Купят ли ваш продукт, можно узнать за вечер — без опросов
Как синтетические покупатели помогают отсеять слабые идеи до дорогого исследования

Главное за минуту
- Если просить нейросеть отвечать словами, как живой покупатель, а не ставить баллы, её ответы близки к реальным опросам.
- Для первичной проверки гипотез хватает 20–50 виртуальных покупателей и одного вечера.
- Лучше всего метод работает на массовых продуктах, хуже — на радикально новых, люксовых и сложных B2B-решениях.
В статье: Разбор эксперимента PyMC Labs и Colgate, где ChatGPT отвечал на потребительские опросы за покупателей, и пошаговая схема, как повторить это для своего продукта.
Содержание5 разделов
Я уже как-то разбирал исследование про «синтетических респондентов» — виртуальных людей, которых собирает нейросеть. Мало кто его изучил, а зря.
И вот натолкнулся на эксперимент из той же оперы — от ребят из PyMC Labs и Colgate.
Что сделали исследователи?
Взяли 57 реальных опросов с 9 300 ответов людей и попросили ChatGPT ответить на те же вопросы от лица покупателей.
Фишка в том, что ИИ не просили ставить оценки. Его попросили писать как обычный человек: «да, куплю, потому что…» или «не, дороговато для меня».
Результат: распределения ответов нейросети совпали с человеческими на уровне около 90% от того, насколько совпадают между собой повторные опросы одних и тех же людей.
Причём ответы ИИ были подробнее. Вот как это выглядело на вопросе о покупке.
- «Не куплю. Дорого».
- «Вряд ли куплю. Концепция интересная, и вижу потенциальную пользу, но цена завышена для этой категории. Уже пользуюсь проверенным средством и не вижу убедительных причин менять. Рассмотрела бы, если бы был пробник или скидка».
Из второго ответа маркетолог вытащит куда больше, чем из первого: тут и цена, и привычное средство, и условие, при котором человек передумает.
Semantic Similarity Rating, оценка по смысловой близости. Модель отвечает свободным текстом, а потом этот текст сравнивают с эталонными фразами для каждого балла шкалы. Так получается оценка, но без того, чтобы модель выбирала цифру «на глаз». Метод уже используют, чтобы быстро отсеять сотни концепций до запуска дорогих исследований. PyMC Labs выложили исследование в открытый доступ — с кодом и подробной методологией.
Как это использовать вам?
Допустим, вы хотите запустить новый продукт или услугу. Вместо того чтобы заказывать дорогое исследование и ждать результатов месяц, можно за вечер:
- Открыть адекватную нейронку. Я предпочитаю Claude.
- Создать 30–50 «покупателей»: «Ты мужчина 35 лет из Москвы, зарплата 150 тысяч, есть семья» — и так далее, под вашу аудиторию.
- Показать каждому продукт и спросить: купишь или нет? Почему?
- Собрать ответы и искать закономерности: что всех смущает, что нравится, какая цена кажется нормальной.
Полностью реальные опросы это не заменит. Но для первичной проверки гипотез — огонь.
Где метод работает, а где пока слабоват?
- товары повседневного спроса;
- онлайн-сервисы и приложения;
- курсы и инфопродукты;
- в целом любой массовый рынок.
- радикально новые продукты без аналогов;
- люксовые товары;
- сложные B2B-решения.
Схема для своего бизнеса
- Создайте 20–30 виртуальных персонажей вашей целевой аудитории.
- Опишите продукт так, как его увидит реальный покупатель.
- Попросите каждую «персону» рассказать, купит ли она и почему.
- Разберите закономерности в ответах.
- Проверьте выводы на небольшой реальной выборке.
Пятый шаг не пропускайте. Синтетика сужает поле — живые люди подтверждают.
Что сделать на этой неделе
- Возьмите одну идею продукта или услуги, которую давно откладываете, и прогоните её через 20–30 виртуальных покупателей промптом из блока ниже.
- Выпишите три самых частых возражения — это готовые темы для лендинга и ответов менеджеров.
- Если продукт радикально новый, люксовый или сложный B2B, используйте синтетику только для черновых гипотез, решение принимайте по живым интервью.
- Перед дорогим исследованием отсейте слабые концепции этим способом, чтобы платить только за проверку сильных.
Промпт «виртуальный покупатель»
Когда пользоваться: Перед запуском продукта или услуги, за один вечер — чтобы собрать возражения и отсеять слабые идеи до дорогого исследования
Ты — [пол, возраст, город, доход, семья, чем занимаешься, чем сейчас решаешь эту задачу].
Вот продукт: [описание так, как его увидит реальный покупатель: что это, для чего, цена, где купить].
Ответь своими словами, как обычный человек, без оценок по шкале:
- Купил бы ты это или нет? Почему?
- Что смущает?
- При каких условиях передумал бы?
Как использовать:
- Прогоните промпт на 20–30 разных персонах вашей аудитории.
- Выпишите повторяющиеся возражения и то, что нравится.
- Проверьте выводы на небольшой реальной выборке живых людей.
Ты — [пол, возраст, город, доход, семья, чем занимаешься, чем сейчас решаешь эту задачу]. Вот продукт: [описание так, как его увидит реальный покупатель: что это, для чего, цена, где купить]. Ответь своими словами, как обычный человек, без оценок по шкале: 1. Купил бы ты это или нет? Почему? 2. Что смущает? 3. При каких условиях передумал бы? Как использовать: 1. Прогоните промпт на 20–30 разных персонах вашей аудитории. 2. Выпишите повторяющиеся возражения и то, что нравится. 3. Проверьте выводы на небольшой реальной выборке живых людей.
Разобрать с ИИ
Готовый промпт со ссылкой на материал: пересказ, главные выводы и как применить к вашей задаче.
Посмотреть промпт
Вам может быть интересно
$500 тыс.Billow AI LabsОбещание и счёт должны жить на одном этажеСтартап из Y Combinator встал на место бухгалтерской фирмы. Что из этого перенести в свою услугу
Бэкапы по правилу 3-2-1-1-0: что я понял, когда упал БегетРазбор по горячим следам атаки на Бегет 2 ноября 2026: что такое настоящая резервная копия и что у меня уцелело. Отдельно — путь для тех, у кого сайт делал подрядчик, и для тех, кто работает с агентом
GitHub с нуля: что это такое и как подключить его к ИИ-агентуДля тех, кто работает с Codex или Claude Code и ни разу не открывал GitHub: восемь понятий, регистрация и один запрос (после него агент сам сделает приватную копию вашей папки). Для тех, у кого есть подрядчик или команда, — правила доступа
Как найти дело своей жизни: шесть физических шагов вместо поиска предназначенияМоя методика без эзотерики: цепочка из шести действий, воронка из 300 проб, диагностика «пропавшей страсти» и как начать на этом зарабатывать
Как научить агента собирать комментарии с YouTube каждый деньПошагово: ключ YouTube Data API за 15 минут, промпт для Claude Code или Codex, расчёт квоты и правила, о которых агент обычно не предупреждает
Claude Code: как пользоваться агентом, который сам работает с вашими файламиУстановка, первая сессия, режимы разрешений, CLAUDE.md и AGENTS.md, навыки, субагенты, хуки и MCP — и честное сравнение с Codex. Всё сверено с документацией на 27 октября 2026
Как писать промпты для нейросетей: постановка задачи вместо заклинанийИз чего состоит хороший промпт, какие старые приёмы пора выбросить, примеры «было → стало» и готовые промпты для копирования
Нейросети для работы: хватит одной-двух, если знать, что им поручатьСемь ассистентов на октябрь 2026 года: что каждый делает лучше, что бесплатно, что работает из России. Карта «задача → инструмент» по профессиям, 152-ФЗ коротко, план первой недели и рабочие промпты
ТЗ для нейросети: каша в голове даёт кашу на выходеШесть шагов от идеи до описания продукта, по которому нейросеть или разработчик собирают нужное с первого-второго захода: промпты на каждый шаг, сквозной пример и проверка ТЗ
Как учиться с помощью нейросети: сначала задача, знания — по ходуВайб-лёрнинг на практике: когда спрашивать нейросеть, как сформулировать вопрос, четыре промпта-тренера, учебные режимы ChatGPT, Claude и Gemini и пять ошибок, из-за которых обучение буксуетИсточники · 3
- Эксперимент PyMC Labs и Colgate: 57 опросов, 9 300 ответов, около 90% от повторяемости ответов самих людей
- Мой опыт: синтетические респонденты в своих проектах
- Оригинал — пост в Telegram