes pensent, parlent et se comportent réellement, et non pas seulement dans la façon dont un modèle d'IA devine qu'elles pourraient le faire.

Le fonctionnement est simple : vous générez d'abord des personas utilisateurs, puis créez des panels synthétiques, et enfin utilisez ces panels pour mener des études de recherche.

Étape 1. Générer des personas utilisateurs

Le générateur de personas en ligne de Delve AI propose actuellement six types, et dans ce cas, nous utiliserons l'outil persona de recherche.

Connectez-vous et accédez à persona de recherche. Ensuite, téléchargez vos documents d'étude de marché, tels que des transcriptions d'entretiens, des profils d'utilisateurs, des enquêtes ou des actualités du secteur, essentiellement tout ce qui est pertinent pour votre audience. Pas de matériel de recherche ? Pas de problème. Ajoutez simplement une description solide de votre public cible, cliquez sur Créer des Personas, et Delve AI développera des personas basés sur les données que vous avez fournies.

La plateforme utilise l'IA et l'apprentissage automatique pour créer des profils d'audience uniques. Selon votre base de données et votre cas d'utilisation, vous obtiendrez un ou plusieurs personas. Chaque segment comprend des détails de persona, une distribution d'audience, des influenceurs et des cartes de parcours.

Cliquez sur Détails du persona pour voir les données démographiques des utilisateurs, les déclencheurs d'achat, les facteurs psychologiques (comme les objectifs, motivations, besoins), le style de vie, le statut professionnel et les défis principaux. Vous trouverez également des informations sur leurs préférences de communication, réseaux sociaux, marques, sites d'achat, chaînes YouTube, podcasts, subreddits, et plus encore.

Chacun de vos personas est actualisé mensuellement avec de nouvelles données, et vous pouvez continuellement améliorer leur précision en ajoutant de nouveaux matériaux de recherche.

Étape 2 : Créer des panels d'utilisateurs simulés

L'étape suivante consiste à générer des utilisateurs ou panels synthétiques pour votre étude de recherche. Pour commencer, accédez à la Recherche Synthétique et achetez le nombre d'utilisateurs dont vous avez besoin. Ensuite, créez un panel avec ce groupe et donnez-lui un nom, comme Groupe d'Insights Marketing.

Vous serez ensuite dirigé vers un écran où vous pourrez choisir quel persona ou produit persona utiliser pour créer des utilisateurs synthétiques. Pour cet exemple, nous avons choisi un segment de persona de recherche nommé Edward Collins.

Une fois sélectionné, le logiciel génère des utilisateurs synthétiques basés sur ce segment de persona. Vous pouvez les utiliser pour mener différents types d'études de recherche synthétique. Chaque client synthétique dispose également d'une option Démarrer la Discussion, vous permettant d'interagir directement avec eux.

Étape 3 : Mener des enquêtes et des entretiens

Pour mener une enquête ou un entretien synthétique, accédez à Études et sélectionnez Créer une Étude sur le tableau de bord. Vous serez invité à :

• Choisir votre panel d'utilisateurs synthétiques
• Entrer le nom de votre étude (par ex., Enquête d'Adéquation Produit-Marché)
• Sélectionner le nombre d'utilisateurs (par ex., 100)
• Télécharger un fichier CSV contenant vos questions d'enquête (par ex., choix multiples, échelle d'évaluation, questions ouvertes et questions de classement)

La plateforme exécute votre enquête sur le panel et transforme automatiquement les résultats en graphiques et thèmes.

Cliquez sur le bouton Données pour voir combien de personnes ont répondu à chaque question et qui elles étaient. Vous pouvez également consulter les transcriptions complètes de l'enquête/entretien et les trier par question ou par répondant.

Vous voulez aller au-delà des réponses superficielles ? Utilisez la fonction de discussion pour faire un suivi et demander aux utilisateurs pourquoi ils ont fait certains choix. Vous pouvez également explorer d'autres questions marketing ou produit. Par exemple, dans l'échantillon ci-dessous, nous avons demandé à un utilisateur ce qui a influencé sa décision de finaliser un achat en ligne.

Parce que tout est structuré et lié à des ensembles de données réels, notre plateforme peut exécuter des simulations plus contrôlées qu'une invite de chatbot générique ne pourrait jamais le faire. Vous obtiendrez moins de stéréotypes, plus de cohérence et des résultats beaucoup plus proches de quelque chose sur lequel vous pouvez réellement agir.

Étape 4 : Mener des discussions de groupe de discussion

Le flux de travail pour mener des discussions de groupe de discussion est assez similaire à l'étape précédente. Vous devez simplement sélectionner l'option groupe de discussion, cliquer sur "Créer un nouveau groupe de discussion" et remplir les détails requis. Entrez le nom de l'étude, choisissez le nombre de participants (max 15), spécifiez la durée de la session et notez les objectifs et sujets de discussion. Enfin, sélectionnez le panel d'utilisateurs – par ex., Groupe d'Insights Marketing – que vous souhaitez utiliser pour le groupe de discussion.

L'étape suivante consiste à ajouter votre guide de discussion. Vous pouvez soit entrer les sections et descriptions de discussion manuellement, soit utiliser un guide généré automatiquement par Delve AI. Si vous avez des fichiers (JPG, PNG, MP3 ou MP4) que vous souhaitez utiliser dans la discussion, vous pouvez également les télécharger sur la plateforme. Lorsque tout est en place, examinez tous les détails et appuyez sur "Lancer l'étude."

Comme vous pouvez le voir, la plateforme analysera toutes les réponses des utilisateurs simulés pour identifier les thèmes et codes importants. Vous pourrez également consulter la transcription complète de la discussion de groupe de discussion, ainsi qu'un rapport résumé mettant en évidence les principales conclusions.

Débuter avec la recherche de marché synthétique

Vous vous demandez peut-être : la recherche de marché synthétique va-t-elle remplacer les études de recherche traditionnelles basées sur l'humain ? Pour le moment, c'est très peu probable.

Les utilisateurs synthétiques sont excellents pour les tests en phase précoce et la modélisation prédictive, mais les émotions et la prise de décision subconsciente ne sont pas encore quelque chose qu'ils maîtrisent. Parce que tout est basé sur du texte, vous ne pouvez pas vraiment saisir le ton, le langage corporel ou les expressions subtiles qui accompagnent habituellement la façon dont les gens parlent ou réagissent.

Les répondants IA peuvent également manquer le contexte culturel et social, comme les tendances sociales ou l'argot, puisqu'ils sont formés sur des données passées. Ainsi, bien que les utilisateurs synthétiques soient incroyablement utiles, il est préférable de les considérer comme un complément à la recherche humaine, et non comme un remplacement.

Il y a également plusieurs choses à garder à l'esprit avant et pendant votre utilisation des utilisateurs synthétiques :

• Ne faites pas d'économies sur les données. La qualité des répondants synthétiques dépend entièrement des données utilisées pour les construire. Ils ne sont aussi bons que les données que vous fournissez.
• Attention aux biais. L'IA peut introduire des biais dans votre étude. Par exemple, elle a souvent tendance à être trop positive et à se concentrer sur le meilleur résultat possible.
• Testez plusieurs outils. Essayez différentes plateformes de recherche de marché synthétique avant de vous engager avec une seule. Demandez-vous : Les personas sont-elles réalistes ? L'outil prend-il en charge les cas d'utilisation que je souhaite tester ?
• Commencez petit. Commencez par des tâches simples à faible risque qui n'ont pas d'impact majeur sur votre entreprise. Cela vous aide à évaluer la crédibilité et l'exactitude sans trop risquer.
• Validez avec la recherche humaine. Testez les résultats par rapport à un groupe de test traditionnel composé de vrais participants humains pour vérifier l'exactitude et la fiabilité.

Réflexions finales

Malgré toutes ses faiblesses, l'intelligence artificielle ne fera que s'améliorer et devenir plus sophistiquée à l'avenir ; après tout, regardez simplement le chemin parcouru depuis 2022. Dans peut-être un an ou deux, les utilisateurs synthétiques seront libérés de la plupart des biais et amélioreront la prise de décision.

Ils peuvent déjà accélérer le rythme des insights. Avec les études de marché traditionnelles, au moment où les résultats arrivent, le marché a peut-être déjà évolué. Les utilisateurs synthétiques réduisent considérablement le temps nécessaire pour obtenir des insights, permettant aux équipes de tester de nouveaux concepts, idées et incentives 24h/24 et 7j/7. Ils aident à transformer les hypothèses en actions sans longs délais d'attente.

Les répondants synthétiques vont également au-delà de l'analyse des données passées et peuvent vous dire ce que les clients sont susceptibles de faire à l'avenir. Ils peuvent montrer comment différents groupes de clients pensent et se comportent à grande échelle.

Cela dit, les groupes de discussion synthétiques ne peuvent pas remplacer les participants humains. Ils ne fonctionnent pas avec empathie et ne pensent pas avec des émotions, du moins pas encore. Ainsi, bien qu'ils puissent s'avérer utiles, ils devraient être utilisés pour compléter, et non remplacer, les contributions humaines.