人工智慧如何協助洞察消費者心聲？

在資訊快速流動的時代，企業想要掌握市場脈動、洞察消費者需求，行銷研究的重要性不言而喻。然而，傳統的行銷研究往往成本高昂，耗時費力，甚至當研究完成時，市場早已出現變化。近幾年，隨著生成式人工智慧（Generative AI）和大型語言模型（Large Language Models, LLMs）技術的崛起，這個局面似乎開始有了轉機。

先來看看「朋友感恩節」這個案例。朋友感恩節是近年美國年輕人間流行的新節日，與傳統感恩節不同，參與者多是朋友而非家人。這家食品公司希望透過研究，深入了解年輕族群對這個節日的想法，以便未來能更貼近年輕消費者，發展更具吸引力的行銷策略。

研究團隊先讓LLMs根據原本受訪者的特徵，創造出虛擬受訪者，進行深度訪談。接著，他們更進一步，讓AI自行提出新的受訪者特徵，例如素食主義者、國際學生，甚至是LGBTQ+族群，這些族群可能在傳統感恩節中較難融入，卻特別喜歡朋友感恩節這種更具包容性的節日。研究團隊甚至讓LLMs扮演訪談主持人的角色，適時追問受訪者，以提高訪談的深度與洞察力。

結果出乎意料之外。經過專家與一般群眾的評估，LLMs所生成的訪談內容，不僅豐富且具洞察力，甚至在某些觀點上超越了真人受訪者。更有趣的是，當LLMs扮演分析者角色時，能夠準確地抓出關鍵句子，並有效地將這些句子歸類成主題，甚至提出人類分析者未曾注意到的新觀點。最終，專家認為人類與LLMs的混合分析方式，無論是由LLMs生成、人類分析，或是人類生成、LLMs分析，都比純粹人類或純粹LLMs的方式更佳。

再來看看第二個案例：冷藏狗糧的量化調查。研究團隊讓LLMs模擬了消費者對新產品的評價，結果發現，AI的回答方向與真實消費者的回答相當一致，但回答的變異性和內部一致性則不如真人。為改善這個問題，研究團隊嘗試了提供少量範例（few-shot learning），以及透過外部情境資料庫提供額外資訊（Retrieval-Augmented Generation, RAG）兩種方法。結果顯示，這些策略能有效提升LLMs回答的多樣性與內部一致性，讓模擬調查更貼近真實消費者的反應。

這篇研究的啟示相當明確：AI並非要完全取代人類，而是能成為人類的得力助手。舉個例子，當企業需要進行市場調查時，行銷人員可以先透過LLMs快速產生初步的問卷草稿，或利用AI模擬市場反應，提前預測可能的結果，從而更有效率地規劃後續的行動。此外，當我們面對大量的文字或影音資料時，LLMs也能協助我們快速整理資訊，讓我們有更多時間聚焦在更有價值的決策與策略上。

當然，儘管LLMs展現出驚人的潛力，我們仍須謹慎看待其限制與風險。LLMs的訓練資料來自網路世界，這些資料可能帶有偏見或錯誤資訊，導致AI生成帶有偏見甚至錯誤的內容。因此，在實務應用上，人類的角色仍然不可或缺，必須負責監督與調整LLMs的輸出，避免盲目依賴AI所產生的結果。

這篇論文提醒我們，AI技術並非要取代人類，而是與人類共同合作，發揮各自的優勢。企業在採用LLMs技術時，應該謹慎驗證，並逐步建立內部的經驗資料庫，以便更有效地應用這項技術。

這項研究也引發我們進一步思考：在未來的職場中，人類與AI之間的協作模式將會如何演變？我們是否已經做好準備，迎接這種新型態的合作？這些問題值得每一位職場工作者深思。

參考文獻：

Arora, N., Chakraborty, I., & Nishimura, Y. (2025). AI–Human Hybrids for Marketing Research: Leveraging Large Language Models (LLMs) as Collaborators. Journal of Marketing, 89(2), 43-70. https://doi.org/10.1177/00222429241276529

圖片來源： Dall. E生成