剛剛發現一項非常有趣的模擬研究： 如果讓 AI 代理模擬典型購物者的行為，並在實際推出前先對他們測試行銷活動，會發生什麼情況？ 研究人員建立了一個小型虛擬城鎮，並用 AI 代理填滿它。 僅有 11 個代理和 10 個地點。 每個代理都具備： • 一筆預算 • 一個能量值 • 食物與購物需求 • 記憶 • 社會連結 • 自己的個性 接著，DeepSeek-V3 生成了它們的計畫、對話與購買決策。 於是這些代理開始行動：吃飯、彼此交談、記住事情、邀請朋友去某處——並獨立決定在哪裡花錢。 實際實驗非常簡單：一家炸雞店在週中提供 20% 的折扣。 研究人員隨即觀察發生了什麼。 • 從第 2 天到第 3 天，該店的收入增加了 51%——即使在折扣結束後（！）。 • 其市場份額從第 1 天的 30% 上升至第 3 天的 41%。 • 但整體市場並未明顯擴張。 因此，折扣並未創造太多新需求——主要只是將顧客從競爭對手那裡拉走。 • 當地餐廳的市場份額下降，收入減少 7%。 • 咖啡店則相對穩定。 更有趣的是，最強烈的效應並未立即出現。 作者將此解讀為資訊透過代理的社交網絡傳播：他們交談、共同規劃、邀請朋友——興趣透過互動逐漸累積。 模擬還產生了類似忠誠度的現象：一些代理在促銷期間反覆光顧炸雞店，而餐廳即使沒有折扣，仍保有較廣泛的吸引力。 理論上，此類系統可讓行銷人員在進入真實市場前，先對合成消費者測試： • 折扣 • 促銷活動 • 價格變動 • 新產品發布 • 競爭情境 但這裡有一個非常重要的「但是」。 這仍僅是概念驗證，並非證明 AI 能可靠預測真實人類行為。 此模擬僅包含 11 個代理。 它們的決策高度依賴提示設計、所選的 LLM、環境規則，甚至虛擬城鎮的結構方式。 依我見，這絕對是值得關注的發展。 因為如果這些模擬最終能根據真實世界數據正確校準，部分客戶開發、定價實驗與行銷活動測試，可能會先在 AI 代理上進行——然後才在人類身上實施。