PyMC Labs 與高露潔的研究如何運用大型語言模型（LLMs）模擬人類的購買意圖？

PyMC Labs 與高露潔運用 LLM 模擬人類購買意圖的研究

PyMC Labs 與高露潔合作進行了一項研究，探討如何利用大型語言模型（LLM）模擬人類的購買意圖，旨在解決傳統市場調查中耗時費力、樣本偏差和回應不誠實等問題。該研究採用了如 GPT-4o、Gemini 2.0 等 LLM，以 AI 模型提供比真人更理性且深入的消費者洞察，為行銷領域帶來變革。傳統市場調查的收入雖高，但回報率不盡如人意，因為消費者購買意圖複雜，且受訪者可能因社會期望或利益誘因而提供不真實的回應。

SSR 框架：提升 AI 模擬購買意圖的準確性

該研究的核心在於一種名為 SSR (Semantic Similarity Elicitation of Likert Ratings) 的創新框架。傳統的李克特量表問卷調查常因受訪者避免尷尬而給予過高分數，導致結果失真。而一般 AI 在回應時傾向選擇中間值，與真人回應脫節。為了解決此問題，研究團隊先引導 AI 生成文字回應，例如描述對某產品的購買想法及理由，然後透過 AI 計算該文字與預設錨點句的語義距離，從而得出數值分數。這種方法既保留了語言的豐富性，又確保了結果的真實性。實驗結果顯示，SSR 的模擬結果與真人數據高度相關，可靠性接近人類重複測試的 90%，遠勝過直接的數值提示。

SSR 的優勢與應用

SSR 不僅能輸出數字，還能提供質性研究的洞察。AI 常給出建設性的意見，如同免費的焦點團體回饋，且 AI 的回答更誠實理性，能提供更真實的風險評估，幫助品牌及早調整策略。此外，AI 具高度可調整性，可模擬不同人格的消費者，甚至模擬文化差異。研究者強調，這套機制的通用性強，可為企業提供更立體的決策依據。該研究將市場調查從勞力密集轉向 AI 驅動，意味著數位行銷進入了市場模擬時代。與傳統市調相比，SSR 能夠在更短時間內產出報告，且成本更低。除了探測購買意圖，SSR 還可延伸至品牌廣告測試、新產品開發及跨文化模擬等商業領域，幫助企業快速建構全球虛擬市場，降低海外擴張風險。總體而言，該研究闡明了市場調查研究從資料搜集轉向語義推理、AI 成為虛擬焦點團體，以及洞察普及化的趨勢。