受众：可复用的合成研究样本

受众是代表你想了解的人群、可重复使用的一组 Minds。真正的研究在研究项目中进行，可以是一对一深度访谈、定性探索、问卷、概念测试或细分比较。

不同团队对它的叫法各不相同：

• 营销团队 — 客户受众
• 代理公司 — 客户洞察受众
• 产品团队 — 用户受众
• 创始人 — 专家受众 / 顾问委员会

机制是同一个：一批有代表性的 Minds，在传统调研简报还没写完之前就已经可以发问。

组建 受众：两条路径

路径一 · 挑选已有 Minds

1. 在 Minds 列表中开启多选，选中你想要的 Minds。
2. 在弹出的操作栏中点击 Create 受众。
3. 受众 会即时创建并自动命名；随时可以改名（“Z 世代焦点小组”、“顾问委员会”）。

你也可以点击 New 受众，把已有的 Minds 直接拖进面板。

路径二 · 描述你的受众

当你手里还没有合适的 Minds 时，描述这个细分群体，让平台来构建：

1. 点击侧边栏的 New 受众，创建面板会滑入。
2. 描述受众：“旧金山的企业级 CTO，SaaS 行业，员工 500 人以上”、“德国 30–45 岁、孩子在上学的职场父母”、“B 轮公司的 B2B CMO”。
3. Minds 先分配临时画像，再撰写人物介绍。请在分布卡片中检查采用的构成及其依据来源。
4. 通过 Rework 请求调整，然后选择 Create 使用已审核版本。
5. 用 Create 确认。每个 Mind 都带着自己的进度条并行构建，即使你关闭面板，构建也会在后台继续。

上传的已完成研究会成为参考样本。受访者特征决定样本构成；满意度、购买意向等结果答案另存为历史发现。人数、百分比、缺失情况及有效的调查加权结果均从实际数据行计算。在可行的情况下，保留就业、职业和收入之间的已观察关系。姓名、电子邮件及受访者标识不会进入合成人物内容。

请在分布卡片中检查采用的构成。未收集的画像字段保持为建模或未知，并区分缺失与未提问。构成使用未加权样本人数。有效的加权结果和原始样本比例作为依据保留。请求的配额优先。客户样本不能代表全国人口比例。

开展新研究时，历史结果答案不会用于人物生成或知识检索。明确要求重建原研究时，可以使用历史汇总结果，并标注其基于已有答案。可通过 Rework 修改研究用途。合成 Minds 不是原受访者，重复已提供的答案不能验证预测。已保存的受众保持原有构成。

这是从 “我需要用我的 ICP 测试这个” 到 “测试已经在跑了” 的最快路径。

运行 受众

在研究中打开这个 受众。提出你的问题，或者直接丢进去一个素材：落地页截图、融资演示稿、竞品广告、定价页面。每个 Mind 并行作答。

快速或定制（引导式）设置

• 快速会分析你的请求和附加来源，建议多个相关的现有及新建 受众，并在打开研究前等待你确认。现有 受众 保留实际 Mind 数量；只有新建草稿使用当前 5–20 Minds 的范围。
• 定制会打开引导式设置，用于定义研究目标、添加网站/文件/备注、选择 受众、检查问题结构并确认完整计划。空白选项允许你在没有问卷的情况下开始。

快速规划、定制模式生成的问题、计划修订、v1 和 MCP 使用同一套研究规划策略和同一个快速模型。确认可用方法后，其准确的方法契约会继续附加在普通流式执行或持久化问卷处理器上。实验性或计划中的方法仍可在计划中查看，但运行会被阻止；系统绝不会静默地把它们改成定制研究。

高级方法始终是可选的。它们只会在用户提出时出现，而且只有目录状态允许执行时才会运行；MaxDiff 和 Conjoint 绝不会被隐式启动。

在已启用的环境中，MaxDiff 是可执行的方法：服务器生成均衡的强制选择任务，问卷处理器只负责收集选择，随后由服务器端方法适配器计算整体及各受众的确定性排名。计算结果会作为权威证据传入研究摘要，详细数据可通过计算图标查看。Conjoint 也可执行，但需要明确同意使用高级方法并提供有效配置。

确认回答格式和量表

在计划研究运行之前，每个问题都会在与 Method 选择器相同样式的下拉菜单中显示建议的回答格式。你可以选择开放文本、选择题、标准 1–5、1–7、1–10 或 0–10 量表，也可以定义自定义整数范围。建议格式会根据问题推断，但仍可编辑；确认后，精确格式会随计划保存，持久化处理器将用它进行分类和聚合。v1 API 和 MCP 客户端会收到同一份逐题 response 契约，并可在确认最新计划修订版之前按问题 ID 修改。

回答如何分类

每个问题会被自动归入三种类型之一：

• 量表型 — 数值评分（“从 1–10 给这个打分”）→ 分布 + 组内均值
• 分类型 — 离散选项（“是 / 否 / 也许”、“这三个标题选哪个？”）→ 百分比拆分
• 定性型 — 开放式问题（“你怎么看这个概念？”）→ 聚类主题

追问会被放在上下文中理解。先问 “你喜欢冰淇淋吗？”，再问 “哪种口味？”，系统知道“哪种口味”指的是什么，并会为每个 Mind 把它重新表述成一个独立完整的问题。

同一个研究里放两个 受众

这是洞察最锐利的地方。把两个（或更多）受众 丢进同一个研究，问同一个问题：“这个落地页哪里有效，哪里无效？”

你会得到并排视图：例如 B2B 营销负责人 对比 中端市场 SaaS CMO。你能看到他们在哪里达成共识，在哪里分道扬镳。细分群体之间的反差本身就是研究结论：不是 12 个人重复同一句话，而是两批经过校准的受众同时对你的工作做压力测试。

从 受众 到一对一

有时某个回答会让你眼前一亮。点击那个 Mind，你就进入了只与她一人的私密一对一。问她为什么。挑战她的逻辑。给她看竞品。问什么才会让她改变想法。受众 研究会一直保存在侧边栏里，你随时可以直接跳回聚合视图。

受众 给你广度，单独拉出来给你深度。

Alignment

每个受众回答块的标题栏都有一个 Alignment 下拉菜单。展开后可以看到每个 受众 的两项得分（0–100%）：

• Personality match — 每个 Mind 的回答与其自身人格定义的吻合程度，按 受众 取平均。可以这样读：这个 受众 的回答有多符合角色设定。分数低是一个信号，提醒你在依据汇总结果行动之前，先逐条看看个体回答。
• Distribution match — 该 受众 的回答分布与其所依据的原始调研回答的吻合程度（100 = 完全一致，0 = 完全相反）。仅对基于参考调研数据构建的 受众 显示；其他 受众 显示 Not available。

当某项得分偏低时，得分的悬浮提示中会出现一行原因说明。

Alignment 在图表渲染完成后才开始计算，因此每一行会先显示 Calculating…，等分数出来后再更新。

用真实调查验证受众

受众验证会将受众与已发布的真实调查进行对照。Minds 会找到受访者与受众最匹配的调查，向受众中的 Minds 提出相同的问题，并对它们的回答与已发布回答的接近程度打分。打开一个受众并选择验证标签页，即可查看结果或发起新的验证。

新受众的自动验证

新的私有受众会在其所有 Minds 完成训练后立即自动验证一次，前提是它至少有 10 个 Minds，且其所有者当月还有剩余的套餐内验证次数。自动验证从不消耗合成回答，也不发送邮件。自动验证上线之前已存在的受众，只有在有人发起时才会验证。

自行发起验证

对于任何你有编辑权限的受众，你都可以随时发起验证，次数不限。受众至少需要 10 个已就绪的 Minds。在验证标签页中，选择对照对象：

• 由 Minds 查找的、最适合该受众的已发布调查
• 你从列表中挑选的最多 5 项调查
• 你自己的调查：问卷及其结果，格式为 PDF、Excel（XLS、XLSX）、CSV、Word（DOCX）或 TXT
• 受访者级数据集（Pro 方案）
• 你已完成的一次研究运行：免费评分，不会提出新问题

所有选定的调查会在一次运行中统一提问，运行使用一个名为“Validation run: <受众名称>”的研究。该研究是平台的工作副本：它不会出现在你的研究列表中，也不计入研究限额。验证运行会排在用户发起的研究之后，因此不会拖慢你自己的研究。一次运行通常需要 10 到 60 分钟，在任何调查开始提问之前都可以停止。

如果你发起的验证运行超过几分钟，完成时你会收到一封邮件。点击邮件中的按钮即可直接打开该受众的验证标签页。

会问哪些问题

调查按照其受访者与定义该受众的人群之间的关系排序：受众本身的人群、其中的一部分、相邻人群（包括在另一个国家接受调查的同类人群），或他们所属的更广泛人群。针对受众本身人群的调查排在最前；更广泛人群的数据可以佐证结果，但权重绝不会超过更具体的调查。

在任何 Mind 作答之前，每个问题都会针对该受众逐一检查。出现以下情况时，问题会被排除：

• 受众中的人无法回答，例如问题预设了他们并不具备的条件
• 已发布的回答对该受众来说不是公平的对照目标，因为受访者的差异会改变答案；例如，普通大众的外出就餐习惯不能作为工地工人的对照目标
• 同一个问题已经从更匹配的调查中提出

如果调查按年龄或地区公布某个问题的回答，对照目标会收窄到受众自身的构成。每个被排除的问题都会列出原因。一次验证最多从 12 项调查中提出 60 个问题，总计最多 30,000 个回答。至少需要 8 个合适的问题；少于这个数量时，不会提问，也不会消耗任何额度。

解读分数与区间

对于每项调查，验证标签页会显示分数及其 95% 区间、该调查相对于受众询问的是哪些人、问题数量以及来源链接。分数等于 100 减去 Minds 的回答与已发布回答占比之间的平均绝对差（以百分点计）：100 表示回答完全一致。95% 区间反映了 Minds 和调查受访者双方的抽样误差，以及对受众构成所做的任何调整。包含多项调查的运行还会显示综合分数。

标签页顶部显示受众在其所有对照调查中的整体效度。每项调查按其最近一次检查只计一次，并按已评分问题的数量加权。

费用

各方案中，受众验证消耗合成回答额度。无论一次运行包含多少项调查，如果一次运行没有产生分数，也没有消耗任何回答，其用量会退回。

超出套餐内次数后，验证与普通研究一样计费：每个 Mind 每个问题消耗一个合成回答。由 Minds 选择调查时，会根据你剩余的回答数量来调整调查。

你也可以通过 Audiences API 以及 MCP 工具 validate_audience 和 get_audience_validation 使用验证功能。

提问技巧

• 具体一点 — “从 1–5 给这句标语的清晰度打分” 远胜 “你怎么看？”。
• 混合人格类型 — 在同一个 受众 里同时放入怀疑者和拥趸，反馈更均衡。
• 持续追问 — 追问能把有意思的回答挖得更深。
• 用不同的 受众 跑同一个问题 — 差异本身就是洞察。

受众 与 Chat 的区别

受众 把你的 Minds 变成一件研究工具。两个 受众，一个问题，两种视角：这是从问题到洞察的最短路径。