在营销研究中，合成数据的争论常在两极之间：一方面有人认为大型语言模型（LLM）可以取代人类受访者，另一方面则主张完全不使用它们。我们认为更关键的问题不是合成受访者是否可行，而是何时可行。基于 Brand、Israeli 与 Ngwe（2026）的工作，我们作出三点贡献。\ \
- 合成数据的三类：\
- 未基于真实信息的 LLM 回答（ungrounded LLM responses）\
- 基于细分的角色设定（segment‑level personas）\
- 个体层面的数字孪生（individual‑level digital twins）\ 每类对应不同的决策场景，例如宏观趋势分析适合使用未基于真实信息的回答，而精准营销则需要数字孪生。\ \
- 准确性度量的四大族：我们将现有度量划分为四类，并指出报告的孪生准确率从接近完美到接近随机，主要源于度量对象不同而非方法本身的优劣。聚合度量在信息输入极少时仍能表现良好，但可能掩盖受访者层面的差异缺失。\ \
- 遗忘问题（forgotten question problem）：在实际调查中，某些问题可能被遗漏。我们提出利用数字孪生对已有数据进行补全的思路，并设计了一种事前可答性诊断：使用随机森林预测孪生输出，计算其 $R^2$，无需真实标签。\ \ 在对一项全国代表性调查的 108 个态度问题（样本 N=3,063）进行实验时，筛选 $R^2>0.7$ 的问题可使孪生‑人类个体层面相关系数提升 15%，并将“回答质量差”的问题比例从 25.9% 降至 4.3%。嵌入相似度和经验研究者的主观判断也能提供一定筛选能力，但相关性较弱。\ \ 点评