AI 訪談員在相同預算下找出兩倍客戶需求

AI 語音訪談能讓適應性客戶研究便宜到足以大規模重複進行，同時不會把每位客戶變成可預測的數位分身。在一項預先註冊、涵蓋 317 名家居裝修決策者的研究中，AI 主持的訪談以約 $5,000 的預算找出了 238 項獨特需求，相較之下人工主持的訪談找出了 109 項。只要系統在這項測試之外仍能保持準確與安全，公司就能搜尋數千段語音對話，找出人們對窗戶、門和安裝的疑慮。

想知道客戶為什麼購買的公司，面臨一個尷尬的選擇。便宜、標準化的調查可以向許多人提出相同問題，但可能漏掉答案背後的原因。現場訪談則能在某人提到疑慮或意外需求時，提出有用的追問，但一名主持人一次只能與有限數量的人交談。這使得大規模、適應性的訪談既緩慢又昂貴。

為什麼追問很重要

市場研究人員使用質性訪談，找出固定問卷可能漏掉的需求和措辭。重點不只是提出事先準備好的問題，而是注意哪個答案值得再問一題。

這件事之所以重要，還有第二個原因。在這個情境中，數位分身是根據某人資料建立的語言模型人物。研究人員可以向它提出新問題，讓它像那個人一樣回答。訪談可能揭示相當穩定的偏好，例如對價格或安裝的顧慮。但它可能無法捕捉到影響人們回應廣告的快速視覺或情緒反應。要合理地描述一個人，比準確預測那個人接下來會如何反應容易。

持續追問的語音訪談員

這項研究測試 AI 語音訪談員是否能讓現場訪談中有用的部分變得更便宜。研究包含 317 名家居裝修決策者。他們以三種形式之一，討論窗戶、門和一個合作品牌：由 AI 主持的口語訪談、使用固定問題的靜態口語訪談，或由人類主持的訪談。每種形式都持續約 30 分鐘，涵蓋相同主題。

AI 能根據參與者剛才說的內容作出回應，而不是等對方猜出每個相關細節。AI 主持的參與者平均說了 8.1 分鐘，產生 952 個單字。靜態訪談產生 609 個單字，人類主持的訪談則產生 1,404 個單字。在四個開放式部分中的三個部分，AI 訪談涵蓋的編碼主題多於靜態訪談。

當研究人員計算不同的客戶需求時，差異最為明顯。完成 24 次訪談後，AI 主持平均找出 111.5 項獨特需求，相較之下人類主持為 109 項，靜態訪談為 75.9 項。在約 $5,000 的市場研究預算下，AI 主持找出了 238 項獨特需求。靜態訪談找出 188 項，人類主持則找出 109 項。計算出的每項獨特需求成本，AI 為 $19，靜態訪談為 $27，人類訪談為 $36。

這不代表 AI 聽起來像人。與人類主持人交談的參與者，在正面程度、活躍程度和自信程度上都更高。在這項研究以語音為基礎的情感測量中，AI 訪談與靜態訪談在統計上沒有差異。它的優勢在於能反覆提出適應性問題，而不必每次都支付人類主持人的費用。

更多對話，而不是水晶球

研究人員也利用訪談逐字稿建立數位分身。這些分身對郵寄廣告、商業廣告和行銷宣稱的保留樣本反應，預測得比只根據人口統計資料建立的分身更好。但內容更豐富的 AI 訪談逐字稿，在量化預測上並沒有比靜態訪談逐字稿產生顯著更好的結果。

這些分身提供的分析性解釋也比真人更多，尤其是在回應圖片和影片行銷時。在 AI 訪談條件下，加入參與者對另一個相似刺激的反應後，評分準確度從 .743 提高到 .787。這是有用的改善，但也指出了一項限制：更長的對話不會自動重現人們對圖片或影片的即時反應。

在一家家居裝修公司的研究計畫中，屋主可能在晚餐後錄下一段談論漏風窗戶的對話，而不是等待預定的焦點團體時段。隔天早上，研究人員就能搜尋數千段對話，找出人們反覆提到的安裝、成本和舒適度疑慮。這取決於 AI 訪談在這項高涉入度購買研究之外，仍能保持準確、安全且有用。

在行銷審查會議上，團隊可以使用 AI 生成的客戶數位分身來整理問題，而不是據此判定真人會喜歡一支新廣告。在模型仍會漏掉人們對圖片和影片的即時反應之際，團隊仍需要測試密切相關的廣告。這項技術讓許多適應性訪談變得負擔得起；但它不會讓客戶變得可預測。

來源

AI-Moderated Interviews for Market Research and Digital Twins Calibration