不訪談一個真人，能讀懂Z世代、年輕父母或即將退休的人嗎？簡短回答：藉助合成使用者畫像，可以非常快速地探索、測試和初步梳理，但不能下結論。在代際研究中，合成畫像是加速器，代替不了對真實行為的觀察。關鍵不在於用不用，而在於把它放在流程的哪個位置。
這已經不是理論問題。據法國營銷媒體 Stratégies 報道，Novatris（後來的 Harris Interactive，再後來的 Toluna）聯合創始人 Patrick van Bloeme 推出了 Limpid，一個無真人受訪者的定性研究平臺。企業可以在平臺上基於合成使用者畫像，“從 brief 到交付物”自主完成一項完整研究，只需幾個小時。當一個執掌調研公司三十年的人下了這樣的注，代理商最好認真看一看。
無真人受訪者的調研承諾了什麼？
據 Stratégies 報道，Limpid 可以研究人們的行為、使用習慣，以及對概念、資訊或情境的反應。它可以模擬物價驟漲、新一輪公共衛生危機，或者搬家、退休這樣的人生節點。
平臺也明確給自己劃了邊界，這一點值得稱道：它不聲稱具有統計代表性，也不做定量調查。換句話說，它是快速測試場景的工具，不是衡量市場的工具。
對代理商來說，吸引力顯而易見。比稿通知週一到，方案週五就要交，傳統的定性調研根本來不及啟動。合成畫像填補了這個空檔。問題在於，這個空檔也最容易讓人放鬆警惕：時間越緊，越容易把“看起來對”當成“就是對”。
為什麼一個流暢的回答這麼像真相？
陷阱就在這裡合上。合成使用者畫像的回答語言完美、前後一致、細膩有層次。它有名字、有年齡、有生活習慣。這一切看上去都像知識。放進提案 PPT 裡，一段漂亮的“使用者原話”很有感染力，可它並不是任何真人說過的話。
我們可以稱之為資料幻覺效應：資訊看起來越精確、呈現得越漂亮，我們就越信任它，而不管它本身是否可靠。合成調研把這種效應推到了極致，因為它的形式天生完美。
可合成畫像並沒有真正生活過。它復現的是從海量文字中學到的規律。資料能揭示模式，卻無法定義人。關於“銀髮族”的統計規律，不等於一位猶豫要不要換銀行的六十七歲女士。
代際研究是不是雷區？
是的，原因很簡單：代際本身就是刻板印象。“Z世代”並不是鐵板一塊。一名里昂的女大學生、一個鄉村的學徒工和一位巴黎的年輕白領，除了出生年份，幾乎沒有共同點。代際標籤方便溝通，卻很容易掩蓋真正的差異。
大語言模型也大量學習了關於代際的各種說法：文章、評論、研究、爭論。因此，它可能更熟悉外界如何談論Z世代，而不是年輕人自己怎麼表達。結果是，合成畫像可能讓刻板印象顯得更可信，而不是糾正它。
設想一家代理商在為一家互助保險公司策劃面向新退休人群的廣告。合成樣本組印證了所有人早已認定的看法：謹慎、需要安全感、不信任數字化。與此同時，真實的新退休人群正在釋出他們的旅行、公益專案和孫輩。走“安撫”路線的廣告活動就此落空。問題不在於合成畫像撒了謊，而在於它把大家已有的偏見，用更流暢的語言又說了一遍。
合成、自述還是觀察：哪種方法適合什麼用途？
| 方法 | 捕捉到什麼 | 代表性 | 適合用途 | 陷阱 |
|---|---|---|---|---|
| 合成使用者畫像 | 由模型模擬、幾小時內得到的看似合理的反應 | 不聲稱具有 | 探索場景、初步打磨資訊 | 把流暢當成真實 |
| 定量調查 | 人們大規模自述的內容 | 樣本設計得當時可以具備 | 衡量、估算規模、長期追蹤 | 說的和做的之間存在落差 |
| 定性訪談 | 深層動機與個人敘事 | 不具備，但有真正的深度 | 理解“為什麼” | 樣本太小，無法推而廣之 |
| 觀察已釋出內容 | 人們真正釋出和分享的內容 | 僅限於會發帖的人群 | 把洞察錨定在真實行為上 | 忽略沉默的人群 |
沒有哪種方法能在每一行都勝出。正確的問題不是“選哪一種？”，而是“按什麼順序組合？”。合成畫像擅長“快”，觀察擅長“真”，調查擅長“量”，訪談擅長“深”。
如何組合合成與真實，而不自欺欺人？
- 從觀察開始。分析目標代際在你的品類中真正釋出了什麼：話題、用詞、痛點、內容形式。這是你的地基。
- 基於這些內容構建畫像。按人物型別和關注點給帖子分組，而不是從年齡段出發。
- 用合成畫像去探索。把場景、概念或文案交給合成畫像測試，快速剔除不靠譜的方向。把它當作頭腦風暴的物件，而不是裁判。
- 讓每個結論都接受真實檢驗。來自合成畫像的每個論斷，都必須在真實帖子中找到迴響。沒有迴響，就不算洞察。
- 該衡量時就衡量。如果決策涉及大筆預算，就用有代表性的樣本或真實環境下的測試來驗證。合成畫像可以幫你縮小範圍，但不該替你籤預算。
- 在方案中寫明方法。告訴客戶哪些來自合成，哪些來自觀察，哪些來自自述。等他在管理層會議上被問到時，他會感謝你。
廣告主接下來會問你什麼
隨著合成調研普及，每一次提案中都會反覆出現同一個問題：“這個洞察從哪來？”回答“來自一組 AI 生成的使用者畫像”的代理商，需要解釋得更多。能展示每個結論背後真實帖子的代理商，則沒有這個煩惱。這不是技術問題，而是信任問題。
這正是 Defy Monitor 的邏輯：AI 得出的每條結論都指向支撐它的真實帖子，策略從受眾和競品真實發布的內容中反推出來，而不是來自問卷。受眾內容會被自動聚類成使用者畫像，避免從年齡段出發。所以，Defy 平臺並不反對合成畫像，而是為它提供一個錨點。
用在合適的位置，合成畫像是好工具，前提是始終記得它是什麼、不是什麼。危險不在機器，而在於相信一幅寫得漂亮的畫像，就等於一次真實的觀察。
