Zielgruppen — wiederverwendbare synthetische Research-Samples

Eine Zielgruppe ist eine wiederverwendbare Gruppe von Minds, die die Menschen repräsentiert, die du verstehen möchtest. Die eigentliche Research-Arbeit findet in einer Studie statt—als Tiefeninterview mit einem Mind, qualitative Exploration, Fragebogen, Konzepttest oder Segmentvergleich.

Teams nennen es unterschiedlich:

• Marketing — Kundenpanels
• Agenturen — Client-Insight-Zielgruppen
• Produkt — User-Zielgruppen
• Gründer:innen — Expertenpanels / Advisory Boards

Die Mechanik ist dieselbe: eine repräsentative Stichprobe aus Minds, abfragebereit, bevor ein klassisches Briefing überhaupt fertig ist.

Eine Zielgruppe bauen: zwei Wege

Weg 1 · Bestehende Minds auswählen

1. Aktiviere die Mehrfachauswahl in der Minds-Liste und wähle die Minds aus, die du willst.
2. Klicke auf Create Zielgruppe in der Aktionsleiste, die erscheint.
3. Die Zielgruppe wird sofort erstellt und automatisch benannt; benenne sie jederzeit um („Gen-Z-Fokusgruppe“, „Advisory Board“).

Du kannst auch auf New Zielgruppe klicken und bestehende Minds direkt ins Zielgruppe ziehen.

Weg 2 · Deine Zielgruppe beschreiben

Wenn du die passenden Minds noch nicht hast, beschreibe das Segment und lass die Plattform es bauen:

1. Klicke auf New Zielgruppe in der Seitenleiste. Das Erstellungspanel gleitet herein.
2. Beschreibe die Zielgruppe: „Enterprise-CTOs in San Francisco, SaaS, 500+ Mitarbeitende“, „berufstätige Eltern in Deutschland, 30–45 Jahre, mit Kindern in der Schule“, „B2B-CMOs bei Series-B-Unternehmen“.
3. Minds verteilt die vorläufigen Profile vor dem Schreiben der Biografien. Prüfe die angewandte Zusammensetzung in den Verteilungskarten und die zugehörigen Quellen.
4. Fordere Änderungen über Rework an und übernimm die geprüfte Fassung mit Create.
5. Bestätige mit Create. Jeder Mind baut sich parallel mit eigenem Fortschrittsbalken, und der Build läuft im Hintergrund weiter, wenn du das Zielgruppe schließt.

Eine hochgeladene abgeschlossene Studie liefert eine Referenzstichprobe. Merkmale der Befragten bestimmen die Zusammensetzung; Antworten zu Zufriedenheit, Kaufabsicht und anderen Ergebnissen bleiben historische Befunde. Anzahlen, Prozente, fehlende Werte und gültige gewichtete Ergebnisse werden aus den Datenzeilen berechnet. Beobachtete Zusammenhänge zwischen Beschäftigung, Beruf und Einkommen bleiben soweit möglich erhalten. Namen, E-Mails und Befragten-IDs gehören nicht in synthetische Personenprofile.

Prüfe die angewandte Zusammensetzung in den Verteilungskarten. Nicht erhobene Profilmerkmale bleiben modelliert oder unbekannt; fehlende und nicht abgefragte Werte werden unterschieden. Die Zusammensetzung verwendet ungewichtete Stichprobenwerte. Gültige gewichtete Befunde und ursprüngliche Anteile bleiben als Quellenbelege erhalten. Gewünschte Quoten haben Vorrang. Eine Kundenstichprobe belegt keine nationalen Bevölkerungsanteile.

Für neue Forschung werden historische Ergebnisantworten aus Profilerstellung und Wissensabruf ausgeschlossen. Eine ausdrücklich gewünschte Rekonstruktion darf historische Aggregate nutzen und wird entsprechend gekennzeichnet. Ändere den Forschungszweck über Rework. Synthetische Minds sind nicht die ursprünglichen Befragten; das Wiederholen bekannter Antworten validiert keine Vorhersage. Bestehende gespeicherte Zielgruppen behalten ihre Zusammensetzung.

Das ist der schnellste Weg von „Ich muss das mit meinem ICP testen“ zu „Der Test läuft.“

Modi für die Gruppenerstellung

Im Bereich Zusätzliche Einstellungen wählst du, wie der Gruppenentwurf zugeschnitten werden soll:

• Balanced — der Standardmodus. Bemisst die Zielgruppe an der statistischen Evidenz: so kompakt wie möglich, größer nur, wenn die fundierten Verteilungen mehr Mitglieder für eine repräsentative Abdeckung brauchen.
• Segment Coverage — Enterprise-Modus. Deckt mehr fundierte Segmentierungskriterien und seltene Untergruppen ab, wenn die Quellen das hergeben.
• Benchmark Depth — Enterprise-Modus. Nutzt tiefere Benchmark-Abdeckung für validierungsbereite Zielgruppen, besonders wenn entscheidungsrelevante Zellen wichtiger sind als eine kompakte Stichprobe.

Der Modus fügt keinen zusätzlichen Setup-Schritt hinzu; er steuert denselben schnellen Drafting-Flow.

Eine Studie mit einer Zielgruppe starten

Öffne die Zielgruppe in einer Studie. Stell deine Frage oder gib einen Stimulus dazu: einen Landingpage-Screenshot, ein Pitch-Deck, eine Wettbewerber-Anzeige, eine Pricing-Seite. Jeder Mind antwortet parallel.

Schnelle oder individuelle Einrichtung

Beim Start eines Zielgruppen wählst du, wie viel Einrichtung du möchtest:

• Schnell analysiert Anfrage und angehängte Quellen, schlägt passende bestehende und NEUE Zielgruppen vor und wartet vor dem Studienstart auf deine Bestätigung.
• Individuell öffnet die KI-gestützte Einrichtung für Research-Ziel, optionale Website, Dateien oder Notizen, Zielgruppen, Methode, Fragenstruktur und die abschließende Bestätigung. Bestehende Zielgruppen und NEUE Entwürfe werden im Zielgruppenschritt ausgewählt; NEUE Entwürfe bleiben bis zur Prüfung unerstellt und werden erst nach der abschließenden Bestätigung mit derselben fundierten Pipeline wie im Schnellmodus erstellt. Die Studie öffnet sich, sobald diese Zielgruppen bereit sind. Generierte Fragen bleiben vor dem Einreihen bearbeitbar.
• Leer öffnet die Studie ohne Fragebogen, damit du später entscheidest, was du fragen willst.

Quick-Planning, generierte Custom-Fragen, Planrevisionen, v1 und MCP verwenden dieselbe Research-Planning-Policy und dasselbe schnelle Planner-Modell. Wird in der Bestätigung eine verfügbare Methode gewählt—Individuelle Recherche, Fokussierte Frage, Fragebogen, Qualitative Exploration oder MaxDiff, soweit freigeschaltet—bleibt ihr exakter Methodenvertrag im normalen Stream oder dauerhaften Fragebogen-Processor erhalten. Experimentelle und geplante Methoden bleiben im Plan sichtbar, aber die Ausführung bleibt gesperrt; sie werden nie stillschweigend in Individuelle Recherche umgewandelt.

Optionale methodische Komplexität

Die meisten Anfragen brauchen keine benannte Methode. Beginne mit Ziel, Hauptquelle oder Asset und den Fragen des Nutzers. Füge methodische Komplexität nur hinzu, wenn der Nutzer sie verlangt oder sie die benötigte Evidenz verändert.

Der versionierte Research-Plan-Flow über API und MCP kann Methodenkonfigurationen abbilden und ausdrücklich bestätigen lassen. Der Katalog unterscheidet:

• Available — über den aktuellen Study-Runner ausführbar. MaxDiff ist verfügbar, soweit freigeschaltet: Der Server erstellt ausgewogene Forced-Choice-Aufgaben und berechnet nach der Erhebung deterministische Gesamt- und Gruppenrankings.
• Experimental — für Entwicklung und Review strukturell abbildbar, wird bei der Ausführung aber abgelehnt.
• Planned — für zukünftige Kompatibilität abbildbar, aber nicht ausführbar.

Ein Opt-in bestätigt den Wunsch nach einer fortgeschrittenen Methode; es überschreibt niemals den Ausführbarkeitsstatus des Katalogs.

Der Fragen-Processor selbst bleibt methodenunabhängig: Er sammelt exakte Aufgabenantworten und übernimmt Wiederholungen, Kontingente, Reihenfolge und Persistenz. Versionierte Server-Adapter entwerfen methodenspezifische Aufgaben und berechnen Artefakte, sodass weitere integrierte oder kundenspezifische Methoden ohne Umbau des Processors ergänzt werden können. Conjoint ist ebenfalls verfügbar: Der Adapter entwirft Auswahlaufgaben, schätzt Teilnutzenwerte, liefert Validierungsdiagnosen und simuliert Präferenzanteile. Erforderlich sind ausdrückliches Opt-in und eine gültige Konfiguration.

Der Research-Loader nutzt gespeicherte serverseitige Annahme- und Processor-Startzeitpunkte. Beim erneuten Öffnen oder Laden des Chats läuft derselbe Zeitzähler weiter, statt wieder bei null zu beginnen.

Antwortformate und Skalen bestätigen

Vor der Ausführung einer geplanten Studie zeigt jede Frage ihr vorgeschlagenes Antwortformat im selben Dropdown-Muster wie die Methodenauswahl. Zur Wahl stehen Freitext, Auswahl, die Standardskalen 1–5, 1–7, 1–10 und 0–10 sowie ein eigener ganzzahliger Bereich. Der Vorschlag wird aus der Frage abgeleitet, bleibt aber bearbeitbar; die Bestätigung speichert das genaue Format im Plan, und der dauerhafte Processor nutzt es für Klassifizierung und Aggregation. v1-API- und MCP-Clients erhalten denselben response-Vertrag pro Frage und können ihn vor Bestätigung der neuesten Planrevision über die Fragen-ID ändern.

Zielgruppe-Antwortlimits werden vor dem Start eines bestätigten Laufs und erneut vor jeder eingereihten Frage geprüft. Ein Limit vor dem Start öffnet den Upgrade-Hinweis, ohne die Umfrage zu starten. Wird das Kontingent während eines längeren Laufs erreicht, behält Minds bereits gesammelte Antworten, stoppt die unbeantworteten Fragen, zeigt einen eindeutigen Hinweis samt Upgrade-Aufforderung und speichert die Studie als durch Plan limitiert statt als abgeschlossen.

Flexible Ergebnisse

Research-Pläne beschreiben Evidenz und Ausgabeabsicht, statt ein festes Chart zu versprechen. Echte Teil-vom-Ganzen-Ergebnisse können Donuts nutzen, Vergleiche und Rankings Balken oder Listen. Bei Website-, Bild-, Anzeigen- und Videoanalysen soll die Heatmap- oder Timeline-Heatmap-Absicht erhalten bleiben. Noch nicht jeder semantische Ausgabeblock hat einen eigenen UI-Renderer; nicht unterstützte Blöcke bleiben deshalb im API-/MCP-Vertrag verfügbar, während sich die Oberfläche weiterentwickelt.

Wie Antworten klassifiziert werden

Jede Frage wird automatisch einem von drei Typen zugeordnet:

• Skala — numerische Bewertungen („bewerte das von 1–10“) → Verteilung plus Gruppendurchschnitte
• Kategorisch — diskrete Optionen („ja / nein / vielleicht“, „welche dieser drei Headlines?“) → prozentuale Aufschlüsselung
• Qualitativ — offene Fragen („was hältst du von diesem Konzept?“) → geclusterte Themen

Folgefragen werden im Kontext verstanden. Frag „Magst du Eis?“ und danach „Welche Sorte?“: Das System weiß, worauf sich „welche Sorte“ bezieht, und formuliert daraus für jeden Mind eine eigenständige Frage.

Zwei Zielgruppen in einem Studie

Hier ist der Erkenntnisgewinn am schärfsten. Zieh zwei (oder mehr) Zielgruppen in denselben Studie und stell eine Frage: „Was funktioniert auf dieser Landingpage, was nicht?“

Du bekommst die Ansichten Seite an Seite: zum Beispiel B2B-Marketing-Leads vs. Mid-Market-SaaS-CMOs. Du siehst, wo sie übereinstimmen. Du siehst, wo sie auseinanderdriften. Der Kontrast zwischen den Segmenten ist das Forschungsergebnis: nicht 12 Personen, die dasselbe sagen, sondern zwei kalibrierte Zielgruppen, die deine Arbeit gleichzeitig auf Herz und Nieren prüfen.

Vom Zielgruppe ins Einzelgespräch

Manchmal sticht eine Antwort heraus. Klick auf den Mind und du bist in einem privaten Einzelgespräch, nur mit ihr. Frag, warum. Fordere ihre Logik heraus. Zeig ihr einen Wettbewerber. Frag, was ihre Meinung ändern würde. Der Zielgruppe-Studie bleibt in deiner Seitenleiste gespeichert, du springst also jederzeit direkt zurück zur aggregierten Ansicht.

Das Zielgruppe liefert Breite. Das Herausziehen liefert Tiefe.

Alignment

Jeder Zielgruppe-Antwortblock hat ein Alignment-Dropdown im Header. Öffne es und du siehst zwei Scores (0–100 %) pro Zielgruppe:

• Personality match — wie genau die Antwort jedes Minds seiner eigenen Persona-Definition entsprach, gemittelt über die Zielgruppe. Lies es als: Wie sehr blieb diese Zielgruppe in ihrer Rolle? Ein niedriger Score ist ein Signal, die Einzelantworten zu lesen, bevor du auf Basis des Aggregats handelst.
• Distribution match — wie genau der Antwortmix der Zielgruppe den ursprünglichen Umfrageantworten entsprach, auf denen die Zielgruppe gegründet ist (100 = identisch, 0 = gegensätzlich). Wird für Zielgruppen angezeigt, die auf Referenz-Umfragedaten basieren; andere Zielgruppen zeigen Not available.

Fällt ein Score niedrig aus, erscheint im Tooltip des Scores eine einzeilige Erklärung, warum.

Alignment wird berechnet, nachdem das Chart gerendert ist; jede Zeile zeigt also Calculating…, bis die Scores eintreffen.

Eine Zielgruppe mit echten Umfragen validieren

Die Zielgruppen-Validierung prüft eine Zielgruppe anhand echter, veröffentlichter Umfragen. Minds sucht Umfragen, deren Befragte der Zielgruppe am besten entsprechen, stellt den Minds der Zielgruppe dieselben Fragen und bewertet, wie nah ihre Antworten an den veröffentlichten Ergebnissen liegen. Öffne eine Zielgruppe und wähle den Tab Validierung, um ihre Ergebnisse zu sehen oder eine neue Validierung zu starten.

Automatische Validierung neuer Zielgruppen

Eine neue private Zielgruppe wird einmal automatisch validiert, sobald alle ihre Minds fertig trainiert sind. Voraussetzung ist, dass sie mindestens 10 Minds hat. Validierungen verbrauchen synthetische Antworten und verschicken keine E-Mail. Zielgruppen, die schon vor Einführung der automatischen Validierung bestanden, werden nur auf Anfrage validiert.

Selbst eine Validierung starten

Du kannst jede Zielgruppe, die du bearbeiten darfst, jederzeit und beliebig oft validieren. Die Zielgruppe braucht mindestens 10 einsatzbereite Minds. Wähle im Tab Validierung, womit sie verglichen werden soll:

• die veröffentlichten Umfragen, die am besten zur Zielgruppe passen und die Minds für dich findet
• bis zu fünf gelistete Umfragen deiner Wahl
• deine eigene Umfrage: Fragebogen und Ergebnisse als PDF, Excel (XLS, XLSX), CSV, Word (DOCX) oder TXT
• ein Datensatz auf Ebene einzelner Befragter, im Pro-Tarif
• ein bereits durchgeführter Studien-Durchlauf, der kostenlos bewertet wird und keine neuen Fragen stellt

Alle gewählten Umfragen werden in einem Durchlauf abgefragt, in einer Studie namens „Validation run: “. Diese Studie ist die Arbeitskopie der Plattform: Sie erscheint nicht in deiner Studienliste und zählt nicht zu deinen Studien-Limits. Validierungsläufe reihen sich hinter den Studien ein, die Menschen starten, und bremsen deine eigene Forschung daher nie aus. Ein Durchlauf dauert meist 10 bis 60 Minuten, und du kannst ihn stoppen, bevor die erste Umfrage abgefragt wird.

Läuft eine von dir gestartete Validierung länger als ein paar Minuten, bekommst du nach Abschluss eine E-Mail. Über ihren Button öffnest du die Zielgruppe direkt im Tab Validierung.

Welche Fragen gestellt werden

Umfragen werden danach gereiht, wer sie beantwortet hat, verglichen mit den Menschen, die die Zielgruppe ausmachen: die Menschen der Zielgruppe selbst, ein Teil von ihnen, eine benachbarte Population (auch dieselbe Art von Menschen, befragt in einem anderen Land) oder die breitere Bevölkerung, zu der sie gehören. Umfragen unter den Menschen der Zielgruppe selbst kommen zuerst; Daten zur breiteren Bevölkerung stützen ein Ergebnis, wiegen aber nie schwerer als spezifischere Umfragen.

Bevor ein Mind antwortet, wird jede Frage einzeln für diese Zielgruppe geprüft. Eine Frage wird ausgelassen, wenn:

• die Menschen der Zielgruppe sie nicht beantworten können, etwa weil sie etwas voraussetzt, das sie nicht haben
• die veröffentlichten Antworten kein fairer Maßstab für diese Zielgruppe sind, weil sich die Befragten so unterscheiden, dass sich die Antwort ändern würde; die Restaurantbesuche der Allgemeinbevölkerung etwa sind kein Maßstab für Beschäftigte auf Baustellen
• dieselbe Frage bereits aus einer besser passenden Umfrage gestellt wird

Veröffentlicht eine Umfrage die Antworten auf eine Frage nach Alter oder Region, wird der Zielwert auf die Zusammensetzung der Zielgruppe eingegrenzt. Jede ausgelassene Frage wird mit ihrem Grund aufgeführt. Eine Validierung stellt höchstens 60 Fragen aus höchstens 12 Umfragen und fragt insgesamt höchstens 30.000 Antworten ab. Sie braucht mindestens 8 passende Fragen; sind es weniger, wird nichts gefragt und nichts verbraucht.

Wert und Spanne verstehen

Für jede Umfrage zeigt der Tab Validierung einen Wert mit seiner 95-%-Spanne, wen die Umfrage im Vergleich zur Zielgruppe befragt hat, die Zahl der Fragen und einen Link zur Quelle. Der Wert ist 100 minus die durchschnittliche absolute Abweichung in Prozentpunkten zwischen den Antworten der Minds und den veröffentlichten Antwortanteilen: 100 bedeutet identische Antworten. Die 95-%-Spanne berücksichtigt die Stichprobenschwankung bei den Minds und bei den Befragten der Umfrage sowie jede Anpassung an die Zusammensetzung der Zielgruppe. Ein Durchlauf mit mehreren Umfragen zeigt zusätzlich seinen kombinierten Wert.

Oben im Tab steht die Gesamtvalidität der Zielgruppe über alle Umfragen, mit denen sie verglichen wurde. Jede Umfrage zählt einmal, mit ihrer letzten Prüfung, gewichtet nach der Zahl der bewerteten Fragen.

Was es kostet

Die Validierung von Audiences verbraucht reguläre synthetische Antworten. Ein Durchlauf zählt einmal, egal wie viele Umfragen er abfragt. Ein Durchlauf, der ohne Wert endet und keine Antworten verbraucht hat, belastet das Guthaben nicht.

Über die inklusiven Durchläufe hinaus wird eine Validierung wie jede Studie abgerechnet: eine synthetische Antwort pro Mind und Frage. Wählt Minds die Umfragen aus, passt es sie an die Antworten an, die dir noch bleiben.

Die Validierung steht auch über die Audiences API und die MCP-Tools validate_audience und get_audience_validation zur Verfügung.

Tipps für gute Fragen

• Sei spezifisch — „bewerte die Klarheit dieser Tagline von 1–5“ schlägt „was denkst du?“
• Mische Persona-Typen — kombiniere Skeptiker und Enthusiasten in derselben Zielgruppe für ausgewogenes Feedback.
• Iteriere — Folgefragen bohren tiefer in die interessanten Antworten.
• Stell dieselbe Frage mehreren Zielgruppen — das Delta ist der Insight.

Zielgruppe vs. Studie

Zielgruppen machen aus deinen Minds ein Research-Tool. Zwei Zielgruppen, eine Frage, zwei Perspektiven: der kürzeste Weg von der Frage zum Insight.