TechTarget: Qualtrics расширяет возможности синтетических исследований для маркетинга и тестирования
Компания Qualtrics выпустила инструменты синтетических исследований на базе агентного AI — предсобранные панели, воспроизводящие ответы потребителей США по демографическим сегментам. Анонс состоялся 18 марта 2026 года на конференции X4.
В основе продукта — специализированная языковая модель, обученная на данных исследовательских проектов, которые Qualtrics выполняла для клиентов на протяжении десятилетий. Панели охватывают многочисленные демографические группы и уже проходят тестирование у таких компаний, как Navy Federal Credit Union, Google и Dollar Shave Club. Версии для рынков Великобритании, Канады и Австралии запланированы к выпуску позже в 2026 году.
«Мы на самом деле устраняем часть человеческой предвзятости, когда люди отвечают на вопрос одним образом, а их поведение при этом другое», — отметил Брэд Андерсон, глобальный руководитель по продукту, инжинирингу и UX в Qualtrics.
Параллельно с синтетическими панелями компания выпустила несколько дополнительных инструментов. Research Hub превращает накопленные исследовательские данные в диалоговую систему ответов на вопросы. AI Summary & Recommendations анализирует материалы и инсайты из всей организации, предоставляя исследователям синтезированные ответы. Guided research acceleration переводит сложные процессы разработки исследований в агентный формат для маркетологов, сокращая необходимость консультаций с экспертами при проектировании исследований.
Помимо этого, были анонсированы Experience Agents для решения клиентских проблем в режиме реального времени, коннекторы для платформ контакт-центров (Genesys, Nice, Salesforce) и Automated Text Analytics, построенный на технологии Clarabridge.
Конкурентный контекст
Qualtrics — не первопроходец в области синтетических ответов. Подобные инструменты уже предлагают Adobe, а также стартапы Simile, Voicepanel и Outset.ai. Основное преимущество всех этих систем — скорость и стоимость: запрос к синтетической панели обходится значительно дешевле традиционного исследования с живыми участниками и занимает секунды, а не месяцы.
Аналитик Лиз Миллер из Constellation Research указывает ещё одно практическое применение: синтетические участники охотнее отвечают на чувствительные вопросы, которые люди избегают в реальных опросах. «Я работала в косметической индустрии и задавала потребителям неудобные вопросы. Люди просто не хотят на них отвечать. И когда тема становится действительно деликатной, даже синтетический ответ лучше, чем работать вслепую», — пояснила она.
Ограничения и риски
Миллер и Андерсон единодушны в оценке рисков. Синтетические системы не только способны вносить предвзятость, но и усиливать её — модель может галлюцинировать и превращать ошибки в ложные инсайты. Она также может отражать то, что исследователь хочет услышать, а не реальное поведение и эмоциональные нюансы потребителей.
«Синтетические исследования настолько хороши, насколько хороши первичные данные, на которых обучен AI», — говорит Миллер. Она добавляет, что такие компании, как Qualtrics, десятилетиями работающие в отрасли, придают определённую надёжность самой идее синтетических исследований, но качество результата по-прежнему зависит от того, насколько правильно сформулированы вопросы.
Верный способ избежать деградации синтетической панели — обеспечивать непрерывный приток свежих данных от реальных людей. Без этой подпитки система рискует подтвердить несуществующие потребности или одобрить маркетинговые сообщения, которые не сработают при реальном запуске кампании.
Кому это полезно
Материал ориентирован на маркетологов и product-команды, которые рассматривают синтетические инструменты как способ ускорить ответы на конкретные бизнес-вопросы. Аналитики и исследователи, уже работающие с традиционными методами, найдут здесь практическую оценку возможностей и ограничений новых инструментов от Qualtrics — на примере того, как такие компании, как Google и Navy Federal Credit Union, применяют их в реальных проектах.