问卷与定量

SurveyCTO：Pendragon Forms 的替代方案

SurveyCTO 是移动数据收集平台，可作为 Pendragon Forms 的替代方案，用于创建调查应用并安全采集数据。该平台称已有数千家组织使用。

Pew 研究发现数字孪生存在与 MeasuringU 研究相同的问题

Pew Research Center 用数字孪生完成近 300 道 ATP 调查题，平均绝对误差为 12 个百分点，结论是 AI 模型不足以替代真实人群调查。表现最好的配置为 Claude Opus 4.6 加扩展画像与专家反思，仍有约 28% 的题目误差超过 15 个百分点。MeasuringU 的两项 SUS 数字孪生实验也发现孪生系统性高估分数，其商业软件研究分别高估 10.6 和 10.4 分。

为什么值得看：文章对比 Pew 与 MeasuringU 的数字孪生实验，呈现合成用户在问卷作答中的系统性偏差和模型差异。

行为科学广告测试工具：它们测量什么

Listen Labs 的评测梳理了行为科学广告测试的五类信号：注意力、情绪反应、内隐联想、记忆编码和认知负荷，并指出每种方法都有测量上限。按“能否解释广告为何有效、对谁有效”排序，Listen Labs 以 AI 主持视频访谈结合 Emotional Intelligence 列第一，覆盖 50+ 语言、不到 24 小时交付；Kantar LINK AI 基于 300,000+ 广告测试，约 1/4 广告与调查区间不匹配。

Dynata：受访者也在给问卷打分，而你尚未测量

Dynata 指出每份问卷会被调研方和受访者各打一次分：前者看完成量、发生率、成本与数据质量，后者看耗时、无关问题与甄别问卷体验。两套评分很少一致，通常只有调研方的那张被记录下来。

粉色包装与真金白银：TikTok 如何重塑 Z 世代保健品消费习惯

Prodege 与 First & First Consulting 的联合研究发现，TikTok Shop 已为保健品行业带来超 $1 billion 收入，Z 世代保健品消费高度依赖该平台与创作者。研究调查 3,000 名 21-80 岁美国成年人，并分析 78,000 条公开帖子和 KaloData 的 TikTok Shop 销售数据；65% 的 Z 世代保健品使用者使用 TikTok，42% 从网红处而非医生获取健康建议（非使用者为 28%）。但医生仍是他们最信任的权威，仅 32% 会先找医生、29% 使用 AI 聊天机器人。

AI 信息测试用研工具横评：Listen Labs 为何胜出？

Listen Labs 在 AI 信息测试用研工具对比中排名第一，凭借真实认证受访者、AI 主持访谈和不到 24 小时出结果。其样本库覆盖 50M+ 认证受访者、45+ 国家和 120+ 种语言；合成受众仅适合初筛，定量问卷用于规模化排序。

Cint 与 Advertising Week：AI 广告时代品牌如何赢得并保持消费者信任

Cint 与 Advertising Week 在 Advertising Week New York 2026 的会议上分享 1,000 名美国受访者调研，聚焦 AI 广告中的消费者信任。80% 在个人生活中使用 AI，但 80% 担忧 AI 制作广告；93% 称品牌信任影响购买决策。75% 认为品牌应披露 AI 使用，43% 称未披露 AI 或合成媒体是品牌彻底失去信任的最大原因。

SightX 概念测试替代品：9 个平台排名

Listen Labs 的 Anish Rao 将 SightX 概念测试替代品整理为 9 个平台排名，并在需要解释概念成败原因时把 Listen Labs 列为首选。SightX 擅长 conjoint、MaxDiff、TURF 等定量评分，但缺少深度定性访谈分析。Listen Labs 覆盖 50M+ 受访者、45+ 国家和 120+ 语言，可在 24 小时内出结果。

合成受访者平台对比：Listen Labs 的买方框架

Listen Labs 按底层数据源把合成受访者平台分为四类，并提出真人基准、分群准确度、问题敏感性、可重复性和预测效度五项验证清单。其 Listen Twins 从 50M+ 验证网络的真人访谈构建 1:1 数字分身，可秒级返回 100+ 条带推理、引语和置信分的预测答案。纯 LLM 人设因缺乏真人锚定而误差高、分群差距被放大 2–4 倍且重复运行不稳定。

AURA：面向 AI 驱动自适应对话式问卷的强化学习框架

AURA 提出一个强化学习框架，用于 AI 驱动的自适应对话式问卷，受控评估中回答质量平均提升 +0.076。它用 LSDE 指标评估回答，并基于 96 段既往校园氛围对话（467 次交流）初始化策略。AURA 还显著优于非自适应基线（p=0.044，d=0.66），并将 specification prompts 减少 63%。

用于信息测试的最佳成对比较工具

Listen Labs 在面向信息测试的成对比较工具盘点中排名第一，组合 Head-to-Head 胜率、无并列 MaxDiff 排名和 AI 主持追问给出选择理由。其 50M+ 验证样本库覆盖 45+ 国家和 120+ 语言，24 小时内出结果；文章还列出 OpinionX 免费版限 25 人、Analyze $900/年，并建议超过约 10–12 条信息后改用 MaxDiff。

Listen Labs 盘点 AI 问卷工具并给出采购验证清单

Listen Labs 增长负责人 Anish Rao 撰写 AI 问卷工具选购对比指南，把 Listen Labs 列为首选，并引用 Pew Research 2026 年 9 月 30 日的独立基准作为依据。Pew 让一个 AI 模型套用真实 American Trends Panel 成员的人设回答 2026 年上半年三轮调查近 300 道题，合成估算与真人平均相差 12 个百分点，约 28% 的题目差距超过 15 个百分点，个体层面匹配率约 55%。文中还给出六项采购验证清单，涉及真人数据基础、个体层面输出与答案可追溯性，并对比了 PersonaPanels 与 Delve AI。

为什么值得看：文中汇总了 Pew 的独立基准与六项采购验证清单，可用于评估合成受访者工具在定价与高风险决策中的适用边界。

Listen Labs 列出六种比 A/B 测试更适合信息测试的替代方法

Listen Labs 列出六种替代 A/B 测试的信息测试方法，包括定性访谈、MaxDiff 和单因子测试。A/B 测试无法解释原因，检测 10% 相对提升约需每变体 30,400 名用户，74.2% 的测试无显著差异。其 AI 主持访谈覆盖 50M+ 受访者、45+ 国家和 120+ 语言，24 小时内出结果；Wynter 起价 $899/测试。

研究评估LLM人格模拟中的分级认知多样性

一项研究检验LLM人格模拟能否复现人类认知差异，并以473名成年人作为对照。团队用认知反思、认知需求与大五人格设定代理，让模型完成同一套测验；模型能再现自陈人格分布，却难以反映推理任务和行为差异。Claude Sonnet 4.6无论人格设定均获CRT满分，显著偏离人类。

为什么值得看：研究用473名成人对照LLM人格模拟，指出模型能复现自陈人格却难还原推理与行为差异，可供评估合成用户时参考。

Circana 概念测试替代方案：决策框架

Listen Labs 给出 Circana 概念测试替代方案决策框架，按敏捷筛选、销量预测、AI 主持定性研究和自助问卷四类匹配任务。Circana 用 50 万已验证购买者做预测，称 90% 成功率、误差 ±10%，但未经独立审计；Listen Labs 则以 50M+ 受访者、45+ 国家和 120+ 语言在 24 小时内补 AI 主持访谈的定性深度。

CPG 信息测试工具：Claims、Taglines 与 Pack Copy

Listen Labs 在 CPG 信息测试工具盘点中综合排名第一，主打 AI 主持访谈与 MaxDiff 结合。它从 50M+ 验证受访者网络招募品类买家，24 小时内交付，成本约传统研究三分之一，P&G、Nestlé 在平台上开展 CPG 研究。NielsenIQ BASES 单概念单市场约 $50,000–$75,000、需六到十二周；Qualtrics Strategic Research 起价 $5,040/年。

Prodege 与 First & First Consulting 研究：社交媒体到底如何影响 Z 世代健康悖论

Prodege 与 First & First Consulting 调查 3,000 名美国成年人发现，Z 世代日均使用社交媒体不足 1 小时的净心理健康得分为 43%，低于 1–2 小时的 62%，7 小时以上为 55%，重度使用未线性恶化。5 小时以上 Z 世代中 66% 每周多次线下社交，26% 认为健康与放纵的矛盾更像审美而非妥协。

LLM角色模拟的关键因素：冷启动电商广告中的信号形式

研究在真实广告活动中比较冷启动电商广告缺少历史数据时的 LLM 用户画像模拟配置，发现最小人口描述、相对定性盲测信号及提示措辞效果最佳。其 MAE 较最佳非 LLM 基线降低 51.3%。

概念测试最佳 Conjoint Analysis 工具：Listen Labs 位列端到端首选

Listen Labs 在面向概念测试的 Conjoint Analysis 工具盘点中被列为端到端首选，覆盖设计、招募、AI 主持访谈、分析和交付。其 50M+ 验证受访者覆盖 45+ 国家，完整结果不到 24 小时交付；Sawtooth Software 仍是 CBC、ACBC 等设计及 HB 估计的方法学参考，但需另配样本库和定性供应商。

arXiv 论文比较文本与音频偏好标注：同一批 100 条提示词的判断差异

一篇 arXiv 论文用 ICC 对比同一批 100 条提示词在文本与音频下的偏好标注，发现两种模态的评分者一致性差异明显，音频 ICC(2,k) 约 0.81、文本约 0.74，达到该水平约需 9 名评分者。音频评分者决策阈值更窄、长度偏差更小、更偏向以用户为中心的评估标准，而跨模态一致性接近随机水平。作者据此认为音频偏好数据的评测协议需要按模态单独设计，而非直接沿用文本方案，并指出合成评分可用于预测评分者一致性、作为刺激材料筛选的早期信号；代码、数据和音频语料已在 Hugging Face 公开。

为什么值得看：同一批 100 条提示词在文本与音频下的偏好判断差异明显，为评测协议是否需按模态分别设计提供了比较依据。

MovieLens 研究：人们对自身评分的预测准确度高于推荐系统

MovieLens Beliefs 数据集研究显示，人们对自身电影评分的预测比平台预测和协同过滤模型更准，相关系数 0.69，对比 0.34 和 0.54–0.59。26,020 条预期评分中仅 551 条（来自 277 名成员）在至少一天后得到实际评分，把预期并入机器预测后样本外均方误差降低 26%。在成员自己影片的排序上，训练模型与本人表现无统计差异。

产品营销人员最佳 9 款信息测试工具：Listen Labs 居首

Listen Labs 盘点了面向产品营销人员的 9 款信息测试工具，并将自家 AI 主持访谈平台列为定位验证首选。该平台从 50M+ 验证网络、45+ 国家和 120+ 语言招募真实买家，24 小时内返回结果，并用 MaxDiff 排序声明后追问原因。其余工具按任务归类，如 Maze 测理解度，Wynter 覆盖 86,000+ B2B 样本库。

2026 年最佳创意测试平台决策指南：Listen Labs、Pencil、Motion 等怎么选

2026 创意测试平台决策指南将 Listen Labs 列为投放前验证首选，并按“投放前/后”和“生成/判断”两条问题分流选型。Listen Labs 用 AI 主持视频访谈，覆盖 50M+ 验证受访者、45+ 国家与 120+ 语言，24 小时内返回分析；Pencil、Creatify 做批量生成，Motion Starter 为 $999/月。

人格是否具有说服力：探究 LLM 中的人格特质提示与说服

一项32人研究用IPIP-NEO-120评估LLM人格特质提示的可控性与说服效果，并让参与者与不同人格配置的LLM智能体讨论道德困境。人格可被一定程度诱导，但人格一致性未显著改变说服、立场或信心。更高的AI说服素养与较少信心变化相关。

Listen Labs 如何用合成受众做持续品牌追踪

Listen Labs 的 Anish Rao 撰文介绍如何用合成受众开展持续品牌追踪，并给出校准与验证流程。文中引用 Pew 2026 年 9 月实验称，GPT-5.1 与 Claude Opus 4.6 在相同问卷上的平均绝对误差分别为 13.3 和 11.4 个百分点，模型版本或提示词变化可能造成与真实态度变化无关的趋势断裂；Strat7 2026 年测试中合成问卷识别真实变化的成功率仅 47%。作者提出冻结模型版本、每波用真实样本重新校准、监测漂移、记录变更并重建基线等控制，并强调合成受众适合方向性探索，需要经受审视的报告趋势线应由真实受访者承担。

为什么值得看：文章把合成受众在品牌追踪中的漂移风险拆成可执行的校准与验证步骤，并给出何时改用真实受访者的决策边界。

LLM 合成人群研究：人物角色并非人，身份是状态而非属性

一篇聚焦 LLM 合成人群的研究指出，固定人格模拟难以复现具体情境中的群体行为，并提出以人在情境中为核心的评估标准与设计方法。研究区分稳定特质、情境唤起的身份与情境本身，并在 Reddit 语料及临床试验招募调查上验证。

为什么值得看：该研究区分稳定特质与情境唤起的身份，为评估 LLM 合成人群在具体情境中的行为效度提供了框架。

广告基准测试用定量概念测试平台盘点：Listen Labs 居首

广告基准测试平台盘点把 Listen Labs 列为首选，因其以 MaxDiff、Gabor-Granger 加 AI 主持访谈，在 24 小时内从 50M+ 受访者网络返回带诊断的基准分数。文章建议固定 appeal、purchase intent、brand fit 等指标，且动画分镜不能对成片基准。System1 分析 264 个品牌、4,000+ 广告发现，情绪评分可把品牌增长预测力从 27% 提至 48%。

Listen Labs 解析合成品牌认知测试的准确性与局限

Listen Labs 发文解析合成品牌认知测试，结论是合成数据只在聚合层面近似辅助认知和熟悉度，不能可靠测量无提示回忆、首选认知和跨时间认知变化。文章引用 STRAT7 2026 年对约 3,000 名英国受访者的基准测试称，总体品牌认知误差约 2–3 个百分点，但 16 个品牌的同比认知变化仅 19% 判断正确，变化方向仅 47% 判断正确。文章还列出 Verasight 对 1,500 名美国成年人的研究，子群平均绝对误差超过 10 个百分点，并给出六步验证框架，建议在预算投入前用真实受访者校验追踪指标。

为什么值得看：文章用四项研究说明合成数据在品牌认知各指标上的可用边界，便于判断它能否进入品牌追踪调研。

多语言概念测试软件买家指南：Listen Labs、Qualtrics 等工具对比

Listen Labs 在其多语言概念测试软件买家指南中将自身列为全球规模母语深度访谈首选，并对比 Qualtrics、SurveyMonkey 等工具。其 AI 主持视频访谈覆盖 120 多种语言、45 多个国家，依托 5000 万验证受访者，称回答长度约为平均的 3 倍，24 小时内交付分析。Qualtrics 与 SurveyMonkey 侧重多语言问卷投放，不负责解释跨市场得分差异。

Listen Labs 等真正拥有自有样本库的信息测试工具

Listen Labs 被列为最符合“自有样本库”的信息测试工具，50M+ 验证受访者池支持 AI 主持访谈。SurveyMonkey 用 Audience 混合自有与合作伙伴样本库，Qualtrics 用 Dynata、Cint 第三方样本库。Pew 分析 60,000+ 访谈显示 opt-in 假受访者占 4%–7%，随机住址招募样本约 1%。

Listen Labs 提供概念测试模板，含甄别问题、量化指标与 Go/Refine/Kill 规则

Listen Labs 提供一套可直接复用的概念测试模板，按甄别、刺激展示、量化评分、开放题和 Go/Refine/Kill 规则五个步骤组织。模板用 5 点量表测量吸引力、相关性、独特性、可信度、购买意愿和价格感知，并以 top-2-box 作为主要 KPI。文章建议在测试 6 个以上概念或评分趋同时改用 MaxDiff，并用 AI 主持访谈追问每个评分背后的原因。

为什么值得看：原文把概念测试拆成甄别、刺激展示、量化评分、开放题和 Go/Refine/Kill 规则，研究者可直接改写成问卷或交给研究伙伴执行。

LLM 用户模拟研究：共享偏差不会被模拟器分歧发现

一项研究以6个语言模型模拟器在GlobalOpinionQA的60题、12国数据上的分歧作为可靠性信号，检验LLM模拟用户对人类调查估计的可靠性。结果显示，分歧更能识别群组差异，而不能识别单组比例的无效估计，但多个模拟器共有的偏差不会被发现。估计并扣除共享偏差可降低误差，将高分歧比较转交人工复核也能改善判断。

为什么值得看：研究用6个语言模型在GlobalOpinionQA的60题、12国数据上的分歧检验调查估计，并指出多个模拟器共有的偏差不会被分歧发现。

面向不同研究目标的开放式问卷问题示例

Strella 博客发布一篇开放式问卷问题示例文章，按不同研究目标整理提问示例。文章以示例形式呈现，供设计开放式问题时对照参考。

为什么值得看：按不同研究目标整理开放式问卷的提问示例，可作为设计问卷时的具体参考，帮助对照研究目的选择提问方式。

Listen Labs 如何为概念测试招募难触达受众

Listen Labs 增长负责人 Anish Rao 撰文，介绍概念测试中难触达受众的招募方法；该方法按低发生率、被把关、不信任、时间稀缺、缺席样本库五类成因分别匹配招募渠道。文中建议用行为甄别题、开放式验证题和虚构品牌排雷题筛掉职业答题者，并对时间稀缺人群按机会成本设分层激励、超额招募 20–30%。文章还称其 50M+ 验证样本网络与 Quality Guard 可在 24 小时内完成研究，并给出 45 分钟高管访谈 $150–$400、专家网络 24–72 小时安排等参照。

为什么值得看：按难触达成因匹配招募渠道，再用行为甄别与超额招募控制样本质量，为概念测试的招募环节提供了一套可复用的流程。

Frontiers：HuMCal 校准 LLM 样本以缩小与人类偏好的差距

模型无关的后处理校准方法 HuMCal 通过人类基准数据学习跨提示词、角色和模型检查点的组合权重，以校准 LLM 样本、缩小其偏好与真人回答的差距。在消费交易与民意调查中，其一致性优于常规聚合，权重可跨时间、地域、行业及问题簇复用。

Ipsos What Worries the World 2026 年 10 月调查

Ipsos 的 What Worries the World 2026 年 10 月调查覆盖 30 个国家、约 2 万名成年人。该调查每月开展，已持续十余年，用于呈现全球公众对紧迫全球议题的看法。

Listen Labs 解读合成用户样本库在产品测试中的适用与失效场景

Listen Labs 在决策指南中按概念测试、UX 流程测试、问卷预测试和定价四类任务，划分了合成用户样本库的适用与失效边界。指南指出合成受访者由大语言模型根据人设描述预测作答，只能产出假设而非决策级证据，可靠用途集中在问卷预测试、早期概念筛选和讨论提纲准备，不适合定价、可用性测试和最终决策。文中引用 Strat7 对 3,000 名真实受访者的对比，纯合成受访者在价格敏感度练习中 68% 打乱了逻辑顺序，价格比真人高约 16%，并引用 Kantar 发现 GPT-4 存在正向偏差。

为什么值得看：按概念测试、可用性测试、问卷预测试和定价四类任务梳理合成用户的适用边界，并给出分阶段验证流程。

概念测试是什么？8 个真实案例解析

Listen Labs 用 8 个真实案例解释概念测试：在开发前让目标用户评估未落地概念，以决定继续、调整或放弃。其中 Lego 观察 3,500 名女孩及母亲，P&G 完成 250+ 场访谈。其 AI 主持访谈覆盖 50M+ 网络、45+ 国家，称可在 24 小时内交付顾问级结果。

Cint Study Creator：打通品牌认知与营收的成果测量

Cint 在 Lucid Measurement 的 Study Creator 中上线自助式成果测量，将品牌提升与确定性销售提升并排呈现。广告主可在活动进行中按受众和媒体策略查看两类指标，并使用 Linear TV 测试版及 Retail、Telecom and Technology、QSR 行业基准。

Listen Labs 介绍测量广告情绪反应的六类方法

Listen Labs 增长负责人 Anish Rao 发布指南，将广告情绪反应测量归纳为自陈量表、生理与生物特征、面部编码、逐秒与内隐追踪、社交情绪分析、AI 主持多模态访谈六类方法。文章主张方法应跟随决策与预算选择，并指出单一方法的核心失效点在于 say-feel gap，相同的自陈得分可能掩盖不同的真实感受。文中引用数据包括 PAD 模型 Pleasure 子量表 Cronbach's alpha 约 .80–.93，一项 2026 年研究中 Arousal 的编码者一致性 Cohen's kappa 仅 0.28（Pleasure 为 0.85），完整生理测量的广告测试项目需 5 至 8 周、花费 $50,000 至 $100,000。

为什么值得看：文章按决策场景梳理六类广告情绪测量方法及其成本与速度差异，并指出仅靠自陈量表会掩盖真实感受的失效点。

Listen Labs 撰文介绍合成受访者平台的评估与选择方法

Listen Labs 增长负责人 Anish Rao 撰文把合成受访者平台分为从零模拟、真实数据建模和样本扩充三类，并建议采购前做留出真人对比、核查答案可追溯性、检测 persona 漂移等验证。文中引用 Pew Research Center 2026 年 9 月 30 日的研究称 AI 生成结果与人类民调平均相差 12.4 个百分点，共和党倾向者平均误差最高为 16.1 个百分点；Science Advances 同月刊出的哥伦比亚大学领衔 19 项预注册研究则发现 LLM 数字孪生在 164 个结果中有 154 个组内方差低于所模拟的真人。文章同时推介 Listen Labs 自有的 50M+ 真人网络与 Listen Twins。

为什么值得看：文章把合成受访者平台分为三类，引用已发表证据说明其准确性限制，并给出采购前的验证清单与场景匹配建议。

数字孪生消息测试：8 个具名案例与结果变化

Listen Labs 汇总 8 个数字孪生消息测试案例：Atani 用 300 个 True Twins 预筛广告语，胜出句分享意愿达 90.6%。River City FCU 用 140 个数字孪生选口号，活动 Result Rate 从 0.52 升至 0.74（+42%）。另区分 Audience Twins 与 System Twins。

Prodege 与 First & First Consulting 研究：Z 世代的食品饮料悖论——看标签，再为氛围买单

Prodege 与 First & First Consulting 的新研究显示，Z 世代对食品营销高度怀疑，却仍会因创作者推荐和包装氛围在 TikTok Shop 下单。经 KaloData 分析的销售数据显示，TikTok Shop 为饮料行业带来每月超 $15 million 收入，零食收入的 70% 由联盟创作者而非品牌账号驱动。研究分出 Buzz Drinker、Social Sophisticate、Earnest Optimizer 三类功能饮料饮用者，并指出 Z 世代常把水、电解质和健身当作平衡其他饮食的方式。

Ipsos 全球消费者信心指数：2026年10月全球消费者信心大幅下滑，美国和欧洲降幅最大

2026年10月，Ipsos Global Consumer Confidence Index 显示全球消费者信心大幅下滑。整体情绪在美国和欧洲的降幅最大。

UX 概念测试工具如何选：Listen Labs 领衔首选清单

Listen Labs 的 UX 概念测试工具选购指南按六种方法和主持/非主持、样本库/BYOP 两大取舍排序，并将 Listen Labs 列为首选。其称 AI 主持访谈可并行覆盖数百名参与者，24 小时内交付结果，样本来自 50M+ 验证样本库、覆盖 45+ 国家和 120+ 语言。

研究提出判断 LLM 合成用户样本库何时可信的诊断与修正框架

该论文提出一套框架，用来判断 LLM 合成消费者样本库何时可信任、可修正或应弃用；框架用协变量重叠、条件校准与跨模型稳定性做诊断。修正需要完整的邀请名单、所有受邀者的应答指示和受访者的真人结果，并要求数据随机缺失且满足正值性假设。在 ANES 与 Twin-2K-500 的配对真人及 LLM 回答模拟中，部分可识别情形下名义 95% 置信区间仅覆盖 88–94%；当非应答依赖缺失的真人结果时，偏差仍然明显，覆盖率接近零。

为什么值得看：论文给出诊断协变量重叠、条件校准与跨模型稳定性的判断框架，并指出修正只能依赖可获得的真人数据与识别假设。

MeasuringU 与 UXPA 发布 2026 UX 薪资调查：中位数 $143K，附薪资计算器

MeasuringU 与 UXPA 的 2026 UX 薪资调查共收集 24 个国家 383 份样本，UX 从业者薪资中位数为 $143K，较 2024 年的 $120K 高 19%。同期通胀为 6.3%，通胀调整后实际增幅约 12%；样本中美国占比由 67% 升至 82%，也抬高了整体中位数。关键驱动因素的回归模型解释了 73% 的薪资差异，地区影响最大，美国中位数 $153K，英国 $100K、加拿大 $81K、德国 $68K；页面附薪资计算器。

为什么值得看：报告交代了样本结构与通胀调整，读者可据此判断 $143K 中位数与自己薪资的可比程度，并查看地区差异。

2026 年最佳 MaxDiff 软件：分析工具排名

2026 年最佳 MaxDiff 软件排名将 Listen Labs 列为首选：它在 AI 主持访谈中运行 MaxDiff，输出无并列的个体效用分数。每次最佳/最差选择后，AI 主持人追问原因，分数可回溯到受访者原话和视频片段。Portfolio Optimization 结合 MaxDiff 与 TURF，案例中优化组合覆盖 87% 购物者，而 MaxDiff 得分前三口味为 51%。

合成研究对创业公司的适用场景与局限

Listen Labs 增长负责人 Anish Rao 撰文梳理合成研究对创业公司的用处与边界，援引 NIM 对 285 项合成与真人对照的回顾，其中 24.9% 结果相近、65.3% 出现偏离。他建议把合成受访者用于概念筛选、假设生成、小众 B2B 人群探索、真人访谈前预验证和问卷与甄别问卷预测试五类场景，定价、上市承诺与品牌定位等高风险决策仍需真人数据确认。文中还引用覆盖 2,058 名美国受访者、500 个问题的 Twin-2K-500 数据集，约 45% 真人拒绝了假设疫苗，而对应的数字孪生仅 4% 拒绝。

为什么值得看：汇总 285 项合成与真人对照等多项研究，说明合成受访者适合哪些环节、哪些高风险决策仍须真人验证。

Listen Labs 介绍落地页概念测试四阶段流程

Listen Labs 增长负责人 Anish Rao 介绍落地页概念测试的四阶段流程，依次为问卷与偏好测试、AI 主持访谈、付费流量小测试和 A/B 优化。问卷阶段建议每个测试单元约 200 名受访者，Top 2 Box 差距在 9–10 个百分点以内通常落在统计噪声中。AI 主持访谈用于解释分数背后的原因，Listen Labs 称可在 24 小时内交付分析结果，并覆盖 50M+ 已验证受访者。

为什么值得看：文章给出从问卷到 AI 主持访谈再到付费流量小测试的四阶段顺序，可作为落地页概念验证的流程参考。

Listen Labs 如何做 CPG 市场研究：5 步品牌手册

Listen Labs 给出 CPG 市场研究 5 步手册，覆盖决策级问题、方法选择、样本与质量控制、零售数据解读及决策交付。其 AI 主持访谈可从 50M+ 验证受访者网络、45+ 国家招募，支持 120+ 语言，并在 24 小时内交付分析，而传统流程常需 4–6 周。平台还提供 MaxDiff（Hierarchical Bayes）与 Gabor-Granger 定价测试。

调查 521 名 UX 从业者：AI 让工作更快，但从业者态度复杂

调查 521 名 UX 从业者后发现，AI 几乎在每项任务上节省时间，但多数人对其态度平淡，强制推行、输出不可靠和期望过高消耗了这些收益。调查显示超过 99% 的受访者在工作中可使用生成式 AI 工具，其中 59% 只能使用获批的工具集，仅 12% 能自由选择任意工具。AI 带来的收益因角色、任务和工作场所不同而差异明显，智能体的使用情况也不均衡

为什么值得看：基于 521 名 UX 从业者的调查给出 AI 提效与态度分化的事实，可按角色与任务拆解收益差异。

客户之声流程：分步 VoC 指南

Listen Labs 的分步 VoC 指南拆解了客户之声流程，并指出多数项目卡在综合分析与闭环。其 AI 主持访谈覆盖 45+ 国家、120+ 语言的 50M+ 已验证受访者，回答长度达平均水平的 3 倍，24 小时内交付结果且成本为传统研究的三分之一。Listen Labs 已为 Microsoft、Google、Anthropic、P&G、Nestlé 等完成超 100 万次 AI 客户访谈。

PRISM 研究：陈述偏好如何关联 AI 回复中人们实际奖赏的特征

基于 PRISM 数据集的研究让 1,396 名参与者报告七项属性重要性并评分 21 个 LLM 的 29,347 条回复，发现长度、格式和拒绝措辞等未调查特征与评分的关联至少不弱于所调查属性的文本代理。陈述优先级对应他人感知的模型属性，却不对应文本代理得分；个人信息预测留出选择的最大增益仅 0.13 个百分点，汇总模型为 1.11。

MeasuringU 与 UXPA 公布 2024 年 UX 薪资调查结果并更新薪资计算器

MeasuringU 与 UXPA 汇总 2024 年 4 月至 10 月收集的 444 份、来自 37 个国家的问卷，UX 从业者薪资中位数为 12 万美元，名义上比 2022 年的 10.9 万美元高 10%。按同期 12% 的通胀折算为不变美元后，2024 年实际中位薪资比 2022 年低 2%。薪资驱动因素的回归模型解释 72% 的差异，其中所在国家或美国地区占 50%，职位层级占 11%，美国中位薪资为 14.2 万美元；薪资计算器此次合并了 User Interviews 2024 年的数据，样本量扩大到 1,063 份。

为什么值得看：文中给出 444 份样本的 UX 薪资中位数与回归驱动因素，并对照 2022 年数据说明通胀调整后实际收入下降 2%。

Mopinion：如何构建最佳在线反馈表单

Mopinion 的指南讲解如何构建最佳在线反馈表单，核心是先明确一个目标。表单应选择相关问题、采用可访问设计，并在客户旅程的合适时机展示，以了解访客需求、遇到的问题和网站或 App 体验。

Kantar 品牌追踪代理买家指南：能测什么、不能解释什么

Kantar 品牌追踪买家指南梳理 BrandDynamics 持续追踪、BrandZ 年度品牌排名与 Kantar Marketplace 自助研究，并指出波次追踪只报 KPI 变化、不解释原因。BrandZ 2026 覆盖 54 个市场、22,000+ 品牌及 460 万次消费者访谈，Kantar 不公开标准定价与波次周期。Listen Labs 则用每波次 AI 主持开放式访谈补上诊断，可接入 Qualtrics 与 Decipher。

2026 年最佳媒体市场研究平台：买家指南

2026 年媒体市场研究平台买家指南按四类数据匹配 12 个平台，并将 Listen Labs 列为首选主研究与广告洞察平台。Listen Labs 覆盖 50M+ 验证受访者、45+ 国家和 120+ 语言，将 4–6 周周期压到 24 小时内、成本约三分之一。指南按任务推荐 GWI/YouGov 做 syndicated profiling、Nielsen 做曝光测量、Similarweb 做流量基准。

Listen Labs：2026 零售消费者洞察最佳实践，8 项决策优先准则

Listen Labs 发布 2026 零售消费者洞察最佳实践，提出以业务决策为锚的 8 项准则。平台称可招募 50M+ 验证受访者、覆盖 45+ 国家，支持 120+ 语言的 AI 主持访谈，并在 24 小时内交付以往需 4–6 周的分析。文章还称平台已完成超 100 万场 AI 主持访谈。

PRISM 数据集研究对比用户对 AI 回答的陈述偏好与实际评分

基于 PRISM 数据集的研究（1,396 名参与者、21 个 LLM、29,347 条回答）对比了用户对 AI 回答属性的陈述偏好与实际评分行为，发现陈述优先项无法直接预测实际奖励权重。未问及的特征（长度、格式、拒答语言）对评分的影响不亚于已调查属性，历史对话中要求短或长回答的反馈更具预测力。用户之间对具体特征权重存在稳定差异，但中位数仅 6 次对话导致估计精度不足。

为什么值得看：研究用近 3 万条回答的评分数据说明，用户说出的偏好与真正打分的权重并不一致，对设计偏好问卷的研究者有参考。

超越更好的创意：人机协作如何塑造科学创意与人类感知

一项对比人机与人人团队的研究发现，AI 协作未显著提升人类评判的创意质量，迭代修改才是关键，且 AI 评委偏袒 AI 辅助方案。协作来源难以完全检测，亲身体验者认为 AI 更有用，但效率提升低于预期。研究结合人类与 LLM 评审、协作来源分析及参与者调研，挑战了 AI 价值主要在于改善创意的假设。

LLM 作为调查受访者：与简单语义基线的比较

一项研究让三项 LLM 在两份态度量表（自动驾驶与轻型电动车）上预测被遮蔽条目，并与基于嵌入相似度的简单基线对比。结果显示 LLM 整体优于基线，但随已知答案比例下降而性能下滑，在一份量表中甚至与基线持平。研究据此指出，数据稀缺时 LLM 可能退化为嵌入相似度启发式，数据增强的效力有限。

为什么值得看：论文用两份态度量表对比 LLM 与嵌入相似度基线，指出数据稀缺时 LLM 的推断可能退化为表层相似。

Kantar 品牌追踪方法论：MDS 框架与指标解析

Kantar 用 MDS 框架与 Three Signals 整合四类数据做品牌追踪，衡量品牌健康。MDS 含七项指标，BrandZ 数据显示 Meaningful 与 Different 合计解释 94% 的 Pricing Power。Listen Labs 的对话式追踪实时解释 KPI 变动。

零售概念测试：方法、步骤与问题

Listen Labs 的零售概念测试覆盖产品概念、包装与货架吸引力、价格感知和自有品牌竞争四类，并给出 5 步流程。其 AI 主持访谈依托 50M+ 受访者网络，覆盖 45+ 国家和 120+ 语言，称 24 小时内交付分析结果，成本约为传统研究的三分之一。示例用 200 名已验证零食品类买家，对比 $2.99 与 $3.79 两个价格点。

视频分享平台中的技术接受模型（TAM）：TikTok 与 YouTube 对比

一项针对 351 名大学年龄段 TikTok 与 YouTube 用户的在线问卷调查及结构方程模型分析显示，技术接受模型（TAM）对 TikTok 实际使用的预测效度显著高于 YouTube。感知易用性和感知有用性直接预测两平台使用，平台态度是关键结构前因。t 检验还显示，TikTok 的感知易用性与实际使用得分更高，YouTube 的感知有用性与整体态度得分更高。

Mopinion：网站反馈分析如何把反馈转化为行动

Mopinion 发文介绍网站反馈分析如何把评分、评论和上下文数据转化为团队可理解、可执行的模式。文章指出行为分析能显示访客在哪里点击、犹豫或离开网站，而网站反馈则解释原因，两者结合可指导改进。

Mopinion 推出 Survey Marketplace

Mopinion 推出 Survey Marketplace，提供 8 个调查模板类别和近 30 个模板示例。每个调查附有收益列表，帮助用户了解创建和使用在线调查所需的要素。

Mopinion：用 AI 追问获取更清晰反馈，不拉长表单

Mopinion 提出用 AI 追问澄清“页面令人困惑”“结账不可用”等模糊回答，帮助团队判断发生了什么、下一步修什么。目标是在不增加表单长度的情况下获得更清晰的反馈。

宽度即极限：移动优先问卷的作答行为与数据质量

International Journal of Market Research 的一篇预出版研究评估了移动优先问卷布局相较传统布局对作答行为与数据质量的影响。研究缘于智能手机网页问卷普及，要求布局适配以保证跨设备、跨调查模式的数据采集一致且高质量。

quantilope：如何把高级研究自信地引入企业内部

quantilope 的 Consumer Intelligence Platform 把从研究设计、高级方法分析到可分享产出的流程自动化，帮助企业将高级研究引入内部。平台覆盖 MaxDiff、Choice-based Conjoint、TURF analysis、Segmentation 与隐式联想测试等自动化高级方法。配套的 AI Research Partner quinn 可代建问卷并检索历史洞察，全部洞察可用一个实时链接在组织内共享。

MeasuringU 从 34 条候选题中精简 AI 用户体验问卷

MeasuringU 基于 2026 年 5 月对 ChatGPT、Claude、Gemini、Grok 共 420 名美国样本库受访者的回溯调查，完成 34 条 AI 用户体验候选题的筛选。因子分析显示，除一条同时落在 Trust 与 Productivity 上的题目外，其余 33 条均落在预期构念之上。AI Productivity、AI Trust、AI Dependency、AI Anxiety 等构念各有二至三条题目入选，目标是让每个构念的 coefficient alpha 不低于 0.70。

为什么值得看：原文公开了 34 条候选题在 420 名用户中的因子载荷与回归权重，可作为自建 AI 体验问卷时的选题参考。

LIXIL 如何借助 quantilope 自主开展高级方法研究

quantilope 案例显示，LIXIL 洞察团队在其研究顾问指导下自主编程复杂调研，转向 DIY 洞察模式。该团队最常用 MaxDiff，并借 Sequential A/B Test 为网站房间设计项目定名 Roomcreate，该名称已上线 American Standard 站点。凭平台速度与效率，团队成为内部与外部供应商的快速答疑资源。

解释性序列设计：用访谈解释问卷结果的 Delve 实用指南

Delve 的《解释性序列设计：实用指南》讲解如何用访谈解释问卷结果。指南还给出真实研究案例，并演示如何在 Delve 中编码后续访谈。

探索性序列设计实用指南：将访谈转化为问卷并在 Delve 中编码

Delve 的《探索性序列设计实用指南》讲解如何把访谈转化为问卷，并说明定性阶段的编码方法。文中包含一个真实研究示例，并演示如何在 Delve 中完成定性阶段编码。

短视频时代的长问卷： 呼吁研究行业跟上节奏

发文指出，人们已习惯短视频与即时反馈，但问卷仍要求受访者长时间专注作答，行业需要跟上这一变化。文中提到，网红发布的 10 分钟晚餐食谱视频都难以被看完，而问卷却常要求受访者花 30 分钟作答

Net Promoter Score（NPS）：衡量什么、遗漏什么，以及为何仍然重要

NPS 以单一问题和简单公式衡量客户忠诚度，并给出组织各部门都能追踪的分数。自 2000 年代初推出以来，它已成为跨行业的标准指标。早期创业公司与全球企业都在使用，吸引力正来自这一个问题和可追踪的分数。

如何撰写减少偏差、提高准确性的调查问题

讲解如何通过问题措辞与结构设计减少调查偏差、提高数据准确性。调查偏差指数据收集中的系统性误差，会导致结果不准确或偏斜。当问题的撰写、结构或呈现方式影响受访者理解时，就可能引入偏差

数据监测指南：如何及早发现坏数据的领先指标

发布数据监测指南，讲解如何用自动化和智能检查识别坏数据的早期指标。指南以分步方式说明及早发现数据质量问题的方法

：如何用督导记分卡改进调查员管理

在指南中说明，督导记分卡可改进调查员管理、追踪 KPI，并加强现场监督以提升数据质量

SurveyCTO 将 AI 表单工具引入平台，帮助用户构建更好的表单

SurveyCTO 将 AI 表单工具引入平台，支持用 AI 编写表达式、审查调查问题并获取更好的数据。该工具面向问卷设计，目标是简化建表体验。

定性问卷分析实用指南：Delve 如何简化定性编码流程

Delve 的《定性问卷分析实用指南》梳理现代问卷分析方法，并说明其问卷分析软件如何让定性编码流程更易管理。该指南面向定性问卷分析实践，介绍软件辅助的编码管理思路。