一项涉及57项产品调查的研究发现,让AI先用文字表达购买意愿,再转换成评分,能更准确地模拟真实消费者的回答。
企业推出新产品前,通常会邀请消费者参与调查,询问他们是否愿意购买。如今,研究人员发现,大语言模型也能完成类似任务,但前提是不能直接让AI打分。
PyMC Labs与Colgate-Palmolive(高露洁-棕榄)的研究团队分析了57项个人护理产品调查,涉及9300名美国消费者。每项调查有150至400名参与者,他们需要根据产品介绍,在1至5分之间评价自己的购买意愿。
研究人员随后让GPT-4o和Gemini 2.0 Flash扮演具有不同年龄、收入、性别等特征的消费者,评价相同的产品概念,并将AI的回答与真人结果比较。
最简单的方法是直接问AI:“你有多大可能购买这款产品?请打1至5分。”
结果并不理想。AI往往选择中间的3分,很少给出1分或5分,而真实消费者的回答主要集中在4分和5分。以GPT-4o为例,AI评分分布与真人调查的KS相似度只有0.26。
研究团队于是改变了提问方式。
他们先让AI用自然语言表达购买意愿,例如:“我有点感兴趣,如果效果不错、价格也不贵,我可能会试试。”
随后利用一种称为语义相似度评分(SSR)的方法,将这段文字转换成评分分布。系统把AI的回答与5组对应不同购买意愿程度的参考语句进行比较,根据语义相似度计算各个分数的概率,而不是强行指定一个分数。
这一调整明显改善了结果。
GPT-4o模拟调查与真人结果的比较
购买意愿分布KS相似度
0.26 → 0.88
(直接评分 → SSR评分)产品排名相关性达成率
81.7% → 90.2%
(相对于真人分组调查的相关性基准)
研究发现,AI还能够模拟部分真实消费者的行为差异。例如,中年消费者的购买意愿通常高于年轻和年长群体,经济压力较大的人则更不愿购买新产品。这些趋势在AI模拟中也有一定体现。
但人口特征同样重要。研究人员发现,如果不给AI提供消费者的年龄、收入等背景信息,虽然生成的整体评分分布看起来非常接近真人,AI判断不同产品受欢迎程度的能力却明显下降。
这意味着,模拟出真实的评分分布,不等于真正理解消费者的偏好。
研究也存在局限。测试主要集中于个人护理产品,评分所用的参考语句经过针对性调整,尚不清楚能否直接推广到其他行业。AI也无法完整模拟真实购买时受到的预算、文化环境和营销因素影响。
研究人员认为,这种方法目前更适合帮助企业初步筛选产品创意,而不是完全取代真人消费者调查。
