合成 persona 是用户研究的新常态吗？

人工智能已经改变了营销的每个方面 - 从内容创作到图像生成再到消费者研究。我们现在已经达到了人工智能模型使用人工智能生成的数据来训练自己的程度。为什么？因为他们已经用完了人类数据；机器不是在向人类学习，而是在向其他机器学习。当然，人工智能助手还不完美，但它们每天都在变得更好。

因此，大型语言模型可以在调查、访谈和研究研究中取代现实世界中的人并不令人惊讶。市场研究人员已经在使用像ChatGPT这样的生成式人工智能工具来创建合成的 persona，这些persona可以模仿、描述并（有时）成功预测人类行为。目标很简单：降低营销成本，同时改善用户体验。

合成的 persona摒弃了传统的消费者研究，而营销人员认为这对于了解客户和销售产品至关重要。然而，这些方法既昂贵又耗时。更重要的是，它们需要大量预算和人力资源 - 愿意参与调查并回答您问题的人。随着营销成本的上升和人们对分享数据类型变得敏感，市场研究人员常常发现很难收集到高质量的客户信息。

正是这个瓶颈 - 收集、处理和分析消费者人口统计和行为数据 - 合成的 persona试图解决。虽然它们不能取代涉及人际互动的定性和定量研究，但它们可以通过帮助您大致了解您的产品或营销活动将获得的反应并做出明智的决定来补充您的研究方法。

什么是合成用户画像？

合成用户画像是基于用户人口统计、心理统计和行为数据，使用人工智能和机器学习算法创建的虚拟客户。它准确地代表了特定受众群体，描述了他们的喜好、厌恶、想法、偏好、需求和挑战。虽然合成用户看起来与顾客 persona相似，但它们的不同之处在于你可以直接与它们互动或对话。

它们与公司使用模型生成和复杂操控技术创建的AI人类没有什么不同。这些虚拟形象可以追踪眼球运动、面部表情和瞳孔扩张，以理解人类情绪并提供有用的指导（或在某些情况下，推销他们的产品或服务）。

根据你的研究目标，你可以使用ChatGPT或专门的AI角色生成器（如Delve AI）创建各种合成用户画像。它们相对容易创建，比招募真实用户进行研究更经济。你可以完全控制输入系统的数据，并可以提出后续问题来推进访谈。

注意：ChatGPT需要大量提示才能理解正确的客户群体并采用相关用户画像。

要使合成用户发挥作用，你需要确保有相应的标准。在将数据输入AI系统之前，需要对数据进行验证。在使用之前，还需要对生成的用户画像进行交叉检查，并与真实用例进行比较。

合成客户是如何运作的

合成用户画像是一种方法，你将选定数量的客户数据输入像GPT-3这样的大型语言模型（LLMs），并提示它根据你提供的数据采用实际客户的"画像"。这些数据主要包含年龄、性别和地理位置等人口统计信息，以及个性特征、态度、生活方式和兴趣等心理特征。生成的画像随后用于客户调查，以提供类人的响应。

现在，合成用户画像的准确性与训练数据的质量成正比。质量越高，你的用户画像就越好。如果你的输入数据是通用的和不准确的，输出也会是一样的。

撇开数据问题不谈，你可以使用合成用户来模拟各种客户，并询问他们关于你的产品或服务的需求、痛点和挑战。你可以在定性研究中使用它们来获取用户见解，构建产品设计，并在多个目标受众中测试广告创意。

人工合成用户数据和用户研究

过去，电话是进行调查、访谈和商务对话的重要工具。电话调查成为收集人们见解的绝佳方式。随着技术的进步和互联网的出现，你可以进行在线调查。

快进到21世纪，我们有了由AI和机器学习算法生成的合成消费者数据。你知道大语言模型通过消化大量来自书籍、学术期刊、报纸等的训练数据，以文本格式合成类人回应。它们可以总结文本、回答问题，甚至写诗。大语言模型是持续学习的实体——它们从错误中学习。

这种数据处理和学习能力使它们能够分析消费者数据，构建合成用户，并通过生成回应来协助用户研究。虽然合成数据源自真实事件，但它与你从人类调查受访者那里收集的数据不同。如今它在公司中越来越受欢迎，因为他们可以测试场景和进行访谈，而不必担心数据隐私法律。

成本和时间也起着重要作用。如前所述，定量和定性研究都有较高的相关成本——你需要处理数据、收集受访者、设定时间，并进行访谈以发现消费者行为中的趋势和模式。合成数据可以轻松帮助研究人员开发新的工作流程并模拟多种场景。

由AI驱动的虚拟助手可以代表你进行用户研究访谈——有时可以用多种语言，全天候工作。它们可以分析消费者的回应以提出个性化的后续问题。合成的 persona还可以帮助定量研究人员研究难以接触的人群统计，并使用先进的预测功能填补缺失的数据和调查。可以分析小众受众群体，且不涉及额外成本。

使用Delve AI创建合成用户：以及其他ChatGPT提示

了解客户的一个好方法是倾听他们的声音 – 建立一个大致的客户概况并试图与他们产生共鸣。但这三个过程是如何运作的呢？您通过获取人类反馈来倾听，创建顾客 persona来描述特征，并开发客户旅程图来共情。第四步，互动，是通过聊天角色来实现的。

Delve AI 的 Persona是一款基于角色的营销软件，帮助您为您的网站、竞争对手和社交媒体受众创建persona。它涵盖了前面提到的所有四个方面 – 消费者数据、persona、用户旅程和互动用户聊天机器人。

方法如下：我们的软件收集您的第一方数据（网站分析、搜索控制台和客户关系管理数据）和第二方数据（社交分析和竞争对手情报），然后用40多个公共数据源（例如来自评论、评分、反馈、在线论坛和新闻的客户声音数据）丰富它，为您创建数据驱动的persona。

根据您的业务情况，会生成三到七个persona，其中B2B persona segments用绿色突出显示，B2C persona用蓝色突出显示。

每个persona都为您提供角色详情、分布情况和示例用户旅程，以确定您理想和非理想受众群体的特征、特点和行为。例如，电子商务企业将能够识别跳出者、被动浏览者、购物车放弃者和高价值买家群体，分别用蓝色和红色标记。

角色详情提供该细分群体的年龄、性别、位置、工作简况、目标、动机、痛点、价值观、兴趣、待完成工作和爱好。此外，您还可以了解他们喜欢的社交网络、品牌、电商网站、工具、电视节目、电影、YouTube频道、播客、活动等信息。

分布标签页按年龄、性别、位置、语言、营销渠道、在线活动时间、行为和决策阶段对细分群体进行分组。示例旅程显示访问者总数，以及他们的会话、页面浏览量、转化率和用户所处的决策阶段。最棒的是什么？您的AI生成的persona和用户旅程会随着实时客户数据自动更新。

现在，让我们来了解即将推出的角色聊天功能。它为用户提供了与高价值客户群体在线互动的能力。仪表板类似于WhatsApp或任何其他消息应用程序。对您的新产品或营销文案有疑问？只需访问我们的平台，选择您的目标角色，然后提出问题。您也可以通过Slack直接提问——您只需将您的Slack工作区与Delve AI集成即可。

使用ChatGPT提示创建合成persona

ChatGPT可以处理大量非结构化数据 - 数值数据、职位描述、文献、研究论文、论坛、评论和网站 - 并以逻辑方式呈现。因此，它是创建可用于消费者研究的交互式persona的免费替代方案。

这其实是一个简单的练习：

• 将您的客户数据上传到ChatGPT
• 指导它列出可能的细分群体
• 选择您想要目标定位的受众群体
• 提示ChatGPT采用该群体的persona

然后您可以要求persona参与调查会话。请注意，ChatGPT persona只有在您有广泛的客户档案而不是小众受众时才有用。当然，除非您有足够的定性和定量数据供ChatGPT形成假设。

以下是您的提示可能的展开方式：

提示1： 分析并构建所提供的客户数据，重点关注关键的人口统计、行为和心理特征。总结并突出显示不同客户属性之间的明显趋势或模式。

提示2： 使用这些结构化数据，列出可能的客户细分。为每个细分群体命名并简要描述其定义特征，包括他们的兴趣、购买行为和其他显著的人口统计细节。

提示3： 从这些细分群体中，关注[细分群体名称]。提供更多关于他们主要动机、典型痛点和潜在品牌互动的详细信息。

提示4： 采用[细分群体名称]受众中典型客户的persona。描述他们的日常生活方式、兴趣、关键价值观和具体需求。为进一步互动承担这个persona的角色。

ChatGPT无法理解含义，因此不能用于创建合成用户在研究中与您交流的含义模式。它无法帮助您理解人们达到目标或完成任务的不同方法。如果您仔细想想，AI无法使用产品 - 它只能想象。您可以运行测试来验证您的产品创意，但每个意见可能都只是积极的 - ChatGPT persona旨在取悦面试者。

Emporia Research进行了一项比较研究，对比了三组调查响应：LinkedIn验证的受访者、基于目标LinkedIn档案数据生成的合成用户，以及基于AI生成的代表IT决策者的persona的用户。他们的研究发现，由AI生成的B2B合成用户与真实受访者相比表现出强烈的积极偏差。他们遵循从众心理；洞察质量也不是很好。

合成用户画像实践：使用案例与示例

Marko Sarstedt在他关于硅样品的研究中展示了合成persona在研究和设计中的应用。他使用它们来获取调查问题的反馈并改进包装设计。除了他的应用外，合成persona还可用于其他营销和产品相关的用例。

营销、细分和品牌建设

你可以创建两种类型的合成persona：代表个别客户的和代表客户群体的。每种类型都能让你在不访问私人客户数据的情况下获取用户行为和偏好信息。这对不熟悉目标受众的专业人士来说是一个很好的起点。你可以开发不同的客户细分来测试你的营销活动，并识别哪些效果最好。因此，你可以根据目标受众细分的偏好来定制你的营销资产、内容和文案。

只需上传你的营销计划、图形设计、视频和广告，即可在营销活动开发过程中获得反馈。将你的材料上传到模型后，向合成用户询问以下内容：

• 这个视频广告是否唤起快乐或悲伤（替换成你想要的情感）？
• 你希望在哪里看到这个广告？在广告牌、Facebook、Instagram还是LinkedIn上？
• 你是否喜欢广告文案试图传达的整体信息？
• 你对这个电子邮件营销活动的响应可能性有多大？

此外，添加过往营销活动的表现数据，检查哪些有效，哪些无效 – 这为AI模型提供了更多工作背景。你需要调整提示以获得有效输出，但结果是值得的。谁知道呢，它可能会帮助你创建一个病毒式传播的广告！

产品开发、设计和测试

合成用户让产品团队能够体会用户感受，创造符合消费者需求和期望的新产品、功能和特性。你可以模拟使用场景来识别潜在问题，确保你的产品在不同情况下都能良好运行。

公司可以在公开发布前使用它们来验证产品设计。例如，他们可以在相对无风险的环境中测试用户界面和交互的效果（因为他们不必在真实客户身上测试）。这样做将帮助他们改进整体产品用户体验（UX），大大降低产品正式发布时出现问题的可能性，从而吸引新用户并降低客户流失率。

问题：如果无法进行研究，使用合成 persona 是否可以？也许可以，也许不行。与完全不学习相比，你总是可以学到一些新东西。然而，基于合成数据做出关键的产品或营销决策并不理想。

假设你的新功能在合成客户中很受欢迎。你在市场上推出它，但实际用户并不买账。那会怎样？你浪费了本可以更好地用在其他地方的资源和金钱。因此，对他们的反应要持谨慎态度。

合成用户面临的挑战

无论人工智能变得多么高端，合成用户的局限性远比表面看到的要多。合成的 persona是使用机器学习模型构建的，因此在实际客户数据稀缺或有限的情况下非常有用。但是，在将它们整合到工作流程之前，您需要了解一些事情。

首先，合成的 persona很难捕捉人类行为和动作的全部范围；它们的反应可能过于简单化、笼统或逻辑化。人类并不总是合乎逻辑的 – 我们受各种内部和外部因素（如个人经历、性格、观点和价值观）的影响，这些因素决定了我们的行为方式和对事物的反应。

人工智能和机器学习系统是合成的 persona的基础，但它们尚未能理解这些因素。例如，人工智能受访者总是想要取悦面试官，完全完成任何给定的任务，并肯定地回答问题（这种现象称为阿谀奉承）。它们提供一维的回应，似乎对一切都很在意；提供一长串需求、挑战和兴趣。人们并没有这样的清单 – 他们只关心特定的事物，其他事情甚至不会想到。

在题为"经理和人工智能走进酒吧：ChatGPT是否像我们一样做出有偏见的决定？"的论文中，Chen等人发现ChatGPT经常无法复制表征客户行为的效应，比如沉没成本谬误。人们即使在价格超出物品价值后仍继续竞价，只因为他们想赢得竞标。他们的回应中没有层次性 – 你如何理解什么是重要的，什么不是？

另一个问题是用于创建合成的 persona的数据；如果训练数据存在偏见，回应就会包含并延续刻板印象。数据稀缺也使得代表不足或边缘化用户变得困难。验证也很棘手。很难针对现实世界的情况和结果测试合成用户。它们需要不断监控、更新并用真实用户数据验证。我们谈论的是已匿名化且不会泄露敏感客户信息的数据。

即使你已经将所有这些事项都从清单上划掉，将合成用户整合到现有系统中仍可能很困难。除了技术和数据问题，说服持怀疑态度的利益相关者相信它们的用处可能是你最大的挑战。更糟糕的是，你的公司可能会习惯于使用合成客户来进行用户研究，而不愿意投资于真实的研究。

合成用户角色的未来

合成persona揭示了关于您客户的未知见解。但我们能相信合成数据吗？它可靠吗，它合乎道德吗？没人知道。有人说它们是用户研究的未来，也有人说它们缺乏人类受访者通常具有的细微差别和变化。然而，在市场研究费用高昂的世界里，合成persona是了解客户的一种成本效益好的方式。

您可以了解新的用户群体，了解他们的兴趣和在线行为方式，并开发可以帮助您与真实用户互动的原型persona和用户旅程。像其他发明一样，合成用户persona也有利弊清单，但如果做得好，优点远远大于缺点。