看见不等于感知：合成消费者何时能、何时不能预测试视觉营销

研究用六项经典视觉营销实验检验一个被普遍默认的前提：生成式 AI 智能体看到视觉线索，能否同时感知其消费者含义。测试变量为模型代际（GPT-4o-mini 与 GPT-5.4-mini）和输入格式（纯文本与 JSON）。所有配置都通过了操纵检验，但没有一个配置能复现超过两项人类实验效应，其余均不显著，另有一项出现与人类模式相反的显著结果。通过上下文学习提供概念或实证证据可将平均回答拉向人类效应，但复现的响应离散度不到人类自然分布的一半。

营销方已在用合成消费者以远低于人类小组的成本预测试 logo、包装和广告，而这一流程此前未经验证。该研究首次系统性指出，操纵检验通过并不代表模型把握了视觉线索的消费含义，按现有做法得出的结论可能系统性地偏离真实消费者反应，并掩盖人群差异。

模型能识别图像中的视觉元素，却不必然激活该元素在人类消费者中形成的语义与情感联想；输入格式和模型代际的调整并未弥补这一缺口，说明问题不在解析能力而在感知层面。上下文学习相当于把人类结论直接告知模型，因此能移动均值，但模型输出的方差结构仍与人类不同，故无法还原个体差异。

直接使用通用多模态模型替代人类小组做创意筛选、A/B 预判或包装测试的做法需要重新评估。团队应把合成消费者的输出定位为方向性筛查而非决策依据，并保留人类样本用于验证关键创意与人群细分；同时需在流程中加入对本模型与人类历史结论的一致性校准环节。

• 搭建合成消费者校准工具，用已有历史人类实验数据比对模型输出，标注哪些创意类别可自动筛查、哪些必须转人工
• 在创意测试流程中引入均值与方差双指标，除平均偏好外单独评估模型对人群异质性的还原度
• 提供上下文学习引导模块，允许在提示中注入人类研究结论，并明确标注引导后结果不可用于评估个体差异
• 面向营销团队输出 AI 治理流程模板，明确 Calibrate、Intervene、Deploy 三个阶段各自的准入条件与人工介入点

• 除 GPT-4o-mini 与 GPT-5.4-mini 外，其他模型或专用视觉模型是否表现不同
• 六项视觉营销实验之外，其他品类与视觉类型是否同样失效
• 研究中校准后模型与人类结论的一致性可维持多久，模型更新后是否需重新校准
• 在何种具体条件下合成消费者可负责任地完成创意初筛，论文给出的边界条件尚未完整公开