人工智能时代的角色：承诺与限制

#IpsosHiAi在ipsos，我们推崇人类智能（hi）和人工智能（ai）的独特融合，以推动创新，为客户交付有影响力、以人为本的洞察。我们的智能来源于我们在提示工程、数据科学以及我们独特的高质量数据集方面的专业知识——这些数据集将创造力、好奇心、伦理和严谨性融入到我们的AI解决方案中，并由我们的ipsos facto gen ai平台提供支持。我们的客户从中受益于更安全、更快且基于人类语境的洞察。 引言• 什么是“好”的用户画像？•人工智能生成的角色有什么局限性？•我们如何确保它们能准确反映市场和客户的现实情况？一个人物通过一个心理和行为画像代表一个消费者群体，使其更具相关性和可操作性。尽管生成式AI的兴起似乎提供了一种从简单提示中快速生成角色的方法，但当前围绕AI的兴奋引发了根本性问题： ipsos观点回答这些问题现在引导我们重新审视角色和人物的角色和构建，在更深层次上。这需要我们后退一步，思考一个人物的基本目的以及他们在不同的研究过程中如何使用，然后从那里思考我们的方法。它关乎在AI的承诺与严谨战略方法的需求之间找到平衡。通过探讨这些问题，我们将能够充分利用人工智能技术来构建真正可操作的画像。在这篇论文中，我们探讨了角色的演变，人工智能如何改变角色的创建和使用方式，以及人工智能驱动的角色机器人的优势和局限性。 角色将抽象的画像或细分市场转化为令人难忘、象征性的“人物”，使其人性化。在 20 世纪 80 年代，用户体验研究成为第一个采用用户画像来简化和开发软件的领域。原型等“早期采用者”和今天的数字游民它们是为了弥合设计师意图与用户实际需要或能够完成的事情之间的差距而创建的。到 20 世纪 90 年代，营销和战略部门开始使用用户画像来定义具有一致身份的购买者群体，隔离目标配置文件，并更精确地与他们打交道。许多做法都非常成功，以至于它们已经成为我们日常用语的一部分：“环保意识消费者”，“多任务妈妈”，“潮人”，“空巢老人”and“社交影响者”仅此数例。 1. 让数据鲜活起来角色的未来角色多年来发展演变以执行多种功能。角色的四个功能2. 内部团队对齐创建一个讨论平台:角色能围绕产品特性或最小可行产品（MVP）引发讨论，作为共同创造和迭代式开发的原点，就像组装一个会随时间演变的乐高了®。随着科技的进步，人物设定变得越来越复杂，融合了传统研究方法和AI驱动的工具，将它们从静态的人物速写转变为更逼真、可交互的存在，研究人员可以与之交谈并提出问题。赋权员工：通过体现用户需求，人物角色可促使项目团队保持一致，尤其是在大型或复杂的倡议中。确保沟通清晰：他们简化了从市场营销到其他团队的洞察流，确保数据以清晰和控制的方式共享。将想法具体化：角色将抽象的画像或细分市场转化为令人难忘、象征性的“人物”，使其人性化。保持一致性:角色有助于统一组织围绕目标定义、命名约定和沟通策略。 3. 限制风险4. 激发创造力测试想法：角色模型提供了一个测试和完善想法的框架，确保与真实用户需求保持一致。简单的问题，例如“这个角色模型需要什么？”或“这个角色模型会喜欢什么？”有助于定制产品、信息和创新。激发创新：角色设定捕捉情感与观点，激发创意思考。故事板等工具可通过虚构叙事让开发人员与营销人员参与其中，因此对于广告宣传和选角决策特别有用。我们探讨这些不断发展的方法以及它们为更好的决策、合作和创新提供的机遇。挑战在于平衡其简洁性与它们所提供的洞察深度。记录决策：角色扮演者作为一条指导线索，记录项目选择，论证策略，并防止不必要的偏离。 ipsos观点 5 人格的简史ipsos观点人格角色起源于19世纪末，是作为社会学工具来代表特定人群群体的特征及其决定性因素。马克斯·韦伯（1864-1920）首创了这一概念，将抽象的社会类别转化为虚构但现实的“人物”，以突出决策的关键因素。韦伯强调，角色并非必须是对现实的完美再现。它们的目的在于体现并赋予生命力——有时通过夸张——那些必须考虑的战略要点，以做出有影响力的决策。随后，乔治·盖洛普、让·斯托泽尔、迪迪埃·特吕什和让-马克·勒克——盖洛普研究所（1935年）、伊夫奥普（1938年）和伊普索斯（1975年）的研究所创始人——帮助将人物角色从社会研究转向市场研究。他们使用人物角色来隔离影响产品使用和购买决策的不同用途、动机和期望。 4 Persona机器人与合成样本，有什么区别？如何创建一个人物角色ipsos观点在过去的几十年里，我们获得了越来越多的工具来丰富角色。社交网络或网站分析工具的行为数据补充了传统数据来源。这使我们能够根据在线行为构建目标受众画像，从而实现更具针对性的广告投放和预测性画像。在ipsos中，synthesio profiler1工具可以根据细分或其他行为数据定义的定量数据生成数字角色。性能分析器允许您选择行为特征来建立用户画像——例如，英国经常光顾夜店的18-34岁人群和勇敢的旅行者——并了解其他在线行为，例如最常使用的应用程序、电影、品牌和运动。传统上，用户画像是通过定性和/或定量研究创建的，通常结合不同的数据来源：对在qual中表达的价值（例如焦点小组和个人访谈）、使用和态度研究进行分析，结合人口统计要素和人格特征。它们也可能包括经济、文化和生活方式因素。如前所述，一个人物是受众原型的一个体现它从整体上代表了一个受众群体，因此可能存在夸大的观点，使其与其他群体有所不同。重要的是不要将人工智能角色与“合成 7帕特里夏，58岁,一个时尚达人，非常张扬，也喜欢独自旅行，但更倾向于热带国家，在那里她梦想着70年代。作为一个例子，我们请求ipsos_facto根据以下提示设计两个用户画像：让-皮埃尔，64岁，喜欢独自旅行。他刚退休，有稳定的收入，可以想去哪里就去哪里，但不铺张浪费。他们将在迪拜见面，可能会通过讨论他们最喜欢的旅行经历和所探索的豪华目的地来开始对话。他们可能会就他们对时尚和配饰的品味交换看法，分享关于难忘购买的轶事。创建的图像代表了两个截然不同的个人资料。然后我们询问了Ipsos Facto这两个人可能会在哪里相遇以及他们如何相互了解。生成的答案是： 6爱普索斯开创了发展一个角色机器人可以被看作是合成数据的新类别4该功能模拟消费者群体或单个受访者，基于从研究数据中综合的回复提供方向性输入。生成式AI和代理式AI2通过被称为“角色机器人”的人工智能聊天机器人革新角色开发，允许与角色进行逼真的对话。这种由人工智能驱动的化身，结合了扩展的数据来源，正在将人物推向前所未有的深度和逼真程度，远远超出了静态描述。关于Ipsos PersonaBot3由ipsos_facto提供动力，ipsos的专有AI平台。这个新工具使组织内各利益相关者能够与代表其目标受众的人物进行互动。通过安全门户，他们可以向所有类型的问题提问，包括：态度和行为、沟通需求、信息传递和渠道偏好等。人物可以进行单独或集体访谈，几乎就像一个焦点小组。该平台还直接连接到激活框架，例如用于向沟通机构提供简要的模板。“样本”，这是一组为匹配真实个人受访者而设计的人工受访者或者一个“数字孪生”，即一个真实的受访者的人工合成匿名副本。 ipsos观点 一个角色化机器人需要用所有可用材料经过简洁、精选和深思熟虑的预处理总结来初始化，这些总结需要以清晰、结构化和组织良好的方式呈现。 创建一个角色机器人有效创建角色机器人的技术正在迅速发展，但ipsos很快了解到，你不能简单地将原始数据或报告输入角色机器人，然后期望它能理解它们。角色机器人需要被用清晰、结构化且组织良好的方式，对所有可用材料进行简练、精心策划且富有思考的预处理摘要来预先启动。除了角色的基本描述之外（角色）谁), 为了与角色机器人进行对话, 人工智能系统也需要理解角色的动机/需求和态度 (角色)为什么), 该角色的生活方式和典型行为，他们可能会使用的品牌或产品类型，例如（什么)，场合（当)以及在不同情况下使用和选择该类别中品牌和产品的理由(哪里)以及他们总体生活方式、兴趣爱好和媒体消费习惯的图片。所有这些要素都有助于使AI角色更具亲和力。 9 ipsos观点一个角色机器人不仅需要用事实信息进行初始化,但还需要包含角色的语言、态度和性格特征示例，以便它能够理解他们的性格和思维方式。它还需要用图像进行预训练，而不仅仅是文字。图像可以帮助为角色档案增添更多深度。然而，在使用通用人工智能创建预训练图像时，必须非常小心，以确保这些预训练图像不会循环利用通用人工智能创建算法中的偏见——例如，呈现“穿着西装、留着修剪整齐的胡子、看起来像模特的白人男性”的倾向”。测试和学习。接受你第一次不会做对的事实。你需要先建立一个原型，并让那些了解你的受众群体来测试它直至崩溃点，从而可以扩展和细化提示，并清楚地识别它们的局限性。 要有效地指导商业决策，用户画像应基于真实的、代表受众的市场调研数据。 11在一个中使角色栩栩如生角色机器人的应用为了有效指导商业决策，角色模型应基于真实、具有受众代表性的市场调研数据。虽然人工智能生成的角色模型可以通过大型语言模型数据来增强，但需要注意避免过度依赖由大型语言模型驱动的新见解。随着角色和使用方式的演变，我们已经站在探索角色机器人新角色和新用途的黎明阶段。到目前为止，我们关于它们擅长做什么以及未来可以用来做什么有哪些了解？将关联性混为一谈，造成连接和无关见解。AI对无监督数据的解释可能导致非因果关系组织：在文档和演示文稿中描述一个角色区段是一回事，但能够与之交谈并询问问题则为其应用增添了全新的维度。早期采用者中人工智能角色机器人的成功和兴奋，集中在营销人员能够以即时性探索和测试他们的想法和概念的能力上。例如，在讨论过程中或前往会议途中，你可以使用角色机器人进行情况核实。•算法驱动角色和非因果关系连接 10• 引入数据源的可靠性：创建和使用角色时的偏见和局限性一个角色的代表性：一个人的可信度很大程度上取决于分割分析和研究者的专业知识，尤其是在基于有限的访谈或观察的情况下。仅依赖未经筛选的引导信息的语言模型是有风险的。LLMs将一个角色视为一个整体的建构是一个错误。它们只是相对于市场、国家、对象和目的而言才有意义的原型。例如，一个消费者在购买杂货时可能是一个节俭的“朴素实用主义者”，但在旅游业中却是一个奢华的“富裕旅行者”。补充，而非替代，人类主导的构思。从几页到如今价值成书的资料，使得这些工具越来越复杂化，并消除了它们所能处理的原始信息的深度障碍。目前的领先模型可以摄入超过1,000页的文本，并且未来这将持续增长。在不同主题上知识深度各异，并且这些知识可能已经过时和衍生，通常基于旧的市场调研，这可能无法准确反映当前的消费者洞察。大量的LLM内容也反映了营销语言，存在在AI角色中形成反馈循环的风险。 合理化，连接点并ipsos观点一个模仿人类推理的AI可能会断言“吃更多的冰淇淋会导致更多的溺水事故”，这是一个需要人类专业知识才能被忽视的无稽之谈。要真正可用，角色必须是基于真实、当前的市场调研数据，这些数据能代表目标受众。换句话说，尽管AI生成的角色可以用LLM数据来增强，但人们不应绝对信任主要基于它们的信息。浮现需求：这些需求可能并非真正需求，而人格化机器人提出的思想也绝非定论，但它们可以再次成为进一步研究和增强基于人类的构思的绝佳起点。理论化：人格机器人非常擅长连接线索、理论化、进行逻辑论证，并表达人格原型（Persona）的需求、动机甚至情感——但要牢记，这些仅仅是理论而非事实，因此要标记研究的起点而非终点。 • 引爆材料质量：对于AI-ipsos观点• 视角限制：如果一个角色针对角色的特定AI标准也同样适用：生成的角色，底漆的质量和深度数据至关重要。不完整bot是仅通过市场细分数据无法可靠地超出此范围的问答。即使是经过充分训练的人工智能角色也缺乏真实人类数据的深度。它们或许能捕捉到宏观概念，但会错失精妙、多样的观点，导致重复性的见解。因此，人工智能角色应该角色现实性：角色设定必须基于深入的观察和分析。有了人工智能，制作看起来