Ein überprüfbares Briefing für synthetische Forschung schreiben
Ein Briefing für synthetische Forschung sollte Entscheidung, relevante Zielgruppe, erlaubte Evidenz, genauen Stimulus und Simulationsfragen definieren. Es sollte außerdem benennen, was die Ausgabe nicht belegen kann und wie Menschen oder Aufzeichnungen sie prüfen werden. Eine überzeugende Beschreibung des erhofften Kunden ersetzt dieses Briefing nicht.
Unser Leitfaden zu synthetischen Personas erklärt die verwendeten Repräsentationen. Dieser Artikel zeigt, wie ihre Aufgabe festgelegt wird, ohne Annahmen stillschweigend in Kundenfakten zu verwandeln.
Beginnen Sie mit einer veränderbaren Entscheidung
Schreiben Sie einen Satz mit Entscheidung und Verantwortlichem: „Das Produktteam entscheidet, ob das Abholangebot vor einem menschlichen Pilotversuch überarbeitet wird.“ Benennen Sie dann die Unsicherheit: „Wir wissen nicht, ob die Teilnahmebedingungen verständlich sind.“ Das ist hilfreicher als „Erzeuge Insights über unsere Idealkunden“.
Trennen Sie die Geschäftsentscheidung von der unmittelbaren Simulationsausgabe. Das Unternehmen entscheidet später möglicherweise über den Marktstart. Die Simulation hilft vielleicht nur, Pretest-Fragen vorzubereiten. Beide Ebenen ausdrücklich zu nennen verhindert, dass Vorbereitung später als Marktstartvalidierung dargestellt wird.
Golder und Kollegen (2023) beschreiben einen empirisch orientierten Ansatz, der bei realen Marketingphänomenen und Daten beginnt. Das ist ein methodisches Argument, keine Empfehlung synthetischer Evidenz. Für Briefings folgt daraus, bei einem beobachtbaren Problem zu starten und fehlende Informationen zu benennen.
Definieren Sie die Zielgruppe entscheidungsbezogen
Bestimmen Sie Kategorie, Markt, Zugangsbedingungen und relevantes Verhalten. Trennen Sie evidenzgestützte Kriterien von explorativ hinzugefügten Merkmalen. Nennen und erklären Sie Ausschlüsse. Begrenzen Sie die Zielgruppe nicht auf bereits begeisterte Anhänger der Lösung.
Bei Wachstumsfragen prüfen Sie, ob Perspektiven jenseits häufiger Käufer Ihrer Marke nötig sind. Trinh, Dawes und Sharp (2024) unterscheiden aktuelle Kaufbeiträge von Wachstumsspielraum und finden in ihren Daten erhebliche Möglichkeiten bei seltenen und Nichtkäufern der Marke. Nicht jeder Nichtkäufer wird dadurch gleich vielversprechend; ein Briefing nur für treue Kunden wird aber begründungsbedürftig.
Trennen Sie Kategoriekäufe von Markenkäufen. Ein seltener Markenkäufer kann ein starker Kategoriekäufer sein. Nennt ein Briefing beides „geringes Engagement“, geht ein relevanter Unterschied schon vor der Simulation verloren.
Verwenden Sie ein Briefing mit ausdrücklicher Evidenzkennzeichnung
Die folgende eigene Vorlage ist anpassbar. Sie dient der Forschungsplanung und garantiert keine validen synthetischen Antworten.
| Feld | Inhalt |
|---|---|
| Entscheidung | Erwogene Handlung, Verantwortlicher und mögliche Entscheidungsänderung |
| Unmittelbare Aufgabe | Die begrenzte Frage dieser Simulation |
| Zielgruppe | Relevante Kategorie, Markt, Verhalten und Zugangsbedingungen |
| Bekanntes Wissen | Quellenbasierte Fakten mit Quelle und Datum |
| Annahmen | Untersuchte, bislang nicht belegte Bedingungen |
| Stimulus | Genaues Angebot, Bild oder Text einschließlich relevanter Grenzen |
| Fragen | Wortlaut, Reihenfolge und Antwortoptionen |
| Erlaubte Eingaben | Für den Prozess zulässiges Referenzmaterial |
| Ausgabe | Gewünschtes Format und Kennzeichnung des Evidenzstatus |
| Ausgeschlossene Aussagen | Was nicht als gemessene Tatsache dargestellt werden darf |
| Bewertung | Menschliche oder verhaltensbezogene Referenz und Nutzenkriterien |
| Übergabe | Nächste Forschungsaktion, Verantwortlicher und aufzubewahrende Dokumentation |
Halten Sie das Briefing kurz genug zur Prüfung und vollständig genug zur Reproduktion. Eine lange Biografie kann weniger nützen als die klare Angabe, dass das Angebot außerhalb eines bestimmten Gebiets nicht verfügbar ist.
Ausgearbeitetes Beispiel: Ein Abholservice
Ein Geschäft erwäge die wöchentliche Abholung vorbestellter Haushaltsartikel. Die unmittelbare Aufgabe ist, mögliche Missverständnisse der Angebotsbeschreibung vor einem menschlichen Pretest zu erkennen. Die spätere Geschäftsentscheidung betrifft einen bezahlten Pilotversuch.
Bekannte Fakten sind vorgesehene Abholzeiten, Gebühr und Bestellfrist. Die Zielgruppe sind Haushalte, die die Abholstelle nutzen können und relevante Produkte kaufen. Unbekannt ist, wie viele den Service wollen und was sie zahlen würden; dies bleibt offen.
Der Stimulus nennt enthaltene und ausgeschlossene Leistungen. Die Simulation soll das Angebot umschreiben, Informationslücken benennen und Gründe für mögliche Unpraktikabilität vorschlagen. Die Ausgabe unterscheidet Interpretationen vorgegebener Fakten von zusätzlichen Hypothesen.
Die Ausschlüsse verbieten, generierte Geschichten als reale Einkaufserlebnisse, Häufigkeiten als Marktschätzungen oder simulierte Kaufabsicht als validierte Nachfrage darzustellen. Übergeben werden eine überarbeitete Beschreibung und Fragen für Menschen, die zum tatsächlichen Pilotversuch passen.
Dieses Briefing ist fiktiv. Das Beispiel zeigt, wie jedes Feld zur überprüfbaren Aufgabe beiträgt; es belegt keinen Erfolg des Services.
Entfernen Sie Annahmen mit eingebauter Wunschantwort
Vergleichen Sie „zeitknappe Haushalte, die den Komfort unseres Abholservices schätzen“ mit „Haushalten, die diese Produkte einkaufen und unterschiedliche Zeitpläne sowie bestehende Einkaufswege haben“. Die erste Version setzt sowohl ein Problem als auch eine günstige Lösungsinterpretation voraus.
Ebenso fordert „Erkläre, warum dieser Preis angemessen ist“ eine Rechtfertigung. „Welche Informationen wären zur Beurteilung der Gebühr nötig?“ lässt Unsicherheit zu. Soll ein Vorschlag gezielt hinterfragt werden, sagen Sie dies ausdrücklich, statt die entstehende Argumentation als unverzerrte Populationsantwort zu behandeln.
Geben Sie einer Persona keine präzise Kaufhistorie vor, um diese anschließend als Befund zu berichten. Szenariofakten können nützliche Eingaben sein, bleiben aber Teil des Setups. Ihre Wiederholung ist keine unabhängige Bestätigung.
Der Leitfaden zu Persona-Generatoren trennt praktisch beobachtete Merkmale, Interpretationen und fiktive Details.
Fordern Sie eine Ausgabe, die Unsicherheit erhält
Verlangen Sie getrennte Felder für Antwort, stützende bereitgestellte Informationen, neu eingeführte Annahmen und extern zu prüfende Fragen. Fordern Sie keine sichere Empfehlung, wenn die Eingaben diese nicht tragen. „Unzureichende Informationen“ kann hilfreicher sein als eine elegant erfundene Erklärung.
Bei Konzepten bewahren Sie den genauen Wortlaut möglicher Missverständnisse, damit Forscher die Formulierung prüfen können. Bei Kreativmaterial trennen Sie Elementbeschreibung und Vorhersage menschlicher Wirkung. Bei Fragebögen benennen Sie das mehrdeutige Item und schlagen eine Revision zur Prüfung vor.
Sarstedt und Kollegen (2024) diskutieren den Nutzen synthetischer Stichproben für vorbereitende Pretests und Pilotstudien. Das Briefing sollte diese Rolle praktisch machen: Die Ausgabe verbessert den nächsten Forschungsschritt, statt dessen Abschluss vorzutäuschen.
Bewahren Sie genügend Informationen zur Reproduktion auf
Speichern Sie Endbriefing, genauen Stimulus, Fragen, Datum und verfügbare Modellinformationen gemeinsam mit den Ausgaben. Halten Sie Revisionen und Gründe fest. Sind Einstellungen nicht verfügbar, dokumentieren Sie dies statt angenommene Werte einzutragen.
Ong (2024) betont die Dokumentation von Prompts, Verfahren und relevanten Modelleinstellungen. Bei abweichenden Ergebnissen helfen diese Aufzeichnungen, ein verändertes Briefing von einem veränderten Generierungsprozess zu unterscheiden.
Bei Validierung anhand abgeschlossener menschlicher Forschung bleiben Bewertungsantworten von Eingaben getrennt. Lassen Sie nicht die erwartete Schlussfolgerung ins Briefing gelangen, um ihre Wiederholung als Vorhersageerfolg zu zählen. Das Validierungsprotokoll beschreibt zurückgehaltene Vergleiche und einfache Vergleichsbasen.
Schließen Sie mit einer Forschungsübergabe ab
Entscheiden Sie vor dem Lauf, wer Vorschläge prüft und was danach geschieht. Eine nützliche Übergabe kann eine überarbeitete Konzeptbeschreibung, offene Annahmen und einen menschlichen Pretest-Fragebogen enthalten. Ordnen Sie jeder folgenreichen Aussage eine Evidenzanforderung zu.
Dokumentieren Sie Auslassungen ebenso wie antizipierte Probleme. Bringt menschliche Forschung einen im generierten Material fehlenden Aspekt auf, erhalten Sie ihn als Abdeckungslücke. Tritt ein vorhergesagtes Problem nicht auf, stellen Sie es nicht weiterhin als belegte Kundenhürde dar.
Bereiten Sie das Briefing vor den Personas vor. Passen Sie die Felder an, prüfen Sie die Konzepttest-Fragen und nutzen Sie den qualitativen Ablauf von SynthFolk für eine gekennzeichnete Probe. Prüfen Sie aktuelle Preise und reservieren Sie die menschliche oder verhaltensbezogene Forschung für die endgültige Entscheidung.
Quellen und redaktionelle Methode
Vorlage und Abholservicebeispiel sind eigene Anwendungen. Die Forschung stützt bestimmte Unterscheidungen zu Problemdefinition, Zielgruppen und Reproduzierbarkeit. Sie validiert weder die Vorlage noch belegt sie SynthFolks Vorhersageleistung.
- Golder, P. N., et al. (2023). Learning from Data: An Empirics-First Approach to Relevant Knowledge Generation. Journal of Marketing, 87(3), 319–336. DOI: 10.1177/00222429221129200.
- Trinh, G. T., Dawes, J., & Sharp, B. (2024). Where is the brand growth potential? An examination of buyer groups. Marketing Letters, 35, 95–106. DOI: 10.1007/s11002-023-09682-7.
- Sarstedt, M., Adler, S. J., Rau, L., & Schmitt, B. (2024). Using large language models to generate silicon samples in consumer and marketing research: Challenges, opportunities, and guidelines. Psychology & Marketing. DOI: 10.1002/mar.21982.
- Ong, D. C. (2024). GPT-ology, Computational Models, Silicon Sampling: How should we think about LLMs in Cognitive Science? arXiv:2406.09464, version 1.