ในการทำความเข้าใจผู้บริโภค ปัจจุบันนี้มักต้องอาศัยการทำวิจัยแบบเดิม (Traditional Research) เช่น แบบสอบถาม การสนทนากลุ่ม การสัมภาษณ์เชิงลึก หรือการเก็บข้อมูลภาคสนาม ซึ่งยังคงมีคุณค่าอย่างมากในเชิงความลึกและความน่าเชื่อถือ แต่ในโลกการตลาดที่เปลี่ยนเร็วกว่าเดิม คำถามสำคัญคือ แบรนด์จะรอผล Research หลายสัปดาห์หรือหลายเดือนได้แค่ไหน ในวันที่ Consumer Behavior เปลี่ยนแทบทุกวัน?
นี่คือจุดที่ Synthetic Data หรือข้อมูลสังเคราะห์ เริ่มเข้ามามีบทบาทมากขึ้น โดยเฉพาะในงาน Marketing, Consumer Insight, AI Research และการจำลองกลุ่มเป้าหมาย เพื่อช่วยให้แบรนด์ทดลองไอเดีย ทดสอบสมมติฐาน และหาอินไซต์เบื้องต้นได้เร็วขึ้น ก่อนตัดสินใจลงทุนจริง
ในบทความนี้ เราจะพาไปรู้จักว่า Synthetic Data คืออะไร, แตกต่างจากข้อมูลจริงอย่างไร, มีประโยชน์อะไรต่อแบรนด์และเอเจนซี่ รวมถึงการใช้ Virtual Persona แพลตฟอร์มของ Wisesight เพื่อสร้าง Persona AI และทำ Research กับกลุ่มเป้าหมายจำลองได้อย่างน่าเชื่อถือมากขึ้น
Key Takeaway
- Synthetic Data คือข้อมูลที่สร้างด้วย AI หรือโมเดลจำลอง เพื่อเลียนแบบโครงสร้าง พฤติกรรม หรือคุณสมบัติของข้อมูลจริง โดยไม่ได้เก็บจากบุคคลหรือเหตุการณ์จริงโดยตรง
- ในงาน Marketing Research การทำ Synthetic Consumer Data ช่วยให้แบรนด์จำลองกลุ่มผู้บริโภค ทดสอบข้อความ แคมเปญ Product Concept ราคา Positioning และ Segment ต่าง ๆ ได้เร็วขึ้นก่อนนำไปยืนยันด้วยข้อมูลจริง
- Virtual Persona ของ Wisesight ใช้ Synthetic Research สร้าง AI Persona จากข้อมูลหลายชั้น เช่น Target Persona, First-party Data, Social Data, พฤติกรรม การเสพสื่อ แรงจูงใจ และประสบการณ์ เพื่อให้แบรนด์ทำแบบสำรวจกับกลุ่มเป้าหมายจำลองได้ทันที
- Synthetic Data ช่วยปิดช่องว่างของการวิจัยแบบเดิม โดยทำให้ทีม Research, Strategy, Creative และ Marketing คัดเลือกไอเดีย ทดสอบหลายทางเลือก และตัดสินใจเบื้องต้นได้เร็วขึ้นในงบประมาณที่ควบคุมได้
Synthetic Data คืออะไร?
Synthetic Data คือข้อมูลที่สร้างขึ้นด้วยคอมพิวเตอร์ อัลกอริทึม หรือ AI เพื่อเลียนแบบรูปแบบ โครงสร้าง หรือคุณสมบัติทางสถิติของข้อมูลจริง โดยไม่ได้เก็บมาจากเหตุการณ์หรือบุคคลจริงโดยตรง
IBM อธิบายไว้ว่า Synthetic Data คือข้อมูลที่สร้างขึ้นเพื่อเลียนแบบข้อมูลในโลกจริง และอาจสร้างผ่านวิธีทางสถิติ, Deep Learning หรือ Generative AI โดยข้อมูลสังเคราะห์ที่ดีควรรักษารูปแบบหรือคุณสมบัติสำคัญของข้อมูลต้นทางไว้ได้ ดังนั้น Synthetic Data จึงไม่ใช่ข้อมูลทั่วไป หรือข้อมูลที่สร้างขึ้นมาโดยไร้หลักการ แต่เป็นการจำลองพฤติกรรม รูปแบบ หรือความเป็นไปได้ของข้อมูลจริง
ในมุมของการตลาด Synthetic Data หมายถึงข้อมูลผู้บริโภคจำลอง เช่น กลุ่มคนที่มีลักษณะประชากรศาสตร์ ความสนใจ พฤติกรรมการซื้อ หรือทัศนคติต่อแบรนด์ในรูปแบบที่ใกล้เคียงกับกลุ่มเป้าหมายจริง ซึ่งสามารถนำไปใช้ทดสอบไอเดีย สื่อสารการตลาด หรือสมมติฐานเชิงธุรกิจได้อย่างรวดเร็วมากขึ้น
ข้อมูลสังเคราะห์ Synthetic Data แตกต่างจากข้อมูลจริงอย่างไร?
ความแตกต่างหลักระหว่างข้อมูลจริงและข้อมูลสังเคราะห์ อยู่ที่แหล่งที่มา และวัตถุประสงค์ในการใช้งาน
โดยข้อมูลจริง คือข้อมูลที่เกิดจากคน เหตุการณ์ หรือพฤติกรรมจริง เช่น คำตอบจากแบบสอบถาม ยอดขาย ข้อมูล CRM ข้อมูลโซเชียลมีเดีย หรือบทสนทนาจริงของลูกค้า
ส่วนข้อมูลสังเคราะห์คือ ข้อมูลที่สร้างขึ้นมาใหม่ โดยอ้างอิงจากรูปแบบ, กฎ, โมเดล หรือข้อมูลต้นทางบางประเภท เพื่อให้ได้ข้อมูลที่มีลักษณะคล้ายของจริง แต่ไม่ใช่ข้อมูลของบุคคลจริงโดยตรง
NIST ได้อธิบายแนวคิดของ Synthetic Data ในบริบทด้านความปลอดภัย (Privacy) ไว้ว่าข้อมูลสังเคราะห์สามารถมีการจัดระเบียบข้อมูล (Schema) คล้ายข้อมูลต้นทาง และในขณะเดียวกันยังสามารถช่วยลดความเสี่ยงด้านข้อมูลส่วนบุคคลได้ในบางกรณีอีกด้วย
เพื่อให้เข้าใจมากขึ้น เรามาดูตารางเปรียบเทียบความแตกต่างของ Synthetic Data และข้อมูลจริงที่เราสรุปมาให้ ดังต่อไปนี้
| ประเด็น | ข้อมูลจริง | ข้อมูลสังเคราะห์ |
| แหล่งที่มา | มาจากคนหรือเหตุการณ์จริง | สร้างโดย AI, Model หรือ Simulation |
| ความเร็วในการสร้าง | ใช้เวลาเก็บข้อมูล | สร้างได้เร็วกว่าเมื่อมีระบบพร้อม |
| ความปลอดภัย | อาจมีข้อมูลส่วนบุคคล | ลดการใช้ข้อมูลส่วนบุคคลโดยตรงได้ |
| ความยืดหยุ่น | จำกัดตาม Sample ของกลุ่มเป้าหมายที่มี | จำลอง Segment ได้หลากหลาย |
| การใช้งาน | ใช้ยืนยันพฤติกรรมจริง | ใช้ทดลอง ทดสอบสมมติฐาน และจำลองสถานการณ์ |
ดังนั้น Synthetic Data ไม่ได้เกิดมาเพื่อแทนที่ข้อมูลจริงทั้งหมด แต่เหมาะกับการเสริมกระบวนการ Research โดยเฉพาะช่วงที่แบรนด์ต้องการคำตอบแบบรวดเร็ว ต้องการทดลองหลายทางเลือก หรือยังไม่พร้อมลงทุนกับการเก็บข้อมูลขนาดใหญ่
ทำไมแบรนด์และเอเจนซี่ควรสนใจ Synthetic Consumer Data?
สำหรับแบรนด์และเอเจนซี่ คำว่า Synthetic Consumer Data หมายถึงข้อมูลการจำลองผู้บริโภคเสมือน ซึ่งสร้างขึ้นเพื่อช่วยให้ทีมการตลาดเข้าใจกลุ่มเป้าหมายในมุมต่าง ๆ เช่น
- ใครคือกลุ่มเป้าหมายที่น่าจะสนใจสินค้า
- กลุ่มนี้มี pain point อะไร
- ข้อความแบบไหนน่าจะทำให้เขาสนใจ
- คอนเซปต์แคมเปญไหนควรไปต่อ
- คอนเทนต์แบบไหนที่ใช้แล้วปังกับคนในแต่ละ Segment
- ราคา แพ็กเกจ หรือ Positioning แบบไหนควรทดสอบก่อนลงเงินจริง
MIT Sloan ระบุว่า Synthetic Data สามารถช่วยให้องค์กรทดลองไอเดียและพัฒนาผลิตภัณฑ์ใหม่ได้ โดยลดข้อจำกัดบางอย่างจากการใช้ข้อมูลจริงที่อาจมีความอ่อนไหวหรือเข้าถึงยาก ซึ่งสำหรับ Marketing Research นี่คือประเด็นที่สำคัญมาก เพราะปัญหาของ Traditional Research ไม่ใช่ว่าไม่น่าเชื่อถือ แต่คือหลายครั้ง Research แบบเดิมใช้เวลานานกว่าความเร็วของตลาด
เมื่อ Insight มาช้า โอกาสทางการตลาดอาจผ่านไปแล้ว
เมื่อผล Survey มาหลังแคมเปญเริ่มแล้ว แบรนด์อาจไม่มีเวลาปรับ
เมื่อ Consumer Sentiment เปลี่ยนไว การรอข้อมูลรอบถัดไปอาจทำให้การตัดสินใจช้าเกินไป
Synthetic Consumer Data จึงเหมาะกับกระบวนการช่วยเร่งการคิด วิเคราะห์ และทดสอบ ก่อนนำไปยืนยันต่อด้วยข้อมูลจริงหรือการทำ Research เชิงลึกเพิ่มเติม
ประโยชน์ของ Synthetic Data ต่อการทำ Research และ Marketing
1. ช่วยให้หา Insight ได้เร็วขึ้น
จุดแข็งหลักของ Synthetic Data คือความเร็ว แบรนด์สามารถจำลองกลุ่มเป้าหมาย ทดสอบคำถาม และดูแนวโน้มของคำตอบได้ในเวลาอันสั้น แทนที่จะรอรอบเก็บข้อมูลแบบเดิม
2. ช่วยลดต้นทุนในการทดลองหลายสมมติฐาน
Traditional Research มักมีข้อจำกัดด้านงบประมาณ จำนวน Sample เวลา และรอบการทดสอบ แต่ Synthetic Data ทำให้ทีมสามารถทดลองหลายสถานการณ์ได้มากขึ้น เช่น ทดสอบ 5 Positioning, 10 Headline, 3 Product Concepts หรือหลาย Audience Segment พร้อมกัน
3. ช่วยเข้าถึงกลุ่มเป้าหมายเฉพาะทางได้ง่ายขึ้น
บางกลุ่มเป้าหมายหายาก เช่น กลุ่ม Niche, กลุ่มผู้บริหาร, กลุ่มผู้บริโภคในต่างจังหวัดบางพื้นที่, กลุ่ม Early Adopter หรือกลุ่มที่มีพฤติกรรมเฉพาะ Synthetic Data สามารถช่วยจำลอง AI Persona ของกลุ่มเหล่านี้เพื่อใช้เป็นจุดเริ่มต้นในการทำความเข้าใจ
4. ช่วยลดความเสี่ยงด้าน Privacy
เพราะข้อมูลสังเคราะห์ไม่ได้จำเป็นต้องเปิดเผยข้อมูลส่วนบุคคลของคนจริงโดยตรง จึงสามารถช่วยให้องค์กรทดลอง วิเคราะห์ หรือแชร์ข้อมูลเพื่อการพัฒนาได้ง่ายขึ้นในบางกรณี ทั้งนี้ต้องออกแบบระบบให้เหมาะสมและมีมาตรการด้าน Privacy ที่ชัดเจน
5. ช่วยให้การตัดสินใจเป็นระบบมากขึ้น
Synthetic Data ทำให้ทีมสามารถกลับมาทดสอบซ้ำ เปรียบเทียบผล และควบคุมตัวแปรได้มากกว่า Research บางรูปแบบที่ขึ้นอยู่กับช่วงเวลา กลุ่มตัวอย่าง หรือบริบทเฉพาะ ณ วันที่เก็บข้อมูล
การใช้งาน Synthetic Data ในอุตสาหกรรมต่าง ๆ
ยกตัวอย่างการใช้ Synthetic Data ในอุตสาหกรรมต่าง ๆ เช่น
| อุตสาหกรรม | ตัวอย่างการใช้งาน Synthetic Data |
| Marketing & Research | จำลองกลุ่มผู้บริโภค ทดสอบแคมเปญ ทดสอบ product concept |
| Retail & E-commerce | วิเคราะห์ Customer journey, Basket behavior, Promotion response |
| Healthcare | จำลองข้อมูลผู้ป่วยเพื่อการวิจัยหรือพัฒนา AI โดยลดความเสี่ยงด้าน Privacy |
| Public Sector | วิเคราะห์ Scenario หรือจำลองข้อมูลเพื่อใช้วางแผนนโยบาย |
Synthetic Data เชื่อถือได้แค่ไหน?
หลายคนอาจสงสัยว่า ถ้าเป็นข้อมูลที่ AI สร้างขึ้นมา เราจะเชื่อได้อย่างไร?
คำตอบคือ ความน่าเชื่อถือของ Synthetic Data ไม่ได้เกิดจากการที่ข้อมูลถูกสร้างด้วย AI เพียงอย่างเดียว แต่ขึ้นอยู่กับแหล่งข้อมูล วิธีสร้างข้อมูล วิธีตรวจสอบผลลัพธ์ และการตีความโดยผู้เชี่ยวชาญ
- รู้ว่าข้อมูลหรือ Signal ที่ใช้สร้างมาจากไหน
- มีกระบวนการสร้างและจำลองที่อธิบายได้
- มีวิธีตรวจสอบผลลัพธ์กับข้อมูลจริง
- สามารถทดสอบซ้ำและเปรียบเทียบผลได้
- มีผู้เชี่ยวชาญตีความ ตรวจสอบ และนำไปใช้ในบริบทที่ถูกต้อง
นี่คล้ายกับเหตุผลที่องค์กรจำนวนมากเริ่มใช้ AI อย่าง Generative AI ในการทำงาน ซึ่ง AI ที่ดีจะมี Model, Data, Interface, Brand Trust และ Workflow ที่ทำให้คนสามารถใช้เป็น Co-Worker ได้อย่างมีประสิทธิภาพ
สำหรับ Virtual Persona จึงเป็น Interactive Simulation Platform ที่ช่วยจำลองกลุ่มผู้บริโภคออกมาเป็น AI Persona ที่แบรนด์สามารถทำแบบสำรวจความคิดเห็นกับกลุ่มผู้บริโภคจำลองนี้ได้ ทำให้แบรนด์คิดได้เร็วขึ้น เห็นมุมมองของกลุ่มเป้าหมายเร็วขึ้น และลดช่องว่างระหว่างความอยากรู้กับได้คำตอบเบื้องต้นที่เอาไปใช้ตัดสินใจต่อได้
เทคนิคการสร้าง Synthetic Data ด้วย Virtual Persona
Virtual Persona คือ แพลตฟอร์มการวิจัยเชิงสังเคราะห์ ใช้เพื่อสร้างกลุ่มตัวอย่างจำลองที่สะท้อนบุคลิกภาพ อารมณ์ และระดับประสบการณ์ของผู้คนในสังคมจริง ๆ เพื่อทำ Synthetic Research หรือ Consumer Simulation โดยเฉพาะสำหรับแบรนด์ที่ต้องการอินไซต์ที่เร็วขึ้นกว่าวิธีเดิมจาก Wisesight
Virtual Persona ใช้กระบวนการสร้างกลุ่มเป้าหมายจำลองจากข้อมูลหลายชั้น เพื่อให้แต่ละบุคลิกมีบริบท ความเชื่อ เหตุผล พฤติกรรม และประสบการณ์ที่แตกต่างกัน
กระบวนการสร้างประกอบด้วย 5 มิติหลัก ได้แก่ ประวัติของบุคคล พฤติกรรม การเสพสื่อ แรงจูงใจในชีวิต และประสบการณ์ที่ผ่านมา จากนั้นจึงเสริมด้วยข้อมูลของแบรนด์ ข้อมูลจากสื่อสังคมออนไลน์ ข่าว เนื้อหาดิจิทัล ข้อมูลเฉพาะของกลุ่มเป้าหมาย และข้อมูลความเคลื่อนไหวของตลาด เพื่อให้กลุ่มเป้าหมายจำลองตอบคำถามได้ใกล้เคียงกับบริบทที่แบรนด์ต้องการศึกษา
1. กำหนด Target Persona ให้ชัดเจน
เริ่มจากการกำหนดกลุ่มเป้าหมาย เช่น เพศ อายุ อาชีพ รายได้ พื้นที่ ระดับการศึกษา โซนที่อยู่อาศัย ไปจนถึง MBTI ของแต่ละกลุ่มเป้าหมายจำลอง ซึ่งขั้นตอนนี้ช่วยให้ Virtual Persona ไม่ใช่ AI ทั่วไปที่ตอบแบบกลาง ๆ แต่เป็นกลุ่ม Persona ที่ถูกออกแบบให้สอดคล้องกับโจทย์ของแบรนด์
2. เติม First-party Data หรือข้อมูลจากแบรนด์
ถ้าแบรนด์มีข้อมูลของตัวเองหรือข้อมูลจากแคมเปญที่ผ่านมา สามารถนำมาใช้เป็นบริบทในการสร้าง Persona ได้ ซึ่งจุดนี้ทำให้ Virtual Persona แตกต่างจาก AI ทั่วไป เพราะสามารถถามจากกรอบของกลุ่มเป้าหมายที่แบรนด์กำหนดไว้จริง
3. ใช้ Social Data เพื่อเพิ่มบริบทแบบไดนามิก (Dynamic Context)
หนึ่งในจุดสำคัญของการทำ AI Persona ให้มีความใกล้เคียงกับตลาดจริง คือการเติม Social Data หรือสัญญาณจากบทสนทนาออนไลน์ เช่น เทรนด์ ความสนใจ ประเด็นที่คนพูดถึง Sentiment หรือพฤติกรรมบนแพลตฟอร์มต่าง ๆ ซึ่ง Social Data ช่วยให้ Persona มีบริบทของสิ่งที่กำลังเกิดขึ้นในตลาด ซึ่งสำคัญมากต่อการทำ Marketing Research ในยุคที่กระแสเปลี่ยนเร็ว
4. สร้าง Persona หลายพันคนพร้อมกัน
การถามคำถามเกี่ยวกับ Persona บน AI อื่น ๆ คำตอบอาจกลายเป็นค่าเฉลี่ยของความคิดทั่วไป แต่ Virtual Persona เป็นแพลตฟอร์มที่สามารถสร้าง Persona จำนวนมากพร้อมกัน เพื่อจำลองความหลากหลายของกลุ่มเป้าหมาย ทำให้แบรนด์สามารถทดสอบคำถามกับกลุ่ม Persona หลายรูปแบบ เช่น กลุ่มที่สนใจแบรนด์สูง, กลุ่มที่ลังเล, กลุ่มที่เคยใช้คู่แข่ง, กลุ่มที่ Price Sensitive, กลุ่ม Early Adopter, กลุ่มที่รับสารผ่าน TikTok, Facebook, YouTube หรือ Search ต่างกัน เป็นต้น
5. ทำ Research กับ Persona เหล่านี้ได้ทันที
เมื่อสร้างกลุ่ม Persona แล้ว แบรนด์สามารถถามคำถามในเชิง Research ได้ เช่น
- คอนเซปต์สินค้าใหม่น่าสนใจแค่ไหน
- ข้อความโฆษณาแบบไหนเข้าใจง่ายที่สุด
- Pain point หลักของกลุ่มนี้คืออะไร
- อะไรคืออุปสรรคต่อการซื้อ
- แพ็กเกจไหนมีแนวโน้มดึงดูดที่สุด
- ถ้าคู่แข่งสื่อสารแบบนี้ กลุ่มเป้าหมายจะรู้สึกอย่างไร
- ไอเดียไหนควรถูกนำไปทดสอบจริงต่อ
ผลลัพธ์ที่ได้สามารถใช้เป็นข้อมูลสนับสนุน เพื่อช่วยให้ทีม Research, Strategy, Creative และ Marketing วางทิศทางได้เร็วขึ้น
Virtual Persona ช่วยปิดช่องว่างของการวิจัยแบบดั้งเดิมได้อย่างไร?
การวิจัยแบบดั้งเดิมยังคงมีความสำคัญ โดยเฉพาะในกรณีที่แบรนด์ต้องการความแม่นยำสูง ต้องการยืนยันผลเชิงสถิติ หรือต้องใช้ข้อมูลประกอบการตัดสินใจทางธุรกิจที่มีผลกระทบสูง
อย่างไรก็ตาม ช่องว่างที่มักเกิดขึ้นในการวิจัยแบบดั้งเดิม คือ กระบวนการใช้เวลานาน มีข้อจำกัดด้านงบประมาณ ทดสอบสมมติฐานได้ไม่กี่รูปแบบ เข้าถึงกลุ่มเป้าหมายเฉพาะทางได้ยาก และหลายครั้งข้อมูลเชิงลึกมาถึงช้ากว่าจังหวะที่ตลาดกำลังเปลี่ยนไป ทำให้ทีมการตลาดต้องตัดสินใจระหว่างทางด้วยข้อมูลที่ยังไม่มากพอ
Virtual Persona จึงเข้ามาเป็นเครื่องมือที่ช่วยเร่งกระบวนการเรียนรู้ของแบรนด์ ก่อนนำไปสู่การวิจัยจริงหรือการตัดสินใจเชิงธุรกิจในขั้นต่อไป แบรนด์จึงสามารถใช้ Virtual Persona เพื่อช่วย…
- คัดเลือกสมมติฐานที่น่าสนใจก่อนใช้งบโฆษณาจริง
- ใช้ทดสอบข้อความหรือแนวคิดการสื่อสารก่อนพัฒนาสินค้าใหม่
- ใช้สำรวจความต้องการ ปัญหา และแรงจูงใจของกลุ่มเป้าหมายก่อนจัดกลุ่มสนทนา
- ใช้ค้นหาประเด็นสำคัญที่ควรถามเชิงลึก
- หลังแคมเปญเริ่มต้นแล้ว แบรนด์สามารถใช้จำลองมุมมองของกลุ่มเป้าหมายต่อสถานการณ์ใหม่ ๆ ที่เกิดขึ้นในตลาดได้
ด้วยเหตุนี้ Virtual Persona จึงช่วยเปลี่ยนการวิจัยจากสิ่งที่ต้องทำเป็นรอบ ๆ ให้กลายเป็นความสามารถที่แบรนด์ใช้งานได้บ่อยขึ้น เร็วขึ้น และยืดหยุ่นได้มากยิ่งขึ้น
สรุป: Synthetic Data ทำให้ Research ได้เร็วขึ้น ทำได้หลายรอบมากขึ้น ในงบประมาณเท่าเดิม
Synthetic Data หรือ ข้อมูลสังเคราะห์ คือข้อมูลที่สร้างขึ้นโดย AI เพื่อจำลองลักษณะของข้อมูลจริง และช่วยให้องค์กรทดลอง วิเคราะห์ หรือทดสอบสมมติฐานได้เร็วขึ้น สำหรับแบรนด์และเอเจนซี่ Synthetic Consumer Data มีบทบาทสำคัญในการปิดช่องว่างของการวิจัยแบบเดิม โดยเฉพาะในยุคที่ตลาดเปลี่ยนเร็ว ผู้บริโภคเปลี่ยนไว และทีมการตลาดต้องตัดสินใจภายใต้เวลาจำกัด
สนใจใช้งาน Virtual Persona แพลตฟอร์มที่ช่วยสร้าง AI Persona จำนวนมาก จำลองกลุ่มเป้าหมาย เติมบริบทจาก first-party data และ social data และช่วยให้แบรนด์ทำวิจัยเบื้องต้นได้เร็วขึ้น สอบถามทีม Wisesight เพิ่มเติมได้ที่นี่
คำถามที่พบบ่อย
AI Synthetic Data ใช้ทำอะไรได้บ้าง?
AI Synthetic Data ใช้ได้หลายด้าน เช่น จำลอง Customer Behavior, ทดลอง Marketing Message และช่วยเร่งกระบวนการ Research
Virtual Persona ใช้ Synthetic Data อย่างไร?
Virtual Persona ใช้แนวคิดของ Synthetic Data เพื่อจำลองกลุ่มเป้าหมายจำนวนมาก โดยสามารถกำหนด Persona จากข้อมูลเฉพาะของแบรนด์ พร้อมเติมบริบทจาก Social Data เพื่อใช้ทำ Research กับกลุ่มเป้าหมายจำลองได้อย่างรวดเร็ว
Synthetic Consumer Data คืออะไร?
Synthetic Consumer Data คือข้อมูลผู้บริโภคจำลองที่สร้างขึ้นเพื่อสะท้อนลักษณะ ความสนใจ พฤติกรรม หรือทัศนคติของกลุ่มเป้าหมาย สามารถใช้ทดสอบแนวคิดสินค้า ข้อความโฆษณา หรือกลยุทธ์การตลาดเบื้องต้นได้
