Synthetic Consumer Insight Generation with Large Language Models
作者: Stephen L. France, Pia. A. Albinsson
分类: cs.AI
发布日期: 2026-07-07
💡 一句话要点
利用大型语言模型生成合成消费者洞察以解决数据收集难题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 合成数据 消费者洞察 项目技术 数据驱动营销 市场研究 情感分析
📋 核心要点
- 现有的数据收集方法成本高、耗时且难以扩展，限制了数据驱动营销的有效性。
- 本研究提出利用大型语言模型生成合成消费者数据，以替代传统的数据收集方式，降低成本和时间。
- 实验结果显示，LLM生成的响应与人类响应在主题上有显著重叠，但在风格和结构上存在差异，提供了新的数据生成视角。
📝 摘要（中文）
现代数据驱动的营销依赖于大量消费者数据，但收集这些数据往往成本高、耗时且难以扩展。本研究探讨了大型语言模型（LLMs）在生成合成消费者数据方面的应用，特别是在项目技术中，这些技术旨在引导消费者的联想、情感、需求和愿望。我们对LLM生成的响应进行了多项项目任务的测试，并与人类响应进行了比较，分析了语言特征、多样性和集中度指标等。结果显示，尽管人类与LLM的响应在广泛主题和联想上有显著重叠，但在风格、语言结构和多样性生成方式上也存在重要差异。研究提出了如何最佳利用LLMs生成合成消费者数据的建议，并指出了LLM合成消费者数据生成的局限性。
🔬 方法详解
问题定义：本研究旨在解决传统消费者数据收集方法的高成本和低效率问题。现有方法在规模化和时间上存在明显的局限性，难以满足现代营销的需求。
核心思路：论文提出利用大型语言模型（LLMs）生成合成消费者数据，采用项目技术引导消费者的情感和需求，从而降低数据收集的成本和时间。
技术框架：整体架构包括数据生成模块、响应分析模块和比较评估模块。数据生成模块使用不同的LLM和提示策略生成合成数据，响应分析模块则对生成的数据进行语言特征和多样性分析，比较评估模块将LLM生成的响应与人类响应进行对比。
关键创新：最重要的技术创新在于通过LLMs生成合成消费者数据，提供了一种新的数据获取方式，尤其是在项目技术的应用上，与传统方法相比，能够更灵活地适应不同的营销需求。
关键设计：在实验中，设置了不同的提示策略和温度参数，以优化生成响应的质量。同时，采用了多种语言特征分析方法，如主题模型和关键词分析，以全面评估生成数据的有效性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，LLM生成的响应在主题和联想上与人类响应有显著重叠，尤其在广泛主题的覆盖上达到了80%以上的相似度。然而，在风格和语言结构上存在明显差异，提示了LLM生成数据的局限性和应用注意事项。
🎯 应用场景
该研究的潜在应用领域包括市场营销、消费者行为分析和产品开发等。通过生成合成消费者数据，企业可以在不依赖大量真实数据的情况下，快速获取消费者洞察，从而优化营销策略和产品设计，提升市场竞争力。未来，随着LLMs技术的进一步发展，其在消费者数据生成中的应用将更加广泛，可能会改变传统的数据收集方式。
📄 摘要（原文）
Modern data-driven marketing relies on large amounts of consumer data, yet collecting such data can be costly, time-consuming, and difficult to scale. This research examines whether large language models (LLMs) can be used to generate synthetic consumer data for projective techniques, a set of methods designed to elicit consumer associations, emotions, wants, and needs. We test LLM-generated responses across multiple projective tasks, LLMs, prompting strategies, and temperature settings, and compare them with human responses from a primary research study on perceptions of city tourism destinations. Human and LLM responses were analyzed using linguistic measures, diversity and concentration metrics, topic models, and top-term analyses. The results show substantial overlap between human and LLM responses in broad topics and associations, but also important differences in style, linguistic structure, and the way diversity is generated. Recommendations are given on how to best utilize LLMs for generating synthetic consumer data, how model and prompt choices shape response quality, and on recognizing the limitations of LLM synthetic consumer data generation.