# 合成用户 vs 传统调研：2026 年用“成本、时间、学习速度”算清 ROI

> 一套有数据支撑的 ROI 框架，用来比较传统调研和合成用户模拟。看的不只是花多少钱，更是多快拿到信号、学得有多快。

Source: https://imario.ai/zh/blog/synthetic-users-vs-traditional-research-roi-2026
Published: 2026-02-23
Author: iMario 团队

![](https://cdn.imario.ai/blog/synthetic-users-vs-traditional-research-roi-2026.png)

如果只拿“一项调研花多少钱”来衡量调研的 ROI，就盯错了指标。到了 2026 年，真正的瓶颈是**学习速度**：在把研发、市场推广和声誉押上去之前，你能多快把不确定性降下来。

先看三组值得参照的数字：

- 一项针对 **300 多位 UX 研究员**的调查显示，完成最近一个调研项目，用时**中位数是 42 天**；**59.3%** 的人说用了几周，**30.3%** 说用了几个月。研究员们认为最耗时的环节是分析（占项目时间的 **32.7%**），其次是招募（**26.6%**）。而延误最大的来源是**招募和运营（36.3%）**。[^1]
- 按调研公司的公开报价基准，**10-15 场深度访谈依然要 $5,000–$15,000**，**[焦点小组](https://imario.ai/zh/blog/best-ai-focus-group-tools-2026)每组 $7,000–$20,000 以上**。[^2]
- 就算“只算招募 + 酬金”，也是一笔不小的开销：面向专业人士的远程 1:1 调研，酬金通常在**每小时 $100 左右**；招募平台可能**每完成一场收 $34–$40**[^3]；而且有数据显示，酬金越高，爽约率明显越低（以一个大型基准数据集为例，**每小时 $60** 时约 **10%**，**每小时 $100** 时约 **8%**，**每小时 $150** 时**低于 5%**）。[^4]

> 调研之所以“慢”，不是因为团队不上心，而是因为整套体系就是围着人力瓶颈搭起来的。

## 框架：C × T × L

用下面这个简单模型来比较不同做法：

- **C（每轮迭代的现金成本）**：酬金、招募费、工具费、供应商费用、内部工时。
- **T（拿到第一个信号的时间）**：要等多久，才能做出方向正确的判断。
- **L（学习速度）**：每个季度能跑多少轮有意义的迭代。

学习速度是乘数。[传统调研](https://imario.ai/zh/primary-market-research)可以质量很高，但如果 T 要以周计、一个季度只能迭代 1–2 轮，ROI 照样很低。

## 传统调研的基准数据

列这些数字，不是为了贬低传统方法，而是要把账算清楚。

| 成本 / 时间项 | 公开基准（美元） | 通常意味着什么 | 来源 |
|---|---:|---|---|
| 深度访谈（IDI） | 10–15 场共 $5,000–$15,000 | 由供应商操办的定性调研（招募、主持、分析、报告） | Drive Research（2026 年更新版） |
| 焦点小组 | 每组 $7,000–$20,000+ | 场地/后勤 + 招募 + 主持 + 分析的开销 | Drive Research（2026 年更新版） |
| 招募费（平台） | 每完成一场 $34–$40 | 不含酬金；随完成量线性增长 | Respondent 价格页 |
| 酬金基准（B2B 远程） | 约每小时 $100（常见基准） | 酬金越低，爽约风险越高 | User Interviews 酬金报告 |
| 爽约率与酬金（远程、有主持人） | 每小时 $60 约 10% → 每小时 $100 约 8% → 每小时 $150 低于 5% | 酬金会影响招募难度和排期的可靠性 | User Interviews 酬金报告 |
| 酬金区间（焦点小组） | $150–$200（专业人士）、$300–$500（VP 及以上）等 | 资历越高、人越稀缺，涨得越快 | Great Question（2026 年指南）[^5] |
| 样本招募周期（焦点小组） | 3–7 天（一般人群）/ 2–4 周（小众人群） | 再“快”的项目，也绕不开实打实的日历时间 | Great Question（2026 年指南） |
| 调研周期（端到端） | 中位数 42 天 | 项目常常以“周”计，往往卡在运营和分析上 | dscout 调查（300+ 位 UX 研究员） |

看了这些数字，就明白“多做点调研”为什么很少行得通。你缺的不只是预算，还有时间、运营人手和分析师的精力。

## 合成调研改变了什么

[合成用户](https://imario.ai/zh/blog/what-are-synthetic-individuals-and-why-they-can-represent-real-humans)不是取代真人的魔法，它改变的是调研工作的基本单位。

不必只做一个又大又慢的项目，可以跑**很多轮小迭代**：把问题收紧，换着测试素材试，探一探边界情况，赶在真金白银押错方向之前，先把答案收敛出来。

### 大多数团队真正需要的部分

| 维度 | 传统调研 | 合成用户（模拟） |
|---|---|---|
| 拿到第一个信号的时间（T） | 常常要几周（报告的中位数为 42 天） | 几小时到当天就有信号（无需招募、排期） |
| 每轮迭代的边际现金成本（C） | 高：酬金 + 招募 + 分析师时间，每轮都要重来一遍 | 低：边际成本主要是算力 + 编排 |
| 学习速度（L） | 每季度 1–2 轮有效迭代很常见 | 每周（甚至更快）迭代一轮变得可行 |
| 最适合 | 情感深度、敏感话题、行为观察、合规要求严格的验证 | 探索、概念和传播信息的迭代、早期的细分人群假设、找出会失败的地方 |
| 主要的失败方式 | “完美的洞察”到了，决策早已做完 | 产出如果缺少治理和验证，容易过度自信 |

赢的关键不在于“合成还是真人”，而在于**用合成求速度，用真人求真相**。

## 实用的混合打法

想拿到 ROI，又不想在方法论上折腾，可以这样做：

1. **先从合成开始**：快速迭代，摸清全貌（什么能引起共鸣、什么会出问题、哪些细分人群意见分化）。
2. **只让入围方案**进入真人验证：访谈更少，问题更好，测试素材更精炼。
3. **把学习速度制度化**：把每轮迭代都当作一次可以重放、可以对比的实验。

这样，调研才会变成一项持续复利的资产，而不是偶尔做一次的项目。

## 2026 年的结论：ROI = 学习速度

代价最高的结果，不是为调研花钱，而是因为[学习循环跟不上](https://imario.ai/zh/blog/five-ai-shifts-in-product-development)，满怀信心地推出了错误的东西。

想亲身感受这种转变，就从一个切入场景开始：**概念测试或产品方向**。用一句话描述目标人群，[跑一组合成样本](https://imario.ai/zh/blog/introducing-imario-1-0)，反复打磨测试素材，再找一小批真实用户验证最重要的几条洞察。

[申请抢先体验或预约演示 →](https://imario.ai/zh/invitation)

[^1]: dscout：“Left Behind: 300+ UXRs on What Makes for an Adequate Research Project Timeline”（300 多位 UX 研究员谈多长的调研周期才算合理；中位数 42 天，延误来源拆解） https://www.dscout.com/people-nerds/research-timelines
[^2]: Drive Research：“How Much Does Market Research Cost in 2026?”（2026 年做市场调研要花多少钱；各类方法的费用区间） https://www.driveresearch.com/market-research-company-blog/how-much-does-market-research-cost/
[^3]: Respondent 价格页（按完成场次收取的招募费） https://www.respondent.io/pricing
[^4]: User Interviews：“The UX Research Incentives Report”（UX 调研酬金报告；B2B 酬金基准，爽约率与酬金的关系） https://www.userinterviews.com/blog/research-incentives-report
[^5]: Great Question：“Focus Groups: How to Plan, Recruit & Run Them (2026 Guide)”（焦点小组的策划、招募与执行指南；酬金区间，招募周期） https://greatquestion.co/blog/focus-groups

## 常见问题

### 传统用户研究到底要花多长时间？

dscout 在 2024 年调查了 300 多位 UX 研究员，从项目启动到交付洞察，用时的中位数是 42 天。59% 的人说周期要按周算，30% 说要按月算。分析占用的项目时间最多，达 33%，其次是招募，占 27%；而最大的延误来源是招募和运营，占 36%。周期这么长，代价不只是日历上多出来的天数，更是那些团队等不及调研、只好先拍板的战略决策。等洞察出来，产品已经发布，传播信息也早就定了。所以在 2026 年，问“调研有多便宜”，本身就问错了。对大多数团队来说，真正的瓶颈是多快拿到第一个信号，而不是花多少钱。

### 2026 年做定性调研要花多少钱？

传统定性调研的公开基准价格一直比较稳定。交给调研公司做 10 到 15 位受访者的深度访谈，费用在 $5,000 到 $15,000，包含招募、主持、分析和报告。焦点小组每组 $7,000 到 $20,000 甚至更高，具体要看场地和目标人群。Respondent 这类招募平台，除了参与者本人的酬金，每完成一场还要另收 $34 到 $40。B2B 远程 1:1 访谈的酬金通常在每小时 $100 上下；爽约率从每小时 $60 时的 10%，降到每小时 $150 时的 5% 以下。一项找 30 位资深 B2B 受访者的访谈调研，还没算分析师的工时，直接的现金支出就可能超过 $25,000。

### 合成用户能完全取代真实用户研究吗？

不能，而且这个问法本身就不对。合成调研和真人调研解决的是同一个问题的不同部分。合成用户最适合探索、迭代和预演：快速做概念测试、试不同版本的传播信息、提出细分人群假设；招募预算还没花到错误的测试素材上，就先找出会失败的地方。情感深度、敏感话题、真实场景里的行为观察、合规要求严格的验证，这些仍然离不开真实用户。投入产出比最高的做法是两者结合：先用合成方式摸清问题的全貌，挑出两三个值得认真测试的素材版本；只让入围方案进入真人验证，访谈场次更少，问题却问得更准、更好。目标不是合成和真人二选一，而是每个季度多完成几轮真正有收获的迭代，至于这些迭代是怎么完成的，并不重要。

### 合成用户研究的 ROI 优势到底在哪？

ROI 最好按“成本 × 时间 × 学习速度”来建模，其中学习速度是乘数。传统调研质量高，但周期中位数是 42 天，一个季度只能迭代一两轮。合成调研把拿到第一个信号的时间从几周压缩到几小时，每周迭代、甚至当天迭代都做得到。每轮迭代的边际成本也大幅下降，因为反复发生的大头支出（酬金、招募费加上分析师的时间）换成了算力和编排成本。真正重要的是复利效应：一个季度跑 12 轮小迭代的团队，对问题的理解会超过只做 2 项大型调研的团队，哪怕后者单次调研的还原度更高。需要管住的风险是过度自信。合成结果如果缺少治理和真人验证，就可能给出信心十足的错误答案。ROI 实实在在，但前提是校准到位。

### 怎么把合成用户研究融入现有的调研体系？

通常做三处调整就够了。第一，把每轮迭代当作一次存档的实验，而不是一次性项目。人群、测试素材和问卷（或提纲）只定义一次，之后随着测试对象不断改版反复重跑。正是这一点，让调研变成一项能持续复利的资产，而不是偶尔交一份的报告。第二，给下游的真人验证明确留出预算。一条简单的规则：任何会改变上市决策的合成结论，拍板前都要安排一轮 5 到 10 人的真人验证。第三，把校准环节制度化。每个季度至少一次，挑一个稳定的人群，用同一套问卷或提纲分别问合成样本和真人样本，看合成样本给出的分布是否仍与真人调研吻合。差距一旦拉大，就说明该更新合成配置了，而不是该放弃这套方法。