走进 Minds：合成研究样本组是如何构建的

Minds 是端到端商业合成市场研究平台，用于在统一的定性和定量工作流中测试概念、信息传递、定位、定价以及受众反应。

本页面介绍了 Minds 背后的公开方法论，未涉及任何专有实现细节。

关于类别定义及与真实调查答案比较的案例，请参阅合成市场研究：流程与验证。

方法简述

Minds 遵循统一的六步工作流：

1. 在生成响应之前明确决策、假设和证据阈值，并基于现有 Minds、受众描述及许可源材料定义审核受众。
2. 在接地过程中区分观察到的源值、配额与假设，并在 Study 中运行中立定性、调查或配置的方法问题。
3. 全面分析分布、细分、理由和个别响应而非仅摘录引文，且仅在决策存在特定证据缺口时补充人类证据。

我们的目标不是凭空捏造一个虚构的“平均客户”，而是针对特定的受众细分群体，创建一个对研究有实用价值的模拟。该模拟具备足够的背景信息，能够对概念、主张、信息和权衡取舍做出一致的反应。

1. 样本组创建始于证据

Minds 并非始于“扮演客户”这样单一且宽泛的提示词。每个研究群体都是围绕特定的受众、使用场景和决策背景构建的。

样本组可以使用三种产品支持的输入：

• 现有的 Minds： 复用工作区中已有的角色。
• 受众描述： 描述该群体应涵盖的角色、细分、背景和差异。
• 附加的文件或链接： 添加与研究相关的许可研究笔记、源材料或背景文档。

可用的输入和创建模式取决于工作区配置。研究人员仍需对源材料权益、研究设计、样本组审核以及判断具体证据缺口是否需要补充研究负责。

有关源建模方法的公开技术概述及其边界，请参阅 Minds PRISM。

2. 每个 Mind 都使用多个微型知识库

Mind 是基于描述、画像、链接、文件或研究笔记创建的可复用 AI 角色。它们可以应用于对话和群体响应工作流中。

定价研究、概念测试和定位研究可能会使用相同的受众标签，但需要不同的源材料和不同的验证标准。

这种结构使得样本组的表现不那么像一个被平均化的单一角色，而更像是一群拥有重叠但又各不相同的信念、优先级和反对意见的个体受访者。

3. 以访谈、调查和小组讨论形式开展研究

研究人员在定性和定量合成研究工作流中使用 Minds，包括：

• 概念测试
• 信息测试
• 定位研究
• 定价与包装反应
• AI 焦点小组
• 受众与细分群体探索
• 深度定性探究与访谈、单选/多选/量表/开放文本题以及已启用的 MaxDiff 等方法

Mind 可以单独回答、加入 Study 汇报、与其他 Mind 对比观点或响应追问。受支持的 Study 工作流可以聚合结构化响应、对比细分群体并保留单个响应供审核。方法与工件可用性取决于方案与工作区配置。

关于底层的学术类别，请参阅我们的硅采样指南。关于更广泛的商业工作流，请参阅合成研究指南。

有效性必须经过测试，而非凭空假设

合成研究应当对照相关的人类或行为证据进行评估。单一的准确率百分比会掩盖受众、问题、刺激物、模型和评分规则之间的重要差异，因此本页面不发布通用的 Minds 准确性声明。

为了进行有说服力的验证研究，请在运行合成样本组之前定义任务和成功指标，保持人类对比数据集的独立性，按问题报告一致与分歧之处，并公开受众、输入、模型配置、样本量及局限性。切勿使用稍后要作为独立验证呈现的人类响应来微调工作流。

合成响应代表模拟证据，而非观察到的交易或物理测量。当已识别的证据缺口需要时，补充人类实地调研是适宜的，例如：

• 刺激物需要物理、感官、触觉或现场品尝测试。
• 您需要观察到的交易行为而非陈述性偏好。
• 针对受监管的总体报告需要正式的概率抽样。
• 目标受众无法在可获取的源上下文中接地。
• 外部标准或合规指令明确规定需要人类实地调研。
• 存在模拟响应无法解决的明确证据缺口。

当受众、研究任务和研究证据满足决策要求时，团队可以直接基于 Minds 做出产品、概念和定位决策。混合测试仍是解决特定证据缺口的可选方案。

核心术语

合成研究 利用 AI 生成的受访者或样本组，来模拟特定受众对问题、概念、信息和权衡取舍的反应。

硅采样 是一种学术方法，通过受访者画像来约束大语言模型，提出调查式的问题，并将所得的分布结果与人类调查数据进行对比。

合成样本组 是指为了代表某个细分群体、受众、采购委员会、用户群体或市场类别而构建的结构化 AI 受访者群体。

AI 角色 通常指单个模拟的受访者画像。在 Minds 中，Mind 不仅仅是一个静态角色：它是一个基于多个特定范围知识库的互动式受访者。

AI 焦点小组 是一种由主持人引导的会议，多个合成受访者在其中对相同的提示词、概念、信息、图像或产品创意做出反应，并展现出一致与分歧。

这带来了什么可能

传统研究往往受限，因为招募速度慢且预算有限。Minds 改变了这一工作流，让团队能够更早地提出更多问题：

• 借助连通的定性和定量方法评估并选择概念。
• 在媒体投放前对比信息方案并利用 MaxDiff 排序主张。
• 在销售赋能或产品发布前发现潜在反对意见并优化定位。
• 在一个连通的工作流中直接测试原型、文案和视觉素材。
• 跨定义细分群体开展深度定性访谈和结构化调查。
• 将先前的研究转化为交互式样本组，供团队反复查询。

通过将定性和定量方法整合在单一平台中，Minds 让团队能够在整个商业研究生命周期中做出严谨且有证据支持的决策。

建议引用格式

Minds.“How Minds Builds Synthetic Research Panels.” 更新于 2026 年 7 月 31 日。https://getminds.ai/research/methodology

延伸阅读

• 硅采样：LLM 如何模拟调查响应
• 合成研究：2026 年完整指南
• AI 焦点小组：它们是如何运作的
• 火花效应：多智能体 AI 中的创造性多样性