AI能把买手演得像，但演不出那个人

最近有个做 B2B 营销的朋友跟我抱怨。

他说，他现在做客户调研，基本不找真人了。把客户的行为数据、公司信息、岗位、行业丢给 AI，几秒钟就生成一群"合成买家"（synthetic audience）。你可以拿着这些虚拟客户去做测试，问他们这条广告词行不行、这个价格能不能接受。

听起来很美，对吧？

但他越用越不对劲。模拟出来的买手，简历很漂亮，岗位、行业、公司规模都对。可一到"他会怎么决定"这种关键问题上，这些假买手就开始犯傻。

为什么？

想想看，你自己买贵东西的时候靠什么

咱们把镜头拉回到你自己身上。

你最近换手机，或者报个培训班，或者买辆车。你做决定的时候，靠的是什么？

岗位？收入？住哪个城市？

这些都对。但你自己心里清楚，最后那一脚踩下去，靠的往往是另一样东西。

你这个人的性格。

你是那种看到 100 条参数对比表就立刻掏钱的研究型，还是看一眼朋友用什么就跟着买的从众型？是别人一推就下单的急性子，还是非得纠结三个月才放款的谨慎派？

你看，这就是岗位和收入解释不了的东西。

"三分之二法则"：岗位和行业，会把同一种性格筛出来

有个研究挺有意思，作者花了七年时间，研究了 15 个行业里的一万个买手，发现一件让他自己都吃惊的事。

买手的性格，不是随机分布的。

它有规律。而且规律还特别明显。

他管这叫"三分之二法则"：在一个具体的岗位和行业里，往往有两个人格类型，就占了这群人里的至少三分之二。

什么意思？

比如生命科学领域的数据科学家，性格高度集中在某一种类型上。航空公司做运营的那批人，又往另一种性格上集中。

你想想看，这事其实不奇怪。

岗位本身就在做筛选。一个需要长期埋头做实验、跟数据死磕的活儿，自然会把某种性格的人留下来；一个天天协调、抢时间、扛压力的活儿，又会留下另一种性格的人。

岗位选人，人也选岗位。时间一长，性格就聚成一团。

现在的合成买手，缺的就是这一块

那为什么现在的 AI 合成买手，做决定的时候老犯傻？

回到那个朋友。他喂给模型的数据是什么？

公司在哪儿、多少人、什么行业。这个人 LinkedIn 上发过什么、参加什么会、岗位叫什么。

这些数据有一个共同特点。它们描述的，都是这个人的"职业身份"。

但你穿上一件工作服，不代表你这个人就变了。

研究者把这事讲得很透：每个人上班的时候，都在扮演一个"工作人设"。这个"工作人设"是不是你真实的自己？不一定。

但真正决定你买东西那一刻怎么做的，是穿工作服底下那个人。

LinkedIn 上你看到的那个西装革履、发着行业洞察的"我"，和半夜躺在沙发上、纠结要不要点第四杯奶茶的"我"，是同一个人吗？

是。

但买贵东西的时候，往往是后一个"我"在做主。

AI 学到的是前一个。

怎么让合成买手更像人

那怎么办？

研究者给了三条。我看完之后觉得，其实道理并不复杂，关键是大多数人没往这个方向想。

第一条，别只拿人口统计学和公司数据生persona。既然一个岗位和行业里有三分之二的人性格高度集中，那这个分布就应该跟岗位、公司规模一样，变成一个标准输入项。

第二条，模型得在"岗位 + 行业"这个交叉点上做。光看岗位没用，光看行业也没用。性格的集中，是从这两个维度一起出现的。

第三条，校准的时候不能只对人口统计学。一个合成买手，岗位对、行业对、公司规模也对，可他面对一条广告的反应照样可能是错的。因为他敢不敢冒风险、怎么处理信息、喜欢听什么口吻，这些都跟性格有关，跟公司年报无关。

说白了就一句话：

多塞一项"性格"进去，模型才能从"看起来像"变成"做决定也像"。

最后说个我自己的判断

我其实挺看好合成买手这个方向的。B2B 营销做客户调研，真的太慢、太贵了。AI 这事方向没错。

但我现在越来越觉得，大家用 AI 做这件事的时候，真正缺的是数据的维度，不是数据量。

你以为塞更多公司年报、更多LinkedIn动态进去，模型就更准。其实你只是在同一个维度上反复堆叠，堆得再高，也还是平的。

性格，就是那个被忽视的、能让整件事立起来的维度。

下次你再看到一群 AI 生成的"客户"，可以问自己一句：

这些人简历都对，公司也都对。但他们真会像那个人那样，做那个决定吗？

我不知道。但这个问题值得想想。