AI preciznije od ljudi predviđa kupovine, pokazuje nova studija

Novi model omogućava kompanijama da razumiju ne samo šta kupci žele već i zašto.

Vještačka inteligencija sada može da predvidi ljudske odluke o kupovini s tačnošću sličnom ljudskoj, pokazuje istraživanje kompanija PyMC Labs i Colgate-Palmolive. Novi metod „Semantic Similarity Rating“ (SSR) omogućava modelima da objasne svoje razmišljanje i tako pruže dublji uvid u potrošačko ponašanje.

Kako SSR mijenja istraživanje tržišta

Umjesto klasičnih anketa u kojima AI bira ocjenu od 1 do 5, SSR model koristi opisne odgovore poput: „Vjerovatno bih kupio, cijena nije loša.“ Ti tekstualni odgovori zatim se matematički prevode u ocjene pomoću semantičke sličnosti.

Testiran na 57 anketa o ličnoj njezi i 9.300 potrošača, SSR je postigao gotovo identičnu tačnost kao i ljudski ispitanici, ne samo u ocjenama proizvoda, već i u redoslijedu njihovih preferencija.

Link ka istraživanju:

LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings

Consumer research costs companies billions annually yet suffers from panel biases and limited scale. Large language models (LLMs) offer an alternative by simulating synthetic consumers, but produce unrealistic response distributions when asked directly for numerical ratings. We present semantic similarity rating (SSR), a method that elicits textual responses from LLMs and maps these to Likert distributions using embedding similarity to reference statements. Testing on an extensive dataset comprising 57 personal care product surveys conducted by a leading corporation in that market (9,300 human responses), SSR achieves 90% of human test-retest reliability while maintaining realistic response distributions (KS similarity > 0.85). Additionally, these synthetic respondents provide rich qualitative feedback explaining their ratings. This framework enables scalable consumer research simulations while preserving traditional survey metrics and interpretability.

arXiv.orgBenjamin F. Maier

AI sada razumije motive kupaca

Prednost SSR pristupa je u tome što modeli ne daju samo brojčane rezultate, već i obrazloženja. AI može da „glumi“ različite tipove potrošača prema dobi, primanjima ili vrijednostima i da objasni zašto bi neko iz te grupe izabrao određeni proizvod.

„Ovaj pristup otvara potpuno novi nivo razumijevanja motivacije kupaca“, navode autori studije.

Brže, jeftinije i dublje analize tržišta

SSR bi mogao značajno da smanji troškove i vrijeme istraživanja tržišta. Umjesto sedmica ili mjeseci, kompanije bi u budućnosti mogle da dobiju validne rezultate u roku od nekoliko sati.

Osim kvantitativnih podataka, ovaj metod omogućava i kvalitativne uvide koji su ranije bili preskupi ili nedostupni čime se spaja statistička preciznost sa ljudskim razumijevanjem.

Šta slijedi

Ako se SSR široko primijeni, tržišno istraživanje bi moglo ući u novu fazu gdje AI ne samo predviđa šta ćemo kupiti, već i pomaže brendovima da razumiju razloge iza svake odluke.