---
title: "合成研究常见问题"
description: "什么是合成研究、AI 角色如何运作、适用于哪些场景，以及哪些情况仍需真实用户参与。"
canonical_url: "https://getminds.ai/faq/zh/synthetic-research"
last_updated: "2026-05-28T19:50:34.840Z"
---

# 合成研究常见问题

关于合成研究的基础概念、与传统方法的区别，以及它在你的工具栈中的定位。如需更深入的背景，请参阅以下博客文章：[合成用户研究](/blog/synthetic-user-research)、[什么是客户模拟](/blog/what-is-customer-simulation)，以及[合成小组与招募小组对比](/blog/synthetic-vs-recruited-panels-agentic-research-2026)。

## 基本概念

### 什么是合成研究？

合成研究使用 AI 角色，这些角色针对特定受众的行为模式和领域知识进行训练，用于回答真实调研小组会被问到的同类问题。你向一个 Mind 或一组 Minds 提问，涉及活动、产品、信息或概念，几分钟内即可获得结构化回答，而非等待数周。

它并不能取代所有形式的研究，而是替代那些快速、探索性的"本周需要一个方向性答案"的工作，这类工作过去往往因为传统调研太慢而被直接跳过。

### 什么是合成受众？

合成受众是一组 AI 角色，用于模拟某个目标细分群体。例如：柏林的 Z 世代学生、中端市场 SaaS CMO、美国中西部郊区父母、英国广告公司创意总监。你将该受众作为一个小组进行查询，获得跨细分群体的聚合回答。

### 什么是 AI 角色？

AI 角色是对某个特定职位、原型或具名个人的模拟。一个角色拥有世界观、沟通风格、知识领域和决策标准。你可以向它提问、展示刺激材料（PDF、截图、视频），它会以角色身份作出回应。

### 什么是合成用户？

合成用户是专门用于模拟产品场景中终端用户行为的 AI 角色，在产品研究、UX 测试、引导流程验证和功能预测试中被广泛使用。

## 运作方式

### AI 角色是如何构建的？

Minds 通过公开网络调研（LinkedIn 档案、网站、PDF、文章、公开声明）构建一个 Mind，并将这些信息输入心理学模型，分析人格、价值观、动机和购买行为。最终生成的档案与真实人类数据的匹配准确率达 80 到 95 percent，且可无限次复用查询。

你也可以通过纯文本描述、原始笔记或自有内部研究来构建 Mind。大多数团队从公开网络调研入手，因为这是验证角色最快的路径。

### 哪些数据用于训练 Mind？

默认使用公开网络来源：LinkedIn、公司官网、播客文字稿、公开文章、会议演讲、公开社交媒体帖子。你也可以用自有知识库（访谈文字稿、客户通话录音、内部研究）来扩展 Mind。私人上传的内容仅保留在你的工作区内。

### 合成小组与单一 AI 角色有何不同？

小组会同时并行查询 8 到 100 个角色，并对回答进行聚合。你可以看到分布情况（60 percent 表示认同，30 percent 提出异议，10 percent 有疑问）、开放性回答的主题聚类，以及多选题的百分比分布。单一角色只能给你一个视角。

### 可以向角色展示图片、视频和文档吗？

可以。上传 PDF、落地页截图、融资 PPT、产品图片、包装图、原型图、竞品广告、访谈笔记、原始文字稿和短视频均可。对话中的每个 Mind 都能看到附件并作出反应。

## 准确性与有效性

### AI 角色的准确率如何？

Minds 报告的准确率为 80 到 95 percent，基于历史真实人类数据基准对比。准确率最高的场景包括：

- 意见与偏好
- 语言模式（"他们会怎么描述这件事？"）
- 对创意和信息的反应
- 异议和反驳
- 品类框架与细分

准确率较低的场景包括：

- 在陌生品类中预测实际购买行为
- 长期留存与流失（真实用户群体更具优势）
- 缺乏公开训练信号的全新产品品类

### 准确率是如何衡量的？

通过将 AI 小组的回答与同类问题的历史真实人类调研数据进行对比。80 到 95 percent 的区间涵盖了大多数使用场景。方法论详情可按需提供。

### 合成研究经过同行评审吗？

合成角色作为一种研究方法，在学术和行业出版物中被引用的频率日益增加。Minds 发表了关于多智能体 AI 研究中创意多样性的 *Spark Effect* 论文，详见 /research/spark-effect-creative-diversity-multi-agent-ai。这一领域发展迅速，对任何单一准确率声明都应保持审慎态度，并结合自身历史数据进行验证。

### 合成研究能带来全新洞察吗？

可以，但有前提。合成研究非常擅长挖掘目标受众公开数据中已有的语言模式、异议和框架。对于发现从未被公开表达过的全新洞察，它的能力相对有限。要获得突破性洞察，建议将合成研究（速度快、覆盖广）与少量针对性真实访谈（深度强）结合使用。

## 局限性

### 哪些情况不应使用合成研究？

三种情况：

1. *法规或法律证据*要求真实人类的知情同意和审计追踪，例如药品标签声明、金融产品披露、受监管的广告声明。
2. *对真实客户群体的纵向追踪*。合成角色不会真正购买你的产品、流失或推荐朋友，真实客户才会。
3. *缺乏公开训练信号的全新品类*。如果你的目标角色是"某个尚不存在的品类的前 100 位买家"，就没有可供训练的数据。

对于探索性、方向性和预测试工作，合成研究比其他方式更快、更经济。

### 合成研究会取代真实客户研究吗？

不会。它替代的是其中一个特定子集：快速、探索性的"本周需要一个方向性答案"的工作。大多数团队用合成研究来筛选哪些问题值得开展真实人类研究，哪些不值得，然后将真实人类研究用于那些成本投入合理的问题。

### 合成回答算"真实"数据吗？

它是真实信号，但不是真实行为。将其视为真实人类会如何回应的高保真先验，然后在高风险决策中用真实人类进行验证。博客文章[合成小组与招募小组对比](/blog/synthetic-vs-recruited-panels-agentic-research-2026)详细介绍了各自的适用场景。

### 合成研究和数字孪生是一回事吗？

相关但并不相同。数字孪生通常指对特定真实个人或系统的模拟，并持续从实时数据中更新。合成角色通常是基于公开数据构建的某个细分群体的代表性模拟。Minds 支持两种模式，详见[面向企业的数字孪生平台](/blog/digital-twin-platform-for-business)。

## 相关内容

- [小组与方法论常见问题](/faq/panels)
- [研究方法常见问题](/faq/research-methods)
- [对比分析常见问题](/faq/comparisons)
- 博客：[合成用户研究](/blog/synthetic-user-research)
- 博客：[什么是客户模拟](/blog/what-is-customer-simulation)