arXiv
AI 访谈员在相同预算下发现两倍客户需求
AI 语音访谈可以让自适应客户研究变得足够便宜，从而大规模重复开展，同时又不会把每位客户变成一个可预测的数字孪生。在一项预注册、包含 317 名家装决策者的研究中，AI 主持在约 5,000 美元的预算下发现了 238 项独特需求，而人工主持发现了 109 项。只要系统在这项测试之外仍然准确且安全，公司就可以搜索数千段语音对话，找出人们对窗户、门和安装的担忧。
想知道客户为什么购买的公司，面临着一个尴尬的选择。便宜、标准化的调查可以向许多人提出相同的问题，但可能会错过答案背后的解释。实时访谈可以在人们提到某种担忧或意外需求时追问一个有用的问题，但一名主持人一次只能与有限的人交谈。这让大规模、自适应的访谈变得缓慢而昂贵。
为什么追问很重要
市场研究人员通过定性访谈，找出固定问卷可能遗漏的需求和措辞。重要的不只是提出准备好的问题，还要注意哪个答案值得继续追问。
这件事之所以重要，还有第二个原因。在这个语境下，数字孪生是根据某人的数据构建的语言模型角色。研究人员可以向它提出一个新问题，让它像那个人一样回答。访谈可能会揭示相当稳定的偏好，比如对价格或安装的担忧。但它可能无法捕捉到影响人们回应广告的即时视觉或情绪反应。可信地描述一个人，比准确预测这个人接下来会如何反应更容易。
会持续追问的语音访谈员
这项研究测试了 AI 语音访谈员能否以更低成本实现实时访谈中有用的部分。研究包含 317 名家装决策者。他们围绕窗户、门和一个合作品牌展开讨论，形式分为三种：AI 主持的语音访谈、使用固定问题的静态语音访谈，或人工主持的访谈。每种形式都持续约 30 分钟，讨论相同的主题。
AI 可以根据参与者刚刚说的话作出回应，而不是等对方自己猜出所有相关细节。AI 主持访谈的参与者平均发言 8.1 分钟，产生 952 个词。静态访谈产生了 609 个词，人工主持的访谈则产生了 1,404 个词。在四个开放式部分中的三个部分里，AI 访谈涵盖的编码主题多于静态访谈。
当研究人员统计不同的客户需求时，差异变得最明显。24 次访谈后，AI 主持平均发现了 111.5 项独特需求，人工主持为 109 项，静态访谈为 75.9 项。在约 5,000 美元的市场研究预算下，AI 主持发现了 238 项独特需求。静态访谈发现了 188 项，人工主持发现了 109 项。计算得出的每项独特需求成本分别为：AI 访谈 19 美元，静态访谈 27 美元，人工访谈 36 美元。
这并不意味着 AI 听起来像一个人。与人工主持交谈的参与者表现得更积极、更有情绪唤醒，也更坚定。在这项研究基于语音的情感测量中，AI 访谈和静态访谈没有统计学上的显著差异。它的优势在于，可以反复提出自适应问题，而不必每次都为人工主持人支付费用。
更多对话，而不是水晶球
研究人员还利用访谈文字记录构建了数字孪生。这些数字孪生对邮件广告、商业广告和营销宣传语的留出回应，预测效果优于仅根据人口统计信息构建的数字孪生。但更丰富的 AI 访谈记录，在定量预测方面并没有比静态访谈记录产生显著更好的结果。
与真实的人相比，这些数字孪生也给出了更多分析性解释，尤其是在回应图片和视频营销时。在 AI 访谈条件下，加入参与者对另一个相似刺激的回应后，评分准确率从 .743 提高到了 .787。这是一个有用的提升，但也指出了一个局限：更长的对话并不会自动重现人们对图片或视频的即时反应。
在一家家装公司的研究项目中，房主可能会在晚餐后录下一段关于漏风窗户的对话，而不是等待预定的焦点小组时段。第二天早上，研究人员就可以搜索数千段对话，找出人们反复提到的安装、成本和舒适度方面的担忧。这取决于 AI 访谈在这项针对高投入购买行为的测试之外，仍能保持准确、安全且有用。
在一次营销评审中，团队可以利用 AI 生成的客户数字孪生来整理问题，而不是据此判断真实的人会喜欢一则新广告。在模型无法捕捉人们对图片和视频的即时反应时，团队仍需要测试密切相关的广告。这项技术让大量自适应访谈变得负担得起，但并不会让客户变得可预测。