人工智能消费者洞察完全指南：Ipsos 的最佳实践 ｜001

Ipsos 是全球最大的市场调研和咨询公司之一。作为 Ipsos 中国 AI 实验室的院长，宗瑞兴先生在数据分析和消费者洞察领域有超过 20 年的经验。他负责 Ipsos 的 AI 应用实施，不断推动基于人工智能技术的洞察创新，服务内部团队和客户。

随着生成型 AI 的崛起，Ipsos 中国 一直在不断实验并突破为中国客户提供服务的障碍，利用 AI 在提取、总结、推理和生成方面的能力，创造了许多创新且实用的营销洞察，帮助推动商业增长。Ipsos 现在正在基于这些经验开发和产品化解决方案，以服务更多的洞察、产品和营销专业人士。

宗瑞兴 关于 AI 洞察技术及如何使用 AI 的思考，为将 AI 引入营销领域提供了极大的启发：

• AI 将改变洞察行业，使洞察在商业中创造更大的价值
• 整个洞察过程将受到 AI 的影响，包括数据收集、分析和传递
• 成功的 AI 洞察需要在三个方面的卓越表现：数据、提示和工作流
• AI 使我们能够分析更多的模态和更深的数据
• 仅仅向 AI 提问是无法获得洞察的；需要良好的工作流程来最大化 AI 的价值
• 有了 AI，企业获得的报告不仅有消费者数字化双胞胎；PersonaBot 将 AI 洞察嵌入到跨部门的日常运营中...

01 将 AI 聊天助手聘为用户研究访谈员

胡：在这波生成型 AI 应用和实践浪潮中，市场洞察的哪个场景或阶段受到了生成型 AI 最大的赋能？

宗：我们将洞察分为三个阶段：收集、分析和传递。 目前，这三个阶段都得到了赋能，但分析阶段受到了最大的影响。

胡：能否分别介绍一下你们在哪些方面得到了赋能？

宗：首先，在收集方面，我们使一些过程更加智能和互动。 比如在我们常用的市场调研问卷系统中，我们已经集成了 AI。当我们问消费者是否喜欢某个产品时，AI 会实时分析他们喜欢或不喜欢的原因，并自动生成跟进问题。

胡：就像和 AI 助手聊天一样？

宗：是的，就像一个 AI 聊天助手。市场调研包括定性和定量调研。定性调研就像我们坐下来聊天一个小时以上，这可以非常深入；定量调研主要是填写问卷，可能只是输入几个字，都是非常标准化的。但有了 AI 功能，就像有一个访谈员在你身边，实时分析你的答案，并提出一两个跟进问题， 让你提供更深入的结果，让我们能够更好地理解。

胡：这就像是将定性研究方法融入到定量研究中。过去这种跟进问题只能通过面对面访谈来实现，对吗？

宗：过去，这通常被称为线下研究，访谈员通过纸质问卷或平板电脑进行面对面跟进提问，但现在随着大量的在线研究和在线问卷，跟进问题并不容易实现。现在有了 AI，我们可以像一个在线访谈员一样提出跟进问题。消费者的开放式回答非常有价值，相比传统的在线问卷，有了 AI 的跟进问题，结果更加丰富。

胡：这就像是聘请 Siri 或 AI 聊天助手来做调研。但虽然聊天助手可能擅长问一些常见的日常问题，如何确保它们能够深入且准确地提出专业问题呢？

宗：首先，我们的大部分消费者调研仍然集中在消费品领域——这相对偏向生活方式，而目前的 AI 理解能力并不是问题。另一个重要的点是，跟进问题并不是为了回答消费者的问题，而是根据消费者的回答做出更深入的询问。例如，如果消费者说他们喜欢外观，AI 会询问外观的具体方面。这个问题实际上可以通过提示很好地解决。即使在专业领域，也没有技术难题。我们提前准备好这些提示，告诉 AI 如何针对较模糊的答案获取更具体的反馈。到目前为止，准确度相当高。

02 AI 让消费者洞察分析更快

胡：在数据分析方面，AI 带来了哪些变化？

宗：数据处理和分析是调研团队最耗时且劳动密集的阶段。在各种消费者洞察过程中，AI 目前在分析阶段带来的影响最大。

首先，AI 让分析更快。 当我们进行分析时，我们需要处理文本数据并通过编码进行分类。我们有一个系统，典型的工作流程如下——分析师首先输入一批文本数据进行对话并定义标签；定义好后，他们将所有文本数据输入到系统中对每一项进行标签化。

胡：过去，分析师确实花了很多时间在这部分，反复定义标签、修正、调整...

宗：是的。AI 在分类方面特别擅长。它可以快速且相对准确地定义标签，包括标签命名和解释。现在有了 AI，所有这些都可以非常迅速完成，分析师只需要做些微调。然后我们把这些标签和解释输入系统，丢入文本数据，结果很快就出来了。从目前来看，结果非常好。所以，AI 可以让我们的分析速度更快。

03 AI 能分析更多种类的消费者数据

胡： 除了更快，AI 还带来了什么变化？

宗： 第二，AI 可以分析更多的数据。在 AI 出现之前，有些文本数据是我们很难分析的。 现在有了 AI，我们可以在更多的模态中进行更深层次的分析。去年，当 AIGC*（）首次推出时，我们就做了一个案例研究——我们帮助一个餐饮客户创新他们的菜单。我们的做法是通过研究饮食文化来进行创新，因为饮食文化不仅仅是美味，它有更深的意义，反映了地区和民族的文化遗产。

胡：你们是如何用 AI 进行这种分析的？

宗： 我们的做法是分析食物纪录片的叙述内容，比如《舌尖上的中国》和《顺德味道》，这些内容全面反映了中国的饮食文化。内容非常多样化——可能是生活故事、地方传说或食材的来源。我们利用生成型 AI 提取其中提到的食材。首先，我们将视频叙述转换为文本，然后让 AI 提取诸如食材、口味、地区和故事等特点。提取后，AI 会逐步总结。以前，我们很少分析这种内容，因为人工成本太高。所以，AI 让我们能够扩大分析的范围。

胡：这还是基于 AI 的分类能力吗？

宗： 首先是提取（信息提取能力），其次是分类能力。我们现在还使用 AI 来分析学术文章和论文。 例如，在帮助客户了解某一领域的技术发展趋势时，过去我们的团队在阅读高度专业化的学术内容时遇到了很大困难——很多技术术语，很多是英文的，没有专业背景很难理解。但有了 AI，我们可以从学术论文中提取结论，建立数据库，然后为客户写白皮书。他们的研发团队只需要阅读这些白皮书，企业的研发不需要深入了解——他们只需要看到当前技术发展的趋势。

04 AI 如何促进消费者洞察的更深入分析

胡： 所以第二个变化是，AI 可以分析更多样化的数据，拓宽了分析的范围。还有其他变化吗？

宗： 第三个变化是，AI 使得分析更深入。我们都经历过从海量信息中提取有价值洞察的过程，感到不知所措——人类大脑只能处理有限的信息。 在过去，分析往往依赖经验丰富的分析师，他们会在审阅原材料后在脑海中形成结论，然后指导分析方向。这不仅耗时，而且往往深度有限。 现在，我们可以使用 AIGC 来协助分析。

胡：现在你们如何使用AI进行分析？

**宗：**让我给你举个例子。最近，我们通过研究日本市场来分析和预测中国饮料市场的趋势，因为日本在这个领域更为先进。我们分析了日本一项重要的食品饮料大赛的获奖产品。每种饮料都有详细的描述，我们使用之前提到的信息提取方法来识别每种饮料的特点。然而，有许多饮料有各种特征——功能、益处、口味——而这些特征没有明显的规律，使得它们难以直接使用。这时我们需要综合这些信息。

我们让AI从这些属性中提取主要维度，总结出日本饮料的创新方向。AI对创新方向的总结非常出色。我们将这些总结绘制在两个轴上，创建了一个日本饮料的功能矩阵，然后将不同的饮料定位在不同的位置，形成了日本饮料市场的功能图。

胡：与以前相比，你觉得在哪些方面有了改进？

**宗：**人类也能做到这一点，但需要非常有经验的分析师，并且花费很长时间。最终的维度仍然由人类确定，而不是AI，但AI提供了大量的洞察，供经验丰富的专业人员进行评估。因此，AI的集成使我们能够进行更深入的分析。对于类似的分析——从大量信息中提取潜在原因并抽象出维度——我们现在使用AI。

另一个有趣的方面是让AI为这些维度命名。我觉得AI的命名比人类做得更好——它创造出富有创意、贴切、引人注目和有趣的名字。AI在这方面展现了令人印象深刻的创造力。

05 我们现在交付报告加上消费者数字双胞胎

胡：总结一下，AI让洞察分析变得更快、更广泛、更深入。那么AI如何增强交付阶段？

**宗：**在数据收集和分析阶段，严格来说，AI只是增强和优化了现有的工作流程。但在交付阶段，AI的集成变得更加有趣，因为我们创造了新的场景和新的交付产品。

胡：有多创新？

宗：我们主要为大客户提供服务。以前，我们交付精美的PowerPoint报告，但有两个问题：首先，报告经常没人看；其次，当研发或营销团队使用这些报告时，许多细节缺失，因为最终的PPT是多个总结的高度抽象结果。所以我们现在正在尝试内部称之为PersonaBot的项目，或者消费者数字双胞胎。

胡：消费者数字双胞胎——这是什么意思？

**宗：**数字双胞胎的概念来自工业，比如西门子销售发动机时配有模拟的计算机模型。我们利用AI的推理和文本理解能力来创建消费者数字双胞胎。

在我们的项目和研究中，我们通过访谈、家访和购物陪伴与消费者进行了广泛的互动，收集了大量关于家庭构成、收入、工作情况、价值观、消费观和产品态度的信息。以前，这些信息常常没有得到有效利用。现在我们利用AI构建了能反映消费者的模型。

胡：这与交付有什么关系？

**宗：**当我们进行数十或数百个用户访谈时，传统上我们会根据这些研究写一份抽象报告。**现在，除了报告，我们还将这些数字双胞胎虚拟消费者交付给客户——例如，如果我们采访了10个人，我们就交付10个虚拟消费者。**这些数字双胞胎虚拟消费者是基于访谈内容建模的。

胡：这些数字双胞胎虚拟消费者的使用场景是什么？

**宗：**当你在阅读报告时有问题，想更深入了解细节时，你可以直接问这些虚拟消费者并与他们对话。

胡：另一个聊天助手？

**宗：**这就像拆解PPT——有一个聊天框，你可以问任何问题：为什么你喜欢古典风格，你怎么看待这个产品……它会根据之前的访谈结果作答。我们确保它只根据访谈内容作答，当它无法回答时，AI会回答“我不知道”或“不了解”。我们以前提供给客户的是访谈记录，但这些记录每个人可能有2万到3万字，使得客户很难阅读并找到关键信息。

胡：这是一个非常有趣的使用场景。

**宗：**我们可以通过增加工作流使它变得更加复杂。如果这10个消费者中既有年轻人也有年长的人，而你想知道年轻人的看法，一个虚拟主持人或分析师会问每个数字双胞胎消费者这个问题，然后总结他们的回答，给出一个综合结果，而不是单独的回答。

胡：所以你可以得到超过PPT报告中内容的答案？那真的增加了价值！

**宗：**是的，所有的回答都基于我们的样本数据库和访谈结果，并进行了广泛扩展。**通过AI，我们激活了我们的消费者知识库。**我们以前的PPT报告通常包含了研究人员提取的概念来进行说服性的论述。但在实际执行时，这些结论单独使用有时并不够，这就是PersonaBot在满足客户更深层次需求时发挥作用的地方。

胡：PersonaBot仅仅适用于报告解读吗？

**宗：**我们不仅仅用它来理解消费者。**PersonaBot还有其他功能，比如反馈。**什么是反馈？你可以展示一个想法，然后询问消费者他们从自己的角度如何看待它。我们知道大型模型基于事实具有强大的推理能力。

胡：适合的使用场景是什么？

**宗：**例如，研发团队可以随时获得消费者的反馈。他们在开发实际产品后，仍然需要与真实的消费者沟通，但通过PersonaBot，他们可以在日常工作中随时获得反馈。

目前有一些限制——它无法涵盖一切，因为它不是一个真实的人。因此，我们通过工作流系统让它变得非常复杂。单纯地直接向包含大量访谈记录的知识库提问并不奏效。我们有一个AI驱动的工作流来控制整个过程，充分利用AI的技术特点，生成高质量的内容，反映消费者需求并提供工作洞察。

06 如何将AI集成到企业各部门的日常运营中

胡：客户在使用它吗？他们的反馈如何？

**宗：**许多公司收集消费者信息用于产品创新，每年都有新产品上市。客户每年都会举办研讨会和内部头脑风暴会议，来自不同部门的团队成员会审查消费者访谈记录或进行访谈，分析用户需求并开发新想法。**我们开发了PersonaBot，成为这些会议中的虚拟团队成员，将AI融入整个研讨会过程，激发创造力。**客户已经在使用它，并取得了很好的效果。

胡：是否可以说未来AI洞察将更多地以在线产品或数据+产品的形式交付，而不是报告？

**宗：**我认为报告仍然有需求。**报告非常有价值，因为它们从大量信息中提取出高度精炼的高层次结论。**它们的重要性在于说服力——展示我们如何细分人群、我们面临的是哪些类型的用户……这是整个公司都需要看到的内容。这是关于管理和说服的。AI工具过于灵活，不能替代这一点——它们不会显著影响报告的交付形式。AI将通过帮助在报告的基础上实施洞察来提供额外的价值。

以前，报告主要由研究团队和管理层阅读，业务团队偶尔参加报告解读。现在，通过AI辅助实施，它可以扩展到更多的团队，比如包装设计师和研发团队，他们可以通过AI提问。它还可以作为营销人员的真实消费者助手，帮助他们更好地理解消费者。

**这代表了一种以前不存在的重要新价值输出。所有部门现在都可以积极使用报告，通过AI将其有效地嵌入到他们的日常工作中，**例如在企业微信或飞书上，他们可以立即@消费者张三，询问意见，或者询问AI关于年轻妈妈或学生在各种问题上的看法……这是一个重要的补充。

07 AI 最大的挑战：准确性

胡： 在开发像 PersonaBot 这样的 AI 在线洞察产品时，你遇到了什么挑战，如何解决这些问题？

宗： 最大的挑战是认知问题。生成性 AI 发展迅速，尤其是去年，当大家都认为 AI 无所不能时。但在实际应用中，出现了很多未达预期的问题。人们会问：“AI 不是应该更强大吗？”我们后来发现，不能仅仅依赖大型模型。像是提示词，特别是今年我们更加关注的工作流和代理，都是至关重要的。这些附加功能带来了显著的改进。因此，最大的挑战是 AI 应用的总体认知问题——一旦我们解决了这个认知上的问题，我们就跨越了一个重要的障碍。

胡： 你认为 AI 洞察产品应该如何开发和结构化？

宗： AI 产品架构以大型模型为基础，我们会选择最适合的模型。其上是知识库，不仅包含消费者信息，还包括行业和竞争对手数据。再上面是我们所谓的工作流。最上面是聊天界面和洞察交互——我们正在探索未来的演进，可能会包括类人化的虚拟形象。关键是要理解整个 AI 技术栈如何与商业逻辑整合。

像 Ipsos 这样的公司，我们的核心优势是商业理解。很多理解和信息在以前就存在了，但如何将其与 AI 结合来解决商业问题，是我们的专业所在。我们不能只关注大型模型——工作流和提示词都非常复杂。

胡： 所以你们是在打造一个分析师 AI 代理？

宗： 可以这么说。我们本质上是在构建一个 AI 代理，包括我们所说的 LLM 操作系统，管理我们讨论的提示词和工作流。

胡： 工作流是这些产品中最关键的部分吗？

宗： 好的 AI 洞察需要三个条件：更好且更新的数据、更好的提示词和更科学合理的工作流。当这三者到位时，AI 洞察质量就会非常出色。单纯上传数据并要求 AI 提供新想法，通常会得到平庸的结果。 我们需要非常科学且详细的工作流。明年是 Ipsos 的 50 周年，在许多领域，如产品创新，我们有非常科学的方法论，并将其融入到 AI 流程中。我们不仅仅是直接要求新想法——我们首先会探索一些可能性，比如场景需求、配料分析、包装分析等，然后将一切结合起来。这个过程是基于我们过去的经验。

通常我们需要定义这些过程，看看 AI 如何能够赋能它们，然后让分析师使用并提供反馈。这些过程可能会很复杂——有些工作流可能会使用多个 AI 工具， 包括视觉和语言工具，不同的语言模型有不同的特点。

胡： 你认为基础大型模型方面有什么障碍吗？

宗： 总的来说，我们更加关注应用，并且与很多大型模型进行接口对接。大型模型发展和迭代非常迅速。我们的工作就是保持对技术发展的熟悉，充分利用它们的潜力。

胡： 使用 AI 时，我们经常遇到“创作自由度”的问题，但洞察工作需要精准。你们是如何控制 AI 响应质量的？

宗： 在我们的工作流中，AI 执行两种类型的任务。一种是创意性任务， 在这种任务中，创作自由度是可以接受的，因为我们需要新的想法。另一种是基于事实的任务， 其中我们有大量基于材料的内容。目前我们使用几种控制方法：首先通过知识库来提供显著的控制；其次通过提示词明确告诉 AI 在知识库中没有的信息时要标明，或者承认自己不知道；第三是提供所有信息来源——例如，在分析访谈记录时，每个陈述都会标明是谁说的，并附有可点击的来源参考。

这种方法消除了大型模型在事实分析中的“幻觉”，并防止了捏造。

08 AI 解决方案：洞察领域的革命性新逻辑

胡： 除了 PersonaBot，你们还开发了其他有趣的产品或实验吗？

宗： 我们还有 AI 解决方案。AI 解决方案结合了数据、商业逻辑和场景——它更具垂直性。 例如，我们的第一个 AI 解决方案是一个针对饮料行业的产品创新工具，从基础的消费者场景开始。饮料创新的独特之处在于，它并不是基于已满足的需求——当前的饮料创新不仅仅是满足已陈述的用户需求，它需要通过出其不意的口味、功能、包装或场景来给用户带来惊喜。 这些产品创新来源于真实场景，目的是创新并给用户带来惊喜，因此我们仍然需要了解消费者的饮料消费场景。

Ipsos 拥有消费者社区，我们会找到许多消费者拍摄他们的饮料消费场景并描述它们——例如，他们在办公室午餐时吃了什么喝了什么，他们的感受和心情。这些数据构成了一个数据库。然后我们使用 AI 分析这些场景，增加许多标签，比如聚会时刻、情侣时光或独自时刻。这让我们可以快速查看来自中国数百个用户的不同饮料消费场景，而无需进行广泛的研究。

胡： 这似乎是传统研究与社交数据收集的宝贵结合！

宗： 这还不止——然后我们基于这些场景开发了 AI 驱动的研发工具。只需输入你的营销目标——针对年轻人、特定运动场景、特定配料或口味——AI 会实时扫描数百个场景，找出哪些消费者需求匹配，计算场景需求，快速生成生动的消费者需求描述。这些不是想象出来的——它们来自真实场景。这一步叫做需求分析。

胡： 那是第二步——有没有第三步？

宗： 在需求分析之后，我们进入各种分析。例如，对于一个包含多个需求的夏季运动场景，我们选择一个或将几个需求结合起来，分析适合的配料，搜索我们的配料数据库和网络。然后我们分析口味和包装。最后，我们使用 AI 生成产品概念，包括产品概念图像——这一切都可以通过大型语言模型完成。

胡： 这是一个从数据到最终解决方案的宝贵、完整的 AI 驱动应用！

宗： 我们很快将在食品和饮料行业推出这个创新的 AI 解决方案产品创新工具。这代表了洞察领域的全新逻辑——将 AI、消费者数据和工作流结合成一个产品化解决方案。 这不仅适用于顶级客户——创新企业和新消费品牌也可以使用它。我们将复制这一模式到其他行业。

09 AI 提供更具可操作性的实施建议

胡： 你之前提到情感识别——在这个领域，你们还在探索哪些 AI 实施场景？

宗： 我们还帮助客户为电子商务或其他营销目的生成产品背景图像。作为一家用户洞察公司，我们将用户的情感需求和产品理解融入到 AI 提示词中，包括许多消费者情感场景需求，从而产生高质量的输出。

基于真实数据源的聊天机器人

胡： 有什么具体的用例吗？

随着 AI 的到来，可能性是无限的。然而，如果我们不围绕战略方向聚焦这些可能性，可能会因为分散的努力而浪费。通过结合各种能力，我们可以创造出高度实用的产品。