·Research·Minds Team
2026 年 AI 客户研究：证据、边界与验证
合成参与者适合探索和前测；影响重大的结论仍需独立的人类或行为证据验证。
AI 可以帮助团队探索问题、测试研究工具并模拟特定受众的反应，但语言自然并不等于真实代表性。
丰富的依据可能改善个体模拟
Park 等人为 1,052 名参与者建立了代理。在论文当前版本中，同时基于访谈和问卷的代理，在留出的 GSS 题目上达到参与者两周重测一致性基准的 86%；仅基于访谈的代理达到 83%。这些是特定研究中的归一化结果，并非通用准确率承诺。
来源：Park 等，《LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals》。
人口特征条件化的适用范围有限
Argyle 等人在美国政治态度数据中复现了部分人口特征与观点之间的关系。这并不证明其对其他国家、少数群体、新产品或真实行为普遍有效。
来源：Argyle 等，《Out of One, Many》。
相近的平均值可能掩盖重要错误
Bisbee 等人记录了方差被压缩、子群关系错误和对提示敏感等问题。因此，看似合理的总体分布仍可能在个体或尾部群体上失真。
来源：Bisbee 等，《Synthetic Replacements for Human Survey Data?》。
透明度和人工判断仍不可缺少
Market Research Society 的 Delphi 报告要求披露、验证和伦理审查，并提醒研究者：经验上的相似不代表合成参与者与真人等价。
来源：MRS Delphi Report: Using Synthetic Participants for Market Research。
- 生成假设、异议和追问方向。
- 前测访谈提纲和问卷。
- 比较早期概念或信息表达。
- 检查不同细分假设如何影响回答。
当决策需要总体代表性、置信区间、真实购买行为、监管或安全证据、感官和亲身体验以及可核验的客户引语时，应使用招募参与者、观察行为或其他真实来源。
- 明确研究可以影响的决策。
- 预先定义人群、问题、对照、样本量、指标和停止条件。
- 将开发数据与留出的对照数据分开。
- 在题目和子群层面报告一致与分歧。
- 让指标匹配任务，并在重大变更后重新验证。
| 字段 | 应披露内容 |
|---|
| 目标人群 | 目标受众、排除条件和覆盖缺口 |
| 来源 | 描述、文件、链接和研究笔记 |
| 模型 | 标识、运行日期和重要设置 |
| 流程 | 人设构建、问题、顺序和抽样 |
| 合成样本 | 人设数和运行次数 |
| 真人对照 | 来源、执行日期、样本量和出处 |
| 指标 | 预先定义的评分规则和容差 |
| 结果 | 一致、分歧和子群结果 |
| 限制 | 代表不足、新情境和已知缺口 |
| 决策规则 | 允许用途和仍需完成的验证 |
Minds 支持可重复使用的 AI 人设、目标群体和并行合成回答。可用输入和创建方式取决于工作区及方案配置。研究团队仍需对来源权利、隐私、研究设计和重要结论的验证负责。
参阅 Minds 方法说明，并使用目标受众研究模板库。
Minds。《2026 年 AI 客户研究：证据、边界与验证》。2026 年 7 月 31 日。https://getminds.ai/blog/zh/synthetic-research-evidence-review
