Inflection调查：合成受访者与真实用户答案平均相差约22个百分点

Inflection AI在2026年10月30日发布一项关于“合成受访者”的研究，比较了1003名美国真实聊天机器人用户与六组合成受访群体的问卷答案。六组样本由Claude、ChatGPT和Gemini三种模型结合两种调查方式生成，在选定问题上与真实答案平均相差约22个百分点，即使表现最好的合成群体也相差近19个百分点。这些数字属于该研究的特定样本与题目，不是所有人工智能问卷的通用误差；本站11月2日刊载不能改变原研究的发布日期。

合成受访者是由模型模拟人口特征、使用习惯或态度的虚拟答题者，研究机构可能用它们快速测试问题或探索市场假说。Inflection的比较提醒人们，答案读起来可信并不等于能够代表真实人的行为分布。研究覆盖1003名真实美国聊天机器人用户，不是美国全部人口的随机替身；因此结论应先限定在这个研究框架。三种模型、两种提问方式产生六组群体，也说明“合成用户”不是一种固定的测量仪器。若团队更换模型或提示方式，即使问卷文字不变，得到的市场画像也可能改变。

差异在较少被网络记录的日常行为上尤其明显。原研究举例称，44%的真实受访者在此前一周使用有线耳机，合成受访者只有6%；45%的真人与他人一起听音乐，合成群体只有2%；16%的真人与他人一起听播客，合成样本约为零。在研究检查的行为中，网络已有充分记录的活动平均误差约6个百分点，而较少被记录的活动约33个百分点。这里的6与33是该研究所选行为组的平均误差，不可解释为所有线上和线下行为都具有固定误差。

研究还检查了用户放弃某个聊天机器人的理由。真实用户中9.9%提到与价值观相关的反对意见，例如公司行为、隐私、政治偏见或环境影响；六组合成群体中的对应比例仅为1.1%。这类偏差对产品团队尤其重要，因为模型可能生成语气平稳、常见而“合理”的解释，却漏掉具体的反对、抵制或信任问题。若把合成意见直接当作真实顾客声音，就可能低估对企业本身的批评。研究并没有证明每个模型对每个价值问题都同样失真，应用时仍需针对具体题目重测。

模型之间也没有给出一致的市场图景。真实受访者报告有实际使用的聊天机器人达13种；某一组合成群体提到了11种，另外一些只有4种。让虚拟受访者跨多个问题维持持续身份，在部分答案上有改善，但并未可靠地提高整体准确度。这意味着不能凭“更长的对话”就推断调查已经接近真人，也不能只挑一个看似符合预期的模型结果作为证据。模型、提示、人口特征设定、问卷顺序和真实样本组成都应被记录，以便重复和比较。

对市场研究者，合理的使用方式是先用合成群体探索题目措辞、列出可能的假说，然后用真实访谈或有清晰抽样方法的问卷验证关键决策。若调查涉及新习惯、弱势群体、价值冲突或品牌信任，真实人的反馈更不能省略。复核可以按题目报告绝对百分点差、样本量、置信范围以及不同模型之间的分歧，而不只报一个平均值。对于产品上线或定价等高影响决策，还应事先设定可以接受的误差与停止条件，避免在看到结果后选择有利解释。

在披露结果时，还应区分百分比与百分点：44%对6%的差距是38个百分点，而不是38%的相对误差。平均约22个百分点也不意味着每一道题都相差22点；某些题可能接近，另一些题偏离更远。若报告没有逐题表格、抽样权重或原始问卷，读者就难以重新计算总体误差，因此最稳妥的用法是把公司公布的聚合数字当作待复核的研究结果，而非已被独立复制的定论。

这项研究的实质贡献是把合成答案的“像人”与统计上的“像真实样本”区分开，并用具体问题展示差距。合成研究可以辅助早期探索，但在这个受检样本中未能替代真实受访者；将来若有人声称某种方法更准，应提供同题同样本的对照数据。