合成用户是 AI 人设,通常由基于真实研究数据进行条件设定的大语言模型驱动,研究者像对待受访者一样向其提问。截至 2026 年 5 月,它们适合用于快速的探索性想法压力测试、讨论提纲初稿以及边缘案例的压力测试。但在概念验证、支付意愿、敏感话题,或任何要针对真实人类行为做决策的研究中,它们不能取代真实受访者。请把它们当作规划与预演工具,而不是关于你的市场的证据。
\n\n过去 18 个月里,合成用户之争从小众走向主流。厂商开始推出\"AI 小组\"产品,宣称可按需模拟目标客户。研究者则强烈反对。Nielsen Norman Group 在 2024 年广为流传的批评指出,合成用户有可能把模型的训练分布包装成真实世界的证据,随着越来越多团队在生产环境中尝试,这一警告的声音只增不减(NN/g: Synthetic Users)。
\n与此同时,学术文献的看法更为细致。2024 年发表于 PNAS 的一篇论文表明,经过条件设定的 LLM 能够在特定问卷题项上近似某些人口子群体的回答模式,而后续针对定性任务的评估发现,同样的方法用于开放式访谈时会出现系统性偏差(Argyle et al., PNAS 2024)。2026 年较为诚实的总结是:合成用户是一种真实的研究工具,其效度范围真实但狭窄,而被误用的范围则要宽得多。
\n\n合成用户是经过提示词条件设定的 LLM 人设。条件设定可以很轻(\"你是一名 34 岁、住在柏林、每天使用 Notion 的产品经理\"),也可以很重(检索系统从该细分群体的数百份访谈记录、问卷回答和用户旅程图中提取信息)。条件越重,人设的行为就越贴近底层数据;条件越轻,模型就越会根据其训练分布自由泛化,而大多数效度问题正出在这里。
\n2026 年常见的实现方式有三种:
\n在安排任何真实受访者之前,先让提纲初稿对三四个合成人设跑一遍。留意那些得到平淡回答的提问、诱导性问题和缺失的追问。人设不需要准确才能起作用,只要足够可信,能暴露薄弱的提问即可。
\n让合成人设分别扮演怀疑者、重度用户、困惑的新手、监管者和预算负责人。目的不是预测真实用户会说什么,而是确保当真实受访者带着这些反应出现时,你的研究设计能够承接。
\n一份合成的\"客户委员会\"访谈记录可以帮助跨职能团队在招募之前,就术语、待办任务(jobs-to-be-done)框架和细分群体定义达成一致。每一次都要标明它是合成的。
\n尤其对于对话式问卷,让人设走完每一条分支,比真人试点更快发现死胡同和令人困惑的跳转逻辑。
\n\n这些失效模式有大量文献记载,并且在不同研究中保持稳定:
\n用这个矩阵来判断合成用户是否适合某项研究。每一行按 1(低)到 5(高)打分。如果总分低于 12,就不要把合成用户当作证据,最多只用于预演。
\n| 维度 | 问题 | 得分 1–5 |
|---|---|---|
| 探索性目的 | 目标是产生想法,而不是提供决策证据吗? | __ |
| 语料依据 | 你有真实的访谈记录或问卷数据来为人设做条件设定吗? | __ |
| 话题安全性 | 话题是否不含敏感、受监管或弱势群体相关内容? | __ |
| 可逆性 | 在做出任何决策之前,能否用真实用户低成本地验证这一洞察? | __ |
| 利益相关者素养 | 下游使用者是否理解合成数据不是证据? | __ |
2026 年经得起检验的模式是顺序式的,而不是替代式的:
\n| 标准 | 合成用户 | 真实受访者 |
|---|---|---|
| 速度 | 几分钟 | 数天到数周 |
| 单次访谈成本 | 几美分 | $20–$200+ 的酬金 |
| 用于决策的效度 | 低 | 抽样得当时较高 |
| 边缘案例覆盖 | 按需即可获得,覆盖度高 | 取决于招募 |
| 情绪信号 | 模拟的,往往平淡 | 真实、可观察 |
| 适用于定价研究 | 不适用 | 设计得当时适用 |
| 敏感话题的伦理性 | 不恰当 | 需经 IRB / 知情同意 |
适用对象:希望加快早期探索的产品经理和用户体验研究者、对讨论提纲做压力测试的洞察团队,以及正在建立负责任使用 AI 内部手册的 ResearchOps 负责人。
\n何时不应使用合成用户:定价研究、无障碍研究、健康或金融决策研究、任何涉及弱势群体的研究、任何结果将作为关于真实用户的证据对外引用的研究,以及利益相关者无法区分合成访谈记录与真实访谈记录的任何情境。
\n\nQualitati 是一个 AI 用户研究平台,同时支持合成与真实工作流的两端。我们的合成焦点小组功能明确定位于探索性预演,即在真实招募开始之前生成会话草稿、对讨论提纲做压力测试并发现边缘案例。同一平台随后可以对真实受访者开展AI 主持访谈和AI 主持焦点小组,支持文字或语音,涵盖 10 种语言,并在我们的 QDA Workspace 和 ThemeLens 主题分析流程中分析访谈记录。合成输出与真实受访者数据在设计上被放在不同的项目中,因此合成预演永远不会在交付物中与证据混淆。注册即可免费获得 30 积分,无需信用卡。
\n\n有两点坦率的提醒。第一,合成用户的效度在很大程度上取决于底层模型和条件设定数据,而这两者每隔几个月就会变化。2025 年初行得通的结论,在 2026 年的模型上未必能复现。第二,该领域仍缺乏针对定性合成用户效度的统一评估基准,已发表的评估大多是量化问卷的复现,这与定性任务并不相同。在这一空白被填补之前,对任何关于\"与人类等效\"合成回答的厂商宣称都应持怀疑态度,并索取其评估方法。
\n\n不是。人设是对某个用户细分群体的静态描述。合成用户则是由 LLM 驱动的交互式实例,你可以向它提问并与之对话。人设为合成用户提供依据,但两者不可互换。
\n不能。可用性测试衡量的是真实的人在真实界面上的行为。合成用户可以预演测试脚本,但无法像真人那样点击、出错或感到挫败,而这些才会产生可用性发现。
\n作为规划和预演材料是有效的,作为关于真实市场的证据则无效。最有力的用法是在面向真实受访者开展焦点小组之前,先用它完善讨论提纲。
\n用于预演时,覆盖你最难触达的细分群体的三到五个人设,再加一个对抗性人设,通常就足够了。再增加数量很少能带来更多信号,反而容易造成虚假的信心。
\n对每一条合成引语、访谈记录或摘要,都要明确标注\"合成\"一词、所用模型和日期,并附上一句说明其局限的话。切勿在同一证据部分混用合成与真实引语。
\n当它被用作预演并如实标注时,可以符合伦理。把合成输出当作真实用户的声音呈现给利益相关者或外部受众,则是不符合伦理的。
\n\n合成用户在 2026 年的用户体验研究工具箱中占有一席之地,是作为预演层,而不是证据。用它们来对提纲做压力测试、生成边缘案例,并在真实研究开始之前让利益相关者达成一致。然后再开展真实研究 — 真实受访者、真实主持、真实分析 — 并将两者清楚地分开报告。
\n注册即可免费获得 30 积分使用 Qualitati,或查看透明定价。也可以对比 Outset.ai 替代方案指南和 AI 主持焦点小组指南。
\n","related":[{"slug":"ai-vs-human-interviewers-randomized-chat-experiment-2026","title":"AI 访谈员 vs 人类访谈员：2026 年随机实验发现了什么","description":"一项 2026 年随机实验比较了 AI 与人类访谈员的文字聊天访谈：切题程度相同，具体性差距未被检测到，文本多出 65%，但跳题更多。","category":"AI 用户研究","date":"2026-10-19","readTime":"8 分钟阅读","author":"Qualitati 研究团队"},{"slug":"artificial-societies-benchmark-synthetic-population-validity-2026","title":"合成人群数据有效吗？2026 年 11 项检验基准研究","description":"合成人群数据是否有效？2026 年一项基准研究用 11 项效度检验评估 9 个大语言模型：它们能复现平均值，却压缩量表区间并扭曲特质之间的关系。","category":"AI 用户研究","date":"2026-10-15","readTime":"7 分钟阅读","author":"Qualitati 研究团队"},{"slug":"synthetic-consumers-visual-marketing-pretest-2026","title":"合成消费者能预测试 logo 和广告吗？2026 研究结果","description":"合成消费者能否预测试视觉营销？2026 年研究发现，GPT 智能体能正确识别 logo 特征，但六项人类效应最多只复现 2 项，还有 1 项结论相反。","category":"AI 用户研究","date":"2026-10-14","readTime":"7 分钟阅读","author":"Qualitati 研究团队"}]}