NextBigWhat 推出以「真實消費者 cohorts」取代 AI 合成受訪者與數位孿生的市場研究服務，主張不生成虛擬人物，而是依據利害關係人實際公開討論、消費內容與購買行為，將具有相似行為模式的人分群，再讓品牌團隊針對包裝、價格、產品文案、廣告及產品頁進行測試。
其核心差異在於，答案可追溯至消費者本人發言與可查核證據，而非由模型憑空生成。這是一種研究方法與商業模式的轉移：市場競爭正由「誰能生成最逼真的虛擬受訪者」，轉向「誰能建立最可信、持續更新的真實行為樣本」。
平台標示單一商店類別一次性費用為 99 美元；競爭者則涵蓋每月底費 40 美元、企業合約，以及規模達 1 萬歐元的試點方案。文章另稱 Simile 於 2026 年 7 月以 20 億美元估值募得 2 億美元，Aaru 的估值亦達 10 億美元，但這些融資與估值仍須以公司公告及可靠財務資料交叉查核。
這場競爭表面上發生在市場研究工具之間，實際核心則是「可規模化的真實洞察」與「可負擔的合成洞察」之爭。品牌團隊面對數千個概念、版本與利害關係人組合，若逐一執行傳統訪談或問卷，成本與時間難以承受；生成式 AI 因此以快速、低價及大量情境模擬切入，先把大量點子收斂成少數候選，再交由真人研究驗證。
NextBigWhat 的策略是把可信度置於速度之前。它並不否認 AI 能加速研究，而是刻意避免讓模型生成的答案冒充真實利害關係人證據。這種「先篩選、再驗證」的分工作業，削弱了合成受訪者作為完整替代品的敘事，也迫使競爭者重新證明模型準確度、偏差控制與決策貢獻。
不過，該服務也有明顯邊界。其資料主要來自公開討論的自我回報，並非交易紀錄，也不是具代表性問卷；公開發文者未必等同實際消費者，活躍社群亦可能存在自我選擇偏差。換言之，NextBigWhat 能改善「先測什麼、找誰測」，卻不能單憑公開對話證明某項包裝必然提升銷量。
真正受惠者是希望降低無效測試成本、但仍保留真人驗證的品牌團隊；承壓者則是以高估值及企業合約為基礎、卻難以公開驗證準確度的合成受訪者業者。市場最終獎勵的未必是模型最逼真的供應商，而是能把每項洞察連回可追溯證據、並說清楚不確定性的供應商。
這類工具的發展，不能簡化為 AI 是否「取代真人研究」。更接近的歷史先例，是數位廣告與推薦系統逐步改變媒體採購：演算法沒有消滅創意專業，而是先提高投放效率，再迫使專業流程重新分配工作；雲端CRM也沒有取代市場研究，而是讓資料保存、標籤與分眾變得更便宜。
合成受訪者市場目前呈現高估值與低透明度的張力。廠商公布的自測準確率，卻缺乏外部稽核；模型又只能重現訓練資料中見過的行為，真正重要的不是模擬利害關係人回答得多像，而是研究結論能否改善營收、留存或產品決策。
01 起因觸發：生成式 AI 快速生成合成受訪者，吸引風險投資並建立高估值敘事
02 一階傳導：品牌研究預算由真人調查與問卷，部分轉向低成本情境模擬及 AI 分群工具
03 二階擴散：市場研究、廣告測試、包裝與定價決策開始要求模型稽核、偏差檢測及證據追溯
04 宏觀終局：研究產業形成 AI 生成、真人驗證與行為資料平台分工，採購標準由速度轉向決策成效
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
