沒有真顧客，也能先做行銷實驗？合成資料正在改寫消費者分析

假設一家公司準備推出新的會員方案，想知道「月費299元、399元、499元，哪一種最好？」最直接的方法，是找數萬名真實顧客進行A/B測試（A/B Testing）。

但問題來了，這樣做的成本很高，而且時間很長，同時還可能碰到個資問題。

拜行銷資料科學的出現，現在行銷人多了一個新選擇，先用AI建立10萬名「虛擬顧客」，讓不同年齡、收入、消費習慣與價格敏感度的人，在虛擬市場中跑一次。哪群人會買？誰可能退訂？499元會不會讓顧客大量流失？

此舉不但成本很低，時效很快，還沒有個資問題。這就是「合成資料」（Synthetic Data）開始受到行銷人重視的原因。

2026年2月，一篇發表在《大數據與認知運算》的文章，就專門討論合成資料如何協助企業訓練模型、模擬市場與分析消費者。

那到底什麼是「合成資料」？

簡單來說，就是「不是真人的資料，但看起來很像真的」。

企業利用真實資料的統計特性，例如：年齡、收入、購買金額、瀏覽路徑與商品偏好，透過AI產生大量虛構顧客。這些顧客並不對應到某一位真人，但整體資料的分布與關係，可以模仿真實市場。

常見方法包括：生成對抗網路（Generative Adversarial Networks, GANs）、變分自編碼器（Variational Autoencoders, VAEs），以及代理人基礎模擬（Agent-based Simulation）。例如，透過這些技術，可以建立10萬名具有不同預算、偏好與決策規則的虛擬消費者，再觀察價格改變、促銷增加或競爭者進場之後，他們會如何反應。

對行銷人而言，合成資料至少有三個很實際的價值：

第一是「保護隱私」。企業不必把真正的顧客姓名、交易與行為資料交給外部廠商，也能提供類似資料進行模型開發與測試。

第二是「無中生有」，補足「稀少資料」。例如：高價值顧客流失、特殊詐欺或小眾活動回應，真實案例可能少之又少。合成資料可以增加這類樣本，幫助AI學習。

第三是「兵棋推演」。企業可以先模擬：「如果漲價10%會怎樣？」「景氣衰退會影響哪些客群？」「促銷取消後誰最容易流失？」甚至在真正投入大規模A/B測試以前，先篩選比較值得測試的方案，降低試錯成本。

雖然合成資料有諸多少處，但背後有一個最大的陷阱，那就是「看起來很像真的，但不代表真的會這樣發生」。

作者藉此特別區分「技術有效性」（Technical Validity）與「行為有效性」（Behavioral Validity）。畢竟合成資料可能非常漂亮地模仿平均消費金額、年齡分布與購買相關性，卻未必能模仿人的習慣、從眾、促銷疲勞、信任下降與價格敏感度。

更麻煩的是，如果原始資料本來就有偏誤，合成資料可能依樣畫葫蘆，把偏誤大量複製。模型在電腦裡測試成績很好，但一碰到真人卻兵敗如山倒。

所以，合成資料最好的定位不是「取代真實資料」，而是先模擬、再驗證；先縮小範圍，再進入真實市場。

對行銷人而言，合成資料的出現可能是一個很重要的轉變。因為合成資料最大的價值，不是創造一群不存在的顧客，而是讓企業在真正拿市場與顧客冒險以前，先沙盤推演、未雨綢繆。

羅凱揚（台科大企管系兼任助理教授）、鍾皓軒（臺灣行銷研究有限公司創辦人）

資料來源：Theodorakopoulos, L., Theodoropoulou, A., & Klavdianos, C. (2026). Big data analytics and AI for consumer behavior in digital marketing: Applications, synthetic and dark data, and future directions. Big Data and Cognitive Computing, 10(2), 46. doi:10.3390/bdcc10020046.

【Vibe Coding：行銷數據分析學習圈】訂閱計畫（3 月預購，4 月起陸續上架更新）

•  15 堂 AI × 數據分析課程
•  36 小時系統化深度學習
•  128 則 AI 時代必學實戰案例

 課程詳情：https://aistudy.pse.is/vibe-coding-learning

為了回饋社群夥伴長期的支持，
 原價 19,999 元，特別加碼提供本群專屬折扣券 1,000 元： 讓你最低只要 3,999 元 就能完整加入學習圈！

折價券：8MwjovkB

金庸群折價券：bJDX0v7G

歡迎大家一起加入，一起在 AI 時代持續升級