Как «синтетические» данные работают в маркетинговых исследованиях — и когда им нельзя доверять

Представьте: в четверг клиент просит вас к пятнице узнать, как экологически сознательные представители миллениалов в Северной Америке отреагируют на три новые идеи кампании. Проведение нового опроса заняло бы недели. Именно в таких ситуациях маркетологи всё чаще обращаются к «синтетическим» (смоделированным) данным, сгенерированным ИИ, — отмечает в своём обзоре исследовательская компания GWI.

Генерация синтетических данных — это процесс создания искусственного набора данных с помощью ИИ, имитирующего реальные данные из жизни. Вместо того чтобы собирать новые ответы от реальных людей, модель «производит» набор данных, который выглядит и ведёт себя как настоящий. Этот метод не нов — ранее он применялся для защиты конфиденциальности, восполнения пробелов в данных или обучения моделей на редких случаях, например мошенничестве. Новизна в том, что сегодня этот метод всё чаще подменяет собой прямое исследование потребителей — и при этом выглядит убедительно, независимо от того, насколько далеки его результаты от реальности.

По объяснению GWI, надёжность синтетических данных зависит от того, как именно они созданы, и здесь существует три уровня. В самом слабом случае языковая модель общего назначения выдаёт «предположительный» ответ на вопрос об аудитории, опираясь на данные, собранные с интернет-форумов и соцсетей, — такой ответ может звучать убедительно, но на деле отражает не ваших реальных клиентов, а людей, которые просто больше пишут в интернете. На среднем уровне данные собираются через веб-скрейпинг или выводятся из поведения пользователей — это ближе к реальности, но всё же остаётся косвенной интерпретацией: например, человек, регулярно просматривающий кроссовки для бега, вовсе не обязательно «активный бегун» — возможно, он просто выбирает подарок. Самый надёжный уровень возникает тогда, когда модель опирается на реальные ответы реальных людей в опросах: например, ответ на вопрос о новом безсахарном энергетическом напитке, который ещё никому не задавался, моделируется на основе реальных данных GWI — согласно имеющимся данным компании, 61% потребителей хотели бы попробовать напитки с функциональным составом, а 31% называют себя сторонниками «низкого сахара».

Таким образом, реальные данные опросов — это фундамент, а синтетические данные — здание, построенное поверх этого фундамента, объясняет GWI. Если синтетические данные опираются на реальные ответы, каждый результат можно проследить до конкретного реального человека; в противном случае результаты превращаются в ничем не подкреплённые цифры, происхождение которых невозможно объяснить.

При правильном применении смоделированные данные дают скорость, возможность одновременно протестировать больше идей и понимание редких или труднодоступных аудиторных групп — например, можно заранее отсеять пять концепций продукта без проведения полноценного дорогостоящего исследования по каждой из них. Но у этого подхода есть и слабое место: чем более «разреженными» являются данные об аудитории, тем осторожнее нужно относиться к результатам, а некоторые высокорисковые или совершенно новые вопросы всё ещё требуют первичного (оригинального) исследования.

Сама компания GWI проводит более 2 миллионов интервью в год, охватывает 53 рынка, задаёт одни и те же базовые вопросы уже 15 лет и обновляет данные еженедельно — это создаёт богатый и устойчивый фундамент для её модели симуляции. Итоговый вывод таков: синтетические данные могут быть полезным инструментом для исследователей, но только тогда, когда они построены на реальных данных опросов и применяются не как замена оригинальному исследованию, а как его дополнение.