研究简报

Which approach for generating synthetic audience survey data is perceived as most effective for ensuring findings accurately reflect real-world demographic preferences when compared against unprompted LLM generation, constrained census-anchored simulation, static manual persona profiles, and traditional human-only research panels?

基于 200 位美国消费者的调查，由 demographic-based AI respondents 生成2026年10月19日 21:01公开调研报告

目标人群

Content strategists, digital publishers, and market researchers who manage quantitative data collection and audience insights for authority content.

年龄 25-65

学历本科、硕士、博士

个人收入 10-14.9 万、15-19.9 万、20 万以上

职业商业 / 金融运营、艺术 / 设计 / 娱乐 / 体育 / 媒体

样本量 200

完成 / 失败 200 / 0

在生成合成受众调查数据以反映真实人口统计偏好时，您认为以下哪种方法最为有效？

基于人口普查微观数据锚定的约束模拟模型

64.0%

n=128

选择该选项的人群 · 驱动因素

方法论的严谨性与可验证性更佳

研究结果的可靠性与稳定性更强

人口统计代表性的准确度最高

对真实世界偏好的捕捉能力更直接

传统的纯人工研究小组

17.0%

n=34

选择该选项的人群 · 驱动因素

对真实世界偏好的捕捉能力更直接

方法论的严谨性与可验证性更佳

人口统计代表性的准确度最高

研究结果的可靠性与稳定性更强

静态合成受众画像

13.0%

n=26

选择该选项的人群 · 驱动因素

方法论的严谨性与可验证性更佳

研究结果的可靠性与稳定性更强

人口统计代表性的准确度最高

对真实世界偏好的捕捉能力更直接

无提示的开放式大语言模型文本生成

6.0%

n=12

选择该选项的人群 · 驱动因素

人口统计代表性的准确度最高

对真实世界偏好的捕捉能力更直接

研究结果的可靠性与稳定性更强

方法论的严谨性与可验证性更佳

选择「基于人口普查微观数据锚定的约束模拟模型」的人群

选择基于人口普查微观数据锚定的约束模拟模型的样本，暂时没有明显的新画像特征。

128 / 200 人64%

该群体共 128 人，占该题可比样本的 64%。

除了前置筛选条件外，这群样本和整体相比暂时没有明显新增差异。

潜在风险

采样数据

查看样本级采样记录