StatSocial Digital Twins: AI-аудитории для тестирования без рекрутинга

Найти нужную аудиторию сложно. Найти аудиторию, которой почти нет в традиционных исследовательских панелях, ещё сложнее.

Именно с такой задачей сталкиваются агентства, когда клиенты хотят получить инсайты о специфических группах потребителей — политически независимых читателях новостей или нишевых инвесторских сообществах. Рекрутинг таких аудиторий может занимать недели и стоить тысячи долларов, затягивая запуск продуктов, медиапланирование и работу с аудиторией.

Именно эту проблему StatSocial намерена решить с помощью Digital Twins — нового продукта, запущенного 9 июня 2026 года. Инструмент позволяет брендам, агентствам и издателям моделировать аудиторные исследования с помощью AI-профилей, построенных на реальных поведенческих данных.

Платформа создаёт анонимизированные цифровые представления аудиторий на основе поведенческого графа StatSocial, который отражает интересы, предпочтения, медиапотребление и другие атрибуты сотен миллионов потребителей. Пользователи могут строить аудиторные сегменты, задавать вопросы, тестировать креативы и оценивать продукты — без рекрутинга традиционных фокус-групп.

Одним из первых тестеров стало Shepherd — консалтинговое агентство в области аудиторной стратегии, сотрудничающее с StatSocial более восьми лет.

Из аудиторных профилей — в аудиторные разговоры

Shepherd давно использует поведенческие данные StatSocial, чтобы помочь клиентам понять труднодоступные аудитории.

«Мы работаем с очень нишевыми аудиториями», — говорит Дин МакБет, управляющий партнёр и сооснователь Shepherd. «Таких панелей ни у кого нет. Но StatSocial предоставляла нам сотни миллионов анонимизированных людей по десяткам тысяч признаков. Мы могли смотреть на их поведение и понимать, что они делают онлайн, не задавая им вопросов напрямую».

Эти поведенческие данные помогали Shepherd строить аудиторные профили и выявлять паттерны в медиапотреблении, интересах и покупательском поведении. Digital Twins добавляет новый уровень, позволяя агентству напрямую «задавать вопросы» этим аудиториям.

«Это было такое естественное продолжение», — говорит МакБет. «У нас уже была аудитория. Мы уже создавали её на их платформе и изучали её. Так что это было совершенно естественно: “О, теперь мы можем спрашивать их о чём угодно”».

CEO StatSocial Дэвид Баркер рассказал AdExchanger, что технология позволяет собрать сотни членов аудитории в виртуальной комнате и задавать вопросы масштабно. Пользователи могут загружать креативные материалы, тестировать messaging или проводить свободные интервью с AI-представителями аудитории, чьи ответы основаны на поведенческих данных.

В отличие от многих AI-инструментов для исследований, которые опираются на синтетические данные или опросные панели, Digital Twins, по словам Баркера, начинает с реального поведения аудитории.

«Мы начинаем с цифровых двойников, а затем добавляем AI-ответы поверх», — говорит Баркер. «Это значительно более детальный уровень данных».

Тестирование Digital Twins до выхода на рынок

Один из первых кейсов Shepherd был связан с новостной и развлекательной компанией, которая изучала готовность аудитории платить за новое редакционное предложение.

Компания хотела выйти за рамки своего контента из личностей и видео, добавив письменную редакцию. Традиционно ответ на этот вопрос потребовал бы аудиторного моделирования, рекрутинга, опросов и интервью с когортой, которой практически нет в стандартных исследовательских панелях.

Вместо этого Shepherd совместила данные первой стороны от подписчиков издателя с поведенческим графом StatSocial, затем использовала Digital Twins для сегментации основных подписчиков, случайных пользователей и потенциальных читателей, а также для тестирования реакции на различные концепции контента. Данные StatSocial уже показывали, что многие из этих пользователей платили авторам через Patreon и другие онлайн-сервисы подписки, что указывало на базовую готовность платить при правильном позиционировании предложения.

Результаты опровергли некоторые предположения.

Основная аудитория концепцию одобрила, но была менее склонна платить. Потенциальные пользователи, напротив, проявляли большую готовность платить — особенно когда продукт позиционировался ближе к контенту авторов, который они уже поддерживали. Эти выводы помогли Shepherd пересмотреть позиционирование и ценообразование ещё до инвестиций в более широкое тестирование.

«Это даёт нам очень чёткое понимание того, как эти аудитории могут реагировать на потенциальный продукт или услугу», — говорит МакБет. «Работа, которую нам пришлось бы проделать иначе, заняла бы недели и потребовала рекрутинга людей».

Shepherd также использует Digital Twins с финтех-компанией, объединяющей управление домашними заданиями, контроль карманных денег, отслеживание безопасности и семейный календарь для «домашнего финансового директора», и с давним финансовым издателем, обслуживающим институциональных и самостоятельных инвесторов — дорогую и трудоёмкую аудиторию для рекрутинга.

В каждом случае общая проблема — доступ.

«Это очень сложная аудитория для рекрутинга», — говорит МакБет. «Возможность напрямую задавать вопросы — огромный шаг вперёд».

Можно ли доверять AI-исследованиям?

Главный вопрос вокруг AI-инструментов для исследований — можно ли доверять полученным ответам.

МакБет рассказал, что Shepherd посвятил значительную часть периода тестирования валидации Digital Twins на основе исторических исследований, данных первой стороны и реальных опросов. Пока агентство наблюдает высокое совпадение между цифровыми моделями и реальными ответами.

«Мы действительно получаем очень похожую обратную связь», — говорит МакБет. «Большой разницы между тем, как они отвечают в качестве цифрового двойника, и тем, как мы видим их в реальной жизни, нет».

Это не означает, что традиционные исследования исчезнут. Shepherd по-прежнему использует опросы и качественные интервью, когда клиентам необходима дополнительная валидация. Вместо этого агентство рассматривает Digital Twins как более быстрый способ проверки гипотез. Инструмент помогает выявить перспективные возможности и определить, где более глубокое исследование оправдает затраты.

По мере того как аудиторная сегментация становится всё более специализированной, а маркетологи испытывают растущее давление в части скорости, инструменты, сокращающие время между инсайтом и действием, могут становиться всё более востребованными.