用AI做市調？「模擬顧客」先幫你篩出好點子

大語言模型（LLM）正成為早期市調的生力軍——藉其模擬顧客對產品的構想，在更少的時間與成本下，產出接近問卷與焦點團體的結論；做為前測，及早揪出較弱構想，並對前景方向排出優先順序。不過，模型本身在應對細緻的客群區隔、瞬變的市場條件仍有所局限，需搭配企業專有數據加以微調，能更精準預估偏好。

在創新的早期階段，企業會面臨一個熟悉的兩難處境：哪些點子值得進一步投入？傳統解方以人為本的市場研究，確實能提供有價值的見解，但往往速度慢、成本高，而且研究範圍受限。現在，生成式AI提供一種頗具吸引力的新工具：「AI合成的顧客」。（synthetic customers）。

諸如ChatGPT和Gemini的大型語言模型（LLMs）因能產生內容與點子而備受關注。但較少被探討的部分，是它們模擬顧客對產品與功能構想反應的潛力。我們的研究顯示，謹慎使用的話，LLM能扮演假想焦點團體，產出關於顧客偏好的早期見解，所需時間與資金成本遠低於真人研究。

LLM不只能協助構思產品，也能測試產品。透過以結構化方式，將各種產品組合呈現給這些模型，在尚未接觸任何一位真人受訪者之前，就可以評估「合成的」顧客支付意願（willingness-to-pay, WTP）、比較不同選項，甚至把可能失敗的點子標記起來。在多項涵蓋牙膏、筆電與平板電腦等品類、採聯合分析法的研究中，我們發現LLM往往能產出與消費者的實際情況相近的預估數據，尤其是經過專有數據微調後的預估值，與真人結果的相似度更是驚人。

實務上，這種做法帶來的不僅是成本或時間效率的提升（儘管這兩者已相當可觀），還能放大創新漏斗的開口，讓早期構想的探索更嚴謹，也更有規模化的機會。