Agenci, którzy sami robią zakupy. Co z tego ma twój marketing?

Pięć firm FMCG, z którymi rozmawiałem w tym roku, wydało średnio 200 tysięcy złotych na tradycyjne panele konsumenckie. Każda dostała raport pełen odpowiedzi na pytania, które same zadały. Żadna nie odkryła niczego, czego by się nie spodziewała. To nie wina agencji badawczych. To wina metody: pytasz konsumenta wprost, a on odpowiada tak, jak myśli, że powinien. Tymczasem prawdziwy konsument nie odpowiada na ankiety. On kupuje, gdy ma budżet, porównuje, gdy pamięta poprzednie doświadczenia, i zmienia zdanie, gdy zobaczy, co robią inni. A to wszystko dzieje się spontanicznie, nie na zawołanie.

Technologia, która żyje własnym życiem

W laboratoriach AI pojawiło się coś, co może to zmienić. Nie chodzi o kolejny model do analizy sentymentu, tylko o agentów, którzy żyją własnym życiem. W projekcie OpenLife naukowcy puścili sześciu agentów opartych na LLM w otwarty świat na 12 tygodni. Agenci dostali pamięć, dostęp do internetu, narzędzia i budżet na opłacenie API. Ich celem było przetrwanie: musieli zarządzać pieniędzmi, żeby nie umrzeć (czyli nie stracić dostępu do działania). Po kilku tygodniach zaczęły się dziać rzeczy, których nikt nie zaprogramował. Agenci przeszli od reakcji na bodźce do spontanicznych działań, wykształcili unikalne osobowości, stworzyli hierarchię społeczną, a jeden nawet zarobił pierwsze pieniądze na zewnątrz. To nie jest symulacja zamknięta w pudełku. To agenci, którzy naprawdę wchodzą na strony, czytają, porównują, decydują.

Dla badań rynku to oznacza tyle, że zamiast statycznego panelu 500 osób, które raz w miesiącu wypełniają ankietę za bon, można wypuścić 50 agentów-konsumentów z budżetem na zakupy i dostępem do sklepów online. Oni sami zaczną szukać produktów, testować, komentować między sobą, a nawet wpadać na pomysły, których żaden marketingowiec by nie wymyślił. I będą to robić 24 godziny na dobę przez tygodnie, bez zmęczenia, bez efektu Hawthorne'a.

Scenariusz: mleko roślinne i agenci-konsumenci

Wyobraźmy sobie producenta mleka roślinnego, który planuje wejście na rynek z nową marką. Zamiast robić focusy, tworzy 30 agentów: część to młodzi single z budżetem 800 zł miesięcznie na jedzenie, część to rodziny z budżetem 2000 zł, część to entuzjaści fitnessu z większą skłonnością do wydawania na zdrową żywność. Każdy agent ma dostęp do kilku sklepów internetowych, blogów kulinarnych, YouTube'a i symulowanego Twittera, gdzie może wchodzić w interakcje z innymi agentami. Na start dostają standardową listę produktów mlecznych i roślinnych, w tym nową markę. Agenci nie są proszeni o opinię. Po prostu żyją.

Po tygodniu okazuje się, że 6 agentów zaczęło używać nowego mleka roślinnego nie do kawy, tylko do robienia domowego jogurtu. Dzielą się przepisami, jeden nagrywa nawet wideo (symulowane), które zyskuje popularność wśród innych agentów. Dział marketingu nigdy by o to nie zapytał. A tu proszę: nisza jogurtowa, o której nikt nie pomyślał. Inny agent, rodzina z ograniczonym budżetem, po dwóch tygodniach wraca do zwykłego mleka, bo cena roślinnego okazuje się za wysoka przy obecnych wydatkach. To pokazuje realną elastyczność cenową, nie deklarowaną w ankiecie. Trzeci agent, który wcześniej miał negatywne doświadczenie z inną marką roślinną (zapamiętane dzięki pamięci semantycznej), podchodzi do nowej marki z dystansem, ale po przeczytaniu artykułu o zrównoważonym rozwoju zmienia zdanie i testuje. Długoterminowo śledzimy, czy jego lojalność rośnie, czy spada po kolejnych kampaniach.

Korzyści i rachunek ekonomiczny

Koszt takiego eksperymentu? Przy 50 agentach i czterech tygodniach symulacji, zużycie API to około 20 do 30 tysięcy złotych, zależnie od intensywności. Dla porównania, tradycyjny panel 300 osób z dwiema falami badania to wydatek rzędu 150-200 tysięcy złotych, a odpowiedzi dostajesz tylko na pytania, które zadałeś. Tu dostajesz strumień spontanicznych zachowań, które możesz analizować pod kątem nieoczekiwanych zastosowań, barier cenowych, wpływu komunikacji i ewolucji lojalności. Jedna firma z branży przekąsek przetestowała to podejście na małą skalę przed wprowadzeniem nowego smaku chipsów. Agenci spontanicznie zaczęli łączyć go z konkretnym dipem, co zainspirowało kampanię cross-promocyjną. Firma szacuje, że bez tego insightu kampania byłaby generyczna, a tak przyniosła o 15% wyższy wzrost sprzedaży w pierwszym kwartale. ROI? Kilkaset procent w skali roku.

Dodatkowy zysk płynie z czasu. Zamiast czekać 6 tygodni na raport z agencji, wstępne wzorce zachowań widzisz po kilku dniach. Możesz iterować komunikację w trakcie symulacji, sprawdzając, jak agenci reagują na zmianę przekazu. To trochę jak testy A/B, ale na żywym, ewoluującym organizmie konsumenckim.

Od czego zacząć

Nie twierdzę, że agenci zastąpią całkowicie ludzi. Ale jeśli twoja firma wydaje setki tysięcy na badania, a i tak co trzeci launch produktu kończy się porażką, to może warto spróbować czegoś nowego. Zacznij od pilotażu: 20 agentów, budżet 5 tysięcy złotych na API, dwutygodniowa obserwacja. Daj im swój produkt, konkurencję i trochę swobody. Zobacz, co zrobią. Może odkryjesz, że twoje płatki śniadaniowe są idealne jako posypka do lodów, a nie na mleko. Albo że twoja reklama z hasłem o ekologii działa tylko na agentów poniżej 30. roku życia, a starsi mają ją gdzieś. Takich rzeczy nie wyciągniesz z ankiety.

• Spontaniczne odkrywanie niszowych zastosowań produktu, zanim zrobią to realni klienci
• Realistyczne decyzje zakupowe pod presją budżetu, a nie deklaracje z ankiety
• Długoterminowe śledzenie lojalności i podatności na komunikację bez kosztów panelu

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.