更快，更聪明，便宜：AI正在重塑市场研究|安德烈·霍洛维茨（Andreessen Horowitz）

几十年来，公司已经将数十亿美元投入到市场研究中，以更好地了解其客户，只是受到缓慢的调查，有偏见的面板和滞后见解的约束。尽管有1,400亿美元每年都花在市场研究上，软件不过是一个四舍五入的错误。例子：传统的人为咨询公司Gartner和McKinsey的价值为400亿美元，而软件平台Qualtrics和Medallia的价值分别为125亿美元和64亿美元。这只是考虑外部支出。

有了AI，我们看到了另一个市场准备转移的案例劳动力花在软件中。早期的AI播放器已经利用语音到文本和文本到语音模型来构建AI本地调查平台，以与人进行自动视频访谈，然后使用LLMS来分析结果并创建演示文稿。那些早期的搬家工人正在迅速增长，签署了大笔交易，并选择了传统上的市场研究和咨询公司的预算。” 

这样一来，这些支持AI的初创公司正在重塑组织如何从客户那里获得见解，做出决策并大规模执行。但是，这些初创公司中的大多数仍然依靠面板提供商来为人类提供调查。 

现在，我们看到一批人工智能研究公司完全取代了昂贵的人类调查和分析过程。这些公司无需招募一组人并询问他们的想法，而是可以模拟可以查询，观察和实验的整个生成AI代理的社会，以建模真实的人类行为。这将市场研究从滞后，一次性输入转变为一个连续的，动态的优势。 

今天的市场研究在哪里

随着时间的推移，客户研究领域已逐渐纳入软件。在1990年代，研究主要是通过笔和纸数据收集和分析进行手动进行的。Qualtrics和Medallia等在2000年代初引入了在线调查，其次是实时分析和基于移动的调查收集。两家公司都使用调查来建立围绕客户和员工的更深层次的经验管理工具。同时，自下而上的自助工具（例如SurveyMonkey）的兴起使各个团队能够快速，轻量级的调查扩大研究的访问，但通常会导致零散的努力，不一致的方法论和有限的组织可见度。这些工具缺乏支持企业范围内研究操作所需的治理，规模和整合。 

咨询公司，包括麦肯锡，建立了整个部门，专门用于部署基于软件的研究工具，以大规模地进行客户细分和消费者见解。这些参与通常花费数月的时间，耗资数百万，并且依靠昂贵且有偏见的面板。研究过程通常需要数周才能招募参与者小组，进行调查，分析结果，然后创建报告。然后，调查结果通常以包装形式交付给买家，而没有太多机会重新审视该过程或更深入研究结果。

大多数企业仍然依靠季度研究来指导主要发射，但这并不提供快速，日常决策所需的持续见解。由于传统研究很昂贵，因此小的赌注和早期想法通常未经测试。即使是渴望现代化的公司，也发现自己被过时的工具和缓慢的流程所困扰。

在2010年代后期，出现了新一波的UX研究工具，该工具直接为产品团队而不是顾问或调查OPS构建。公司开始将其嵌入其开发循环中，而不是外包用户研究。通过未修改的可用性测试，产品内验证和原型反馈，Sprig，Maze和Dovetail启用诸如更快，客户信息的决策之类的工具。这些研究工具证明了综合研究在现代业务中的重要性。但是，尽管此类工具为软件驱动的团队提供了实时价值，但它们对非软件公司的定向较少，并且主要用于团队级别的使用，而不是跨职能使用。AI-NETAGITE研究公司以UX研究的进步为基础：洞察力是直接且适用的穿过团队，产品和行业，无论是否软件本地。

AI +市场研究：自然拟合

AI已经提高了步伐并降低了测量成本。人工智能使人们可以轻松地快速进行调查，并根据人们的反应方式实时调整问题。几个小时内发生几周的分析。洞察力图书馆随着时间的流逝学习，跨项目发现模式并推断早期信号。这种转变并不只是使小型公司可以进行研究。它还扩展了可以通过数据告知的一系列决策，从早期产品概念到以前太昂贵而无法调查的细微定位问题。现在，在公司的营销，产品，销售和客户成功团队以及领导力中，更多用户正在使用更多的AI驱动研究工具。

这些改进很重要。但是，即使是AI驱动的调查仍然受到人体面板的可变性和可访问性的限制，并且通常依靠第三方招募来访问受访者，从而限制了定价控制和差异化。

生成代理：模拟社会超越了人类面板

输入生成代理，这是最初在地标纸中引入的概念生成代理：人类行为的互动模拟。研究人员展示了由大型语言模型提供动力的模拟字符如何表现出在记忆，反思和计划的驱动的越来越类似人类的行为。尽管这个想法最初引起了其在建立寿命的潜力，模拟社会的潜力，但其含义超出了学术的好奇心。它最有希望的商业应用之一？市场研究 

如果这听起来很抽象，那么这里是如何发挥作用的一个例子：在法国新的护肤产品发布之前，一家美容公司可以模拟10,000名以Z世代和千禧一代法国美容消费者为模型的代理商。每个代理商都将带有来自客户评论，CRM历史，社交听力见解（例如Tiktok围绕“护肤程序”的趋势）的数据以及过去的购买行为。这些代理商可以相互互动，查看模拟有影响力的内容，虚拟商店的货架购物以及在AI生成的社交饲料中发布产品意见，随着时间的流逝，它们吸收新信息并反思过去的经验。 

使这些模拟成为可能的原因不仅仅是现成的LLM，而是越来越多的复杂技术。现在，代理人固定在持续的记忆体系结构中，通常以丰富的定性数据（例如访谈或行为历史）为基础，使其能够通过累积的经验和上下文反馈随着时间的推移而发展。在上下文提示他们为他们提供行为历史，环境线索和先前的决策，从而创造出更加细微的，栩栩如生的响应。在引擎盖下，诸如检索演示生成（RAG）和代理链接支持复合物，多步骤决策的方法，从而产生了反映现实世界中客户旅程的模拟。经过微调的多模型模型 - 跨文本特定任务的文本，视觉效果和互动训练 - 推动代理行为超出了文本的范围。 

早期平台已经在利用这些方法。AI驱动的模拟创业公司，例如比喻和阿鲁（刚刚宣布合伙提示即将到来的事情：动态，始终持续的人群像真实的客户一样，准备好询问，观察和实验。 

代理模拟不仅加速了曾经花费数周的工作流程。它从根本上重新发明了研究和决策是如何发生的。它还通过创建可以生活在工作流程中的研究工具来克服许多传统的研究局限性。这种飞跃不仅在于效率。这是忠诚的。

剧本：快速分发，深度整合

如果历史是任何指南，那么统治这一AI浪潮的公司就不会拥有最好的技术，它们将是大师发行和采用。例如 

准确性显然很重要 - 特别是在团队测量针对传统的人为主导研究的AI工具时。但是在这一类别中，没有建立的基准或评估框架，这使得很难客观地评估给定模型的良好方式。实验代理模拟技术的公司通常必须定义自己的指标。 

至关重要的是，成功并不意味着达到100％的准确性。对于您的用例来说，达到足够好的阈值。我们与之交谈的许多CMO都对产出至少与传统咨询公司一样准确的输出感到满意，尤其是因为数据实时便宜，更快且更新。在没有标准化期望的情况下，这为初创企业迅速移动，通过现实世界的使用验证并尽早嵌入工作流程中创建了一个窗口。也就是说，初创企业必须继续完善产品：基准将出现，您收取的越多，客户要求的就越多。

在此阶段，与理论准确性过度工程相比，这种风险在不完美的产出中少。优先考虑速度，集成和分配的初创公司可以定义新兴标准。那些延迟完美忠诚的人可能会发现自己陷入了无尽的飞行员，而其他人则陷入生产。

与传统公司相比，AI本地研究公司的位置要好，可以重新定义对市场研究的期望。虽然传统市场研究公司可能拥有深层面板数据，但其业务模型和工作流程并非为自动化而构建。相比之下，AI-Native玩家已经开发了专门建造的工具进行AI修改的研究，并在结构上激励了推动边境而不是保护过去的工具。他们重新准备了数据层和仿真层。广泛引用的1000人的生成代理模拟论文说明了这种融合：其合着者依靠AI对种子代理概况进行的真实访谈 - 相同类型的管道Ai-Native公司已经在大规模运行。

为了推动影响，洞察力必须超越UX和营销团队，用于产品，战略和运营。挑战：提供足够的服务支持，而无需重新创建传统机构的大量开销。 

市场研究估计

滞后研究的漫长时代已经结束。AI驱动的市场研究正在改变我们如何通过模拟，分析或洞察力生成来理解客户的方式。尽早采用AI驱动的研究工具的公司将获得更快的见解，做出更好的决策并释放新的竞争优势。随着运输产品变得更快，更容易，真正的优势在于知道要建造什么。 

在这个空间中建造？与Zach Cohen（zcohen@a16z.com）和Seema amble（samble@a16z.com）接触。