传统市场调研成本高昂、周期长且结果易失真。一项前沿研究通过语义相似度评分法（SSR），让大模型模拟消费者购买意向的预测准确率高达90%，为低成本、高效率的用户洞察开辟了全新路径，或将重塑行业底层逻辑。
智能速览
传统市场调研动辄数十万，周期长且易因环节失真导致数据失效。
直接让AI对购买意向打分会陷入“中间分”陷阱，无法模拟真实消费者决策。
语义相似度评分法（SSR）通过对比“锚点陈述”而非强制打分，还原人类决策的模糊性。
该方法在9300个真实样本上测试，预测概念排名的准确率达到人类重测信度的90%。
为AI设定详细人设是关键，否则其鉴别力会从92%暴跌至50%。
AI模拟调研开启“预演”时代，可低成本、高效率地筛选海量创意。
精华内容
一项突破性研究正重塑市场调研，AI模拟消费者的预测准确率高达90%，其核心并非优化提示词，而是彻底改变了向AI提问的方式。
传统调研的困境
在快消行业，新品概念测试是驱动增长的关键，但传统调研流程面临着巨大挑战。一次像样的概念测试，成本往往高达几十万元，周期至少一个月。从问卷设计到样本执行，任何一个环节的失真都可能让最终数据失去决策价值，这使得企业在高风险的新品决策上步履维艰。
因此，用AI模拟消费者成为一个备受关注的方向。然而，早期的尝试效果并不理想。直接让大模型对“购买可能性”进行1-5分打分，其结果高度集中在中间值，所有产品看起来都“还行”，与真实消费者两极分化的反馈完全不同，无法用于有效决策。
语义相似度评分法
问题的根源在于，人类消费者并非先想分数再做判断。基于此，论文提出了名为语义相似度评分法（SSR）的创新方法。
第一步是让AI扮演特定人设后，用自由文本而非打分来回应产品概念。第二步，研究者设立了6套“锚点陈述”作为1-5分的语义标杆，例如1分对应“我绝对不会买”，5分对应“我非常想买”。第三步，将AI的自由回复与所有锚点陈述转换为语义向量，计算其在“意思地图”上的距离，最终生成一个概率分布，而非一个唯一的整数。这更贴合人类内心真实的纠结状态。
AI预测的精准度
基于美国市场57份真实产品概念测试、总计9300个样本的验证，SSR方法表现出惊人的准确性。AI生成的购买意向分数分布曲线与真人调研结果高度吻合，相似度超过0.85。
在更关键的预测产品概念排序上，AI的判断达到了人类“重测信度”的90%。这意味着，用AI模拟的结果几乎和找另一批真人再测一遍一样可信。此外，AI还能提供更诚实的低分反馈，避免了真人调研中常见的“顺从偏见”，其丰富的文本反馈对产品改进也极具价值。
人设决定AI灵魂
研究还有一个重要发现：AI的人设是决定其模拟质量的关键。如果不给AI设定具体的年龄、收入、地区等人口统计学背景，它虽然能模仿出相似的分数分布（相似度0.91），但对产品优劣的鉴别力，即排序相关性，会从有背景时的92%暴跌至50%。
这表明，没有人设的AI只是在模仿人类说话的语气，而一个拥有详细背景的AI才能真正复刻人类的决策逻辑，成为一个有偏好、懂取舍的“虚拟消费者”。
SSR方法的出现，预示着市场调研正进入“预演”时代。企业能够以极低成本在虚拟世界中进行海量测试，快速筛选创意、获得实时反馈。小团队也能获得过去仅大公司负担得起的洞察能力。这并非要取代真人调研，而是提供了一种更早、更高效地看见消费者的方式，市场洞察的资产形态和生产力正在被重新定义。
