我认识乔恩·隆巴多 (Jon Lombardo) 和彼得·温伯格 (Peter Weinberg) 已有近 10 年了。在那段时期的大部分时间里，他们在 LinkedIn 运营如今传奇的 B2B 营销学院。他们的办公室位于帝国大厦顶楼，每次我去纽约市时，我总是会在 LinkedIn 上花一些时间与男孩们一起闲逛并谈论 B2B。

我第一次拜访他们时，我们工作到很晚，然后从电梯里倒出来，到市中心寻找食物和酒。这不是找到最好的地方的最好的地方，我们最终在中央车站附近的某个地方变得绝望。 “车站下面有一个牡蛎吧继续，”皮特（或乔恩）凭着预感说。因此，我们偶然发现了这家令人难以置信的地下室餐厅，这里有优质的葡萄酒和美味的海鲜，而且有一种明显的感觉，那就是加里·格兰特随时都会从西北偏北穿着西装出现并点一杯马提尼。各种麻烦接踵而至。

那个地方成了我们一年一度的聚会场所。每年我们都会在那里聚会一次，讨论工作并进行交流。正是在那里，乔恩（或皮特）告诉我他们要离开 LinkedIn。 “你们都是他妈的白痴，”我含着一口霞多丽和韦尔弗利特牡蛎支持地说。

我是认真的。两人都有很棒的工作。在一家伟大的公司。这给了他们丰厚的报酬。并允许他们做几乎他们想做的事情。并因此重视他们。皮特（或者乔恩）的妻子刚刚怀孕。整件事都是假的。 “白痴，”我又说了一遍，喝干了杯子里的酒。

然后乔恩，绝对是乔恩，拿出手机给我看了一些东西。我这是在没有客户的情况下生成客户数据的简单尝试。那天晚上，在中央车站下，我第一次闻到了合成数据的味道。通过使用人工智能创建消费者，然后向这些新形成的新消费者提出定性和定量问题。我扫描了数据，然后问了一个显而易见的问题，两人随后被问了几十次：“它与真实数据有多接近？”

两人对视一眼，又看向我。两人在桌子上挤成一团。我突然有一种感觉，我好像在《总统班底》什么的。皮特或乔恩，或者可能两人异口同声地说：“真的非常接近了。”

“你们都是天才，”我说。 “你需要立即离开 LinkedIn。”

昨晚我们回到中央车站下面，再次失控。皮特和乔恩在这一年里取得了长足的进步。他们组建了一个团队。建立并完善他们的产品过程。从美国大品牌名人录中获得了七位数的收入。昨晚，他们退出了“隐身模式”（远没有听起来那么令人兴奋），并推出了他们的新公司 Evidenza.AI。

合成数据突然产生了非常真实的涟漪

合成客户

我是 Evidenza 的小股东，因此我需要在继续之前声明我的利益。你还需要记住，鉴于我爱这些男孩，我缺乏市场导向。但无论我的兴趣如何，我都会写这篇专栏。 Evidenza 是货真价实的。它已经为大量客户生成了大量数据。我们正在为一些非常著名、非常惊讶的客户做一些 B2C 工作。但真正的金矿是在 B2B 领域，客户通常会花费数十万美元来获得 C 级决策者的不稳定样本，或者更常见的是，在没有任何量化分析的情况下盲目行事。根本没有。

对于这些 B2B 客户，Evidenza 现在能够提供三件事。首先，通常没有数据。其次，原本需要数月才能收集的数据现在只需要几个小时。第三，通常花费高达六位数的数据，但现在只需花费一小部分即可获得。当然，你的问题和我一年前一样，面无表情地坐在中央车站下：它与真实的东西有多接近？答案仍然非常接近。而且它越来越近了。咨询和审计巨头安永的经验或许是最好的证明。

安永美洲公司备受尊敬的首席营销官托尼·克莱顿-海因 (Toni Clayton-Hine) 并不是一个容易取悦的女人。她承认，她最初对 Evidenza 声称其合成数据可以为安永提供 B2B 数据宝库的说法表示怀疑。于是她给它发了安永的年度品牌调查问卷。这是一项仅针对最大公司的最高级管理人员进行的年度调查es 衡量总体领导情绪及其对安永的看法。克莱顿-海因提出了问题，并要求 Evidenza 提供综合答案。然后她可以将这些样本与她刚刚收到的新收集的人类样本进行比较。

合成数据的时代已经来临。这对市场研究公司来说是个坏消息。

Evidenza 开始发挥作用。它创建了合成客户，以匹配克莱顿-海因在实际调查中使用的样本的概况和大小。然后，团队向综合客户提出定性和定量问题，并将结果发回。安永的首席营销官惊呆了。 “令人震惊的是，这些比赛如此相似，”克莱顿-海因周二告诉《广告周刊》。 “我的意思是，相关性达到 95%。”

只需花费一小部分成本，只需几天而不是几个月，Evidenza 就证明了它的价值。并且 95% 的相关性并不一定意味着合成数据有 5% 的 g向左转以覆盖。更有可能的是，固有的采样误差、受试者注意力分散和信号偏差意味着人类受试者没有跟上节奏。例如，实际的高管很快就会对包含 20 多个问题的调查感到厌倦。合成客户永远不会动摇。

合成数据的时代已经来临。这对市场研究公司来说是个坏消息，因为它们可能会经历一个充满偏执、压力和部分过时的蒸汽火车十年。天真的营销人员可能期望这些公司采用并适应合成数据，但当然，与人类交谈和对计算机进行编程所需的技能和能力是完全不同的，而且可能令人望而却步。现有的研究公司将在接下来的几年里气喘吁吁，但他们对此无能为力。预计未来数月乃至数年将出现大量反对声音。但预计它们也会在没有太大影响的情况下通过。如果我们从 t 知道任何事情十年前发生的狡猾的程序化革命表明，营销人员总是更喜欢技术黑匣子而不是任何东西。包括研究。

消除“苦差事”：人工智能如何改变市场研究？

按需焦点小组

这不仅仅是合成数据更便宜、更快并且可能更准确。它开启了做传统有机学科根本不可能做的令人费解的事情的能力。五月份，当 Evidenza 向我发送了一些我自己的 Mini MBA 产品的综合数据时，我有过一次尿裤子的时刻。他们对我在 10 个国家/地区的目标客户进行了调查，并为每个国家/地区制定了所有类别切入点的列表，以及迷你 MBA 在每个类别中获胜的可能性。这已经足够令人惊奇了，但如果我有 30 万英镑和所罗门那样的耐心，有机数据仍然是可能的。最致命的时刻是乔恩（或皮特）问我是否愿意喜欢与 Helen 讨论类别入口点之一。

“海伦是谁？”我指着屏幕上那个耐心地看着我的 40 多岁的迷人女人问道。我真的不知道，但有一种令人毛骨悚然的“天哪”的感觉，这种感觉现在在像我这样 50 多岁的人的生活中通常不存在。事实证明，海伦是目前正在经历工作变动类别切入点的合成客户之一。我能够询问她的感受如何，她接下来在想什么，以及她正在考虑哪些培训选项来提高未来找工作的技能。这是令人难以置信的，它说明了更流畅的综合体验，使营销人员能够反复（通常是实时）返回数据以了解更多信息。

尽管有这些固有的优势，Evidenza 的目标并不是成为世界上最大的合成数据公司。市场研究是一个艰难、利润低、影响有限的行业——问问任何从事该行业的人。他们是在艰难的环境中工作的好男人和好女人。一旦合成数据生成过程得到完善，Evidenza 将进入更有利可图、更困难的营销策略领域。

一旦系统可以生成自己的数据，它就可以使用该数据来查找产生战略决策的广泛分析。定制漏斗。感知地图。定位。聚类分割。独特的品牌资产。类别入口点。 ESOV 分析。预算建议。计量经济学风格的分析和媒体组合建议。情境定价分析。简报。全人工九码。

释放人工智能的潜力：人工智能如何为品牌增加价值

测试无尽的选项

凭借所有这些不同的分析功能，Evidenza 可以做一些更特别的事情。还记得《复仇者联盟》中，奇异博士探索了 1400 万个不同的宇宙，只为找到那个宇宙吗？击败灭霸的可能方法？ Evidenza 最终将能够实现类似的功能。没有打败灭霸，跑了无数的场景。有了人工智能分析的所有各种辐条，Evidenza 可以运行数千种排列，其中定位、类别切入点、目标、定位、预算和媒体组合决策都相互迭代和重复。想象一下，使用合成数据进行 50,000 次不同的迭代，在每种情况下都能提供预期结果。在此过程结束时，Evidenza 应该能够提供一小组战略目标及其预期财务价值，并向营销人员和组织其他部门解释为什么这是最佳的增长路径。

我目前正在以一种非常人性化的方式做这项工作。我认为我很擅长。但我将无法触及这样的做法。部分原因是它是根据我从未接触过的经验数据的宽度、深度和交互性构建的。部分因为整套分析工具为 Evidenza 提供了令人难以置信的优势。主要是因为当我为一个品牌制定战略时，在美好的一天，我们可能会考虑两到三个可能的选择。不是 400,000。

其影响是巨大的。未来的进程尚不清楚。但人工智能营销时代已经开始。

这是一个关键点。我们不断将人工智能与擅长工作的人类进行比较。我们都知道，营销人员并不特别擅长营销，这通常并不是他们自己的过错。他们缺乏数据。他们错过了使用 MMM 或定价分析等工具来正确看待世界的能力。请记住，Better Briefs 的最佳数据表明，超过 60% 的大品牌计划甚至不清楚他们的目标是谁。这不是人工智能与人类最优秀的人之间的故事。这将是人工智能与一个半途而废、通常非常糟糕的过程的故事，这个过程可以被一个su取代先进的系统，其成本和交货时间仅为其较差的前身的一小部分。

当然，一旦 Evidenza 掌握了合成数据和营销策略，其人工三联画就有了明显的最后部分。有了明确的战略和评估进展的数据，Evidenza 就可以连接到所有战术选项。该系统不仅会提出战略目标，还可以设计并开发数字媒体通信、投资组合变更、智能定价和新产品开发来实现这些目标。这些战术创新可以在 Just 的闭环系统中实时运行、测试和改进。得到。它。完毕。整个事情变成了一个流动的、不断发展的系统。

此时此刻，一切都非常“飞行汽车”。但皮特（也许是乔恩）有一个他经常说的有说服力的短语。他告诉客户：“这将是最糟糕的情况。只会得到b从这里发来的信。”除了合成数据之外，我上面描述的一切目前都是不可能的。但在不久的将来，这一切似乎都非常站得住脚。如果您了解您的营销洋葱并能够访问数据和编程能力，那么诸如细分或类别入口点之类的分析内容就迫在眉睫。许多人工智能战术选项已经初步开发出来，学术研究证实，产品创新和信息创建等事情可以以明显优于人类的方式完成。

缺少的元素是时间，2030 年代将迎来自动化的宏伟新时代。其影响是巨大的。未来的进程尚不清楚。但人工智能营销时代已经开始。

Mark Ritson 是 PPA 年度专栏作家、市场营销 Mini MBA 创始人，而且重要的是，他还是 Evidenza 的少数股东。你可以明白为什么好吧，对吧？

来源：营销周刊