จะเข้าใจ Gen Z พ่อแม่รุ่นใหม่ หรือคนใกล้เกษียณได้หรือไม่ โดยไม่ต้องถามมนุษย์สักคน คำตอบสั้น ๆ คือ เพอร์โซนาสังเคราะห์ช่วยให้สำรวจ ทดสอบ และร่างไอเดียได้เร็วมาก แต่ใช้สรุปผลไม่ได้ สำหรับงานวิจัยเชิงเจเนอเรชัน ข้อมูลสังเคราะห์เป็นตัวเร่ง ไม่ใช่สิ่งที่มาแทนการสังเกตพฤติกรรมจริง
นี่ไม่ใช่คำถามเชิงทฤษฎีอีกต่อไป Stratégies สื่อการค้าของฝรั่งเศส รายงานว่า Patrick van Bloeme ผู้ร่วมก่อตั้ง Novatris ซึ่งต่อมากลายเป็น Harris Interactive และ Toluna ได้เปิดตัว Limpid แพลตฟอร์มสำหรับการวิจัยเชิงคุณภาพโดยไม่ใช้ผู้ตอบที่เป็นมนุษย์ บริษัทต่าง ๆ ใช้ทำการศึกษาครบวงจรกับเพอร์โซนาสังเคราะห์ “ตั้งแต่บรีฟจนถึงผลงานส่งมอบ” ภายในไม่กี่ชั่วโมงและทำได้เอง เมื่อคนที่ใช้เวลาสามสิบปีบริหารสถาบันวิจัยตัดสินใจเดิมพันเรื่องนี้ เอเจนซีก็ควรพิจารณาให้ถี่ถ้วน
การวิจัยโดยไม่มีผู้ตอบสัญญาอะไรไว้
ตามรายงานของ Stratégies Limpid ให้ศึกษาพฤติกรรม การใช้งาน และปฏิกิริยาต่อแนวคิด ข้อความ หรือสถานการณ์ต่าง ๆ ได้ คุณสามารถจำลองการขึ้นราคากะทันหัน วิกฤตสุขภาพครั้งใหม่ หรือช่วงเวลาสำคัญในชีวิต เช่น การย้ายบ้านหรือการเกษียณ
แพลตฟอร์มยังระบุข้อจำกัดของตนเอง ซึ่งนับเป็นข้อดี คือไม่อ้างความเป็นตัวแทนทางสถิติและไม่ทำแบบสำรวจเชิงปริมาณ กล่าวอีกอย่างคือเป็นเครื่องมือสำหรับทดสอบสถานการณ์อย่างรวดเร็ว ไม่ใช่สำหรับวัดตลาด
สำหรับเอเจนซี แรงดึงดูดนั้นชัดเจน บรีฟพิชช์เข้ามาวันจันทร์ ต้องส่งข้อเสนอวันศุกร์ ไม่มีเวลาให้งานภาคสนามเชิงคุณภาพแบบเดิม ข้อมูลสังเคราะห์เข้ามาเติมช่องว่างนั้น
ทำไมคำตอบที่ลื่นไหลจึงดูเหมือนความจริงมากนัก
ตรงนี้เองที่กับดักปิดลง เพอร์โซนาสังเคราะห์ตอบด้วยภาษาไร้ที่ติ สอดคล้อง และมีมิติ มีชื่อ มีอายุ มีนิสัย ทั้งหมดดูเหมือนความรู้
เรียกว่าปรากฏการณ์ภาพลวงตาจากข้อมูล: ข้อมูลยิ่งดูแม่นยำและขัดเกลาเท่าไร เรายิ่งให้น้ำหนักมากเท่านั้น โดยไม่คำนึงว่าจริง ๆ แล้วมั่นคงเพียงใด การวิจัยสังเคราะห์ดันปรากฏการณ์นี้ไปถึงขีดสุด เพราะรูปแบบสมบูรณ์แบบมาตั้งแต่การออกแบบ
แต่เพอร์โซนาสังเคราะห์ไม่เคยผ่านชีวิตจริงสักอย่าง มันเล่นซ้ำความสม่ำเสมอที่เรียนรู้จากข้อความจำนวนมหาศาล ข้อมูลเผยให้เห็นรูปแบบ แต่ไม่อาจนิยามความเป็นมนุษย์ได้ รูปแบบทางสถิติเกี่ยวกับ “ผู้สูงวัย” ไม่ใช่หญิงวัย 67 ปีที่กำลังลังเลว่าจะย้ายธนาคารดีหรือไม่
การวิจัยเชิงเจเนอเรชันเป็นทุ่งทุ่นระเบิดหรือไม่
ใช่ ด้วยเหตุผลง่าย ๆ คือเจเนอเรชันเป็นภาพเหมารวมอยู่แล้ว “Gen Z” ไม่ได้มีอยู่เป็นกลุ่มก้อนเดียวกัน นักศึกษาในลียง เด็กฝึกงานในชนบทของฝรั่งเศส และผู้บริหารหนุ่มสาวในปารีสมีจุดร่วมกันน้อยมากนอกจากปีเกิด
โมเดลภาษายังเรียนรู้ และเรียนรู้มากด้วย จากสิ่งที่ผู้คนพูดถึงเจเนอเรชัน ทั้งบทความ บทความแสดงความเห็น งานศึกษา และการถกเถียง จึงเสี่ยงที่จะรู้จักวาทกรรมเกี่ยวกับ Gen Z ดีกว่าวิธีที่คนรุ่นใหม่แสดงออกจริง ผลคือเพอร์โซนาสังเคราะห์อาจทำให้ภาพเหมารวมน่าเชื่อถือขึ้นแทนที่จะแก้ไขมัน
ลองนึกภาพเอเจนซีที่เตรียมแคมเปญให้บริษัทประกันสุขภาพซึ่งมุ่งเป้าไปที่ผู้เพิ่งเกษียณ แพเนลสังเคราะห์ยืนยันสิ่งที่ทุกคนเชื่ออยู่แล้ว คือความระมัดระวัง ความต้องการความมั่นใจ และความหวาดระแวงต่อทุกสิ่งที่เป็นดิจิทัล ในขณะเดียวกัน ผู้เพิ่งเกษียณตัวจริงกำลังโพสต์เรื่องการเดินทาง โครงการอาสาสมัคร และหลาน ๆ แคมเปญที่เน้นความอุ่นใจจึงไม่ได้ผล
วิธีสังเคราะห์ วิธีให้ผู้ตอบรายงานเอง หรือวิธีสังเกต: เหมาะกับงานแบบใด
| แนวทาง | สิ่งที่จับได้ | ความเป็นตัวแทน | การใช้ที่เหมาะสม | กับดัก |
|---|---|---|---|---|
| เพอร์โซนาสังเคราะห์ | ปฏิกิริยาที่น่าจะเป็นไปได้ ซึ่งโมเดลจำลองขึ้นภายในไม่กี่ชั่วโมง | ไม่อ้าง | สำรวจสถานการณ์ ร่างข้อความ | เข้าใจผิดว่าความลื่นไหลคือความจริง |
| แบบสำรวจเชิงปริมาณ | สิ่งที่ผู้คนพูด ในระดับใหญ่ | เป็นไปได้ หากสร้างกลุ่มตัวอย่างมาเพื่อสิ่งนี้ | วัด ประเมินขนาด ติดตามเมื่อเวลาผ่านไป | ช่องว่างระหว่างสิ่งที่ผู้คนพูดกับสิ่งที่ทำ |
| การสัมภาษณ์เชิงคุณภาพ | แรงจูงใจเชิงลึก เรื่องราวส่วนตัว | ไม่ แต่ลึกจริง | เข้าใจเหตุผลเบื้องหลัง | กลุ่มตัวอย่างเล็กเกินกว่าจะนำไปสรุปเป็นภาพรวม |
| คอนเทนต์ที่เผยแพร่และสังเกตได้ | สิ่งที่ผู้คนโพสต์และแชร์จริง | จำกัดเฉพาะกลุ่มเป้าหมายที่โพสต์ | ยึดอินไซต์ไว้กับพฤติกรรมจริง | ลืมกลุ่มเป้าหมายที่เงียบ |
ไม่มีวิธีใดชนะในทุกแถว คำถามที่ถูกต้องไม่ใช่ “ควรเลือกวิธีไหน” แต่คือ “ควรผสมวิธีเหล่านี้ตามลำดับใด”
จะผสมข้อมูลสังเคราะห์กับข้อมูลจริงโดยไม่หลอกตัวเองได้อย่างไร
- เริ่มจากสิ่งที่สังเกตได้ วิเคราะห์สิ่งที่เจเนอเรชันเป้าหมายเผยแพร่จริงในหมวดหมู่ของคุณ ทั้งหัวข้อ ถ้อยคำ ความตึงเครียด และรูปแบบ นั่นคือรากฐานของคุณ
- สร้างเพอร์โซนาจากคอนเทนต์นั้น จัดกลุ่มโพสต์ตามโปรไฟล์และความกังวล แทนที่จะเริ่มจากช่วงอายุ
- ใช้ข้อมูลสังเคราะห์เพื่อสำรวจ นำสถานการณ์ แนวคิด หรือฮุกไปถามเพอร์โซนาสังเคราะห์เพื่อตัดแนวทางที่อ่อนออกอย่างรวดเร็ว
- ทดสอบทุกข้อสรุปกับความเป็นจริง ทุกข้อกล่าวอ้างที่ออกมาจากการวิจัยสังเคราะห์ต้องพบเสียงสะท้อนในโพสต์จริง ไม่มีเสียงสะท้อน ก็ไม่มีอินไซต์
- วัดเมื่อจำเป็นต้องวัด หากการตัดสินใจผูกพันงบประมาณจำนวนมาก ให้ยืนยันด้วยกลุ่มตัวอย่างที่เป็นตัวแทนหรือการทดสอบในโลกจริง
- บันทึกวิธีการไว้ในข้อเสนอแนะ บอกลูกค้าว่าส่วนใดมาจากแหล่งสังเคราะห์ แหล่งที่สังเกตได้ และแหล่งที่ผู้ตอบรายงานเอง ลูกค้าจะขอบคุณคุณในวันที่คำถามนี้ถูกยกขึ้นมาในห้องประชุมบอร์ด
สิ่งที่ผู้ลงโฆษณาจะถามคุณ
เมื่อการวิจัยสังเคราะห์แพร่หลาย จะมีคำถามหนึ่งโผล่ขึ้นมาในทุกการนำเสนอ: “อินไซต์นี้มาจากไหน” เอเจนซีที่ตอบว่า “จากแพเนลของเพอร์โซนาที่ AI สร้างขึ้น” จะต้องอธิบายอีกมาก ส่วนเอเจนซีที่แสดงโพสต์จริงเบื้องหลังแต่ละข้อสรุปได้ จะไม่มีปัญหานั้น
นั่นคือตรรกะของ Defy Monitor: ทุกข้อสรุปของ AI โยงกลับไปยังโพสต์จริงที่เป็นฐาน และกลยุทธ์ถูกสร้างใหม่จากสิ่งที่กลุ่มเป้าหมายและคู่แข่งเผยแพร่จริง ไม่ใช่จากแบบสำรวจ คอนเทนต์ของกลุ่มเป้าหมายถูกจัดกลุ่มเป็นเพอร์โซนาโดยอัตโนมัติ ซึ่งช่วยไม่ให้เริ่มจากช่วงอายุ ดังนั้น แพลตฟอร์ม Defy จึงไม่ได้ขัดแย้งกับการวิจัยสังเคราะห์ แต่ให้หลักยึดแก่มัน
ข้อมูลสังเคราะห์เป็นเครื่องมือที่ดีเมื่อใช้ถูกที่ ภัยไม่ได้อยู่ที่เครื่องจักร แต่อยู่ที่ความล่อใจที่จะเชื่อว่าภาพบรรยายที่เขียนดีมีค่าเท่าการสังเกต
