合成人物
合成人物
用真实数据校准过的 AI 人物，像背后的真人一样思考、反应和回答。每一位都有稳定的立场，也有自己的记忆。可以像访谈用户一样单独访谈一位，也可以把成千上万位编成一个人群，什么想法都能在几小时内测完。
合成人物是什么
合成人物是 AI 生成的虚拟人物：以真实数据为基础构建，对照真实人群的分布校准，像某个具体的真人那样思考和回应。
它不是套了个名字的聊天机器人，而是把某一类具体的人长久地装进了模型里：这类人的人口属性、生活处境和价值观，还有他们实际做决定的方式，它都有。问它一个问题，它答起来就像那个人，而不像通用助手。
这一点很关键。大多数 AI 人设都很单薄，说到底只是一段提示词，所以聊着聊着就跑偏，你说什么都附和，最后只剩一个不痛不痒的平均答案。合成人物在设计上就要守住稳定的立场，还要反映人群里真实的观点分布，这样它的回答才能真正拿来做决策。
从真实数据出发，拿现实来检验
合成人物和一段提示词的区别在两点。第一是锚定：每位合成人物都用真实的人口统计和社会学数据生成，起点是真实人口分布中的某个位置，而不是某种刻板印象。第二是校准：iMario 以真人实际给出的回答分布为准，修正它的回答。
这不是口号，有数字可查。公开的 iMario 准确度基准测试覆盖 11 个人群、900 多道题，题目取自 Pew Global Attitudes、ANES、CGSS 和 Stack Overflow Developer Survey。在这项测试里，合成人群与真实调研回答分布的吻合度约为 89%。作为参照，同一份真实问卷换一批新样本重做一遍，和原来的结果也只有约 93% 吻合。
- 锚定真实的人口统计和社会学数据
- 与真实调研分布的吻合度约 89%，用注明出处的公开数据验证
- 真人重测的上限约为 93%，所以和真人实地调研的差距很小
- 每份人物档案、每条回答、每一行评分代码都已公开，可以复现
合成人物的几种形态
合成人群
把成千上万位合成人物编成一个市场样本，几小时内就能在不同细分人群里测试概念、文案、定价和创意。
了解更多合成用户
扮演使用你产品的人。还没动手开发，就能先做深度访谈、验证流程。
合成客户
扮演你的目标买家。真正和客户通话之前，团队可以先把推介话术和最难应对的异议对练一遍。
合成员工
让合成人物上岗，充当合成劳动力；或者把它接进 AI 智能体，让智能体做决定前先听听受影响的人怎么说。
数字孪生
为某一位具体的真人建模，给利益相关方或重点客户留一个常驻替身，想问什么都能问。
合成小组
召集一小群合成人物坐到一起，看他们怎么回应一个想法、怎么顺着彼此的话往下聊，省掉招募这一步。
iMario 怎样构建合成人物
人物生成引擎
你用大白话描述想要的人群。一套多阶段流程先把描述拆成多样性维度和抽样矩阵，再生成九个章节的深度人物档案，让每位合成人物都有前后自洽的身份，而不只是一句提示词。
真实数据锚定
每位合成人物都和真实的人口统计及社会学数据挂钩。这样生成的人群，构成和你要模拟的真实市场一致，不是图省事套来的刻板印象。
校准层
模型的原始回答带有偏差。校准层参照真人在类似问题上的回答分布，把这些回答往回修正。准确度正是靠这一步，从原始模型的水平提升到真实调研的水准。
持久记忆
每位合成人物都有自己的记忆，在一场访谈里、在多次对话之间都能保持一致，不会上一轮说东、下一轮说西。
可复用，可编排
合成人物建好之后，可以组成不同的人群，可以一对一访谈，也可以编排起来协同工作，不用每做一次调研就重新生成一批人。
超越角色扮演， 模拟真实的人。
稳定的身份认同、有边界的专业知识、自适应推理能力，以及类人记忆系统。不是几轮对话后就会走样的角色，而是扎根于真实人类特征的认知模型。
深度身份
每一个身份都真实呈现了他们思考、反应与表达方式背后的现实认知复杂性。
我愿意为环保品牌多付钱。这对我很重要。
专家反思
每一条回答都由内置专家进行分析，挖掘隐藏动机与言外之意。
知识边界
清晰的边界防止过度回应。他们只就自己真正了解的内容作答。
智能体技能
为合成个体配置可执行技能、设定熟练度，让他们替你完成工作。
类人记忆
跨会话的三层记忆系统，基于艾宾浩斯遗忘曲线运作。
合成人物与其他方案对比
| 合成人物（iMario） | 通用 AI 人设 | 真人样本库 | |
|---|---|---|---|
| 数据基础 | 真实数据，经过校准 | 只凭提示词猜测 | 真实，但慢 |
| 速度 | 几分钟 | 几分钟 | 几周 |
| 单次调研成本 | 低，可反复做 | 低 | 高 |
| 一致性 | 稳定，有记忆 | 会跑偏，爱附和 | 有抽样误差 |
| 准确度验证 | 公开基准测试 | 没有 | 本身就是基准 |
| 触达范围 | 任何市场，即时可用 | 任何市场，但不可靠 | 难招募 |
准确度有多高，边界在哪里
准确度取决于有没有真实数据可以用来锚定和校准。有这样的数据，合成人物就能把真实的回答分布还原得很接近。遇到没有先例的全新问题，它给出的是扎实的估算，而不是实测结果。iMario 会把这一点讲明白，不会拿一个数字套用到所有情况上。
实事求是地说，合成人物是用来补充真人调研的，不是取代它。跑又快又便宜的迭代、缩小候选范围、在根本来不及招募的市场里给想法做压力测试，这些都交给合成人物；风险最高的那几个决定，再留给一小轮真人调研。这样用，合成人物快、覆盖广的长处才会变成更好的决策，而不是虚假的把握。
