AI 模擬消費(fèi)者，預(yù)測購買意圖準(zhǔn)確率達(dá) 90%
市場調(diào)研每年花費(fèi)企業(yè)數(shù)十億美元，卻始終受困于樣本偏差和規(guī)模限制。有沒有好且經(jīng)濟(jì)的辦法呢？
來自 PyMC Labs 和高露潔棕欖的團(tuán)隊(duì)發(fā)現(xiàn)了一件有意思的事：讓大語言模型扮演特定人群的消費(fèi)者，給它看個產(chǎn)品，讓它說說感受，再用另一個 AI 來評分，就能預(yù)測真實(shí)的購買意圖，準(zhǔn)確率高達(dá) 90%。他們測試了 57 個個人護(hù)理產(chǎn)品概念，收集了 9300 份真實(shí)消費(fèi)者反饋。最令人意外的是，這種方法不需要任何訓(xùn)練數(shù)據(jù)就打敗了傳統(tǒng)機(jī)器學(xué)習(xí)。
直接讓 AI 打分是個災(zāi)難
研究團(tuán)隊(duì)首先嘗試了最直觀的方法：問 AI "你有多想買這個產(chǎn)品，1 到 5 分？"
結(jié)果讓人哭笑不得。GPT-4o 和 Gemini 都像不想得罪任何人的老好人，幾乎總是給 3 分。而真實(shí)消費(fèi)者呢？他們大多選擇 4 分和 5 分，平均分高達(dá) 4.0。
這種"回歸中值"的保守策略導(dǎo)致分布相似度只有 0.26，雖然相關(guān)性還有 80%，但這種扭曲的分布對產(chǎn)品決策毫無幫助。
有人調(diào)侃說"男人寧愿造核動力 LLM 也不愿意去和客戶聊天"。確實(shí)，如果 AI 只會給 3 分，那還不如不用。
語義相似度：讓 AI 自由表達(dá)
突破來自一個巧妙的改變：別強(qiáng)迫 AI 給數(shù)字，讓它自由說話。
這就是語義相似度評分（SSR）方法。AI 可能會說："我可能會買。使用方便，能隨身攜帶，價格也不錯。"然后通過嵌入向量，計(jì)算這段話與預(yù)設(shè)參考語句的相似度，最終映射成 1-5 分的概率分布。
比如上面那句話，可能 40% 概率對應(yīng) 4 分，60% 概率對應(yīng) 5 分。這種方法承認(rèn)了人類表達(dá)的模糊性——同一句話確實(shí)可能有不同理解。
結(jié)果呢？分布相似度從 0.26 飆升到 0.88，同時保持了 90% 的相關(guān)性（相對于人類重測可靠性）。
人設(shè)決定一切，但也不是一切
另一個關(guān)鍵發(fā)現(xiàn)：必須給 AI 詳細(xì)的人設(shè)（年齡、收入、地區(qū)等）。沒有人設(shè)的 AI 會變成沒有原則的樂觀主義者，給所有產(chǎn)品都打高分。
有了人設(shè)后，AI 確實(shí)能模擬一些規(guī)律：
- 中年人（35-54歲）購買意愿最高，年輕人和老年人較低
- 收入越低，購買意愿越低（尤其是"預(yù)算緊張"的人設(shè)）
- 高端產(chǎn)品線獲得更高評價
但也有翻車的地方。性別和地區(qū)的影響就沒有被準(zhǔn)確復(fù)制。有評論者一針見血："人口統(tǒng)計(jì)能描述，但不能預(yù)測。"這提醒我們，AI 模擬的是相關(guān)性，不是因果關(guān)系。
意外收獲：AI 比人類更認(rèn)真
傳統(tǒng)調(diào)研的開放題答案通常很敷衍："挺好的""沒什么特別的"。
AI 的回答卻充滿細(xì)節(jié)：
- "易用性和安全承諾很吸引人，但我想了解更多關(guān)于效果和潛在副作用的信息"
- "聽起來有點(diǎn)裝，而且我不太相信那些'微生物組'的說法。我還是用我熟悉的產(chǎn)品吧"
- "對我的需求和預(yù)算來說太高端了"
這些詳細(xì)反饋對產(chǎn)品改進(jìn)的價值可能超過單純的數(shù)字。
打敗傳統(tǒng)機(jī)器學(xué)習(xí)
研究團(tuán)隊(duì)還用 LightGBM（一種梯度提升決策樹）做了對比。即使在一半數(shù)據(jù)上訓(xùn)練，傳統(tǒng) ML 的相關(guān)性也只有 65%，遠(yuǎn)低于零樣本 LLM 的 88%。
這說明大語言模型真的理解了產(chǎn)品描述的含義，而不只是在擬合統(tǒng)計(jì)規(guī)律。
質(zhì)疑聲不斷
市場研究專家 Jordan S. Terry 在評論中提出尖銳批評：購買意圖調(diào)研本身就有個老毛病——人們說的和做的經(jīng)常不一樣。AI 可能會放大這個問題。
還有人擔(dān)心企業(yè)采購環(huán)節(jié)："如果要產(chǎn)品化，AI 幻覺等問題會被挑出來。銷售周期會很長，如果能成交的話。"
更深層的質(zhì)疑是：這到底是 AI 的成就，還是李克特量表本身就不太行？
局限性很明顯
- 領(lǐng)域依賴：個人護(hù)理產(chǎn)品之所以效果好，可能因?yàn)榫W(wǎng)上有大量相關(guān)討論。換成小眾品類，效果存疑。
- 文化差異：目前只在美國市場測試。不同文化背景下，AI 未必能準(zhǔn)確把握。
- 動態(tài)因素：預(yù)算限制、營銷活動、競品動態(tài)等現(xiàn)實(shí)因素，靜態(tài)模型很難考慮。
- 參考語句：不同的錨點(diǎn)設(shè)置會影響結(jié)果，需要仔細(xì)優(yōu)化。
實(shí)際應(yīng)用：聰明地使用
這項(xiàng)技術(shù)最合理的定位是增強(qiáng)而非替代：
- 快速篩選：從數(shù)百個想法中找出值得深入調(diào)研的
- 迭代優(yōu)化：產(chǎn)品開發(fā)過程中頻繁獲取反饋
- 小企業(yè)福音：讓預(yù)算有限的公司也能獲得消費(fèi)者洞察
- 探索新市場：快速測試不同地區(qū)的初步反應(yīng)
有評論者說這可能成為"十億美元的平臺"。確實(shí)，如果成本接近零而準(zhǔn)確率有 90%，市場調(diào)研行業(yè)將面臨巨變。
小結(jié)
這樣的思路，從某種角度是很低成本并具有可行性的方案。類似研究還有很多，有人甚至正在用 1000 多個 AI 智能體模擬整個社會的經(jīng)濟(jì)行為。
不過，需要指出的是再精確的模擬也代替不了與真人的對話，LLM更多還是人類的傀儡。對于一些新的，具有顛覆性的產(chǎn)品和方案，避免因?yàn)檫@樣的技術(shù)進(jìn)入另一個“繭房”
論文鏈接：https://arxiv.org/abs/2510.08338
代碼：https://github.com/pymc-labs/semantic-similarity-rating
本文轉(zhuǎn)載自????AI工程化????，作者：ully
