Τι είναι οι συνθετικές περσόνες; Πλήρης οδηγός (2026)

2026-08-13 · 16 λεπτά ανάγνωσης

Βασικά σημεία

• Οι συνθετικές περσόνες είναι ερωτώμενοι παραγόμενοι από τεχνητή νοημοσύνη, οι οποίοι βασίζονται σε δημογραφικά προφίλ και προφίλ στάσεων αντλημένα από πραγματικές πληθυσμιακές έρευνες, ώστε να απαντούν σε ερευνητικά ερωτήματα μένοντας στον ρόλο τους.
• Είναι ισχυρότερες στη σύγκριση, στην προδιαλογή και στην κάλυψη εύρους· ασθενέστερες στα απόλυτα μεγέθη, στις εντελώς νέες κατηγορίες και στους εξειδικευμένους πληθυσμούς.
• Το όριο ποιότητας το ορίζουν τα δεδομένα θεμελίωσης, όχι το μέγεθος του μοντέλου: η προσαρμογή σε πραγματικές πληθυσμιακές κατανομές φέρνει τη συνθετική παραγωγή κοντά στα αποτελέσματα πραγματικών ερευνών (Sun et al., 2024).
• Συμπληρώνουν την πραγματική έρευνα και δεν την αντικαθιστούν ποτέ. Η επιστημονική βιβλιογραφία τις τοποθετεί στα πρώιμα στάδια — στον προέλεγχο και στις πιλοτικές μελέτες — και όχι στη μελέτη που κρίνει την απόφαση (Sarstedt et al., 2024).

Τι είναι μια συνθετική περσόνα;

Η συνθετική περσόνα είναι ένας προσομοιωμένος συμμετέχων έρευνας: ένα μεγάλο γλωσσικό μοντέλο προσαρμοσμένο σε ένα δημογραφικό και ψυχογραφικό προφίλ, το οποίο στη συνέχεια καλείται να απαντήσει μέσα στον ρόλο του σε ερωτήσεις συνέντευξης, σε ερωτήματα ερωτηματολογίου ή σε δημιουργικό υλικό. Σε αντίθεση με την παραδοσιακή περσόνα — ένα στατικό έγγραφο που περιγράφει έναν τύπο πελάτη — είναι διαδραστική: μπορείτε να τη ρωτήσετε κάτι που το προφίλ δεν προέβλεπε και να λάβετε απάντηση.

Αυτή ακριβώς η διαδραστικότητα είναι το ζητούμενο, και εκεί ξεκινά η διαφωνία. Μια συνθετική περσόνα δεν έχει απόψεις· διαθέτει μια κατανομή πιθανοτήτων, μαθημένη από κείμενο, για το τι θα έλεγε εύλογα κάποιος που ταιριάζει σε αυτό το προφίλ. Το αν αυτό βρίσκεται αρκετά κοντά σε έναν πραγματικό πληθυσμό ώστε να στηρίξει μια απόφαση εξαρτάται από το πώς κατασκευάστηκε η περσόνα και από το τι τη ρωτάτε. Ανασκόπηση του 2024 στο Psychology & Marketing, που συγκρίνει δείγματα πυριτίου με ανθρώπινα δείγματα, διαπίστωσε ότι η συμφωνία ποικίλλει σημαντικά ανά πεδίο και τοποθέτησε τις προοπτικές στα πρώιμα στάδια — στον ποιοτικό προέλεγχο και στις πιλοτικές μελέτες (Sarstedt et al., 2024). Την ευρύτερη κατηγορία την καλύπτει το κείμενό μας για τους συνθετικούς χρήστες.

Ο όρος μπήκε στο επιχειρηματικό λεξιλόγιο ταχύτερα απ' ό,τι τα τεκμήρια. Η Nielsen Norman Group συνέκρινε συνθετικούς χρήστες με τρεις δικές της μελέτες, βρήκε τα αποτελέσματα ρηχά και υπερβολικά ευνοϊκά και κατέληξε ότι μπορούν να στηρίξουν δευτερογενή έρευνα, ποτέ όμως να υποκαταστήσουν πραγματικούς χρήστες (Moran, 2024). Το Interactions της ACM πήγε ένα βήμα παραπέρα με το «The Synthetic Persona Fallacy», κατηγορώντας την κατηγορία ότι δανείζεται το κύρος της έρευνας εγκαταλείποντας τα πρότυπά της (Papangelis, 2025). Και οι δύο έχουν δίκιο ως προς τον τρόπο που πωλούνται τα εργαλεία· η χρήσιμη θέση βρίσκεται ένα βήμα παρακάτω.

Συνθετικές έναντι παραδοσιακών περσόνων

Οι παραδοσιακές περσόνες είναι προϊόν σύνθεσης: ένας ερευνητής κάνει δώδεκα συνεντεύξεις, εντοπίζει τρία μοτίβα και τα αποτυπώνει ως χαρακτήρες με όνομα. Οι συνθετικές περσόνες είναι προϊόν δειγματοληψίας.

Μια παραδοσιακή περσόνα του 2022 κρεμασμένη σε τοίχο το 2026 δεν είναι πιο αληθής από μια συνθετική — απλώς γίνεται λανθασμένη πιο αργά και με λιγότερο ορατή αυτοπεποίθηση. Καμία από τις δύο δεν επικυρώνει τον εαυτό της, και καμία δεν κρίνει τη στρατηγική: τα αποτελέσματα τμηματοποίησης είναι περιγραφικά και δεν καθορίζουν στρατηγική (Sharp, Dawes & Victory, 2024), ενώ επανεξέταση των πιο γνωστών πειραμάτων ψυχολογικής στόχευσης έδειξε ότι δεν τεκμηρίωναν υπεροχή της στόχευσης έναντι της συνήθους διαφήμισης (Sharp, Danenberg & Bellman, 2018).

Συνθετικές περσόνες, συνθετικοί ερωτώμενοι και ψηφιακά δίδυμα

Η συνθετική περσόνα είναι ένας μεμονωμένος, πλούσια προσδιορισμένος χαρακτήρας για ποιοτική δουλειά — εκτενείς συνεντεύξεις, ανοικτές ερωτήσεις, διερευνητικά ερωτήματα. Τρέχετε λίγες, γιατί θέλετε βάθος. Ο συνθετικός ερωτώμενος είναι μια πιο λιτή μονάδα για χρήση σε κλίμακα: αρκετά χαρακτηριστικά ώστε να απαντήσει σε ερωτηματολόγιο, όχι όμως ώστε να στηρίξει δίωρη συνέντευξη. Τρέχετε εκατοντάδες, γιατί θέλετε κατανομές.

Το ψηφιακό δίδυμο είναι πολύ ισχυρότερος ισχυρισμός: μοντέλο ενός συγκεκριμένου υπαρκτού ανθρώπου, φτιαγμένο από τα δικά του δεδομένα, ώστε να προβλέπει τι θα έκανε εκείνος. Αν κάποιος προμηθευτής χρησιμοποιεί τον όρο χαλαρά, θεωρήστε το προειδοποιητικό σημάδι: ο πήχης των τεκμηρίων είναι πολύ ψηλότερος. Ο έλεγχος πρόβλεψης σε ατομικό επίπεδο απαιτεί κάτι σαν το Twin-2K-500, όπου 2.058 συμμετέχοντες από τις ΗΠΑ αφιέρωσαν κατά μέσο όρο 2,4 ώρες ο καθένας σε πάνω από 500 ερωτήσεις σε τέσσερα κύματα, με το τελευταίο να επαναλαμβάνει προηγούμενες δοκιμασίες αποκλειστικά για να οριστεί γραμμή βάσης επαναληπτικής αξιοπιστίας (Toubia et al., 2025). Οι πρώτες αναλύσεις είναι ελπιδοφόρες, αλλά σύνολα δεδομένων τέτοιου βάθους μόλις που υπάρχουν.

Πώς κατασκευάζεται στην πράξη μια συνθετική περσόνα

Εδώ κερδίζει ή χάνει την αξιοπιστία της η έρευνα αγοράς με συνθετικές περσόνες: η διαδικασία κάνει τη διαφορά ανάμεσα σε ερευνητικό εργαλείο και σε αυτόματη συμπλήρωση κειμένου με κοστούμι.

1. Δημογραφικός προσδιορισμός. Περιγράφετε τον πληθυσμό: αγορά, ηλικιακή ομάδα, εισόδημα, εργασιακή κατάσταση, σύνθεση νοικοκυριού, καθώς και όποια συμπεριφορικά χαρακτηριστικά έχουν σημασία. Όλα τα επόμενα βήματα προσαρμόζονται σε αυτόν.

2. Θεμελίωση σε πραγματικά δεδομένα ερευνών. Οι στάσεις της περσόνας δεν επινοούνται από το μοντέλο. Το SynthFolk τις αντλεί δειγματοληπτικά από την European Social Survey και το Ευρωβαρόμετρο — δεκάδες χιλιάδες πραγματικές απαντήσεις για τη θεσμική εμπιστοσύνη, τις αξίες, την κατανάλωση μέσων, την οικονομική ασφάλεια και τις κοινωνικές στάσεις σε όλη την Ευρώπη. Ο μηχανισμός δεν είναι εξωτικός: οι Sun et al. (2024) διαπίστωσαν ότι η προσαρμογή και μόνο σε δημογραφικές κατανομές σε επίπεδο ομάδας παρήγαγε κατανομές απαντήσεων «εντυπωσιακά παρόμοιες» με πραγματικές δημοσκοπήσεις στις ΗΠΑ — και ότι η πιστότητα εξαρτάται από την ομάδα και το θέμα.

3. Απόδοση πολιτισμικής περιφέρειας. Η χώρα είναι φτωχός δείκτης στάσης, καλύτερος όμως από το τίποτα. Το SynthFolk αντιστοιχίζει επομένως τις αγορές σε πέντε πολιτισμικές περιφέρειες που προκύπτουν εμπειρικά από τα δεδομένα των ερευνών και όχι από τη γεωγραφία, ώστε τα σκανδιναβικά, μεσογειακά, κεντροευρωπαϊκά, δυτικά και μετα-μεταβατικά μοτίβα να ξεκινούν διακριτά και όχι ως ένας ισοπεδωμένος ευρωπαϊκός μέσος όρος. Η ισοπέδωση είναι ακριβώς ο τρόπος αποτυχίας που πρέπει να αποφευχθεί σχεδιαστικά: η αναγωγή των ανθρώπων σε λίγες παραμέτρους χάνει ό,τι αυτές οι παράμετροι δεν μεταφέρουν — παραμετρικός αναγωγισμός (Valenzuela et al., 2024).

4. Προσδιορισμός του στόχου και επιλογή εργαλείου. Το ερευνητικό σας ερώτημα αναλύεται ώστε να προσδιοριστεί ποια μελέτη απαιτεί — διερευνητική συνέντευξη, μετρήσιμη σύγκριση, αξιολόγηση ερεθίσματος — και δρομολογείται στην κατάλληλη ενότητα. Αν ρωτήσετε ένα πάνελ συνεντεύξεων κάτι που απαιτεί κατανομή, θα λάβετε ανοησίες διατυπωμένες με βεβαιότητα.

5. Παραγωγή απαντήσεων με προσαρμοστική εφεδρεία. Κάθε περσόνα ερωτάται ανεξάρτητα και δεν τοποθετείται σε κοινή συζήτηση, ώστε να διατηρείται η διαφωνία που κάνει την άσκηση κατατοπιστική. Η συνάθροιση φωνών είναι αδύναμος σχεδιασμός ακόμη και με πραγματικούς ανθρώπους: σε 227 πιο πρόσφατους ανασχεδιασμούς συσκευασίας από μάρκετερ, τα focus groups συγκαταλέγονταν στις μεθόδους που συνδέονταν με λιγότερο επιτυχημένα αποτελέσματα (Caruso et al., 2025). Ένα εφεδρικό επίπεδο αναδρομολογεί όταν κάποιο μοντέλο δεν είναι διαθέσιμο.

Η θεμελίωση περιορίζει τις αρχικές στάσεις· δεν κάνει σωστή τη συλλογιστική του μοντέλου για το προϊόν σας. Τα δεδομένα ερευνών έχουν ημερομηνία συλλογής. Η ευρωπαϊκή θεμελίωση είναι ευρωπαϊκή: μια περσόνα εκτός αυτής της κάλυψης είναι ασθενέστερη.

Δείτε το στην πράξη: το SynthFolk χτίζει πάνελ από μια περιγραφή κοινού σε απλή γλώσσα — δείτε την ποιοτική ροή.

Σε τι είναι χρήσιμες οι συνθετικές περσόνες

Προδιαλογή ιδεών. Έχετε δεκατέσσερις προτάσεις τοποθέτησης και προϋπολογισμό για τρεις δοκιμές. Ένα συνθετικό πάνελ βοηθά να ξεχωρίσει το κάτω από το πάνω μισό: τρέξτε 3–8 περσόνες, δείτε ποιες ιδέες προκαλούν ουσιαστικές αντιρρήσεις αντί για ευγενική συμφωνία και πηγαίνετε τις επιζώσες σε πραγματική δοκιμή — ακριβώς η ανάντη χρήση που οι Sarstedt et al. (2024) θεωρούν υπερασπίσιμη.

Σύγκριση δημιουργικού και μηνυμάτων. Οι σχετικές κρίσεις αντέχουν καλύτερα τη μεροληψία του μοντέλου από τις απόλυτες: αξιολογητές που συγκρίνουν δύο εκδοχές διαφήμισης απαντούν στο «ποια είναι πιο σαφής», όπου η κατευθυντική ακρίβεια είναι εφικτή. Η πραγματική έρευνα ερεθισμάτων δεν είναι φθηνή — μελέτη του 2026 παρουσίασε 48 ανασχεδιασμένες συσκευασίες σε 484 καταναλωτές στις ΗΠΑ και 491 στο Ηνωμένο Βασίλειο (Caruso et al., 2026). Το module ανάλυσης μέσων τρέχει αυτή τη σύγκριση με 10–50 αξιολογητές, ώστε να επιλέξετε ποιες εκδοχές αξίζουν τον προϋπολογισμό.

Προέλεγχος εργαλείων μέτρησης. Πριν ξοδέψετε χρήματα σε στρατολόγηση, τρέξτε τον οδηγό συνέντευξής σας σε συνθετικούς ερωτώμενους: οι διφορούμενες ερωτήσεις παράγουν ασυνάρτητες συνθετικές απαντήσεις, ακριβώς όπως και ανθρώπινες. Ο πιλοτικός έλεγχος ενός οδηγού είναι μία από τις λίγες χρήσεις που εγκρίνει η NN/g (Moran, 2024).

Πρώτες περάσεις σε πολλές αγορές. Μια μελέτη σε δώδεκα αγορές είναι απαγορευτική με πραγματικά πάνελ και φθηνή συνθετικά. Τα ανά αγορά νούμερα δεν θα είναι υπερασπίσιμα — η πιστότητα ανά υποομάδα και θέμα είναι που ποικίλλει (Sun et al., 2024) — μαθαίνετε όμως ποιες αγορές δικαιολογούν έρευνα πεδίου.

Πού αποτυγχάνουν οι συνθετικές περσόνες

Κάθε ειλικρινής παρουσίαση της κατηγορίας χρειάζεται αυτή την ενότητα· η απουσία της από τη σελίδα ενός προμηθευτή σάς λέει κάτι. Η ανασκόπησή μας για το πόσο ακριβείς είναι οι συνθετικοί ερωτώμενοι καλύπτει τη βιβλιογραφία· οι αστοχίες είναι προβλέψιμες.

Ευαισθησία τιμής σε λεπτή διαβάθμιση. Ένα συνθετικό πάνελ μπορεί να σας πει ότι τα 49 € διαβάζονται ως ακριβά και τα 19 € ως φθηνά. Δεν μπορεί να ξεχωρίσει τα 22,90 € από τα 24,50 €. Ο λόγος είναι δομικός: μια σύγκριση επιβιώνει κάθε στρέβλωσης που διατηρεί τη σειρά κατάταξης· ένα απόλυτο κατώφλι όχι, και εφόσον η συμφωνία δείγματος πυριτίου και ανθρώπων ποικίλλει ανά πεδίο, δεν υπάρχει συντελεστής διόρθωσης να εφαρμοστεί (Sarstedt et al., 2024).

Πληθυσμοί χαμηλής συχνότητας και εξειδικευμένοι. Τα δεδομένα θεμελίωσης είναι πιο αραιά ακριβώς εκεί που χρειάζεστε περισσότερο την ακρίβεια — και η μυθοπλασία δεν θα μοιάζει με μυθοπλασία. Οι Fernandez, Berner και Shevlin έδωσαν σε ένα τυπικό εμπορικό μοντέλο μόνο σύντομες διαγνωστικές περιγραφές και παρήγαγαν 2.106 συνθετικές περσόνες από 13 προφίλ βασισμένα στο DSM. Οι περσόνες ξεπέρασαν τα κλινικά κατώφλια σε πέντε από τα επτά σταθμισμένα ψυχιατρικά εργαλεία ανίχνευσης, με τη σοβαρότητα να κλιμακώνεται μονότονα και στα επτά (όλα P < ,001). Η συνεκτική δήλωση συμπτωμάτων πάνω από τα κλινικά κατώφλια, καταλήγουν, δεν μπορεί πλέον να αποδεικνύει αυθεντική συμμετοχή. Ένα συνθετικό πάνελ σπάνιου πληθυσμού είναι μυθοπλασία με καλή γραμματική — και θα περάσει το εργαλείο μέτρησής σας.

Μέτρηση ανάκλησης και αναγνωρισιμότητας μάρκας. Τα μοντέλα γνωρίζουν τις μάρκες από κείμενα εκπαίδευσης, όχι από τη μερική αναγνώριση που έχουν οι πραγματικοί καταναλωτές. Η αναγνωρισιμότητα είναι συμπεριφορική: σε ελεγχόμενη αναπαραγωγή πειράματος, άνθρωποι που αντιμετώπιζαν έντονες διαφορές αναγνωρισιμότητας επέλεγαν συντριπτικά τη μάρκα με την υψηλή αναγνωρισιμότητα, παρά τις διαφορές ποιότητας και τιμής (Macdonald & Sharp, 2000), ενώ η προβολή της μάρκας είναι η τάση της να έρχεται στο μυαλό σε μια κατάσταση αγοράς — ιδιότητα των δομών μνήμης, όχι του κειμένου (Romaniuk & Sharp, 2004).

Οτιδήποτε μετά το όριο εκπαίδευσης. Νέοι ανταγωνιστές, πρόσφατη ρύθμιση, μια κατηγορία που εμφανίστηκε πέρυσι — το μοντέλο παρεμβάλλει με βεβαιότητα και το αποτέλεσμα δεν θα το φανερώνει.

Πολιτισμικά ευαίσθητα ζητήματα και ταμπού. Η εκπαίδευση ευθυγράμμισης ωθεί τα μοντέλα προς μη προσβλητικές, καταφατικές απαντήσεις. Η ανασκόπηση του Lin για τη μόλυνση από AI βάζει αριθμό στην ομογενοποίηση — 45% ομοιότητα ανάμεσα σε συνόψεις που διαμεσολαβούνται από μοντέλο, έναντι 27% για ανθρώπινες — και σημειώνει ότι η εξυγίανση «περικόπτει ακριβώς τις ουρές της κατανομής: εκφράσεις προκατάληψης, αμφιθυμίας, ακραίων απόψεων» (Lin, χ.χ.). Εκεί όπου οι πραγματικοί ερωτώμενοι διστάζουν ή αρνούνται, οι συνθετικοί γίνονται συνεργάσιμοι, και οι διαφορές μεταξύ υποομάδων καταρρέουν σε μια πλειοψηφική προεπιλογή.

Παρατηρούμενη συμπεριφορά κάθε είδους. Οι συνθετικές περσόνες αναφέρουν τι λένε οι άνθρωποι, όχι τον αυτοσχέδιο τρόπο που επινόησε κάποιος ή τον δισταγμό πριν από ένα κλικ. Τα ερωτήματα συμπεριφοράς απαιτούν δεδομένα συμπεριφοράς — για να τεκμηριωθεί πώς συγκεντρώνονται οι δαπάνες στα πολυκαταστήματα χρειάστηκαν 550 εκατομμύρια συναλλαγές σε τρία χρόνια (Tanusondjaja et al., 2023). Οι δοκιμές ευχρηστίας, οι μελέτες ημερολογίου και η επιτόπια διερεύνηση δεν έχουν συνθετικό αντίστοιχο.

Ας ειπωθεί μία φορά: η συνθετική έρευνα συμπληρώνει την πραγματική και δεν την αντικαθιστά ποτέ. Δεν πρόκειται για πραγματικές απόψεις πραγματικών ανθρώπων, αλλά για έναν γρήγορο τρόπο να παραχθούν υποθέσεις τις οποίες στη συνέχεια ελέγχετε με ανθρώπους — εκεί συγκλίνουν τόσο η επιστημονική ανασκόπηση (Sarstedt et al., 2024) όσο και η πιο ηχηρή κριτική από την πλευρά της πράξης (Moran, 2024). Μια ομάδα που αγοράζει συνθετικό πάνελ αντί για ερευνητική λειτουργία έχει αγοράσει έναν ακριβό τρόπο να επιβεβαιώνει τις πεποιθήσεις της.

Πώς αξιολογείτε αν μια συνθετική περσόνα είναι καλή

Πέντε έλεγχοι, εκτελέσιμοι μέσα σε ένα απόγευμα σε οποιοδήποτε εργαλείο, συμπεριλαμβανομένου αυτού — και αξίζει να επαναλαμβάνονται όταν αλλάζει το μοντέλο, καθώς η διατύπωση του prompt και η έκδοση του μοντέλου είναι ενεργές μεταβλητές στην προσομοίωση με γλωσσικά μοντέλα (Ong, 2024).

1. Ζητήστε ονομαστικά την πηγή θεμελίωσης. Το «εκπαιδευμένο σε πραγματικά δεδομένα» δεν είναι απάντηση. Ποια έρευνα, ποια κύματα, ποιες χώρες, πόσες απαντήσεις. Η προσαρμογή σε πραγματικές κατανομές είναι αυτό που κάνει τη δουλειά (Sun et al., 2024)· χωρίς αυτήν, οι περσόνες είναι οι εκ των προτέρων παραδοχές του μοντέλου με δημογραφική ετικέτα.
2. Ελέγξτε αν υπάρχει απόκλιση. Ρωτήστε δέκα περσόνες την ίδια μετρίως αμφιλεγόμενη ερώτηση. Αν συμφωνούν, διαβάζετε το μοντέλο και όχι έναν πληθυσμό — το κείμενο που διαμεσολαβείται από μοντέλο είναι πιο ομοιογενές από το ανθρώπινο (Lin, χ.χ.).
3. Βάλτε μια ερώτηση με γνωστή απάντηση. Επιλέξτε κάτι για το οποίο έχετε ήδη πραγματικά δεδομένα: παλαιότερη μελέτη, έρευνα πελατών, δημόσιο στατιστικό στοιχείο. Η κατευθυντική συμφωνία είναι η βάση επιτυχίας· η απόλυτη ταύτιση θα έπρεπε να σας κάνει καχύποπτους. Η συγκριτική αξιολόγηση απέναντι στα δικά σας προηγούμενα δεδομένα είναι θεμιτό τεκμήριο (Golder et al., 2023).
4. Ελέγξτε τις υποομάδες. Διαχωρίστε τα αποτελέσματα με βάση τη δημογραφική μεταβλητή που θα έπρεπε να μετράει περισσότερο. Αν οι υποομάδες μοιάζουν με το συνολικό δείγμα συν θόρυβο, οι περσόνες έχουν καταρρεύσει προς μία προεπιλογή — παραμετρικός αναγωγισμός (Valenzuela et al., 2024) πάνω στη διάσταση όπου η πιστότητα των δειγμάτων πυριτίου είναι γνωστό ότι ποικίλλει (Sun et al., 2024).
5. Προσπαθήστε να το σπάσετε. Ρωτήστε κάτι που η περσόνα δεν έχει λόγο να γνωρίζει: τα νέα της περασμένης εβδομάδας, ένα ακριβές κατώφλι τιμής. Ένα καλοφτιαγμένο σύστημα τηρεί επιφυλάξεις. Μη δέχεστε την ευφράδεια ως εγγύηση — ένας αυτόνομος πράκτορας AI πέρασε το 99,8% από 6.000 ελέγχους προσοχής σχεδιασμένους να πιάνουν απρόσεκτους ανθρώπους (Lin, χ.χ.), άρα η συνεκτικότητα είναι τεκμήριο για το μοντέλο, όχι για τα δεδομένα.

Συχνές ερωτήσεις

Είναι ακριβείς οι συνθετικές περσόνες;

Ακριβείς σε τι, είναι το πρώτο ερώτημα. Τα τεκμήρια των ανασκοπήσεων δείχνουν ότι η συμφωνία ανάμεσα σε δείγματα πυριτίου και ανθρώπινα δείγματα ποικίλλει σημαντικά ανά πεδίο, χωρίς έναν ενιαίο αριθμό να παρατεθεί (Sarstedt et al., 2024). Οι συγκεντρωτικές κατανομές μπορούν να πλησιάσουν πραγματικές δημοσκοπήσεις όταν το μοντέλο προσαρμόζεται σε πληθυσμιακά δημογραφικά στοιχεία, αν και η πιστότητα ποικίλλει ανά υποομάδα και θέμα (Sun et al., 2024)· η πρόβλεψη σε ατομικό επίπεδο παραμένει ερευνητικό μέτωπο (Toubia et al., 2025)· και η συνθετική παραγωγή έχει μικρότερη διασπορά από την ανθρώπινη (Lin, χ.χ.). Θεωρήστε την κατευθυντική συμφωνία ως το πρότυπο. Η πλήρης ανασκόπηση των τεκμηρίων είναι εδώ.

Μπορούν οι συνθετικές περσόνες να αντικαταστήσουν την έρευνα με πραγματικούς χρήστες;

Όχι. Αλλάζουν την οικονομική λογική ερωτημάτων που δεν επρόκειτο ποτέ να χρηματοδοτήσετε και οξύνουν την πραγματική έρευνα καθαρίζοντας τις προφανείς λάθος διαδρομές. Κάθε απόφαση με ρυθμιστική, οικονομική, νομική έκθεση ή έκθεση σε κίνδυνο ασφάλειας και φήμης χρειάζεται πραγματικούς συμμετέχοντες.

Πόσες συνθετικές περσόνες χρειάζεστε;

Για ποιοτική δουλειά, 3–8. Πέρα από αυτό παίρνετε επανάληψη αντί για νέα πληροφορία, επειδή οι περσόνες προέρχονται από μία κατανομή και το κείμενο που παράγεται από μοντέλο είναι εξαρχής πιο ομοιογενές από το ανθρώπινο (Lin, χ.χ.). Για ποσοτική δουλειά χρειάζεστε δείγμα, όχι πάνελ: 50–250 ερωτώμενους, ανάλογα με το πόσες υποομάδες θα διαβάσετε.

Πόσο κοστίζουν οι συνθετικές περσόνες;

Στο SynthFolk, μια ποιοτική μελέτη με τρεις περσόνες ξεκινά από 6 πιστώσεις· κάθε μοντέλο και μέγεθος μελέτης έχει δημοσιευμένη τιμή σε πιστώσεις στη σελίδα τιμών — χωρίς να απαιτείται κλήση επίδειξης. Η σύγκριση που αξίζει να γίνει είναι με τα 10.000–40.000 € και τον εξάμηνο κύκλο έξι εβδομάδων μιας συμβατικής ποιοτικής μελέτης, η οποία αγοράζει κάτι καλύτερο αλλά απαντά σε ένα ερώτημα.

Συμμορφώνονται οι συνθετικές περσόνες με τον GDPR;

Οι συνθετικές περσόνες παράγονται από συγκεντρωτικές, δημοσιευμένες κατανομές ερευνών και δεν περιέχουν προσωπικά δεδομένα ταυτοποιήσιμων προσώπων, γεγονός που αίρει το πιο συνηθισμένο εμπόδιο συμμόρφωσης στην καταναλωτική έρευνα. Τα ερεθίσματα και τα ερευνητικά ερωτήματα που ανεβάζετε είναι χωριστό ζήτημα — δείτε τη σελίδα μας για τον GDPR.

Φτιάξτε την πρώτη σας συνθετική περσόνα. Μια ποιοτική μελέτη με τρεις περσόνες ξεκινά από 6 πιστώσεις, τρέχει σε λίγα λεπτά και λειτουργεί σε δώδεκα γλώσσες. Οι νέοι λογαριασμοί ξεκινούν με δωρεάν πιστώσεις, οπότε ο ειλικρινής έλεγχος είναι να ανοίξετε τον πίνακα ελέγχου και να τρέξετε μια μελέτη σε ένα ερώτημα του οποίου γνωρίζετε ήδη την απάντηση.

Βιβλιογραφία

Caruso, W., Romaniuk, J., Page, B., Anesbury, Z. W., & Williams, J. (2025). The role of market research in pack redesign performance. International Journal of Market Research, 67(1), 17–32. https://doi.org/10.1177/14707853241296656

Caruso, W., Romaniuk, J., Page, B., Anesbury, Z. W., Saeed, R., & Williams, J. (2026). The packaging redesign modernisation dilemma: The relationship with familiarity, likeability, and its effect on purchase intent. Journal of Retailing and Consumer Services, 92, 104800.

Fernandez, K., Berner, L. A., & Shevlin, B. R. K. (n.d.). The threat of synthetic respondents extends to clinical mental health screening. Submitted manuscript, University of California, Los Angeles, and Icahn School of Medicine at Mount Sinai.

Golder, P. N., Dekimpe, M. G., An, J. T., van Heerde, H. J., Kim, D. S. U., & Alba, J. W. (2023). Learning from data: An empirics-first approach to relevant knowledge generation. Journal of Marketing, 87(3), 319–336. https://doi.org/10.1177/00222429221129200

Lin, Z. (n.d.). Synthetic respondents and the illusion of human data. Preprint, Department of Psychology, Yonsei University.

Macdonald, E. K., & Sharp, B. M. (2000). Brand awareness effects on consumer decision making for a common, repeat purchase product: A replication. Journal of Business Research, 48(1), 5–15. https://doi.org/10.1016/S0148-2963(98)00070-8

Moran, K. (2024, June 21). Synthetic users: If, when, and how to use AI-generated "research". Nielsen Norman Group. https://www.nngroup.com/articles/synthetic-users/

Ong, D. C. (2024). GPT-ology, computational models, silicon sampling: How should we think about LLMs in cognitive science? arXiv:2406.09464. https://arxiv.org/abs/2406.09464

Papangelis, K. (2025, December 17). The synthetic persona fallacy: How AI-generated research undermines UX research. ACM Interactions. https://interactions.acm.org/blog/view/the-synthetic-persona-fallacy-how-ai-generated-research-undermines-ux-research

Romaniuk, J., & Sharp, B. (2004). Conceptualizing and measuring brand salience. Marketing Theory, 4(4), 327–342. https://doi.org/10.1177/1470593104047643

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. https://doi.org/10.1002/mar.21982

Sharp, B., Danenberg, N., & Bellman, S. (2018). Psychological targeting. Proceedings of the National Academy of Sciences, 115(34). https://doi.org/10.1073/pnas.1810436115

Sharp, B., Dawes, J., & Victory, K. (2024). The market-based assets theory of brand competition. Journal of Retailing and Consumer Services, 76, 103566.

Sun, S., Lee, E., Nan, D., Zhao, X., Lee, W., Jansen, B. J., & Kim, J. H. (2024). Random silicon sampling: Simulating human sub-population opinion using a large language model based on group-level demographic information. arXiv:2402.18144. https://arxiv.org/abs/2402.18144

Tanusondjaja, A., Romaniuk, J., Nenycz-Thiel, M., Sakashita, M., & Viswanathan, V. (2023). Examining Pareto law across department store shoppers. International Journal of Market Research. https://doi.org/10.1177/14707853221145851

Toubia, O., Gui, G. Z., Peng, T., Li, A., Merlau, D. J., & Chen, H. (2025). Twin-2K-500: A dataset for building digital twins of over 2,000 people based on their answers to over 500 questions. arXiv:2505.17479. https://arxiv.org/abs/2505.17479

Valenzuela, A., Puntoni, S., Hoffman, D., Castelo, N., De Freitas, J., Dietvorst, B., Hildebrand, C., Huh, Y. E., Meyer, R., Sweeney, M. E., Talaifar, S., Tomaino, G., & Wertenbroch, K. (2024). How artificial intelligence constrains the human experience. Journal of the Association for Consumer Research.