越来越多的品牌正转向使用合成数据——即由人工智能生成的、旨在模拟真实世界的数据——来了解其客户。对这一AI应用的兴趣正在持续增长。Qualtrics在5月发布的一份报告显示，41%的市场研究者目前正在使用合成数据来补充或替代真人受访者，而62%的受访者表示他们打算使用合成数据。

Gartner杰出副总裁分析师Lizzy Foo Kune表示：“我的客户对此表现出浓厚的兴趣和热情，他们想了解合成数据如何能有益于他们的工作。”她同时是Gartner未来实验室的联合负责人。“另一方面，对于输出结果的有效性也存在很多怀疑。”

客户体验团队在贸然投入合成数据分析之前，首先需要理解合成数据的概念、其用例及局限性。

据Bain & Company客户战略与营销业务成员、该公司价值主张创新与设计全球负责人Andy Pierce介绍，合成客户数据主要分为两大类：第一类是数字孪生，第二类是群体分析。

Pierce举例说明：假设一个品牌在数据库中有三个人的信息，它可以为每个人创建一个数字副本——即数字孪生——用以更好地理解和预测每位客户的行为。

这些动态的虚拟表征能够模拟并预测客户行为。它们利用第一方数据和其他消费者数据源，在数字环境中复制每个人的体验。数字孪生使企业能够实现精细化的、一对一的个性化服务。

希望更广泛地观察市场的品牌则可以进行合成群体分析。这种方法最适合用于探索新产品或新服务可能的市场反应。在这种情况下，品牌可以整合研究数据、交易数据、第一方专有数据、社交聆听与社交抓取信息、产品评价等，来创建不同的客户细分群体。在数字孪生例子中提到的三个人，各自会归属于不同的群体。

Pierce表示，合成数据与调查数据在很大程度上相互对应，且准确性正在不断提高。

“在数字孪生领域，准确性可达90%甚至更高，”Pierce说，“在群体分析领域准确性较低，因为你无法完全了解客户，但我们看到的结果最高可达80%至85%，因此它们已经相当准确了。”

尽管如此，合成数据并非万无一失。但Foo Kune指出，品牌选择合成数据而非传统调查还有其他原因，包括节省成本和时间，以及能够更深入地了解特定客户群体。

“这样做的原因可能是为了追求快速上市，在某些情况下，通过传统调查方法可能需要数月才能收集到的数据，如果使用合成数据源或合成焦点小组，则可能在几天甚至几小时内获得，”她说。

这也适用于难以触达的受众。

“如果你是一家B2B组织，需要组建一个由《财富》100强CIO组成的焦点小组，传统上这需要耗费大量时间和资源，”Foo Kune说，“你可以使用合成人物角色、合成焦点小组来替代。”