Συνθετικοί χρήστες: τι είναι και τι μπορούν (ή δεν μπορούν) να κάνουν

2026-08-13 · 12 λεπτά ανάγνωσης

Οι συνθετικοί χρήστες είναι τεχνητοί συμμετέχοντες σε έρευνα. Δημιουργούνται όταν ζητείται από ένα μεγάλο γλωσσικό μοντέλο να απαντά ως μέλος ενός καθορισμένου πληθυσμού. Κάθε χρήστης έχει ένα προφίλ — ηλικία, αγορά, εισόδημα, αξίες, στάσεις και συνήθειες μέσων — και απαντά σε ερωτήσεις συνέντευξης, ερωτήματα ερωτηματολογίου ή δημιουργικά ερεθίσματα όπως θα απαντούσε εύλογα κάποιος με αυτό το προφίλ. Η βιβλιογραφία ονομάζει το ίδιο κατασκεύασμα δείγμα πυριτίου (Sarstedt et al., 2024). Το αποτέλεσμα μοιάζει με ερευνητικά δεδομένα. Είναι μια προσομοίωση.

Βασικά σημεία

• Οι συνθετικοί χρήστες είναι προσομοιωμένοι ερωτώμενοι, που παράγονται από γλωσσικό μοντέλο και προσαρμόζονται σε έναν περιγραφόμενο πληθυσμό. Τίποτα από όσα λένε δεν προέρχεται από άνθρωπο.
• Είναι ισχυρότεροι σε συγκριτικές και κατευθυντικές ερωτήσεις και ασθενέστεροι σε απόλυτους αριθμούς, νέα συμπεριφορά και εξειδικευμένους πληθυσμούς. Η ανασκόπηση βρίσκει ότι η συμφωνία δειγμάτων πυριτίου και ανθρώπων «ποικίλλει σημαντικά μεταξύ πεδίων» (Sarstedt et al., 2024).
• Η ποιότητα καθορίζεται κυρίως από τα δεδομένα θεμελίωσης, όχι από το μέγεθος του μοντέλου: η προσαρμογή σε δημογραφικές κατανομές επιπέδου ομάδας μπορεί από μόνη της να προσεγγίσει κατανομές πραγματικών δημοσκοπήσεων, ενώ η επαναληψιμότητα μεταβάλλεται ανά ομάδα και θέμα (Sun et al., 2024).
• Είναι συμπλήρωμα της πραγματικής έρευνας και όχι υποκατάστατο. Η βιβλιογραφία μάρκετινγκ καταλήγει ανάλογα για την AI γενικά: ενισχύει καλύτερα τους ανθρώπινους μάνατζερ απ’ ό,τι τους αντικαθιστά (Davenport et al., 2020).

Τι είναι οι συνθετικοί χρήστες;

Η διάκριση αυτή είναι κεντρική. Ένας συνθετικός χρήστης δεν θυμάται ότι αγόρασε κάτι· διαθέτει μόνο ένα στατιστικό μοντέλο για το πώς τείνει να διατυπώνεται κείμενο για ανθρώπους σαν αυτόν. Μερικές φορές είναι αρκετά καλή προσέγγιση για να στηρίξει μια απόφαση· συχνά δεν είναι. Ο όρος χρησιμοποιείται χαλαρά σε όλη την κατηγορία, γι’ αυτό αξίζει πρώτα να αποσαφηνιστεί το λεξιλόγιο.

Συνθετικοί χρήστες, συνθετικές περσόνες και συνθετικοί ερωτώμενοι

Συχνά αντιμετωπίζονται ως συνώνυμα, αλλά κατανοούνται καλύτερα ως τρία στάδια του ίδιου πράγματος.

Ένας τέταρτος όρος, ψηφιακό δίδυμο, περιγράφει προσομοιωμένο μοντέλο ενός συγκεκριμένου πραγματικού ατόμου που κατασκευάζεται από τα δικά του δεδομένα — διαφορετική τεχνική με πολύ βαρύτερες απαιτήσεις: οι Toubia et al. (2025) ερεύνησαν 2.058 άτομα σε 500 ερωτήσεις, κατά μέσο όρο 2,42 ώρες το καθένα, μόνο για να φτιάξουν δημόσιο σύνολο ελέγχου για δίδυμα ατομικού επιπέδου. Δεν είναι η δειγματοληψία σε επίπεδο πληθυσμού που περιγράφεται εδώ.

Για τον τρόπο κατασκευής των προφίλ, δείτε τον οδηγό για τις συνθετικές περσόνες. Η παρούσα σελίδα αφορά ό,τι ακολουθεί όταν μία από αυτές αρχίζει να απαντά.

Πώς παράγονται οι συνθετικοί χρήστες

Τέσσερα στάδια, με το δεύτερο να καθορίζει το μεγαλύτερο μέρος της διαφοράς ποιότητας μεταξύ εργαλείων.

1. Ορισμός πληθυσμού. Περιγράφετε από ποιους θέλετε να ακούσετε — αγορά, ηλικιακό εύρος, εισόδημα και χαρακτηριστικά που σχετίζονται με το ερώτημα: το brief που θα δίνατε σε εταιρεία στρατολόγησης.

2. Θεμελίωση και δειγματοληψία. Το σύστημα χτίζει προφίλ που αντιστοιχούν στο brief. Αν αφήσετε το μοντέλο να τα επινοήσει, θα παράγει εύγλωττο κείμενο, αλλά με ένα συγκεκριμένο ελάττωμα: από 14 ψυχολογικές αναπαραγωές που εξέτασαν οι Sarstedt et al. (2024), οι έξι εμφάνισαν «φαινόμενο σωστής απάντησης» — πολύ ομοιόμορφες απαντήσεις, σχεδόν χωρίς διακύμανση. Η εναλλακτική είναι η δειγματοληψία χαρακτηριστικών από πραγματικά πληθυσμιακά δεδομένα. Οι Sun et al. (2024) δείχνουν γιατί αυτό είναι καθοριστικό: όταν το μοντέλο προσαρμόστηκε μόνο σε δημογραφικές κατανομές επιπέδου ομάδας, παρήγαγε κατανομές απαντήσεων «εντυπωσιακά παρόμοιες με τις πραγματικές δημοσκοπήσεις στις ΗΠΑ». Το SynthFolk θεμελιώνει περσόνες σε δεδομένα της European Social Survey και του Eurobarometer σε πέντε πολιτισμικές περιφέρειες.

Ο κανόνας που προκύπτει είναι δικός μας και όχι δημοσιευμένο εύρημα, αλλά απορρέει από τον μηχανισμό: η διαφωνία είναι το σήμα. Η ομοφωνία περιγράφει την προεπιλογή του μοντέλου, όχι τη διασπορά της αγοράς.

3. Ανεξάρτητη υποβολή ερωτήσεων. Κάθε συνθετικός χρήστης παράγεται και ερωτάται χωριστά, όχι με κοινή ερμηνεία ρόλων μέσα στο ίδιο παράθυρο συμφραζομένων. Το κείμενο διαμεσολαβημένο από LLM είναι ήδη πιο ομοιογενές από το ανθρώπινο — 45% ομοιότητα σε εργασίες περίληψης έναντι 27% στις ανθρώπινες περιλήψεις (Lin) — επομένως το κοινό συμφραζόμενο ενισχύει μόνον την έλξη προς τον μέσο όρο. Και η ομαδική μορφή είναι αδύναμο εργαλείο ακόμη και με πραγματικούς ανθρώπους: σε 227 πρόσφατους ανασχεδιασμούς συσκευασίας, οι Caruso et al. (2025) βρήκαν τα focus groups μεταξύ των μεθόδων που συνδέονταν με λιγότερο επιτυχημένα αποτελέσματα.

4. Συνάθροιση. Θέματα και αυτούσια αποσπάσματα για ποιοτική εργασία, κατανομές και αναλύσεις για ποσοτική, συγκριτική βαθμολόγηση για ερεθίσματα A/B.

Συνέπεια του δεύτερου σταδίου: ένα μικρότερο, καλύτερα θεμελιωμένο πάνελ πρέπει να υπερέχει από ένα μεγαλύτερο χωρίς θεμελίωση. Περισσότεροι ερωτώμενοι από την ίδια συμπιεσμένη κατανομή προσθέτουν βεβαιότητα, όχι πληροφορία.

Η ποιοτική ενότητα του SynthFolk μετατρέπει μια περιγραφή κοινού σε απλή γλώσσα σε 3–8 θεμελιωμένες περσόνες.

Σε τι χρησιμοποιείται η έρευνα με συνθετικούς χρήστες

Η συνθετική έρευνα έχει θέση όταν η αξία βρίσκεται στο εύρος, στην ταχύτητα και στη σύγκριση, όχι στην ανακάλυψη. Οι Sarstedt et al. (2024) τοποθετούν την υπόσχεσή της στα «ανάντη μέρη της ερευνητικής διαδικασίας, όπως ο ποιοτικός προέλεγχος και οι πιλοτικές μελέτες».

Προδιαλογή ιδεών. Έντεκα προτάσεις τοποθέτησης και προϋπολογισμός για δύο δοκιμές: ένα συνθετικό πάνελ δίνει μια κατάταξη για συζήτηση, αρκετή για να αποφασίσετε τι θα μπει σε πραγματική δοκιμή.

Σύγκριση μηνυμάτων και δημιουργικού. Οι συγκρίσεις A/B τίτλων, προτάσεων αξίας ή δημιουργικού ταιριάζουν καλύτερα στη μέθοδο: η σχετική κρίση εκτίθεται λιγότερο στο πρόβλημα βαθμονόμησης από την απόλυτη. Η ενότητα media του SynthFolk εκτελεί αυτό το πρώτο πέρασμα ως λειτουργία A/B.

Πιλοτική δοκιμή ερωτηματολογίων και συνεντεύξεων. Δοκιμάστε το εργαλείο σας με συνθετικούς ερωτώμενους πριν δαπανήσετε χρήματα για στρατολόγηση. Οι αμφίσημες ερωτήσεις χαλούν τις συνθετικές απαντήσεις όπως χαλούν και τις ανθρώπινες.

Πρώτα περάσματα μεταξύ αγορών. Δώδεκα αγορές είναι απαγορευτικές με πραγματικά πάνελ και ασήμαντες με συνθετικά. Οι αριθμοί ανά αγορά δεν είναι υπερασπίσιμοι — η επαναληψιμότητα διαφέρει ανά δημογραφική ομάδα και θέμα (Sun et al., 2024) — διαβάστε όμως το μοτίβο απόκλισης ως υπόθεση για το πού χρειάζεται επιτόπια έρευνα.

Χαρτογράφηση αντιρρήσεων. Ένα διαφορετικό πάνελ αποκαλύπτει γρήγορα τι θα έλεγε ότι το εμποδίζει να αγοράσει: συλλέγετε κατάλογο, όχι τη συχνότητα κάθε στοιχείου.

Όλα αυτά είναι καθήκοντα φιλτραρίσματος πριν από πραγματική απόφαση, όχι η ίδια η απόφαση. Αυτό ορίζει και το όριο με την ευρύτερη έρευνα αγοράς με AI, όπου η υποβοηθούμενη από AI ανάλυση και οι συνεντεύξεις με πραγματικούς ανθρώπους συγχέονται με την πλήρως συνθετική εργασία.

Η υπόθεση κατά των συνθετικών χρηστών

Οι πιο διαβασμένες σελίδες για το θέμα δεν γράφονται από προμηθευτές. Η κριτική της Nielsen Norman Group για τους συνθετικούς χρήστες (2024) υποστηρίζει ότι δεν μπορούν να υποκαταστήσουν όσα διδάσκει η μελέτη πραγματικών ανθρώπων και ότι συχνά επιστρέφουν ρηχή ή υπερβολικά θετική ανατροφοδότηση. Ο Papangelis (2025), στο ACM Interactions, ονομάζει τη «συνθετική πλάνη της περσόνας»: το πέρασμα από εύλογο τεχνούργημα σε υποκατάστατο μιας εκλογικής περιφέρειας.

Τρία μέρη αυτής της κριτικής είναι σωστά και καμία θεμελίωση δεν τα διορθώνει.

1. Δεν υπάρχει μέτρηση. Μια συνθετική κατανομή παράγεται, δεν παρατηρείται· η αναφορά της με συμβάσεις διαστημάτων εμπιστοσύνης των ερευνών είναι σφάλμα κατηγορίας.
2. Τα μοντέλα έχουν συστηματικές μεροληψίες απόκρισης. Οι Sun et al. (2024) συνδέουν τις αποτυχίες επαναληψιμότητας υποομάδων με κοινωνικές μεροληψίες των μοντέλων. Ο Lin δείχνει ότι η εξυγίανση «περικόπτει ακριβώς τις ουρές της κατανομής — εκφράσεις προκατάληψης, αμφιθυμίας, ακραίες απόψεις».
3. Η υποκατάσταση είναι πραγματικός θεσμικός κίνδυνος. Το σφάλμα δεν είναι απλώς μια κακή μελέτη αλλά ένας προϋπολογισμός έρευνας που αντικαθίσταται σιωπηρά από συνδρομή.

Η έντιμη απάντηση δεν είναι η αντίκρουση, αλλά ο σχεδιασμός γύρω από αυτά τα όρια. Το πόσο καλά οι θεμελιωμένες περσόνες προσεγγίζουν πραγματικούς ερωτώμενους εξετάζεται στο πόσο ακριβείς είναι οι συνθετικοί ερωτώμενοι.

Πότε να χρησιμοποιείτε πραγματικούς χρήστες

Πέντε σκληρά όρια βρίσκονται πίσω από τον πίνακα: απόλυτοι αριθμοί, πραγματικά νέα προϊόντα, υποεκπροσωπούμενοι και εξειδικευμένοι πληθυσμοί, βιωμένη εμπειρία και παρατηρούμενη συμπεριφορά, και ρυθμιστική, ασφαλιστική ή νομική έκθεση. Αν μια λανθασμένη απάντηση συνεπάγεται ανάκληση, πρόστιμο ή βλάβη, χρησιμοποιήστε ανθρώπους.

Η θέση είναι λοιπόν σαφής: η συνθετική έρευνα συμπληρώνει, δεν αντικαθιστά. Αλλάζει τα οικονομικά ερωτημάτων που δεν θα χρηματοδοτούσατε ποτέ και βελτιώνει την πραγματική έρευνα απομακρύνοντας τις προφανώς λανθασμένες κατευθύνσεις πριν πληρώσετε για επιτόπια εργασία.

Συνθετικοί χρήστες στην πράξη

Μια πρώτη μελέτη πρέπει να είναι μικρή, συγκριτική και ελέγξιμη.

Διαμόρφωση. Ποιοτική ενότητα. Κοινό σε απλή γλώσσα — αγοραστές παντοπωλείου 30–50 ετών σε δύο ευρωπαϊκές αγορές, μικτό εισόδημα. Τρεις περσόνες, το μικρότερο πάνελ που μπορεί να διαφωνήσει. Από 6 πιστώσεις, όπως δημοσιεύεται στη σελίδα τιμών.

Εργαλείο. Τέσσερις ή πέντε ανοικτές ερωτήσεις για απόφαση που έχετε ήδη λάβει, συν μία διερευνητική ερώτηση της οποίας δεν γνωρίζετε την απάντηση.

Τι επιστρέφει. Μία απομαγνητοφώνηση ανά περσόνα και έπειτα σύνθεση: επαναλαμβανόμενα θέματα, σημεία διάστασης, αυτούσια αποσπάσματα. Διαβάστε πρώτα τη διάσταση. Αν και οι τρεις δώσουν την ίδια απάντηση με τρεις διατυπώσεις, το ερώτημά σας ήταν κατευθυντικό ή η περιγραφή του κοινού υπερβολικά στενή.

Ο έλεγχος που μετρά. Επιλέξτε ερώτημα που απαντήσατε με πραγματική έρευνα πέρυσι, τρέξτε το συνθετικά και ελέγξτε αν το πάνελ αναπαράγει το εύρημα. Το μέτρο δεν είναι η απόλυτη συμφωνία: ούτε οι άνθρωποι απαντούν ταυτόσημα δύο φορές, γι’ αυτό οι Toubia et al. (2025) ενσωμάτωσαν επαναληπτικό κύμα για γραμμή βάσης επαναληπτικής αξιοπιστίας.

Οι ομάδες που αποκομίζουν διαρκή αξία ακολουθούν έναν κύκλο: αποκλίνετε συνθετικά, δοκιμάζετε υπό πίεση το εργαλείο συνθετικά, επικυρώνετε με ανθρώπους τους επιζώντες και έπειτα ελέγχετε τη βαθμονόμησή σας έναντι του πραγματικού αποτελέσματος.

Συχνές ερωτήσεις

Είναι οι συνθετικοί χρήστες πραγματικοί άνθρωποι;

Όχι. Είναι προσομοιώσεις γλωσσικού μοντέλου θεμελιωμένες σε στατιστικά στοιχεία επιπέδου πληθυσμού: δεν εκπροσωπείται κανένα άτομο, δεν υποβάλλονται σε επεξεργασία προσωπικά δεδομένα και καμία απάντηση δεν δίνεται από άνθρωπο.

Είναι ακριβείς οι συνθετικοί χρήστες;

Δεν υπάρχει ένας μοναδικός αριθμός ακρίβειας. Η συμφωνία με ανθρώπινα δείγματα ποικίλλει σημαντικά ανά πεδίο (Sarstedt et al., 2024) και η επαναληψιμότητα ανά ομάδα και θέμα ακόμη και όταν οι συνολικές κατανομές προσεγγίζουν πραγματικές (Sun et al., 2024). Διαβάστε το αποτέλεσμα ως κατευθυντικό και μη βαθμονομημένο· τα τεκμήρια εξετάζονται στον οδηγό ακρίβειας.

Πόσο κοστίζουν οι συνθετικοί χρήστες;

Το SynthFolk χρεώνει σε πιστώσεις, δημοσιευμένες ανοιχτά: μια ποιοτική μελέτη τριών περσόνων ξεκινά από 6 πιστώσεις· μεγαλύτερα πάνελ και ποσοτικά δείγματα 50–250 ερωτώμενων κοστίζουν αναλογικά περισσότερο.

Αντικαθιστούν οι συνθετικοί χρήστες τις δοκιμές ευχρηστίας;

Όχι. Η δοκιμή ευχρηστίας μετρά τι κάνουν οι άνθρωποι υπό παρατήρηση· οι συνθετικοί χρήστες παράγουν τι μπορεί να έλεγε κάποιος. Δεν υπάρχει υποκατάστατο για την παρατήρηση ενός ανθρώπου που δεν βρίσκει ένα κουμπί.

Ποιες γλώσσες και αγορές υποστηρίζονται;

Το SynthFolk λειτουργεί σε 12 γλώσσες διεπαφής, με περσόνες θεμελιωμένες σε πέντε ευρωπαϊκές πολιτισμικές περιφέρειες. Η κάλυψη ακολουθεί τα υποκείμενα δεδομένα ερευνών: όπου αυτά είναι αραιά, αντιμετωπίστε και το αποτέλεσμα ως αραιότερο.

Δοκιμάστε το μόνοι σας. Μια μελέτη τριών περσόνων ξεκινά από 6 πιστώσεις και οι νέοι λογαριασμοί αρχίζουν με δωρεάν πιστώσεις — αρκετές για να δοκιμάσετε τη μέθοδο σε ερώτημα του οποίου ήδη γνωρίζετε την απάντηση. Ανοίξτε τον πίνακα ελέγχου: το αν το πάνελ αναπαράγει όσα γνωρίζετε είναι το μέτρο που μετρά.

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. https://doi.org/10.1016/j.jretconser.2026.104800

• Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48, 24–42. https://doi.org/10.1007/s11747-019-00696-0

• Eurobarometer. Public opinion surveys of the European Commission. https://europa.eu/eurobarometer/

• European Social Survey. https://www.europeansocialsurvey.org/

• Fernandez, K., Berner, L. A., & Shevlin, B. R. K. 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 (undated).

• 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. Synthetic respondents and the illusion of human data. Preprint, Department of Psychology, Yonsei University (undated).

• Nielsen Norman Group. (2024, June 21). Synthetic users: If, when, and how to use AI-generated "research". 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 (blog). 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, 41, 1254–1270. https://doi.org/10.1002/mar.21982

• 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., Merlau, D. J., Li, A., & 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, 9(3). https://doi.org/10.1086/730709