没有什么比一张像样的感知图更好的了。无论它是源自相似性缩放、向量、多维缩放（我最喜欢的）还是只是简单的二维分析 - 您得到的都是您可能看到的最接近市场地图的结果。
当然，构建它们是一件很痛苦的事情。首先，您需要定性数据来建立属性。然后，您必须构建一个量化工具来根据这些属性并在市场的代表性样本中衡量品牌。然后是分析。我们为市场营销迷你 MBA 的多维映射提供工作模板，并定期提供让大约 30 名营销人员感到困惑。就像我说的，很痛苦。
汽车品牌感知图
来源：自动化市场研究的语言模型：生成感知地图的新方法。 Li、Castelo、Katona 和 Sarvary。这是一个非常简单的感知图示例。这是对美国消费者如何看待 21 个汽车品牌的分析。上图仅显示品牌（而不显示相应的属性）。每个品牌相对于矩形的位置是无关的。您要寻找的是品牌之间的距离或接近度。
在这张感知图中，数据显示了一幅熟悉的画面。宝马和奥迪被认为非常相似。吉普、福特和道奇也聚集在类似的感知空间中。马自达、丰田、斯巴鲁和日产也是如此。法拉利和兰博基尼在中心展开对决。
现在看看距离。本田与法拉利有很大不同。宝马被认为与现代汽车并不相似。本田占据了一个奇怪的差异化空间，至少对美国消费者来说是这样。雷克萨斯也是如此。
我们需要将属性叠加到地图上，以进一步深入了解情况和诊断。大多数品牌经理之前已经做过无数次了。这些数据都没有什么特别令人惊讶的地方。或其分析。但数据源是革命性的。因为这个感知图是从零样本量构建的。近乎实时。来自合成数据。
合成数据的时代显然已经来临。
让我再写一遍这句话，因为这可能是你第一次读到这些词。但就像互联网、全渠道或新冠疫情一样，您在职业生涯中会多次看到这个术语。新的很快就会常态化。上面的感知图是根据合成数据构建的。
GPT4 用于通过搜索互联网语言来收集属性和品牌。然后对品牌及其相关属性进行计数、排名并比较这些属性，然后将结果显示在多维空间中以便于解释。
此时您可能会问一个非常好的问题：但是它正确吗？当然，作为营销人员，您并不是在询问客观现实 - 吉普车是否真的与福特相似。没有办法回答这个问题。您要问的是合成数据是否接近有机人类的实际感知数据。
ChatGPT 是否会成为 Google 在人工智能市场主导地位的下一个重大威胁？
李教授、Castelo、Katona 和 Sarvary 教授在其开创性论文“自动化市场研究的语言模型：生成感知地图的新方法”中预见到了这个问题。不要责怪教授顺便说一下，这个笨重的标题。就像其中包含的大部分数据都是由 GPT 编写的一样。
在论文中，教授们还收集了 530 名参与者的定量相似性评级，并使用该数据构建了如下所示的多维感知图 - 这次是真实的人类数据。在你费心去看之前，你的问题的答案就是“操我”。
汽车品牌感知图
来源：自动化市场研究的语言模型：生成感知地图的新方法。李、卡斯特洛、卡托纳和萨尔瓦里。人类受试者 (n=530)。教授们使用非常复杂的“三重法”来评估合成数据和人类数据之间的一致性。他们表明两个图表之间有 90% 的相似度。但你的眼睛已经处理了这种相似性，你的思想现在正在徘徊t 的影响。
合成数据的时代显然已经来临。这项研究是精英商学院的精英营销学教授最近完成的六多项研究之一，每项研究都有类似的令人瞠目结舌的结果和令人膝盖颤抖的影响。大多数人工智能衍生的消费者数据经过三角测量后，与主要人类来源生成的数据相似度约为 90%。
进入合成时代
在如此短的时间内取得如此巨大的进步，以及像人工智能这样以其增量学习能力而闻名的模式，意味着合成数据即将成为营销世界的一个非常真实的输入。
同样，如果我们从比尔·盖茨的圣人角度来看，在未来一两年内，我们可能会夸大这种影响。但从长远来看，人工智能为（而不是）实际消费者准确回答的能力具有巨大的影响，其中许多影响仍然超出我们的能力范围。
首先，它将数据收集所需的交付时间化为一缕青烟。它将研究成本削减到固定成本的一小部分。它开启了一个营销人员无需再去市场进行研究的时代。只是。保持。询问。问题。
它还几乎消除了定性数据和定量数据之间的区别，因为人工智能所依赖的语言评估工具似乎同样擅长生成归纳数据，然后实时以法理准确性测量该数据。
其次，人工智能可以实现分析和决策过程的自动化。想象一下人工智能能够简单地开始工作并实时制定最佳定位、定位、目标、媒体组合、定价等，而不是数据收集、分析、战略和执行之间的离散阶段。
人工智能为实际消费者准确回答（而不是代替）的能力具有巨大的影响。
如果合成data确实是一个站得住脚的基础，那么人工智能影响的第二阶段，即自动和人为构建的营销策略和执行，实际上并不难想象。
这是假设人工智能取代消费者感知数据的门槛非常高。人工智能也肯定可以生成一些更基本但重要的数据。大多数营销人员渴望为他们的品牌提供 ESOV 数据，但却没有得到。价格弹性是大多数营销人员永远无法接近的。大多数优秀的品牌经理都知道并喜欢 Romaniuk 的名气/独特性网格，但从未为自己的资产构建一个网格。
如果通过按键就能达到 90% 的准确度（甚至更高）怎么办？如果 ESOV、定价、定位和 DBA 分析模型都开始相互优化会怎样？
这对媒体策划者、研究人员、品牌经理和营销学教授的影响非常重大。我一生都在抱怨建立战术并鼓励营销人员在任何战术执行得到认可之前先回顾数据，然后制定战略。到 2030 年初，我的建议会变得多余吗？
公平的研究竞争环境
这个专栏现在很容易变成未来的色情内容。我开始在键盘上吐沫，最后在机器人服务员和飞行汽车的技术高潮中昏倒。很容易失去情节和对现实的把握。当然，市场研究行业已经以 19 世纪美国铁路行业叼着雪茄的祖先的优雅和谦逊的态度回应了合成数据的建议。
数据可靠吗？来源是什么？这肯定是二手数据，因此不能反映当前消费者的品味？这些观点和许多其他观点正在被提出，并将被用来反对合成数据。就像丈夫在家里发现妻子的（破旧的）振动器一样在她床头柜最上面的抽屉里，有很多反对意见。但从长远来看，大多数人似乎都证实而不是反驳合成数据的潜在影响。
但大多数挑战都可以通过简单的三角测量来解决。只要将一两个合成数据点与主要人类数据进行复制，大多数营销人员肯定会采用比传统方法更快、更省钱和更有吸引力的新技术。历史告诉我们，这是所有营销决策的方式。否则我们如何解释那个程序化的大黑箱和蜘蛛的胜利？
如果你不将 5% 的预算投入研究，你就不知道自己在做什么
还需要观察的是，当前的许多人类衍生的市场研究和营销规划都是......嗯......裤子。错误的问题。错误的分析。错误的样本。
我们并不是在谈论人工智能取代理想在此声明。如果你问大多数营销人员，他们是否愿意用当前的研究来换取置信度为 90% 的即时合成数据，而不是人类的数据，大多数人可能会咬住你的手。如果我向他们展示一个黑色人工智能盒子，它可以立即生成一个“完美”的营销计划——有多少人会支持他们的手动、人工方法来反对它？
而且，以免我们忘记，有很大一部分市场根本无法访问原始数据。如果我听到一位中小企业 B2B 营销人员抱怨无法建立渠道，我已经听过一百遍了。许多优秀的营销人员甚至没有一个糟糕的经验基准来用合成数据来击败，他们根本没有基准。对于那些辛勤工作、服务不足的营销人员来说，合成数据的出现确实是革命性的。
这可能需要一些时间。比大多数人预期的要长。但现在 ChatGPT 的玩具阶段即将结束，更广泛、更深层次的运行时间更长的应用程序和人工智能的影响正在逐渐显现。
Mark Ritson 教授迷你 MBA 课程，但没有使用人工智能。您可以在此处查看专栏中描述的工作文件（警告其中一些是克林贡语）
来源：营销周刊
