如何构建用于市场调研的合成受众
构建合成受众的实用设置指南：定义决策、细分受众、基准数据源、提示词、验证检查以及报告标准。
构建合成受众（Synthetic Audiences）并不等同于撰写一个角色画像提示词。一个实用的合成受众是一项调研资产：它包含决策背景、受众定义、基准材料、中立的问题，以及针对仍需真实验证之内容的规划。
本指南为团队提供了一个在市场调研中使用合成受众的实用设置工作流，避免将模拟输出直接视作最终定论。
第一步：定义决策
从决策开始，而不是从模型开始。
写下：
- 团队需要做出什么决策。
- 正在对比哪些选项。
- 什么样的证据会改变决策。
- 决策失误的代价是什么。
- 哪些发现可以作为方向性参考，哪些需要真实验证。
当任务具体时，合成受众的作用最强：例如对比三种活动方案、寻找对该产品概念的反对意见、对定价策略进行压力测试，或在实地调研前完善问卷。
第二步：定义受众
受众定义应当足够具体，以便两位研究员能够据此构建出大致相同的样本组。
包括：
- 细分群体名称和市场。
- 角色、人口统计学或行为背景。
- 对品类的熟悉程度。
- 目前的替代方案或临时解决方案。
- 决策时刻。
- 可能存在的限制条件。
- 受众在做出反应前应该了解什么。
- 模型不应该假设什么。
避免使用“忙碌的父母”或“企业买家”这样模糊的标签，除非您补充了具体背景。一个在挑选学校零食的忙碌父母，和一个在购买财务软件的忙碌父母，并不是同一个调研受访者。
第三步：添加基准数据源
基准数据（Grounding）是合成受众背后的证据层。它可以包括已批准的调研摘要、CRM细分群体备注、先前的问卷调查结果、访谈主题、客服支持案例、公开的品类数据或专家假设。
按可信度标记每个数据源：
- 已知证据：有先前的调研或观察到的行为支持。
- 工作假设：合理但尚未证实。
- 未知：重要但尚未得到支持。
这种区分能保持合成受众的客观真实，也有助于团队决定稍后需要验证哪些内容。
如需更深入的解释，请参阅合成受众数据基准常见问题解答。
第四步：撰写中立的问题
不要要求合成受众去迎合团队偏好的答案。
较弱的提示词：
为什么这个产品概念令人兴奋？
较好的提示词：
评估这个产品概念。哪些地方是清晰的，哪些地方令人困惑，哪些地方感觉可信，哪些地方感觉夸大了，以及在认真对待它之前你需要看到什么？
优秀的提示词会询问反应、反对意见、缺失的证据、权衡取舍、替代方案，以及受众实际会使用的语言。
第五步：对比细分群体
当合成受众帮助对比差异时，其价值最大。
针对以下对象运行相同的问题：
- 两个或更多客户细分群体。
- 现有客户和潜在客户。
- 买家和使用者。
- 决策者和影响者。
- 区域或品类子群体。
寻找规律。哪个反对意见无处不在？哪个只出现在一个细分群体中？哪个概念在最关键的受众中胜出？
第六步：验证输出
在将输出用于PPT汇报、路线图、活动简报或调研计划之前，应对合成受众进行检查。
进行简短的验证评估：
- 受众定义是否与决策匹配？
- 基准数据源是否已记录归档？
- 问题是否中立？
- 输出是否包含不确定性和反对意见？
- 结论与假设是否区分开来？
- 下一步建议的真实验证步骤是否明确？
如需更严谨的版本，请使用合成受众验证清单。
第七步：清晰汇报
在最终输出中使用清晰的标签：
- 方向性合成受众洞察。
- 合成样本组假设。
- 需要真人验证。
- 有先前调研摘要支持。
- 基于工作假设。
这种措辞可以保护公信力。它告诉利益相关者如何使用这些输出，以及在哪些地方不要过度解读。
构建流程总结
- 定义业务决策。
- 定义受众。
- 添加基准数据源。
- 提出中立的问题。
- 对比不同细分群体的规律。
- 验证输出。
- 汇报结果并注明局限性。
Minds 支持这一工作流，允许团队创建调研小组、提出结构化问题、对比模拟反应，并将解读转化为更精准的实地调研、营销活动或产品决策。
