核心摘要
Aaru 想预测的是，一群人在具体情境下会怎么选。按创始人在高盛访谈中的介绍，它先用数据了解这群人由谁组成，再结合实际行为记录来做模拟。企业可以用这些预测比较营销和新品方案，效果则要对照实际业务结果。
航班延误时，航空公司想知道乘客接下来会怎么做。可等调研团队约到人，乘客当时要面对的处境早就过去了。Aaru 联合创始人内德·科（Ned Koh）在高盛访谈中用这件事解释，为什么有些选择很难靠问卷问出来。
Aaru 做的，就是用模型推测人群在这类具体情境中的行为。另一位联合创始人卡姆·芬克（Cam Fink）举的例子从家庭购买商品、点击广告，一直讲到乘客会选哪条地铁线。访谈接下来解释了这种预测靠什么做，以及企业能拿它来做哪些事。
科说，评估模拟的价值，可以先看企业现在怎么做调研。比如新品上市前，企业本来就会问消费者对不同方案的看法，这样的调查也可以拿来和模拟结果比较。
到了航班延误、家里停电或发生车祸时，情况就变了。有的人平时就不参加调查，有些选择则是在调研来不及进行的时候做出的。 传统调研可能要花数周召集受访者，企业想知道的却是客户遇到事情的那一刻会怎么反应。科认为，在这些难以找到合适人群或赶不上决策时点的场合，模拟更有用处。
高盛主持人接着问，直接请 ChatGPT 扮演一群消费者，能不能做同样的事？芬克说，虚拟消费者可以帮企业快速看一眼广告文案。要估计目标顾客会如何选择，还得知道目标人群由哪些人组成，以及他们在类似情境下实际做过哪些选择。
Aaru 把这两件事分开处理。人口普查、学术研究等资料可以帮助描述人群构成，购物记录等实际行为数据则提供人们怎样选择的线索。 前者帮助模型确定它在模拟谁，后者帮助模型推测这些人面对具体方案会如何反应。
芬克说，公司早期尝试过用问卷结果训练大语言模型，后来改用自建的预测模型，结合统计和数学方法。大语言模型仍参与分析等工作，核心行为预测由自建模型负责。他用负责采购某类软件的医院人员举例。这类买家在全国可能只有数百到数千人，模型针对的是这批人作为一个群体会怎么选。
芬克用罐装气泡水品牌举例。团队先比较下一条产品线做什么，比如补水饮料、常温乳饮或能量饮料。假如选了能量饮料，下一步就是了解谁更可能买，再比较口味、咖啡因含量和包装规格。模拟可以参与一连串相互关联的选择，从品类方向一路细化到产品细节。
芬克随后提到一位未具名客户。按他的说法，这位客户从提出产品构想到准备生产，原来要九个月，这次缩到了八周，产品后来也上了架。访谈没有确认这位客户就是前面举例的气泡水企业。
开发速度有明确的比较口径。科说，判断一次模拟有没有让商业决策变好，要看实际的业务结果，比如产品上市后的表现。芬克称那次发布比客户以往更成功，但访谈没有交代衡量标准或销量。
在访谈后半段，芬克谈到怎样让一项调研接着上一项做。他举了一个设想：一家企业连续做了多次 Z 世代研究，以前的模拟结果可以为下一次新品研究提供线索。说到客户资料，他介绍，各客户的环境相互隔离，公司不拿客户数据训练模型。
积累过往研究，还要考虑下一次面对的是什么人、处在什么环境里。科拿南佛罗里达和德国中部举例，两地消费者可能对产品安全法规有不同的关注。即使面对同一批人，当地新闻或人们接触的信息变了，他们的选择也可能跟着变。这是 Aaru 在访谈中强调按地区和当时的环境调整模拟的原因。
Aaru 用人群资料确定要模拟谁，再用实际行为记录推测这些人会怎么选。芬克举的饮料例子说明了企业怎么用这些预测：先比较做哪类饮料，再比较做给谁、口味和包装怎么定，把值得进一步验证的方案挑出来。
芬克还提到一位未具名客户。这位客户从提出产品构想到准备生产，原来要九个月，这次缩到了八周。产品后来也上了架，芬克称这次发布比以往更成功。访谈给出了开发周期的比较，但没有说明「更成功」用什么衡量，也没有给出可比较的销量数据。
对企业来说，可以先用模拟缩小备选范围，再看消费者实际买了什么，据此判断哪些方案值得继续投入。
资料来源
高盛 Talks at GS，《How Aaru Uses Advanced AI Simulations to Predict Human Behavior》
本文为公开访谈解读，不构成投资建议。
