关注并加入星标，每天 7:33 准时送达一手洞察 ?
企业每年花数百亿美元做消费者调研，核心工具是那个让你选1到5分的Likert量表。但所有人都知道，受访者在瞎填——他们选中间值、选最积极的选项、选最省事的答案。这个bug困扰了行业几十年。
现在，PyMC Labs和Colgate-Palmolive的研究团队给出了一套解法：让AI用语义相似度替代数字评分，直接把合成消费者的分布准确率从26%拉到88%。
直接让AI打分，结果全是垃圾
学术圈早就尝试用LLM模拟消费者。但当你直接问GPT"从1到5选一个数字"，它给出的分布极度集中，模型本能地回归到"典型答案"。
论文对比了三种方法，数据来自Colgate-Palmolive的57份个人护理产品调研、9300条真实人类回复。
方法A：直接Likert评分（DLR） 让GPT-4o直接从1-5选一个整数。结果：KS相似度0.26。什么概念？两个分布几乎不沾边。论文指出，偶尔出现的2和4产生了虚假相关性，但分布形态完全是假的。
方法B：跟进式Likert评分（FLR） 先让LLM写一段自由文本描述购买意愿，再让同一个LLM当评分专家，把文本映射回1-5。结果：KS相似度0.72，相关性达到85%。进步巨大，但分布形状仍有偏差。
方法C：语义相似度评分（SSR） 这是真正的突破。流程三步走：
1. 让LLM自由文本描述购买意愿
2. 用text-embedding-3-small把文本嵌入成向量
3. 计算该向量与5个参考锚定语句的余弦相似度——从"绝对不会买"到"绝对会买"
最终输出每个Likert等级的概率分布，再用6组不同锚定语句做平均。GPT-4o的KS相似度飙到0.88，相关性达到90%（即人类test-retest可靠性的90%）。
Gemini也服了，效果碾压
这不是OpenAI的独角戏。研究团队用Gemini-2.0-flash做了同样测试：
• DLR：KS=0.39
• FLR：KS=0.59
• SSR：KS=0.80
所有模型在SSR方法下都实现了质的飞跃。关键点在于：让AI用自然语言表达，而不是强迫它做数字选择。自然语言保留了人类表达的丰富性和分布特征，数字评分则强制压缩了信息。
合成消费者必须有"人设"
研究还发现一个关键：合成消费者必须被赋予人口统计属性——年龄、收入、性别。否则效果大打折扣。
更惊人的是，AI生成的消费者在年龄和收入维度上的购买意愿变化趋势，与真实人类完全一致。这意味着你可以在电脑里模拟一个25岁低收入女性对洗发水的购买意愿，结果和真人panel一样准。
890亿美元市场的拐点
全球市场调研行业规模约890亿美元（ESOMAR 2024）。这个数字背后是无数场真人panel、线下访谈、问卷填答。
SSR方法带来的冲击是：概念测试前期，可以用AI完全替代真人panel做预筛选。只有最有潜力的概念才进入真人测试。
这意味着什么？企业可以在一周内筛选100个产品概念，而不是三个月。成本降到原来的十分之一。而且所有产出都附带自由文本的定性反馈——AI在描述"为什么想买"时留下的原始文本，本身就是金矿。
别高兴太早
SSR不是万能药。它需要在每个品类、每个市场做锚定语句校准。而且AI生成的数据只能做预筛选，不能完全替代真实消费者的最终判断。
但方向已经明确：让AI用自然语言思考，用语义相似度做判断，而不是强迫它做数字选择。这个逻辑不仅适用于市场调研，也适用于所有需要人类主观判断的场景。
890亿美元的市场，正在被一个概率分布重塑。而你，刚刚拿到了这个分布的计算公式。
