SaliencyLab: синтетические пользователи в маркетинговых исследованиях — польза и риски

Автор: Уссама Нахиль, основатель и CEO SaliencyLab (ранее — L’Oreal и NielsenIQ)

AI-генерируемые участники исследований работают быстро и обходятся дёшево, что делает их полезными для первичного изучения темы. Они не являются реальными людьми, поэтому их результаты — это направляющий материал для проверки гипотез, а не окончательные данные.

Коротко: синтетические пользователи — это AI-генерируемые участники исследований, то есть языковые модели, которым задают вопросы так, как их мог бы задать определённый покупательский сегмент. Они хорошо справляются со скоростью, снижением затрат и генерацией гипотез на самых ранних стадиях исследования. Они не справляются с оценкой новых продуктов, с отражением реального разброса мнений и с эмоциональной глубиной. Каждую синтетическую находку следует воспринимать как гипотезу, которую нужно проверить на реальных клиентах, — но не как доказательство.

Синтетические пользователи — это AI-генерируемые участники исследований. На практике это означает языковую модель, которой задают детализированную персону, конкретный стимул — например, рекламный материал или концепт продукта — и структурированный набор вопросов, а затем просят отвечать так, как отвечала бы эта персона. Результат выглядит как стенограмма интервью. Им он не является. Это правдоподобная реконструкция модели того, что мог бы сказать такой человек. При таком понимании синтетические пользователи — полезный инструмент для ранних стадий исследования. Без этого понимания — быстрый способ почувствовать уверенность в вещах, которых вы на самом деле не изучили. В рекламе они относятся к категории предварительного творческого анализа: инструменты, которые улучшают решения до того, как бюджет потрачен, а не после.

Эта статья о том, где синтетические пользователи помогают, где они терпят неудачу, как работают «заземление» и валидация, и какие практики отделяют полезные синтетические исследования от дорогостоящего самообмана.

Что такое синтетические пользователи простыми словами

Синтетический пользователь — это сыгранная роль участника исследования. Вы определяете, кто это: его работа, бюджет, контекст покупки, предшествующие убеждения и возражения. Вы показываете ему что-то конкретное. Вы задаёте структурированные вопросы. Языковая модель генерирует ответы, соответствующие персоне и стимулу.

Три термина стоит разграничить при первом использовании:

• Синтетические пользователи (иногда — синтетические потребители или синтетические респонденты): AI-персоны, отвечающие на вопросы исследования.
• Цифровые двойники: персоны, построенные на данных конкретного реального человека. Большинство маркетинговых кейсов не нуждаются в этом и должны избегать связанных рисков для конфиденциальности.
• Симуляция сценария: честное описание того, чем синтетические интервью на самом деле являются. Модель симулирует сценарий. Она не делает выборку из генеральной совокупности.

Последнее разграничение несёт в себе основную нагрузку этой статьи. Реальная панель отбирает респондентов из генеральной совокупности, поэтому её результаты позволяют что-то оценить об этой совокупности. Синтетическая панель отбирает ответы из модели, поэтому её результаты оценивают то, что модель считает правдоподобным. Это разные объекты, и вся дисциплина грамотного использования синтетических пользователей сводится к тому, чтобы не путать их между собой.

Где синтетические пользователи действительно помогают

Скорость. Синтетический раунд интервью занимает минуты. Рекрутинг, планирование и проведение реального качественного раунда занимают недели. Когда команде нужен первый взгляд в понедельник, а не валидированная находка через шесть недель, синтетические пользователи заполняют пробел, который раньше оставался незакрытым или заполнялся мнением самого громкого человека в комнате.

Стоимость. Реальные панели стоят реальных денег за каждого респондента. Синтетические интервью стоят почти ничего за один запуск, что меняет поведение: команды тестируют больше вариантов, задают больше уточняющих вопросов и изучают более необычные гипотезы, потому что неудачный запуск обходится в минуты, а не в бюджет.

Генерация гипотез. Это самый сильный сценарий применения. Синтетические пользователи хорошо выявляют возможные возражения, непонимания и реакции, которые вы не рассматривали. «Прочитает ли чувствительный к цене руководитель по закупкам это утверждение как непроверяемое обещание?» — именно такой вопрос хорошо построенная персона может поднять до того, как реальный клиент увидит материал. Синтетический ответ не говорит, действительно ли реальные руководители по закупкам возражают. Он говорит, что возражение достаточно правдоподобно, чтобы его проверить.

Первичное изучение и уточнение вопросов. Проведение структурированных синтетических интервью перед реальным исследованием улучшает само это исследование. Команды обнаруживают, какие вопросы неоднозначны, какие стимулы недостаточно конкретны и какие сегменты реагируют настолько по-разному, что им нужны отдельные гайды для дискуссий. Синтетические раунды — это дешёвая репетиция дорогостоящих полевых работ.

Охват сегментов, которые сложно рекрутировать. Некоторые сегменты медленно или дорого охватить в небольших исследованиях. Синтетический раунд даёт предварительный взгляд, пока вы организуете доступ к реальным людям. Предварительный — ключевое слово.

Где синтетические пользователи терпят неудачу

Провалы хорошо задокументированы в исследовательской литературе и отчётах практиков, и они структурные, а не ошибки, которые можно исправить.

Новые продукты. Языковые модели реконструируют правдоподобные ответы из паттернов в обучающих данных. Для принципиально новой категории реконструировать нечего. Модель всё равно ответит уверенно, и это хуже, чем отказ: вы получаете убедительно звучащие реакции на то, на что ни один реальный человек ещё не реагировал. Чем новее концепт, тем меньше стоит синтетический ответ.

Распределение реальных мнений. Реальные совокупности беспорядочны. Они содержат противоречия, миноритарные позиции и длинные хвосты неожиданных реакций. Результаты моделей тяготеют к центральному, правдоподобному, внятному ответу. Опросите 36 синтетических персон, и вы получите 36 хорошо аргументированных вариаций консенсусной точки зрения, тогда как коммерчески определяющим фактом может быть то, что 15% реального рынка придерживаются интенсивного возражения, которое модель сглаживает. Синтетические панели сжимают дисперсию. Реальные рынки состоят из дисперсии.

Эмоциональная глубина. Модель может назвать эмоцию. Она её не испытывает. Реакции, движимые идентичностью, тревогой о статусе, ностальгией или юмором, который ощущается физически, а не осмысляется интеллектуально, — это именно то, где синтетические ответы наиболее внятны и наименее заслуживают доверия.

Репрезентативность выборки. Нет основы для выборки. Синтетическая панель не отбирается ни из чего, поэтому ни одна статистика, вычисленная по ней, — ни один процент, ни одно ранжирование, ни «7 из 10 персон предпочли B» — не несёт в себе никакого вывода о реальной совокупности. Подсчёты синтетических ответов — это описание поведения модели, а не оценка поведения рынка.

Подобострастие и предвзятость в пользу правдоподобия. Языковые модели обучены быть полезными, и эта полезность просачивается в ролевые игры. Синтетические персоны систематически вежливее, последовательнее и легче поддаются убеждению, чем реальные покупатели. Они также предпочитают ответы, которые звучат правдоподобно, ответам, которые верны для конкретного реального человека. Если ваша синтетическая панель любит ваш концепт, вы почти ничего не узнали. Если она выдвигает конкретное, чёткое возражение, вы узнали что-то, что стоит проверить.

Как работают «заземление» и валидация

Разница между игрушкой и инструментом — в «заземлении» на входе и валидации на выходе.

«Заземление» означает ограничение симуляции реальной информацией:

• Реальный стимул, а не описание. Реакции на настоящую рекламу отличаются от реакций на её краткое изложение. Показывайте модели реальный креатив.
• Конкретные персоны, а не демографика. «Женщина, 34 года, городская» — это не «заземление». Контекст покупки, бюджетные полномочия, текущие альтернативы и предшествующие разочарования дают модели что-то, с чем нужно быть последовательной.
• Измеримые якоря. Там, где можно привязать симуляцию к измеренным свойствам стимула, сделайте это. Если паттерн визуального внимания или ясность рекламы уже оценены, персоны, реагирующие на оценённый креатив, ограничены доказательствами, а не свободно ассоциируют.
• Структурированное извлечение данных. Фиксированные вопросы, фиксированный порядок, понимание отделено от эмоции, эмоция отделена от намерения к действию. Неструктурированный синтетический чат производит неструктурированное правдоподобие.

Валидация означает проверку синтетических результатов против реальности до того, как им доверяют:

• Сравните синтетические реакции с прошлыми реальными результатами, которые у вас уже есть: предыдущими выводами кампаний, панельными исследованиями, запросами в поддержку, возражениями продаж.
• Там, где синтетический раунд повлиял на решение, проследите за этим решением в реальном мире. Появилось ли возражение, которое подняли персоны, в реальных комментариях, ответах, звонках продаж?
• Калибруйте с течением времени. Калибровка, простыми словами, — это отслеживание того, как часто сигналы инструмента соответствуют реальности, и соответствующая корректировка веса, который им придают. Команда, проведшая двадцать синтетических раундов и сверившая десять из них с результатами, знает, чего стоит её синтетический сигнал. Команда на первом раунде — нет.

Пример из практики: стадия ранней генерации гипотез

Вот как выглядит «заземлённый» синтетический рабочий процесс на практике. В SaliencyLab инструмент BuyerLens проводит структурированные синтетические интервью покупателей с 36 персонами, и он открывается только из результата RoastIQ. Последовательность важна. Маркетолог загружает рекламу, RoastIQ оценивает её по пяти фиксированным KPI и выдаёт вердикт, и только после этого BuyerLens может опросить персон об этом конкретном оценённом креативе. Каждое интервью привязано к реальному стимулу с известным профилем оценки, завершается менее чем за 2 минуты и возвращает структурированные гипотезы о сопротивлении покупателей: что сегмент может понять неверно, какое утверждение может вызвать скептицизм, где интерес может застопориться до совершения действия.

Фрейминг намеренно явный: BuyerLens — это симуляция сценария, а не потребительская панель. Его 36 персон — не реальные люди, а его результаты — направляющие гипотезы о сопротивлении, предназначенные для проверки на реальном поведении, а не для цитирования в качестве свидетельств клиентов. Лежащие в основе оценки креативов, к которым он привязан, — это прогнозы модели, валидированные на публичных данных о вовлечённости и намерении кликнуть по более чем 1 200 рекламным материалам с удержанными корреляциями Спирмена +0,30–0,32 по состоянию на май 2026 года (вовлечённость TikTok n=700, CTR TikTok n=691, просмотры YouTube n=403); они не прогнозируют продажи, ROAS или запоминаемость бренда, а полная валидация задокументирована в методологии.

Это сочетание — реальный оценённый стимул плюс структурированные интервью плюс честная маркировка — это паттерн, который стоит искать в любом синтетическом инструменте, какой бы вы в итоге ни использовали.

Лучшие практики

Это рекомендации, основанные на перечисленных выше провалах, а не универсальные истины.

1. Определяйте сегменты до генерации персон. Качество персоны определяется определениями вашего сегмента, а не моделью.
2. Привязывайте каждый раунд к конкретному стимулу. Реальная реклама, реальная посадочная страница, реальная цена. Никогда не пересказ.
3. Задавайте одинаковые структурированные вопросы всем персонам и вариантам. Последовательность — это то, что делает синтетические сравнения значимыми вообще.
4. Читайте для паттернов и возражений, а не для цитат. Конкретное возражение, повторяющееся у нескольких персон, — это гипотеза. Единственная красноречивая цитата — это шум.
5. Используйте сравнительные оценки, а не абсолютные. «Вариант B вызвал меньше непонимания, чем A» — это обоснованно. «Покупатели любят B» — нет.
6. Маркируйте синтетические результаты как синтетические везде, куда они попадают. В презентациях, задачах, разговорах с заинтересованными сторонами. Не раскрытые синтетические находки становятся поддельными свидетельствами клиентов в момент, когда покидают ваш стол.
7. Замыкайте круг. Каждая синтетическая гипотеза, повлиявшая на решение, заслуживает проверки в реальном мире: живого A/B теста, реальных интервью с клиентами, взгляда на настоящие комментарии к кампании.
8. Никогда не позволяйте синтетическому раунду отменять запланированное реальное исследование. Он может изменить его форму, заострить его или переставить приоритеты. Заменить он его не может.

Честные ограничения

Статья о синтетических пользователях, которая не заявляет о своих ограничениях, сама является частью проблемы. Поэтому прямо:

• Синтетические пользователи не делают выборку из какой-либо совокупности. Ни одно число, процент или ранжирование синтетических персон не оценивает поведения рынка. Это жёсткое ограничение, из которого следует всё остальное.
• Они наиболее слабы именно там, где исследование наиболее ценно: новые концепты, категории, движимые эмоциями, и миноритарные реакции с непропорциональным коммерческим влиянием.
• Они наследуют предвзятости своих обучающих данных, включая недостаточную представленность некоторых рынков, языков и покупательских культур. Персона из слабо представленного сегмента — это более тонкая симуляция, которая не предупреждает о своей тонкости.
• Они систематически согласны. Положительные синтетические реакции несут очень мало информации. Сигнал, если он и есть, живёт в конкретных, повторяющихся возражениях.
• Доказательная база валидации для этой области ранняя и неоднородная. Опубликованные результаты варьируются от обнадёживающего согласия на структурированных задачах до плохого согласия на открытых и вопросах для подгрупп. Любой поставщик, заявляющий общую цифру точности для синтетических респондентов, опережает имеющиеся данные.
• Они не заменяют реальные панели, реальные интервью или живые тесты. Реальные клиенты и живые данные кампаний остаются эталонной истиной. Синтетические пользователи — это способ прийти к этой истине с более острыми вопросами и меньшим количеством потраченных впустую раундов.

Итог

Синтетические пользователи — это генератор гипотез, а не оракул. Их ценность сосредоточена в начале исследовательского процесса: дешёвое изучение, выявление возражений, репетиция реального полевого исследования и сравнение вариантов до того, как происходит что-то дорогостоящее. Их опасность сосредоточена в соблазне принять убедительные результаты за доказательство. Привязывайте каждый раунд к реальному стимулу, сохраняйте структурированность вопросов, честно маркируйте результаты и валидируйте на реальности до того, как находки влияют на расходы.

Часто задаваемые вопросы

Что такое синтетические пользователи? Синтетические пользователи — это AI-персоны, построенные на больших языковых моделях, которые отвечают на вопросы исследования так, как правдоподобно отвечал бы определённый покупательский сегмент. Они симулируют ответы в интервью; они не являются реальными респондентами и не представляют выборку из генеральной совокупности.

Насколько точны синтетические пользователи? Иногда, для структурированных сравнительных задач — и опубликованных данных пока мало и они неоднородны. Они наименее надёжны для новых продуктов, эмоциональных реакций и миноритарных мнений. Относитесь к результатам как к гипотезам и валидируйте на реальном поведении клиентов перед принятием решений.

Для чего синтетические пользователи лучше всего подходят? Для первичного изучения: генерации возможных возражений, сравнения вариантов, репетиции гайдов для дискуссий и уточнения вопросов перед реальным исследованием. Они сильнее всего там, где важна скорость и цена неверной гипотезы невысока.

Могут ли синтетические пользователи заменить реальные потребительские панели? Нет. Синтетические панели не имеют основы для выборки, поэтому они не могут оценить, что рынок реально думает. Они дополняют реальные панели, делая дорогие раунды более целенаправленными.

Что такое «заземление» в синтетических исследованиях? «Заземление» означает ограничение симуляции реальной информацией: реальный стимул вместо описания, конкретная детализация персоны вместо демографики и, где возможно, измеренные свойства тестируемого креатива.

Как валидировать находки синтетического исследования? Проверяйте синтетические гипотезы на уже имеющихся данных (прошлые исследования, возражения продаж, комментарии к кампаниям), затем следите за решениями в реальном мире через живые тесты или реальные интервью. Отслеживайте с течением времени, как часто синтетические сигналы соответствовали реальности.

Что такое подобострастие в синтетических пользователях? Языковые модели обучены быть согласными, и ролевые персоны наследуют это. Синтетические респонденты вежливее и легче поддаются убеждению, чем реальные покупатели, поэтому положительные синтетические реакции несут мало информации. Более надёжный сигнал — это конкретные повторяющиеся возражения.