Zijn synthetische doelgroepen een betrouwbare bron van doelgroepinzichten? Ze zijn betrouwbaar voor snelheid, hypotheses en het testen van scenario's. Ze zijn geen vervanging voor echte mensen. De bureaus die er waarde uit halen, behandelen elke synthetische bevinding als een vraag om te controleren, niet als een antwoord om te presenteren.
De adoptie gaat snel. Digiday meldt dat bureaus en merken synthetische doelgroepen uit het lab halen en in de dagelijkse planning inzetten. Aveeno Body bracht het schrijven van strategische briefings met het synthetische onderzoek van Vurvey terug van ongeveer 30 dagen naar drie, en Goodway Group voegde de ‘synthetische populatie’ van Amerikaanse, Britse en Duitse consumenten van Arima toe aan zijn mediaplanning. In Frankrijk meldt Stratégies dat Patrick van Bloeme, na 30 jaar aan het hoofd van onderzoeksbureaus als Harris Interactive en Toluna, Limpid heeft gelanceerd, dat binnen enkele uren kwalitatieve studies uitvoert op synthetische persona's, zonder menselijke respondenten. Veelzeggend is dat Limpid ‘ne revendique pas de représentativité statistique’: het maakt geen aanspraak op statistische representativiteit.
Wat zijn synthetische doelgroepen, en waarom omarmen bureaus ze nu?
Een synthetische doelgroep is een door AI gegenereerde set persona's, of een gesimuleerde populatie, die moet voorspellen hoe echte groepen mensen zouden kunnen denken of reageren. Leveranciers bouwen ze op uit verschillende grondstoffen. Digiday beschrijft hoe Arima put uit censusgegevens, cijfers van het US Bureau of Labor Statistics, enquêtedata van Nielsen en enquêtes op maat, terwijl Vurvey openbare data combineert met kwalitatieve video-enquêtes onder echte consumenten.
De toepassingen zijn breed: gesimuleerde incrementaliteitstests, strategische briefings, productontwikkeling en virtuele focusgroepen. De grote groepen doen mee. Volgens Digiday investeerde Havas in Vurvey in een financieringsronde van 8,5 miljoen dollar, en werkt Dentsu al meer dan een jaar met Evidenza om synthetische data toe te voegen aan mediaplanning.
De reden is tijd. Veldwerk duurt weken. Een synthetisch panel antwoordt voor de lunch. Voor een bureau met een pitch op vrijdag is dat moeilijk te weerstaan.
Zijn synthetische doelgroepen dan betrouwbaar?
Dat hangt af van de vraag die je ze stelt, en zelfs de mensen die ze bouwen zijn openhartig over de beperkingen. Chad Reynolds van Vurvey vertelde Digiday dat ‘grote taalmodellen je de top van de klokcurve geven, het meest voorkomende antwoord’, en daarom voegt zijn bedrijf input van echte consumenten toe. Julie Clark van TransUnion waarschuwde voor persona's die zijn gebouwd op zwakke data: ‘Je moet beginnen met het juiste fundament.’ Stef Hoffman van Code & Theory verwoordde het het eenvoudigst: ‘Het voedt het oordeel, maar het vervangt het oordeel niet.’
Vooral het punt over de klokcurve zou bureaus zorgen moeten baren. Klanten betalen niet voor het meest voorkomende antwoord. Ze betalen voor het niet voor de hand liggende spanningsveld, het minderheidsgedrag dat een trend wordt, het ding dat de hele categorie heeft gemist. Een tool die naar het gemiddelde neigt, is nuttig om ideeën af te strepen. Om het idee te vinden is hij riskant.
Let ook op wie de verhalen vertelt. De meeste succesverhalen komen van leveranciers en hun klanten. Dat is geen reden om ze weg te wuiven. Het is een reden om ze te controleren.
Waarom het steeds weer gebeurt: het data-illusie-effect
Synthetisch onderzoek is overtuigend om een reden die weinig met nauwkeurigheid te maken heeft. Noem het het data-illusie-effect: hoe meer een antwoord op data lijkt, hoe meer we het vertrouwen, ongeacht hoe die data tot stand is gekomen. Het is een naaste verwant van wat psychologen de validiteitsillusie noemen: onze neiging om vertrouwen te hebben in oordelen die weinig voorspellende waarde hebben.
Synthetische output komt vloeiend, gekwantificeerd en netjes gelabeld binnen. Stel je een gesimuleerd panel van ‘milieubewuste Gen Z-shoppers’ voor dat meldt dat de meesten meer zouden betalen voor navulbare verpakkingen. Het leest als een bevinding. In werkelijkheid is het de schatting van een model van wat zulke mensen zouden kunnen zeggen. Zet het op een slide met een percentage en dinsdag is het een feit.
Het onderliggende inzicht is er een dat elke planner boven zijn bureau zou moeten hangen: data onthult patronen, maar kan menselijkheid niet definiëren. Patronen zijn nuttig. Ze zijn geen mensen.
Welke doelgroepdatabron gebruik ik waarvoor?
Geen enkele bron is op zichzelf betrouwbaar. Betrouwbaarheid ontstaat door bronnen te combineren waarvan de zwakke punten elkaar niet overlappen.
| Bron | Het best voor | Zwak in | Zo controleer je het |
|---|---|---|---|
| Synthetische doelgroepen | Snelle hypotheses, reacties op scenario's en concepten, eerste versies van briefings | Verrassingen, minderheidsstandpunten, statistische claims | Herleiden tot waargenomen gedrag; een kleine live test draaien |
| Enquêtes en panels | Gerapporteerde attitudes op grote schaal | Wat mensen werkelijk doen; snelheid | Vergelijken met gedragsdata |
| Gepubliceerde content en gesprekken op social media | Wat mensen ongevraagd zeggen, in hun eigen woorden; activiteit van concurrenten | Mensen die zelden posten | De posts achter elke conclusie lezen |
| First-party- en campagnedata | Wat je klanten werkelijk deden | Mensen die nog geen klant zijn | Incrementaliteitstests |
| Kwalitatieve interviews | Motivatie, diepgang, het ‘waarom’ | Schaal en snelheid | Trianguleren met de bronnen hierboven |
Hoe houden bureaus synthetische doelgroepen eerlijk?
- Vraag waarop het is gebouwd. Welke bronnen, hoe recent, hoe vaak ververst. Een leverancier die dat niet kan beantwoorden, vraagt je om een black box te vertrouwen met het geld van je klant.
- Gebruik synthetische data om hypotheses te genereren, geen conclusies. Laat het panel tien richtingen terugbrengen tot drie. Laat het niet de winnaar kiezen.
- Veranker elke hypothese in waargenomen gedrag. Controleer of echte mensen werkelijk zeggen, delen of doen wat het panel voorspelt. Als je het bewijs niet kunt vinden, behandel de bevinding dan als onbewezen.
- Valideer de beslissingen die ertoe doen in de markt. Goodway gaat volgens Digiday de tool van Arima gebruiken om incrementaliteitstests in een gesimuleerde omgeving uit te voeren en de resultaten daarna te controleren met kleinschalige media-activaties. Dat is het juiste instinct.
- Label elk inzicht in het deck. Markeer elk inzicht als synthetisch, waargenomen of gemeten. Klanten hebben er recht op te weten wat wat is, en je eigen strategieteam ook.
- Stel een professionele scepticus aan. Digiday merkt op dat teams ‘een professioneel wantrouwen tegenover hun bevindingen moesten bewaren’. Maak het iemands taak om te vragen: hoe zouden we weten dat dit niet klopt?
Waar past echt gepubliceerde content?
Gepubliceerde content is het anker. Wat doelgroepen en concurrenten werkelijk posten, is ongevraagd, specifiek en gedateerd, en daardoor controleerbaar. Het heeft een eigen blinde vlek, omdat mensen die posten erin oververtegenwoordigd zijn, en daarom werkt het het best naast de andere bronnen in de tabel.
Dat is het principe achter Defy Monitor: elke AI-conclusie is te herleiden tot de echte gepubliceerde posts erachter, zodat strategie wordt teruggeredeneerd vanuit wat doelgroepen en concurrenten werkelijk publiceren in plaats van vanuit enquêtes. Persona's worden geclusterd uit echte gesprekken, waardoor synthetische bevindingen iets solides hebben om tegen te worden getoetst. Bekijk hoe dat past binnen het Defy-platform.
Synthetische doelgroepen zijn blijvertjes, en ze zullen bureaus sneller maken. De bureaus die hun geloofwaardigheid behouden, zijn de bureaus die bij elke claim kunnen laten zien welke echte mensen erachter zitten.
