iMario vs SyntheticUsers.com：能力逐项对比

2026 年要选合成用户调研平台，iMario 和 SyntheticUsers.com 多半都会进你的候选名单。乍一看，两家承诺的东西差不多：AI 生成的受访者、定性访谈式的转写稿，出结果只要几分钟，不用等几周。真正不同的是底层的产品形态。只要你想让合成人物做的不止一项调研，这个差别就很要紧。

这篇文章比的是能力，不是市场热度。我们逐项对比人设生成的深度、长访谈中的身份稳定性、大规模人群的还原度、适用场景、报告架构，还有与真人调研的吻合度。文中还附了一组并排示例：用一个极简的人设标签在 iMario 上跑了一场访谈，旁边摆的是 SyntheticUsers 在自家首页为同一个标签公开的示例访谈，差别看真实输出，不看营销文案。

先说结论

iMario 和 SyntheticUsers 都能让团队拿 AI 生成的受访者做用户访谈，产品形态却不一样。SyntheticUsers 是一套专注定性调研的工作流：设定目标受访者，跑一场访谈，拿到一份给管理层看的报告。iMario 是一个合成人物平台，定性调研只是五类用途之一，其余还有概念验证、销售对练、内容测试和用户旅程设计。如果团队用合成人物只做定性调研，两家公布的数据里，和真人对照组的吻合度不相上下。iMario 的不同之处有四点：人设配置深度、长访谈中的身份稳定性、大规模人群还原度和报告可追溯性。要是团队用合成人物做的事不止调研，iMario 在架构上就是为这些任务准备的，SyntheticUsers 则不是。真正要想清楚的是：你要买的是一个调研工具，还是一个底座，调研只是它能跑的众多任务之一。

关于基准测试，先交代一句：本文引用的所有 iMario 性能数据，包括身份一致性、模式坍塌率和与真人调研的吻合度，都是 iMario 自己公布的。截至发稿，这些数据还没有经过独立第三方验证。SyntheticUsers 的吻合度数据同样是自行公布的。不管是哪一方的数字，当成定论之前，买方最好先向两家要来背后的研究设计和样本量。最可靠的判断依据，仍然是拿你自己的调研需求在两边并排跑一次。

iMario vs SyntheticUsers：功能逐项对比

什么情况下选 iMario

符合下面任意一种情况，就选 iMario。

你想让合成人物做的事不止调研。如果团队还在尝试拿合成的潜在客户做销售对练、用做调研的同一批人设测试内容，或者模拟用户旅程，这些事都可以放在 iMario 上做，同一批合成人物能在五类任务里反复使用。截至 2026 年 5 月 6 日，SyntheticUsers 没有涉足这些领域。

你要做长访谈，或者要反复访谈同一个人设。iMario 公布的数据是，访谈到第 40 轮，身份一致性仍有 96%。SyntheticUsers 公开的示例访谈只有 10 个问题，访谈更长时身份稳不稳定，没有公开数据。如果上周访谈过的人设，下周再出场时画像和背景故事都得和上次一样，iMario 的架构更稳妥。

你要生成的是一整个人群，而不只是一两个用户。iMario 的人设引擎专为分布感知生成设计，能生成 10,000 个以上的人设，彼此在统计上各不相同；对照人口结构目标，测得的模式坍塌低于 5%。SyntheticUsers 的公开资料描述的是每场访谈单独生成人设，也没有宣称能还原大规模人群。如果调研需要 100 个以上互不相同、多样性有据可查的人设，要看的正是这一项。

你的决策评审要的是证据链，不只是执行摘要。iMario 的报告引擎有五层：每条发现都能追溯到主题，主题追溯到类别，类别追溯到编码，编码再追溯到受访者原话的具体片段和受访者 ID。这套架构可以交给软件审计，不只靠人读。SyntheticUsers 输出的是执行摘要，附关键主题和原话引用，扫一眼很快，可一旦高层追问“给我看看这是从哪来的”，层次就显得单薄。

你想先试用再决定。iMario 免费版注册就送 1,000 积分，无需绑卡，够做一份 100 人、10 道题的问卷（要连完整报告一起出，就是 60 人），或者跑大约 40 场 5 道题的访谈。15 分钟就能拿到第一份转写稿。SyntheticUsers 同样支持自助注册，不用预约演示。真正值得比的不是两边能不能进门，而是进门之后各自能让你做什么。

什么情况下选 SyntheticUsers

公平地说，有些场景下 SyntheticUsers 明显更对口，选它更省心。

你用合成人物只做定性调研。如果你只需要访谈 AI 受访者、拿到一份能直接给相关方看的报告，SyntheticUsers 的产品更利落。它专心把一件事做顺手，用不着你去琢磨别的任务类型。合成人设只在团队的调研里派用场的话，产品简单就是优点，不是短板。

团队做调研本来就讲 OCEAN 那一套。SyntheticUsers 把 OCEAN 摆在最显眼的位置，当作主要的配置维度。如果你们的调研用语和给相关方的报告本来就围绕大五人格术语展开，SyntheticUsers 的设置直接就能对上，不用再转换一道。iMario 把 OCEAN 当作更大架构里的一个输入项，没有把它做成主要的配置界面。

你更喜欢夹带行为提示的叙事式转写稿。SyntheticUsers 默认在每段回答里穿插斜体的舞台提示（在椅子上挪了挪、停顿、揉了揉眼睛）。给相关方做展示时，如果听众看重代入感，希望人设显得有血有肉，这种格式读起来更有戏剧感。iMario 输出的是朴素的转写稿，读起来更接近 Otter.ai 或 Grain 生成的真实访谈记录。两种都是有意为之的设计，按听众看重什么来选就行。

深度对比：iMario 和 SyntheticUsers 差在哪

1. 人设配置深度

SyntheticUsers 的人设模型只接受一种输入：用自然语言描述目标受访者。能配置的维度有人口特征、行为、职业，还有以 OCEAN 大五人格框架为底子的心理特征。平台的说法是：“你描述得越具体，输出就越具体。”说到底，这个人设就是研究员写的一段更丰富的提示词，再经过 OCEAN 模型处理。

iMario 提供两个入口，最后都落到同一种合成人物模型上。第一个入口是一句话描述（比如“30 位中型企业的 CFO，一半对现有工具满意，一半正在积极寻找替代品”），系统据此做分布感知抽样，并对照来源人群做多样性验证。第二个入口是你自己的客户数据：客户记录、问卷回答和访谈转写稿，人群就用这些数据来构建。两个入口共用的这套认知模型分五个部分：Seed（人口属性和约束条件）、Soul（特质、立场和偏好）、Memory（人生事件、对话状态，还有信任感、疲劳度这类随时变化的变量）、Engine（负责语言和推理的大模型）和 Governance（一致性检查、安全边界，外加默认回答“我不知道”，免得人设编造出自身背景以外的资历）。

本质区别在于：SyntheticUsers 要求研究员把一个用户描述清楚，清楚到足以拿来访谈；iMario 要求研究员描述一个人群，再由系统把一个个人构建出来，每个人的认知结构都经过审核。只做一次性的单场访谈，两边的质量会差不多。但如果调研需要 100 个以上互不相同、多样性有据可查的人设，或者你打算在几个月里把合成人物反复用于多种任务，iMario 的生成流程正是为这类工作量而建的。

2. 长访谈中的身份稳定性与记忆

独立学术研究发现，各种用大模型搭建的人设系统，在这一项上差距最大。身份漂移指的是合成用户慢慢退回通用 AI 助手的腔调，一般出现在多轮访谈的第 10 到 15 轮之间。访谈短的时候，这个问题根本看不出来。

iMario 公布的身份一致性基准测试结果是：访谈到第 40 轮仍有 96%。测试用的是一套对抗性探测题，包括和设定资料相矛盾的说法、暗含错误答案的诱导性提问，还有逼人设放弃既定偏好的施压。同一套测试里，直接拿来对话的 Claude Opus 是 62%，GPT 是 58%，豆包是 52%，DeepSeek 是 45%。访谈越长，差距越大。到第 60 轮，直接用的大模型基本就变回了默认的助手腔，只是披了件薄薄的戏服。测试方法详见 iMario vs 基座大模型：解决合成人物的模式坍塌与身份漂移。

访谈过程中，每个合成人物都记得自己已经说过什么，前面的回答会约束后面的回答。换到另一项调研，同一个人物的画像和背景故事保持不变。

SyntheticUsers 的公开资料提到，受访者能“在每一场访谈中保持完整的上下文和连贯性”，但没有公布较长多轮访谈的身份稳定性指标，没有详细说明记忆机制，也没有和直接用的大模型做过对比测试。公开的示例访谈只有 10 个问题，而大多数身份漂移要访谈长得多才测得出来（据 syntheticusers.com，截至 2026 年 5 月 6 日）。这不是说 SyntheticUsers 在长访谈里表现不好，而是说单凭公开资料，买方没办法验证它在长访谈里的表现。

如果你的访谈常常一场就超过 20 个问题，或者要在多项调研里反复访谈同一个人设，还得保持背景故事前后一致，签合同之前，一定要把两家在这一项上放在一起实测。

3. 大规模人群还原度

调研需要的合成人物一旦超过 50 个，就会冒出两种问题。模式坍塌发生在生成阶段：让模型一次生成一大群人，输出会扎堆在少数几个高概率模板周围，你要的 1,000 个不同用户，听起来就像同一个人的 30 个版本。分布偏斜则是指生成的人群和你的目标人口结构相比，多数派观点占比过高。

iMario 报告的数据是，生成 10,000 个人设时，模式坍塌低于 5%。做到这一点靠的是几道工序：分布感知的种子生成；自回归采样，生成每个新人设时都刻意和之前的拉开差别；对照真实人口数据检查人口结构是否对得上；对扎堆过紧的输出做拒绝采样；规模上去之后，还有一个进化优化阶段。这套架构把多样性当作硬性要求，而不是指望模型自己给出多样的结果。详细方法见告别“平均人”：iMario 如何构建一百万个合成人物。

SyntheticUsers 的公开资料描述的是每场访谈单独生成人设，而不是批量生成整个人群。大规模分布还原度、模式坍塌测量和人口结构一致性验证，它都没有宣称做得到（据 syntheticusers.com，截至 2026 年 5 月 6 日）。如果你的调研用不到 50 个人设，这一点大概无关紧要。但如果你要用 1,000 个以上人设做定量式的合成调研，或者要把合成人群建成能在多项调研里复用的资产，这一点就决定成败。

4. 适用场景：调研，以及调研之外

两个平台最大的分野就在这里。

SyntheticUsers 的产品集中在调研上。平台支持定性访谈、概念测试和自定义脚本访谈，都走结构化的调研流程，最后出一份报告。调研用它做起来顺畅，标准也统一，但它没有延伸到销售对练、用户旅程模拟这类非调研任务。

iMario 的产品不止一条访谈流程。一个任务由三样东西组成：一个人群，让这群人做出反应的素材（访谈提纲、落地页、邮件草稿、价格表、客服话术），再加一种调研方法，组合好就可以运行。同一批合成人物可以在五类用途里反复使用：Discover（市场与人群调研）、Validate（概念与产品验证、价格压力测试）、Launch（销售触达与内容测试）、Optimize（客户体验与用户旅程设计）和 Scale（销售对练，演练数百种客户异议，直到形成肌肉记忆）。

团队眼下用合成人物只做定性调研的话，SyntheticUsers 的产品窄一些，完全够用，甚至可以说更简单。要是团队已经开始或正打算把合成人设拿去做销售对练、内容打分或用户旅程模拟，iMario 就是合适的底座。SyntheticUsers 不在这条赛道上。

5. 报告引擎架构

SyntheticUsers 对默认报告的描述是：“执行摘要、关键主题、受访者原话引用和建议，排版便于分享给相关方。”这是标准的定性调研交付物，讲究的是能在产品团队和管理层之间快速传阅。用户可以深入查看单份转写稿、追问，也可以给特定片段加批注。

iMario 的报告引擎有五层，中间贯穿一张引用图谱（完整方法见一份 iMario 调研报告背后的五层结构）。第 0 层把每条访谈回答切分成最小单位的编码，每个编码都带有标签、情感倾向、原话片段、受访者 ID 和题号。第 1 层按题目把编码归成 5 到 10 个类别，每个类别都附有明确的 code_id 清单；输出里只要引用了这道题编码池以外的 ID，就会直接驳回重来。第 2 层提炼跨题主题，原料是大约 60 个类别，而不是 4,000 条原始编码。大模型只负责挑选 category_ids，提及率、情感分布和分组拆解都由图谱经确定性的后处理算出来，所以大模型没法虚报数字。第 3 层是反思式审查，对候选主题计算七项指标（Jaccard 重合度、编码覆盖率、受访者覆盖率、主题提及率的基尼系数等），不达标的主题会退回去，再调用一次大模型做批评性审查。第 3.5 层按金字塔原理输出：一段 2 到 4 句话的核心论点，加上 3 到 7 条可以落地的发现，每条都包括陈述、含义、建议、优先级，以及至少一个 theme_id。

最终报告里随便拎起一根线头往下拽，最后都会落到一条带真实 ID 的受访者原话上。整张引用图谱都可以交给软件审计。一个 QA 脚本就能核验：每个 code_id 都指向真实存在的编码，每个主题的提及率都和支撑它的编码一致，每条发现引用的主题都真实存在。报告里写“30 名受访者中有 22 人表示，如果 ROI 讲得更清楚，就能接受这个价格”，这个数字是遍历图谱算出来的，不是大模型转述出来的。

说到底，这是深度和简洁之间的取舍。如果你只需要一段能直接给相关方看的叙述，SyntheticUsers 一次成稿的执行摘要读起来更快。iMario 的五层输出，原始结构更厚重，但高层追问结论从哪来时，更经得起推敲。有些组织决策评审频繁，调研结论必须扛得住“给我看看为什么”这样的追问，在这些组织里，层次更深的格式更站得住脚。

6. 与真人调研的吻合度

两个平台都公布了吻合度数据。SyntheticUsers 称，在独立的对比研究中，合成结果与真人结果的吻合度为 85% 到 92%，并引用了支持这一点的同行评审研究（据 syntheticusers.com，截至 2026 年 5 月 6 日）。iMario 公布的是：在取决于观念和心态的战略决策上，与真实人群的吻合度达到 90% 及以上；吻合度的定义是，和跑同一项调研、条件匹配的真人对照组相比，决策分布的差异小于 10%（见人类 API 方法说明）。

从数字看，两家的说法有重叠。85% 到 92% 和 90% 以上落在同一区间，只是下限不同。从方法看，两家描述的严谨程度不同。iMario 写明了差异阈值（10%）和比较方式（条件匹配的对照组、同一项调研、决策分布）。SyntheticUsers 引用了同行评审研究作支撑，但没有在官网首页公开对比研究的方法。

实事求是地看，两个数字都是拿真实调研做的配对比较，量级差不多，也都取决于对比时具体的任务类型、人群和研究设计。把哪一家的数字当真之前，买方最好都先向厂商要来背后的研究设计和样本量。如果你手上有现成的内部数据集，能拿来和一次合成调研的结果对照，这比两家的营销数字都可靠。

并排示例：同一个人设标签，两个平台

测试设置

测 iMario 时，我们用了一份极简的人设描述（“Age 29, Austin TX, Product Manager”，即 29 岁、德州奥斯汀、产品经理）和一份 10 个问题的访谈提纲，提纲围绕夜班工作、精力管理和值班期间的内容消费。SyntheticUsers 这边，我们用的是 syntheticusers.com 上公开的示例访谈，也就是他们自己选来在首页展示给潜在客户的输出。两边的输入条件并不完全一样：iMario 的输出来自我们按这份需求实时跑的一次调研；SyntheticUsers 的输出是他们认为能代表自家平台的示例。这种不对称，有必要直说。这次对比能确认的是：SyntheticUsers 认为足够好、可以挂在首页上的那份输出，对应的人设标签是“Age 29, Austin TX, Product Manager”，出来的却是一位英国医院护士，同事个个有名有姓，满口英式用语，和给定的奥斯汀产品经理标签毫不相干。这可不是一点小偏差。

拿极简标签下的输出来比较，是想看看各家引擎拿到一份故意写得很单薄的描述，会往里补些什么。对 iMario，这是一次实时测试；对 SyntheticUsers，这是对它自选公开示例的评估。这份示例也是眼下能找到的最直接的线索，看得出在极简描述下，这个平台认为什么样的输出够得上生产级质量。真实的调研团队很少第一天就写出详细的人设描述，通常是用一两句话描述目标人群，再指望平台补出一个前后连贯的人。

人设标签还原度：最重要的发现

人设标签相同，结果天差地别。

SyntheticUsers 的“德州奥斯汀产品经理”变成了一位英国医院护士。从第一个回答就看得出来：

“我一般晚上 9:45 左右到病房，早到一会儿，赶在 10 点交班前把自己收拾利索。白班的同事会跟我们讲每个病人这一天的情况……交完班，就直接开始跟护士们一起发药巡房。我会帮病人们安顿好过夜。”

偏得毫不隐蔽。全部 10 个回答里，这个人设始终待在一家英国医院的病房：同事有名有姓（护士长 Sarah、Jenny），病人也有名有姓（Mrs. Patterson、Mr. Thompson、Mrs. Chen），满口英式用语（cuppa、knackered、loo、faffing about、rubbish、daft），甚至说自己在听“Radio New Zealand”，可按设定，这个人明明在奥斯汀上班。产品经理的影子一点都没剩下。

iMario 的“德州奥斯汀产品经理”变成了一位美国软件公司的产品经理，要值班待命、处理线上故障。看 Malik Powell 的第一个回答：

“对我来说，‘夜班’一般是赶上发版、出故障或者客户投诉升级，不是固定排班。我会先把情况摸清楚：哪里出了问题，影响到谁，‘早上之前搞定’到底意味着什么。然后基本就进入协调模式：跟工程团队在 Slack 上来回紧密沟通，粗略看看日志或者仪表盘。”

这个人设在全部 10 个回答里都保持一致：Slack 讨论串、仪表盘、客户投诉升级、审计日志、队列分区、企业租户、版本发布。美式口吻，没有英式方言，地理上也没有对不上的地方。同样一个极简标签，iMario 补出了一个连贯、贴合角色的背景。

两相对照，iMario 给出的人设忠于标签；SyntheticUsers 公开的示例里，人设本身倒是连贯，却和自己的标签对不上。

iMario 的人设设置界面：一份极简描述如何扩展成合成人物认知模型

口吻与具体程度

两个平台给出的回答都具体、有质感，只是质感不一样。

SyntheticUsers 的 James Rivera 用的是意识流式的讲述，带着个人感怀和怀旧情绪：

“我真正怀念的，其实就是……休息的时候正常聊聊天。上白班的时候，大家会聊周末打算干什么、家里人、各种日常琐事。上夜班，大家都累得没力气好好聊。一半时间我们就干坐着，默默喝茶。”

iMario 的 Malik Powell 则从实操出发，讲思路框架和具体技术细节：

“如果我发现自己翻来覆去看同样的日志或者 Slack 讨论串，却提不出新的假设，那通常说明脑子已经饱和了。还有一种情况：我开始变得过分谨慎，或者反过来，有点太急着‘先上个修复再说’，根本没想清楚可能怎么出问题。”

两种回答放在各自的角色身上都显得真实。关键在于哪种口吻和人设标签对得上。对 2026 年一位 29 岁的产品经理来说，那种分析型的口吻，加上“信号质量”“边际收益递减”“我不怕复杂，就怕意外”这样的说法，读起来就是一位真实的 B2B SaaS 产品经理在接受调研访谈。而那种怀旧感伤的主角式口吻，读起来完全是另一个人。

iMario 访谈界面：第 5 题和主持智能体生成的追问

追问：谁来发起，什么时候发起

两个平台都支持追问，但形式不同。

我们这次跑到第 5 题时，iMario 的主持智能体做了一件 SyntheticUsers 访谈流程里没有的事：它判断这个回答值得深挖，于是在访谈中途、进入第 6 题之前追问了一句。

主持人（追问）：“能不能讲讲最近一次值班，你注意到了这些信号，比如反复翻日志，或者局面稳住、出现了一段空当，然后决定休息一下还是硬撑下去，这个决定后来怎么样了？”

这一问挖出了整份转写稿里最具体的内容：一次企业租户审计日志延迟的故障经历；休息 25 分钟之后重新梳理问题的转折；还有人设提出“某条具体配置路径”的假设后，顺藤摸瓜发现的一个队列分区问题。如果只问那道停留在表面的休息问题，这些一样都挖不出来。

SyntheticUsers 也支持追问，不过是在访谈结束后由用户发起。转写稿生成后，用户可以深入查看单份转写稿，向合成受访者追加提问。这适合由分析师主导的探索：读转写稿时发现一条想深挖的线索，就接着问下去。

两种形式适合调研的不同阶段。iMario 的自适应追问在访谈途中自动完成，不用分析师介入就能问得深，规模一大，这一点就很重要（并行跑 30 名以上受访者，没有分析师盯着每一场）。SyntheticUsers 由用户发起的追问更审慎：每一次追问都有分析师参与。如果调研图的是在接近真实的访谈压力下，挖出脚本以外的具体细节，访谈中途的自主追问在机制上就和事后追问不是一回事。要是每一次追问都得分析师把控，转写稿生成后由用户发起追问可能更合适。

行为提示：风格上的分歧

SyntheticUsers 的转写稿每隔一两句就嵌一段斜体舞台提示：在椅子上微微挪了挪、揉了揉眼睛、停顿、露出怀念的神情、揉了揉后颈。iMario 的转写稿里一处都没有。这是实实在在的风格取舍，见仁见智。

支持舞台提示的理由：舞台提示带来一种沉浸感，甚至有点戏剧效果，让合成受访者显得有血有肉。有些团队觉得，给相关方做展示时，这些提示很有用。

不支持舞台提示的理由：真实的访谈转写稿里没有舞台提示。每周要读 50 份转写稿的调研从业者，可能嫌这些提示太戏剧化，成了噪音，妨碍快速扫读内容。iMario 的朴素转写稿读起来更接近 Otter.ai 或 Grain 生成的真实转写稿。

按自己的工作流来选。两种都谈不上谁对谁错。

报告结构

访谈结束后，iMario 生成的报告把发现汇总成一张五层引用图谱：编码、类别、主题、发现和核心论点。上面 Malik Powell 这份转写稿生成的报告里，每个主题都链接到组成它的类别、每个类别下的编码，以及这些编码出自的原话和受访者 ID。只有一位受访者时，这条链很短；但一项调研有 50 或 500 名受访者时，正是同一套架构，让决策评审里那句“给我看看这是从哪来的”有据可答。

同一份首页示例里，SyntheticUsers 的 Report 标签页展示了执行摘要、关键主题、原话引用和建议，排版便于分享给相关方。论叙述式交付物，它更精致，只是证据链也更扁平。

iMario 报告界面：每个主题都能追溯到底层已编码的原话

这一次测试能证明什么，不能证明什么

这只是 iMario 的一次运行，对照的是 SyntheticUsers 公开的一份示例，两边用的都是极简输入。结果有参考价值，但算不上定论。老实说，有几点局限：

1. 只测了一次。在任一平台上重跑，生成的人设都可能不一样。要得出稳定的结论，得多跑几次。
2. 极简描述下的压力测试。之所以只给一个极简标签，是为了暴露各家引擎怎么处理单薄的描述。描述更丰富时（心理特征、以知识库为依据、更长的人物小传），两个平台生成的人设大概都会更贴合目标，差距也可能缩小。
3. 只有一份调研需求。夜班期间的内容消费是个很具体的话题。换一个调研问题（概念测试、价格敏感度、竞品访谈），平台的表现可能就不一样了。

这次对比能确认的是：在极简输入、单一调研需求、默认设置下，iMario 守住了人设标签，SyntheticUsers 公开的示例没有。如果你平时就是写一份简短的人设描述，再指望平台把其余部分连贯地补齐，这个测试和你直接相关。要是你从头到尾都写详尽的人设描述，做决定之前，先自己跑一遍这样的对比。

一周内怎么做决定

要在 7 天内拍板的话，至少把下面这套评估做完。

1. 注册 iMario 免费版，用一个按你真实调研目标搭建的人设，跑一场 20 个问题的访谈。记下从注册到拿到第一份转写稿用了多久。给这个人设在全部 20 轮里的身份一致性打分。
2. 带着同一套评估标准，把 SyntheticUsers 首页上的公开示例从头到尾读一遍：人设有没有和标签保持一致，平台怎么处理具体细节，报告结构能不能支撑决策评审。
3. 直接在 syntheticusers.com 注册，用你在 iMario 上用过的同一份人设描述跑一次。
4. 从三个维度比较两边的输出：人设标签还原度、全部轮次中的身份稳定性，还有合成用户反过来向访谈者提的问题有多尖锐。
5. 把两份报告都调出来，请团队里一位高层相关方各花 60 秒浏览，然后告诉你，决策评审时他愿意为哪一份背书。

这四项检查（第 4 步的三个维度，加上第 5 步那位相关方的选择）里，哪个平台至少赢下三项，哪个就最适合你们，不管我们在这篇文章里推荐的是哪一个。

结论

这场比较，并不是两个调研工具在同一件事上简单分出高下。两个平台都能用合成用户产出定性访谈式的转写稿。更本质的区别，在产品形态和能做的事上。

SyntheticUsers 是一套专注定性调研的工作流：设定目标受访者，跑一场访谈，拿到一份给管理层看的报告。它把这一件事做得顺畅、统一。如果团队用合成人物只做调研，这种专注就是优点。

iMario 是一个合成人物平台，定性调研只是五类用途之一。调研、概念验证、销售对练、内容测试和用户旅程模拟，用的都可以是同一批合成人物；架构也专门针对长访谈、大规模人群才会冒出来的问题做了优化。如果你用合成人物做的事不止调研，iMario 从一开始就是为这些任务搭的。

如果团队正在用 SyntheticUsers，想换一个能应付更长的访谈、更大的人群，或者能把合成人物用到调研之外的方案，iMario 就是值得评估的底座。

最可靠的决策依据，是用你自己的调研需求并排跑出来的转写稿。动手跑一次。

免费试用 iMario

注册就送 1,000 积分，无需绑卡。不到 15 分钟，就能跑完第一场合成访谈。

免费开始 →