市场调研这件事,正在被生成式 AI 重做一遍

前段时间,我看到一组数字,挺震撼的。

一家研究机构找了 170 多个真正在做市场调研的人,问他们:你们用生成式 AI 了吗?

结果,45% 的人说,已经在用了。另外 45% 说,正准备用。

加起来多少?90%。

你没看错。90% 的从业者,要么已经上手,要么在赶去的路上。

这是什么概念?这意味着生成式 AI 在市场调研这个领域,已经不是「要不要试」的问题,而是「不试就被甩开」的问题。

今天我想跟你聊聊,这件事到底是怎么发生的,以及它会把市场调研带到哪里去。

先说一个基本判断:它不是来帮忙的,它是来重做一遍的

很多人对生成式 AI 在市场调研里的想象,停留在「帮我整理访谈记录、帮我写报告」。

没错,这是它能做的事。但如果你只看到这一层,你就大大低估了它。

Columbia Business School 的一群研究者,花了两年时间,跟一堆公司一起泡在这个领域里。他们最后得出一个判断:

生成式 AI 对市场调研的改造,有四个层次,一层比一层深。

哪四层?

第一层,让现在的活儿干得更快、更便宜。比如把几个小时的访谈录音,几分钟就总结出要点。

第二层,用合成的数据,直接替代真人调研。AI 生成假人,模拟真人的回答。

第三层,补上以前根本拿不到的洞察。比如你拿不到的客户群体,用 AI 模拟出来,测一下你的产品想法。

第四层,创造以前根本不存在的数据类型。比如每个客户的「数字孪生」——一个永远不会累、不会烦、随时可以被你测试的虚拟版本。

这四层,一层比一层激进。我们一层一层看。

第一层:让现在的活儿更快更便宜

这层最好懂。

调研公司 GBK Collective 做的那份调查里,62% 已经在用 AI 的人,拿它来压缩冗长的访谈记录;58% 拿它来分析数据;54% 拿它来写报告。

你想想看,以前一个研究员要花一整周读 50 份访谈,现在一个下午就出结论了。

但有意思的是,这件事的真正突破,不在「快」,而在「深」。

有一家叫 Outset.ai 的创业公司,做了一件很聪明的事。它让 AI 不是给答案,而是给问题——根据受访者上一个回答,动态生成下一个追问。

结果是什么?受访者面对 AI 时,反而比面对真人时更愿意说话。

为什么?

因为面对真人的时候,你会担心被评判。面对一个 AI,你没有这个负担。

WeightWatchers 的研究负责人说了一句让我印象很深的话。他说,以前研究人员被迫在「访谈的深度」和「问卷的广度」之间二选一。现在呢?

「两个都要。」

你看,这就是这一层真正在改变的东西。不是省时间,是让以前那种「鱼和熊掌」的取舍,突然变得不需要了。

第二层:用合成数据替代真人

什么叫合成数据?

说白了,就是 AI 凭空造出来的人,但这个「假人」的回答,在统计上接近真人。

这听起来很玄。但有一件事,真的让我惊叹。

一家叫 Evidenza 的创业公司,跟 Ernst & Young 合作做了一个双盲测试。Ernst & Young 把自己的年度品牌调研问卷交给 Evidenza,但没给真实结果。Evidenza 用 AI 生成了一千多个虚拟 CEO——年收入十亿美元以上公司的 CEO——让这些「假 CEO」来填这份问卷。

最后揭晓。

95% 的结论,跟真人填的几乎一样。

很多数字,几乎是同一组。

Ernst & Young 美洲区的 CMO 说:「结果令人震惊。」

强不强?

但这层也有它的天花板。调查里只有 31% 的人认为 AI 生成的数据「价值很大」——这是满意度最低的一项。为什么?因为 AI 模拟不出人类行为的全部不可预测性。它能模拟「大多数人会怎么选」,但模拟不出「那个出人意料的选择」。

不过,这里有个关键发现:如果你给 AI 喂过去的问卷样本、配上一些 Q&A 的例子,它的合成数据质量会显著提升。它不是天生聪明,它是看你喂什么。

第三层:补上以前拿不到的洞察

这一层,我私下觉得是被严重低估的。

很多公司嘴上说「数据驱动」,实际上呢?Columbia 的研究者们发现,大部分决策,是没有经过正式调研就拍板的。

为什么?没钱,没时间。

但生成式 AI 可以当一个永远在线的「市场参谋」。你有一个产品想法,扔给它,它帮你测;你想知道竞争对手在干什么,扔给它,它帮你拼出情报。调查里 30% 的人已经在这么干了。

General Mills 的创新负责人讲了一句特别落地的话。她说,她们在探索用合成数据加速产品的创意筛选——让真正好的点子,更早被识别出来。

你看,这层的逻辑变了。以前调研是「为了支持一个已经基本想好的决定」,现在它变成了「在你想好之前,先把可能性探索一遍」。

这是从「事后背书」到「事前导航」的转变。

第四层:数字孪生

这是最科幻的一层,也是正在发生的一层。

数字孪生是什么?就是用你公开的或私有的数据,给你造一个虚拟的副本。这个副本不会累、不会烦、可以被反复测试。

调查里 40% 的人,已经在实验数字孪生。另外 42%,准备试。

Ogilvy 已经在拿数字孪生测试广告创意了——发出去之前,先让虚拟客户看一遍,看他们会不会被打动。

但真正让我觉得「这事要变天」的,是 Columbia Business School 正在做的那个项目。

他们在建一个 2500 人的虚拟样本组。每个人,都是真人的数字孪生。真人要做一整套心理、行为、认知、态度的测试,作为「真值」(ground truth)。然后,AI 用这些真值,造出虚拟副本。

建这个干嘛?以后做新的调研和问卷,不用再去找真人,直接在虚拟样本组上跑。

这靠谱吗?

Stanford 和 Google DeepMind 联合做过一个研究。他们先采访真人两个小时,然后用采访记录生成数字孪生。然后让真人和数字孪生回答同一份问卷。

两周后,真人再答一次。

结果:数字孪生的回答,跟真人两周后的回答,匹配度达到 85%。

换句话说,数字孪生模拟一个真人,几乎和这个真人自己重复一次一样准。

但别急着欢呼

这一段,我必须讲。

生成式 AI 在市场调研里,有它的硬伤。

第一,偏见。Columbia 和 Stanford 2023 年的一项研究发现,OpenAI 的模型,表达的观点更像自由派、更像受过良好教育的人,而不像 65 岁以上的人、不像宗教虔诚的人。而且越新的模型,这种偏见反而越明显。

为什么?因为模型是被训练数据塑形的,而训练数据本身就偏。加上人在精调模型时,又会把自己的倾向带进去。

第二,稳定性差。Vanderbilt University 2024 年的一项研究发现,合成受访者虽然回答接近真人,但变异性更小(回答趋同),对问题措辞极其敏感(换个问法,结论就变),三个月后再问,答案不稳定。

第三,模拟不了实验。Columbia 的研究者自己做过测试:让 AI 模拟消费者在不同价格下的购买意愿,生成出来的需求曲线,不仅跟真人不一样,而且逻辑上不成立。

这意味着什么?

意味着合成数据可以用来做大量探索性的、辅助性的工作,但当你要做一个真正决定公司命运的判断时,真人调研不能被替代。

它是个好副驾,但你不能把方向盘完全交给它。

我看完这些案例之后

我跟你讲,看完这一圈案例,我心情有点复杂。

一方面,这事真的在发生。不是PPT里的未来。90% 的从业者已经在路上了,你要是还没碰,就慢了。

但另一方面,我又隐隐觉得不对劲。

你想,一个 AI 生成的 CEO,填出来的问卷跟真人 95% 一样。这听起来很厉害。但你想想,品牌调研的问卷,本来就是相对套路化的问题,套路化的问题当然能得到套路化的回答。95% 的相似度,可能恰恰说明这份问卷本身没问出多少真正的东西。

所以我对这件事的判断是:别把它想小了,但也别被那些漂亮的百分比骗了。

真正值钱的,不是会用 AI 的人——会用的太多了。是那种既摸过 AI 的脾气、又做过真正调研、知道什么时候该信机器什么时候该关掉它的人。这种人,现在市场上,极少。

我做这个领域越久,越觉得一件事:

工具一直在变强。但判断力这东西,从来没因为工具变强就贬值。

反而,工具越强,你越得想清楚:什么该交给它,什么绝对不能。

想清楚这个,你才敢真的「上车」。

祝你,先想清楚,再上车。