Mengapa Kelompok Fokus Sintetis Menjadi Populer dalam Riset Pasar

Kelompok fokus sintetis mensimulasikan interaksi manusia nyata menggunakan responden yang dihasilkan AI. Anda pada dasarnya mengumpulkan data tentang pelanggan Anda, memasukkannya ke dalam alat riset pasar sintetis, dan membuat pengguna sintetis yang merespons berdasarkan informasi tersebut. Selain obrolan tekstual, Anda juga dapat menggunakannya untuk menjalankan survei, wawancara, dan studi pengujian pengguna sintetis.

Tapi apa gunanya responden sintetis? Seseorang mungkin berpendapat bahwa Anda hanya mendapatkan jawaban yang sebenarnya bisa Anda tebak. Apa yang begitu baru dari pendekatan ini jika Anda tidak benar-benar menemukan informasi baru?

Tentu, ini lebih murah daripada metode riset tradisional, yang bisa mahal dan memakan waktu, dengan merekrut peserta dan membawa peneliti pasar yang kredibel. Ditambah lagi, Anda mendapatkan simulasi yang tidak pernah lelah, tersedia 24/7, dan biayanya hanya sebagian kecil. Anda dapat terus mengajukan pertanyaan dan menyesuaikan studi Anda sesuai kebutuhan tanpa khawatir tentang kelelahan atau jadwal yang bertentangan.

Ada banyak pro dan kontra lainnya untuk kelompok fokus sintetis, dan dalam posting ini, kami akan membahas sebagian besar dari mereka, bersama dengan cara kerjanya dan beberapa kasus penggunaan di dunia nyata.

Semua Tentang Pelanggan Sintetis & Riset Pasar

Riset pasar sintetis memanfaatkan model AI dan sistem pembelajaran mesin untuk menghasilkan "pengguna sintetis" yang realistis berdasarkan demografi audiens aktual, psikografis, dan input perilaku. persona sintetis ini berperilaku seperti pelanggan virtual dan merespons dengan cara seperti manusia, memungkinkan pemasar menjalankan studi riset tanpa sepenuhnya bergantung pada peserta nyata.

Sekarang, apakah mereka akurat? Itu bisa diperdebatkan.

Misalnya, sebuah studi dari Google DeepMind dan Stanford menemukan bahwa "orang sintetis" berbasis GPT mencocokkan jawaban survei peserta nyata sekitar 85% dari waktu, membuktikan bahwa AI dapat meniru pengguna nyata dengan sangat dekat ketika dilatih pada data manusia berkualitas.

Para peneliti pertama-tama melakukan wawancara kualitatif dua jam untuk mengumpulkan riwayat hidup yang komprehensif dari kelompok beragam 1.000 orang. Wawancara ini kemudian dimasukkan ke dalam GPT-4o untuk membuat persona sintetis, atau "agen." Selanjutnya, baik peserta maupun agen AI yang sesuai diminta untuk menyelesaikan serangkaian tes ilmu sosial, seperti General Social Survey (GSS) dan Big Five Personality Inventory.

Hasilnya menunjukkan bahwa agen mereplikasi respons GSS peserta dengan akurasi 85%.

Pola serupa muncul dalam kasus penggunaan ruang berita di dunia nyata. Dalam sebuah episode Podcast Digiday, Tracy Yaverbaun, GM dari The Times dan Sunday Times, menjelaskan bagaimana timnya telah bereksperimen dengan teknologi riset sintetis. Untuk mengujinya, mereka membangun panel audiens yang dihasilkan AI dengan database 642.000 pelanggan mereka.

The Times kemudian menggunakan responden sintetis tersebut untuk membantu menyelesaikan nama untuk podcast bisnis baru. Dan sama seperti dalam studi DeepMind, mereka membandingkan respons sintetis dengan pengguna nyata. Jawaban panel sintetis sekitar 92% akurat, hanya satu poin persentase di bawah tolok ukur riset tradisional sebesar 93%.

Tentu saja, tidak semua respons masuk akal.

Ketika ditanya pengalaman baru apa yang mereka inginkan dari Times, pelanggan sintetis sangat tertarik pada ringkasan, penjelasan AI, dan lebih banyak otomasi. Namun, basis pelanggan setia yang sebenarnya jauh kurang antusias tentang memperkenalkan AI ke dalam produk.

Jadi ini sedikit tidak menentu, tergantung bagaimana Anda melihatnya. Saat ini, responden sintetis menawarkan ruang untuk eksperimen, sandbox bagi merek untuk bermain-main, daripada pengganti untuk riset dunia nyata.

Apa itu Kelompok Fokus Sintetis? Kelebihan, Kekurangan, & Lainnya

Seperti yang disebutkan sebelumnya, kelompok fokus sintetis (SFG) mewakili persona AI atau pengguna simulasi yang mewakili berbagai jenis pengguna. Pengguna ini dapat berbicara satu sama lain, bereaksi terhadap apa yang dikatakan orang lain, dan mendiskusikan ide bersama, seperti peserta dalam focus group nyata.

SFG tidak hanya menganalisis data yang ada – berbeda dengan analitik AI tradisional atau pemodelan prediktif – mereka secara aktif menghasilkan wawasan kualitatif baru melalui percakapan tekstual. Dan alasan mereka mendapatkan daya tarik akhir-akhir ini sederhana: focus group tradisional tidak benar-benar dapat dilakukan untuk bisnis kecil dan startup.

Kasusnya sama untuk brand besar. Mereka mahal, memakan waktu, dan kompleks secara logistik. Anda harus merekrut peserta, merancang rencana studi, dan baik memoderasi diskusi sendiri atau menyewa moderator profesional, yang dapat membuat prosesnya menjadi lebih mahal lagi.

Selain itu, kelompok fokus sintetis memungkinkan Anda menguji berbagai skenario, pesan, dan konsep produk dengan cepat. Karena mereka adalah persona AI, tidak ada efek ikut-ikutan, tidak ada satu "suara keras" yang mendominasi percakapan, dan tekanan sosial yang jauh lebih sedikit yang dapat memengaruhi umpan balik. Mereka juga menghilangkan bias moderator, karena moderator AI mengikuti struktur diskusi yang telah ditentukan sebelumnya.

Bagaimana kelompok fokus sintetis bekerja dalam praktik

Sebagian besar alat riset sintetis bekerja dengan cara yang cukup mirip dalam hal focus group. Anda memilih panel Anda, membagikan tujuan riset Anda, dan kemudian menambahkan panduan diskusi. Dari sana, moderator AI menjalankan sesi untuk Anda, memperkenalkan topik, mengajukan pertanyaan lanjutan, dan menjaga percakapan tetap pada jalurnya.

Salah satu keuntungannya adalah Anda dapat menjalankan beberapa focus group secara bersamaan, masing-masing disesuaikan dengan segmen customer atau persona yang berbeda. Hasilnya hampir instan, lengkap dengan transkrip dan wawasan yang mudah dicerna, termasuk tema utama, sentimen, poin kesepakatan atau ketidaksepakatan, dan kutipan.

Bagian terbaiknya adalah Anda dapat bereksperimen dengan bebas. Tidak ada ide yang terlalu berisiko atau terlalu berani untuk dicoba.

Tim marketing dapat menjalankan ide kampanye yang berisiko melalui kelompok fokus sintetis terlebih dahulu untuk melihat bagaimana pengguna yang berbeda bereaksi, headline mana yang beresonansi, dan pesan apa yang gagal. Pada saat yang sama, tim UI/UX mungkin membuat prototipe alur checkout baru dan menggunakan pengguna sintetis untuk menjalaninya, menemukan area di mana orang menjadi bingung atau keluar. Sementara itu, tim produk dapat menguji tiga model harga yang berbeda — subscription, pay-as-you-go, dan freemium — dengan menjalankan focus group paralel dan melihat opsi mana yang terasa paling menarik untuk setiap segmen.

Karena semuanya terjadi dengan cepat dan tanpa risiko dunia nyata, tim dapat mencoba ide yang kompleks dan meningkatkannya sebelum melibatkan customer nyata.

Kelebihan dan kekurangan kelompok fokus sintetis

Kita jelas berada di era di mana rasanya Anda bahkan tidak memerlukan orang untuk melakukan riset pasar lagi. Tapi apakah ini hal besar berikutnya di MarTech atau hanya gimmick AI lainnya?

Kritik utamanya adalah bahwa model AI bergantung pada data historis, jadi pada dasarnya mereka meremix apa yang sudah diketahui alih-alih menghasilkan sesuatu yang baru. Tapi itu tidak benar-benar menjadi masalah jika tujuan Anda adalah memahami segmen customer yang ada.

Ada juga fakta bahwa AI tidak merasakan. Ini bukan manusia. Ia tidak merasa kesal, lelah, atau bias dengan cara yang sama seperti orang, yang sebenarnya bisa menjadi nilai tambah karena emosi tersebut sering memengaruhi respons wawancara nyata.

Di sisi lain, sulit untuk sepenuhnya mempercayai umpan balik yang dihasilkan pengguna sintetis. Setelah titik tertentu, data dapat menjadi encer dan mungkin berhenti menjadi representasi sejati dari pengalaman manusia nyata. Ingat "ouroboros konten AI," di mana model AI dilatih pada konten yang dihasilkan AI?

Jadi mengapa Anda harus menggunakan kelompok fokus sintetis?

Pertama, sebagian besar bisnis tidak memiliki customer yang bersemangat menjawab survei atau bergabung dengan focus group. Dalam kasus tersebut, pendekatan sintetis dapat menjadi alternatif praktis.

Anda tidak perlu mengeluarkan uang untuk merekrut atau mengelola peserta manusia. Peserta AI dapat beroperasi sepanjang waktu, yang membuat riset Anda sangat scalable. Anda juga mendapatkan fleksibilitas untuk membuat pengguna sintetis dari hampir semua segmen demografis, psikografis, atau perilaku. Dan itu cepat.

Karena customer sintetis didasarkan pada data customer yang digeneralisasi, mereka tidak datang dengan risiko kepatuhan, privasi, atau persetujuan yang sama seperti bekerja dengan data customer nyata.

Fakta menarik: SFG dapat digunakan untuk mengisi kesenjangan pengetahuan dan memperkirakan permintaan. Misalnya, dalam retail, mereka dapat membantu menyempurnakan produk dan promosi untuk menangkap segmen pasar baru. Ini pada gilirannya dapat meningkatkan ROI untuk setiap dolar yang diinvestasikan dan mendorong pertumbuhan yang menguntungkan.

Jadi, Bagaimana Cara Membuat Pelanggan Sintetis?

Perilaku manusia itu kompleks, tetapi tidak selalu. Dengan data pelanggan yang akurat, Anda dapat memprediksi banyak hal. Dan pelanggan sintetis adalah cara untuk melakukan ini. Karena mereka adalah avatar virtual yang dibangun dari data pengguna Anda yang ada, mereka dapat digunakan untuk mensimulasikan perilaku dan preferensi pelanggan yang sebenarnya.

Cara termudah untuk menghasilkan satu adalah melalui model bahasa besar atau LLM seperti ChatGPT. Yang diperlukan hanyalah prompt yang berisi deskripsi singkat atau rinci tentang audiens target Anda dan produk Anda.

Anda dapat, untuk semua maksud dan tujuan, menggunakan "personas AI" ini untuk menguji konsep produk, kampanye pemasaran, dan strategi bisnis. Namun, bersiaplah untuk output yang generik dan, terkadang, representasi stereotip dari kelompok demografis tertentu.

Cara yang lebih baik adalah menggunakan alat riset pasar sintetis profesional yang tersedia online, seperti Software Riset Sintetis Delve AI, yang dibangun khusus untuk tujuan ini.

Dipuji oleh Factors AI sebagai "implementasi ide persona sintetis/kembaran digital yang sedang dieksplorasi oleh HBR dan akademisi—tetapi dengan output pemasaran yang terlampir," Delve AI membedakan dirinya dari alat AI generatif generik dalam cara pengguna sintetis tersebut dibangun. Mereka berasal dari persona yang berdasarkan data pelanggan nyata, termasuk catatan CRM, analitik web, intelijen audiens sosial, dan 40+ sumber data publik. Ini juga termasuk sinyal suara pelanggan yang diambil dari ulasan, rating, forum komunitas, blog, saluran berita, dan lainnya.

Hasilnya, responden sintetis Anda didasarkan pada bagaimana orang-orang nyata benar-benar berpikir, berbicara, dan berperilaku, bukan hanya bagaimana model AI menebak mereka mungkin melakukannya.

Cara kerjanya sederhana: Anda pertama-tama membuat persona pengguna, kemudian membuat panel sintetis, dan akhirnya menggunakan panel tersebut untuk melakukan studi riset.

Langkah 1. Membuat persona pengguna

Generator persona online Delve AI saat ini menawarkan enam jenis, dan dalam kasus ini, kami akan menggunakan alat persona riset.

Masuk dan buka persona riset. Kemudian, unggah dokumen riset pasar Anda, seperti transkrip wawancara, profil pengguna, survei, atau berita industri, pada dasarnya apa pun yang relevan dengan audiens Anda. Tidak ada materi riset? Tidak masalah. Cukup tambahkan deskripsi yang solid tentang audiens target Anda, klik Create Personas, dan Delve AI akan mengembangkan persona berdasarkan data yang telah Anda berikan.

Platform ini menggunakan AI dan machine learning untuk membuat profil audiens yang unik. Tergantung pada database dan use case Anda, Anda akan mendapatkan satu atau beberapa persona. Setiap segmen mencakup detail persona, distribusi audiens, influencer, dan peta perjalanan.

Klik persona Details untuk melihat demografi pengguna, pemicu pembelian, pendorong psikologis (seperti tujuan, motivasi, kebutuhan), gaya hidup, status karir, dan tantangan utama. Anda juga akan menemukan wawasan tentang preferensi komunikasi mereka, jaringan sosial, merek, situs belanja, channel YouTube, podcast, subreddit, dan lainnya.

Setiap persona Anda diperbarui setiap bulan dengan data baru, dan Anda dapat terus meningkatkan akurasinya dengan menambahkan materi riset baru.

Langkah 2: Membuat panel pengguna yang disimulasikan

Langkah selanjutnya adalah menghasilkan pengguna sintetis atau panel untuk studi riset Anda. Untuk memulai, buka Riset Sintetis dan beli jumlah pengguna yang Anda butuhkan. Kemudian, buat panel dengan grup ini dan beri nama, seperti Marketing Insights Group.

Anda kemudian akan dibawa ke layar di mana Anda dapat memilih persona atau produk persona mana yang akan digunakan untuk membuat pengguna sintetis. Untuk contoh ini, kami telah memilih segmen dari persona riset bernama Edward Collins.

Setelah dipilih, software menghasilkan pengguna sintetis berdasarkan segmen persona ini. Anda dapat menggunakannya untuk melakukan berbagai jenis studi riset sintetis. Setiap pelanggan sintetis juga dilengkapi dengan opsi Start Chat, yang memungkinkan Anda berinteraksi dengan mereka secara langsung.

Langkah 3: Menjalankan survei dan wawancara

Untuk menjalankan survei atau wawancara sintetis, buka Studies dan pilih Create Study di dashboard. Anda akan diminta untuk:

• Pilih panel pengguna sintetis Anda
• Masukkan nama studi Anda (misalnya, Survei Product Market Fit)
• Pilih jumlah pengguna (misalnya, 100)
• Unggah file CSV yang berisi pertanyaan survei Anda (misalnya, pilihan ganda, skala rating, pertanyaan terbuka, dan pertanyaan peringkat)

Platform menjalankan survei Anda di seluruh panel dan secara otomatis mengubah hasilnya menjadi grafik dan tema.

Klik tombol Data untuk melihat berapa banyak orang yang merespons setiap pertanyaan dan siapa mereka. Anda juga dapat memeriksa transkrip survei/wawancara lengkap dan mengurutkannya berdasarkan pertanyaan atau berdasarkan responden.

Ingin melampaui jawaban tingkat permukaan? Gunakan fitur chat untuk menindaklanjuti dan menanyakan kepada pengguna mengapa mereka membuat pilihan tertentu. Anda juga dapat mengeksplorasi pertanyaan pemasaran atau produk lainnya. Misalnya, dalam sampel di bawah ini, kami bertanya kepada pengguna apa yang memengaruhi keputusan mereka untuk menyelesaikan pembelian online.

Karena semuanya terstruktur dan terkait kembali ke dataset nyata, platform kami dapat menjalankan simulasi yang lebih terkontrol daripada prompt chatbot generik. Anda akan mendapatkan lebih sedikit stereotip, lebih banyak konsistensi, dan hasil yang jauh lebih dekat dengan sesuatu yang benar-benar dapat Anda tindaklanjuti.

Langkah 4: Melakukan diskusi kelompok fokus

Alur kerja untuk melakukan diskusi kelompok fokus cukup mirip dengan langkah sebelumnya. Anda cukup memilih opsi kelompok fokus, klik "Create a new focus group," dan isi detail yang diperlukan. Masukkan nama studi, pilih jumlah peserta (maksimal 15), tentukan durasi sesi, dan tuliskan tujuan dan topik diskusi. Terakhir, pilih panel pengguna – misalnya, Marketing Insights Group – yang ingin Anda gunakan untuk kelompok fokus.

Langkah selanjutnya adalah menambahkan panduan diskusi Anda. Anda dapat memasukkan bagian dan deskripsi diskusi secara manual atau menggunakan yang secara otomatis dihasilkan oleh Delve AI. Jika Anda memiliki file apa pun (JPG, PNG, MP3, atau MP4) yang ingin Anda gunakan dalam diskusi, Anda juga dapat mengunggahnya ke platform. Ketika semuanya sudah siap, tinjau semua detail dan tekan "Run study."

Seperti yang Anda lihat, platform akan menganalisis semua respons pengguna yang disimulasikan untuk mengidentifikasi tema dan kode penting. Anda juga akan dapat melihat transkrip lengkap dari diskusi kelompok fokus, bersama dengan laporan ringkasan yang menyoroti temuan utama.

Memulai Dengan Riset Pasar Sintetis

Anda mungkin berpikir: Apakah riset pasar sintetis akan menghilangkan studi penelitian tradisional berbasis manusia? Saat ini, hal itu sangat tidak mungkin.

Pengguna sintetis sangat bagus untuk pengujian tahap awal dan pemodelan prediktif, tetapi emosi dan pengambilan keputusan bawah sadar belum mereka kuasai. Karena semuanya berbasis teks, Anda tidak benar-benar dapat menangkap nada, bahasa tubuh, atau ekspresi halus yang biasanya menyertai cara orang berbicara atau bereaksi.

Responden AI juga dapat melewatkan konteks budaya dan sosial, seperti tren sosial atau slang, karena mereka dilatih pada data masa lalu. Jadi, meskipun pengguna sintetis sangat berguna, mereka paling baik dilihat sebagai pelengkap penelitian manusia, bukan pengganti.

Ada juga beberapa hal yang perlu diingat sebelum dan selama penggunaan pengguna sintetis:

• Jangan mengambil jalan pintas pada data. Kualitas responden sintetis sepenuhnya bergantung pada data yang digunakan untuk membangunnya. Mereka hanya sebaik input yang Anda berikan.
• Waspadai bias. AI dapat memperkenalkan bias ke dalam studi Anda. Misalnya, sering kali memiliki kecenderungan untuk terlalu positif dan fokus pada hasil terbaik yang mungkin.
• Uji beberapa alat. Coba platform riset pasar sintetis yang berbeda sebelum berkomitmen pada satu. Tanyakan pada diri sendiri: Apakah persona realistis? Apakah alat ini mendukung kasus penggunaan yang ingin saya uji?
• Mulai dari yang kecil. Mulailah dengan tugas sederhana berisiko rendah yang tidak memiliki dampak besar pada bisnis Anda. Ini membantu Anda mengevaluasi kredibilitas dan akurasi tanpa mempertaruhkan terlalu banyak.
• Validasi dengan penelitian manusia. Uji hasilnya terhadap kelompok uji tradisional yang terdiri dari peserta manusia nyata untuk memeriksa akurasi dan keandalan.

Pemikiran Akhir

Terlepas dari segala kekurangannya, kecerdasan buatan hanya akan menjadi lebih baik dan lebih canggih di masa depan; bagaimanapun juga, lihatlah seberapa jauh kita telah berkembang sejak 2022. Mungkin dalam satu atau dua tahun, pengguna sintetis akan bebas dari sebagian besar bias dan akan meningkatkan pengambilan keputusan.

Mereka sudah dapat mempercepat laju wawasan. Dengan riset pasar tradisional, pada saat hasil tiba, pasar mungkin sudah bergerak maju. Pengguna sintetis secara dramatis mengurangi waktu untuk mendapatkan wawasan, memungkinkan tim untuk menguji konsep, ide, dan insentif baru 24/7. Mereka membantu mengubah hipotesis menjadi tindakan tanpa waktu tunggu yang lama.

Responden sintetis juga melampaui analisis data masa lalu dan dapat memberi tahu Anda apa yang kemungkinan akan dilakukan pelanggan di masa depan. Mereka dapat menunjukkan bagaimana kelompok pelanggan yang berbeda berpikir dan berperilaku dalam skala besar.

Meskipun demikian, kelompok fokus sintetis tidak dapat menggantikan peserta manusia. Mereka tidak beroperasi dengan empati atau berpikir dengan emosi, setidaknya belum. Jadi, meskipun mereka dapat terbukti berguna, mereka harus digunakan untuk melengkapi, bukan menggantikan, masukan manusia.