生成式AI引領消費者研究：大型多模態模型開啟的新視野

自ChatGPT於2022年底問世後，生成式AI（Generative AI），尤其是大型多模態模型（Large Multimodal Models, LMMs），在學術研究與行銷領域迅速崛起。

2025年，發表於《行銷科學學會期刊》一篇文章〈全新世界的新視角：以生成式人工智慧開拓消費者研究的未知領域〉，為行銷與消費者研究者提供一份「實地指南」，說明如何在行銷研究的各個階段運用 LMM（大型多模態模型）。

以下透過六步驟進行簡單說明：

1.研究構想產生（Idea generation）

在起步階段，學者需要找出具有新意且切合時代脈動的研究問題。LMM 透過深度學習（Deep Learning）訓練於龐大的文本與多媒體資料，可快速掃描跨領域文獻、發掘尚未被充分探索的議題，並提出多元的研究假設。

它能從心理學（Psychology）、行為經濟學（Behavioral Economics）到市場學（Marketing）等資料中，串接出新穎的現象與趨勢。這有助於突破人類因經驗或既定觀點所產生的「確認偏誤」（Confirmation Bias），但同時也可能因訓練資料來源過於相近，長期下來出現創意趨同的問題。

2.理論發展（Theory development）

接著是建立能解釋消費者行為的概念模型與假設。LMM能整合不同學科的理論，提出關聯變數，協助學者構築跨領域的理論架構。它能從心理學（Psychology）、管理學（Management）到行為科學（Behavioral Science）中抓取相關概念，並建議中介（Mediation）或調節變項（Moderation）。

不過，理論建構涉及對因果機制（Causal Mechanism）及情境因素（Contextual Factors）的深度理解，這是LMM無法真正取代人類洞察的部分，因此研究者仍需進行批判性判斷與驗證。

3.前測與試測（Pretesting & Pilot testing）

在正式研究前，學者需測試問卷或實驗設計的可行性。LMM能透過「矽樣本」（Silicon Samples，用AI自動生成的「人工受訪者」或「人工實驗對象」，用來替代傳統的人類受試者。）快速模擬大量受試者，協助檢驗問卷理解度或實驗流程，降低成本與時間。

但研究也發現，LMM在模擬人類多樣性（Human Diversity）與真實反應（Realistic Responses）上仍有限，可能產生較為通用或缺乏細膩情感的回答，因此學者仍需精心設計提示（Prompting）並進行人工評估。

4.實驗設計中的資料蒐集（Data collection for experimental designs）

在正式實驗階段，LMM可依研究設計生成實驗情境（Experimental Scenarios）、問卷題項，甚至建立與人類受試者規模相當的矽樣本。它能迅速執行隨機分派（Random Assignment）與收集資料，協助進行複雜的因果檢驗（Causal Testing）。

然而，由於訓練資料的偏差（Data Bias）與模型安全機制（Safety Mechanism）限制，所生成的樣本未必能完全代表真實世界的行為模式，研究者必須謹慎比對與驗證。

5.資料分析（Data analysis）

LMM可解釋統計概念、建議合適的檢定方法，甚至提供R或Python程式碼協助資料處理，對基本統計分析（例如t檢定、ANOVA與迴歸）支援良好。

但在更高階的中介（Mediation）或調節中介分析（Moderated Mediation）上，表現仍不穩定，需要研究者自行執行或進一步調整。換言之，LMM 在資料分析上是輔助工具，而非完全自動化的替代方案。

6.結果報告（Reporting）。

最後，在研究結果發表與報告階段，LMM能快速潤飾語法、提高清晰度，並協助根據不同讀者（學界、業界）需求調整寫作風格。它能提供草稿架構與摘要，幫助學者專注於洞察與討論。不過，最終的學術嚴謹度與原創性仍需人工把關，以確保研究品質。

LMM消費者研究流程框架，呈現了從「靈感到發表」的完整路徑，並指出每一階段LMM可帶來的效率與創新潛力。同時也提醒我們，AI雖能強化研究流程，但仍無法取代人類在理論判斷、情境理解與倫理把關的核心角色。對行銷研究者而言，這不僅是一份技術指南，更是未來人機協作的新藍圖。

作者：羅凱揚（台科大企管系博士）、鍾皓軒（臺灣行銷研究有限公司創辦人）

資料來源：Yoo, K., Haenlein, M., & Hewett, K. (2025). A whole new world, a new fantastic point of view: Charting unexplored territories in consumer research with generative artificial intelligence. Journal of the Academy of Marketing Science, 53(3), 723–759.