AI模拟消费者购买意图准确率超90% 可能颠覆传统市场调研

一项由曼海姆大学与苏黎世联邦理工学院联合开展的研究揭示，大型语言模型（LLM）能够以高达90%的重测一致性准确预测消费者的购买意图，其表现几乎与真实调查结果一致。这一突破性进展标志着人工智能在市场调研领域的深度渗透。 研究团队开发的“语义相似性评分”（SSR）方法，通过将开放式文本回答映射到五点评级系统，无需直接要求模型选择数字，而是基于其自然表述与标准答案在嵌入空间中的语义距离进行打分。例如，“我肯定会买这个”或“如果打折可能考虑”等表达，均可被自动转化为对应意向值。 H2 为何这项技术可能重塑市场调研？ 传统消费者焦点小组存在成本高、周期长、易受偏见影响等局限。而基于大型语言模型的合成受访者可实现低成本、快速批量测试数千种产品概念或广告文案，显著提升企业决策效率。研究指出，该方法不仅保留了态度多样性，更展现出惊人的语义保真度，表明模型已具备深层推理潜在态度的能力。 H2 存在的挑战与争议 尽管成果显著，该技术仍面临多重质疑。首先，实验仅覆盖个人护理品类，尚未验证在高情绪化或高风险购买场景下的适用性。其次，SSR高度依赖精心设计的参考语句，微小措辞变化可能导致评分偏差。此外，人工调查数据本身存在噪声和文化偏见，可能影响训练效果。批评者强调，基于嵌入的相似性假设在复杂语境或讽刺表达中可能失效，90%的一致性仍无法完全排除系统性误差。 H2 未来趋势与潜在影响 随着麻省理工学院、剑桥大学等机构持续探索基于AI的心理测量细分与人口统计模拟，本次研究成为首个实现与真实购买意向数据高度匹配的范例。未来，大型语言模型或将不仅是问答工具，更可能作为公众意见的数字化代表参与社会议题预测。然而，这一趋势是否真正反映民意，还是制造认知幻觉，仍需长期观察与规范引导。