真实行为与模拟行为：市场研究人员对人工智能洞察的见解

如今，我们大多数人在案头研究中都会用到人工智能。有大量数据有待挖掘，而人工智能能帮助我们充分利用这些数据。市场研究人员在使用人工智能方面具有优势，因为我们已学会如何提出并构建问题。

我们充满好奇心，热衷于挖掘深刻的洞察。数据集和工具不断优化升级，助力营销人员和企业迅速做出更明智、以客户为中心的决策。如今，人人都能获取人工智能生成的见解；而我所具备的竞争优势，则在于对真实行为的洞察。

提出正确的问题 

我无需学习如何使用ChatGPT。在我整个职业生涯中，核心要义就是提出优质问题，以真正理解事物。我也很擅长识别糟糕的回答，并且知道在得不到答案或问题不成立时何时该另寻他法。

如果每个人都使用相同的AI工具和数据集，那么生成的洞察很快就会变得千篇一律、可预测性强，缺乏真正创新所需的独创性。在人工智能生成的包装设计或广告设计中，你就能看到这一点——其产出遵循熟悉的模式和设计线索，导致作品平淡无奇、缺乏灵感。这就是为什么观察真实的人类行为如此宝贵。它能带来算法数据根本无法复制的细微差别、背景信息和意外见解，让我们在市场研究和可用性项目中拥有真正的优势。

注意力分析之所以能成为为利益相关者创造切实价值的有力工具，主要有以下两个关键原因：

1. 更好的洞察

2. 让偏见"看得见" 

更好的洞察

近20年来，我一直在定性研究中使用眼动仪，它始终能提供可靠的见解，助力我们做出自信的决策。眼动仪的强大之处在于它能自然地捕捉行为——人们会迅速做出决策，却往往无法解释是如何或为何做出这样的决定。与参与者一同回顾录像，就能揭示那些关键时刻，比如有人被某个设计元素分散了注意力，或者品牌忠实用户与不熟悉该品牌的人浏览方式有何不同。这些细微的实时反应，提供了合成方法常常无法捕捉到的深度信息。

简单来说，与其他任何研究技术相比，我一直发现，通过让市场研究中的受访者佩戴穿戴式眼动仪并让他们自然地完成任务，能够获得更有价值的洞察。回顾性访谈也让我能够了解他们当时的感受。

我们的世界发展得越来越快，人类行为也在同步迅速演变。观察真实人群的行为，能为我们带来新颖且相关的洞察，而这些往往是人工智能所忽略的。静态数据集往往滞后于当前趋势，人工智能生成的内容也有自说自话的风险，与之不同，现实世界的观察让我们能够贴近受情感和思维驱动的决策——而真正的创新正源于此。

与其他研究方法相比，我发现定性注意力研究中的回顾式访谈在激发创新新点子方面更为可靠——它能带来更详尽的创意、更具情境性的想法，用Seth Godin的话说，还能收获更多“意外之喜”。让参与者对自己的视觉行为录像进行解说，这一过程总能让我获得最有价值的见解。我们无干扰地记录下自然行为，随后深入探究“背后的原因”。

让偏见"看得见"

理解和消除市场研究中的偏见，对于确保获取可靠见解并做出明智决策至关重要。表述不当的问题、不具代表性的样本，或是研究人员潜意识中的假设，都可能悄然引入误导性因素。我们在项目中竭力减少这些失真情况——这是开展可靠且有意义研究的关键一环。

人工智能通过学习历史数据来运作，尽管功能强大，但这些数据集本身存在缺陷和偏见。我们越是试图优化或细分人工智能生成的洞察，就越有可能强化潜在的失真情况——从而形成一种难以打破的恶性循环。正因如此，我认为应当以我们为主导来运用人工智能。它虽是个有用的工具，但真实的人类行为能让我们立足现实，确保我们的见解切中要害、细致入微且富有情感共鸣。

为何情境仍胜过算法 

我们知道，任务和情境会驱动人的行为。同一群人在不同情境下执行相同任务，或是在相同情境下执行不同任务时，他们的行为表现可能截然不同。因此，在审视注意力数据时，我们务必得弄明白受访者当时究竟想要做什么。

在基于不同情境和任务来模拟眼动模式与情绪方面，人工智能还有很长的路要走。而且，即便未来人工智能能够做到这一点，我又能否通过询问合成行为“为什么”来获得有价值的洞察呢？

超越合成数据：探寻真实洞察

好奇心旺盛的我，始终更倾向于与真实的人开展研究。未知领域充满魅力，而且相较于预测，人类行为往往更容易被直接观察。

尽管合成数据以及人工智能领域的惊人进展，能够极大助力加速研究的诸多环节，但在捕捉真实、即时且处于具体情境中的人类行为方面，根本没有任何东西能取而代之。而眼动追踪技术，无论以何种形式呈现，都是实现这一目标的强大且直观的工具之一。