Yapay zekâ, pazar araştırmalarında yeni bir kullanım alanı oluşturuyor: Sentetik tüketiciler. Gerçek insanların özellikleriyle tanımlanan ve onların olası değerlendirmelerini simüle eden yapay zekâ modelleri, markaların ürün fikirlerini test etme biçimini değiştirebilir. Colgate-Palmolive ve PyMC Labs araştırmacılarının 9.300 gerçek katılımcının verileriyle gerçekleştirdiği karşılaştırma, bu yaklaşımın potansiyelini ortaya koyarken önemli sınırlamalarını da gösteriyor. Peki, sentetik tüketiciler nasıl çalışıyor ve gerçek tüketicilerin yerini alabilir mi?
Bir ürün henüz piyasaya çıkmadan önce tüketicilerin o ürünü satın almak isteyip istemeyeceğini anlamak, markaların en önemli araştırma ihtiyaçlarından biri.
Şirketler bunun için geleneksel olarak anketlere, odak gruplarına ve tüketici panellerine başvuruyor. Ancak araştırma süreçlerinin zaman ve maliyet gerektirmesi, yapay zekâ destekli alternatiflerin geliştirilmesini hızlandırıyor.
Bu alternatiflerin başında sentetik tüketiciler (synthetic consumers) geliyor.
Colgate-Palmolive ve PyMC Labs araştırmacılarının Ekim 2025’te yayımladığı LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings başlıklı akademik çalışma, sentetik tüketicilerin satın alma niyetini ne ölçüde temsil edebildiğine ilişkin dikkat çekici sonuçlar sunuyor.
Kasım 2026’da sosyal medyada yeniden gündeme gelen araştırma, pazar araştırmalarının geleceğine yönelik tartışmaları da beraberinde getiriyor.
Sentetik Tüketici Nedir?
Sentetik tüketiciler, gerçek bir araştırma katılımcısının yerine belirli sorulara yanıt vermek üzere oluşturulan yapay zekâ destekli tüketici simülasyonlarıdır.
Bu sistemlerde büyük dil modellerine yaş, gelir düzeyi, yaşam koşulları veya tüketim tercihleri gibi özellikler tanımlanabiliyor. Modelden daha sonra bu özelliklere sahip bir tüketicinin bakış açısından ürünleri, hizmetleri ya da pazarlama mesajlarını değerlendirmesi isteniyor.
Örneğin bir kişisel bakım markasının yeni bir ürün geliştirdiğini düşünelim.
Geleneksel araştırmada marka, hedef kitlesindeki gerçek kişilere ürün fikrini göstererek satın alma niyetlerini ölçer.
Sentetik tüketici yaklaşımında ise yapay zekâya farklı tüketici profilleri tanımlanır. Modellerin bu ürün hakkında oluşturduğu yanıtlar analiz edilerek olası tüketici tepkilerine ilişkin bir simülasyon hazırlanır.
Buradaki temel fark, sentetik tüketicilerin gerçek kişiler olmaması ve yanıtlarının doğrudan gözlemlenmiş tüketici davranışlarını temsil etmemesidir.
Bu modeller, eğitim süreçlerinde öğrendikleri dilsel ve davranışsal örüntülerden hareketle yanıt üretir.
Dolayısıyla gerçek tüketicilerin düşüncelerini birebir okumaz veya gelecekte hangi ürünü satın alacaklarını kesin olarak bilmezler.
Geleneksel Personadan Farkı Ne?
Pazarlama dünyasında tüketici personaları uzun süredir kullanılıyor.
Klasik persona, belirli bir hedef kitleyi temsil etmek amacıyla hazırlanan araştırma temelli bir profil olarak düşünülebilir. Bu profil; tüketicinin ihtiyaçlarını, motivasyonlarını, beklentilerini ve karşılaştığı sorunları özetler.
Ancak persona çoğunlukla sabit bir tanımlamadır.
Sentetik tüketici ise bu tanımlamayı bir yapay zekâ modelinin yanıt üretmesini sağlayan girdilerden biri olarak kullanabilir.
Böylece araştırmacılar yalnızca tüketiciyi tarif eden bir profil oluşturmakla kalmaz; bu profile farklı ürün fikirlerini göstererek yanıtlar elde etmeyi de deneyebilir.
Örneğin belirli bir bütçeyle alışveriş yapan bir tüketici profiline yeni bir ürünün fiyatı ve özellikleri sunulabilir. Ardından modelden ürünün neden cazip veya gereksiz görünebileceğini açıklaması istenebilir.
Ancak burada önemli bir ayrım bulunuyor: Bir personanın ayrıntılı tanımlanması, yapay zekânın o kişiyi doğru temsil ettiğinin kanıtı değil.
Sentetik tüketici yanıtlarının gerçek tüketici araştırmalarıyla karşılaştırılarak doğrulanması gerekiyor.
Colgate Araştırmasında 9.300 Gerçek Katılımcının Verileri Kullanıldı
Colgate-Palmolive ve PyMC Labs araştırmacıları, sentetik tüketici yaklaşımının güvenilirliğini değerlendirmek amacıyla ABD’de gerçekleştirilen 57 kişisel bakım ürünü konsepti araştırmasını inceledi.
Bu araştırmalara toplam 9.300 gerçek tüketici katılmıştı.
Her araştırmada katılımcılara bir ürün fikri sunulmuş ve satın alma niyetlerini beşli bir ölçek üzerinden değerlendirmeleri istenmişti.
Araştırmacılar daha sonra aynı ürün konseptlerini GPT-4o ve Gemini 2.0 Flash modellerine sundu.
Yapay zekâ modellerine gerçek katılımcılardan elde edilen demografik özellikler doğrultusunda tüketici profilleri tanımlandı.
Böylece sentetik tüketicilerin verdiği yanıtlarla gerçek insanların değerlendirmeleri karşılaştırılabildi.
Çalışmanın amacı, yapay zekânın belirli bir kişinin gelecekteki satın alma kararını tahmin edip edemediğini ölçmek değildi.
Araştırmacılar, farklı ürün konseptlerine yönelik satın alma niyeti dağılımlarının ve ürünlerin göreli tercih sıralamasının ne ölçüde yeniden oluşturulabildiğini inceledi.
Yapay Zekâya Doğrudan Puan Sormak Neden Yeterli Olmadı?
Çalışmanın dikkat çekici bulgularından biri, yapay zekâya sorunun nasıl yöneltildiğinin sonuçları önemli ölçüde etkilemesi oldu.
Araştırmacılar ilk aşamada modellere doğrudan bir ürün için 1 ile 5 arasında satın alma niyeti puanı vermelerini söyledi.
Ancak modeller, gerçek tüketicilerin yanıtlarından farklı olarak sıklıkla orta değer olan 3’e yöneldi.
Gerçek katılımcılarda ise 4 ve 5 gibi daha olumlu değerlendirmeler ağırlıktaydı.
Bu sorunu aşmak için araştırmacılar Semantic Similarity Rating (SSR) adlı bir yöntem kullandı.
Yöntemde yapay zekâdan doğrudan sayısal değerlendirme yapması istenmiyor. Öncelikle ürüne ilişkin satın alma niyetini doğal dille açıklaması sağlanıyor.
Ardından yazılı yanıt, farklı satın alma niyeti düzeylerini temsil eden referans ifadelerle anlamsal olarak karşılaştırılıyor.
Böylece bir yanıtın beşli değerlendirme ölçeğindeki farklı puanlarla ne ölçüde ilişkili olduğu hesaplanabiliyor.
Yöntemin önemli özelliği, yalnızca tek bir puan üretmek yerine farklı puanların olasılık dağılımlarını da dikkate alması.
Bu yaklaşım sayesinde araştırmacılar, sentetik tüketicilerin yanıtlarını geleneksel anket sonuçlarıyla daha karşılaştırılabilir hale getirdi.
Araştırmanın %90’lık Sonucu Ne Anlama Geliyor?
SSR yöntemi kullanıldığında, sentetik tüketicilerin değerlendirmeleri gerçek tüketici araştırmalarının sonuçlarına önemli ölçüde yaklaştı.
Araştırmada kullanılan performans ölçümüne göre sentetik sonuçlar, insan anketlerinin yeniden test güvenilirliği referans alındığında yaklaşık %90 düzeyine ulaşabildi.
GPT-4o ile gerçekleştirilen SSR deneylerinde gerçek ve sentetik satın alma niyeti yanıtlarının dağılım benzerliği de 0,88 olarak hesaplandı.
Ancak bu sonuçların doğru yorumlanması gerekiyor.
%90’lık performans, yapay zekânın tüketicilerin satın alma kararlarını %90 doğrulukla tahmin ettiği anlamına gelmiyor.
Araştırmada ölçülen başarı, farklı ürün fikirlerinin gerçek ve sentetik katılımcılar tarafından nasıl sıralandığının, insan anketleri arasındaki tutarlılık referans alınarak karşılaştırılmasına dayanıyor.
Üstelik araştırmada ürünlerin gerçek satış sonuçları değil, katılımcıların ifade ettiği satın alma niyetleri değerlendirildi.
Dolayısıyla elde edilen bulgular, yapay zekânın tüketici davranışlarını kesin olarak öngörebildiğini değil, belirli araştırma koşullarında insan anketlerine benzeyen sonuçlar üretebildiğini gösteriyor.
Sentetik Tüketiciler Markalara Ne Sağlayabilir?
Araştırmanın sonuçları, sentetik tüketicilerin özellikle ürün geliştirme süreçlerinin erken aşamalarında kullanılabileceğine işaret ediyor.
Bir marka, geliştirmeyi düşündüğü çok sayıda ürün fikrini doğrudan geniş tüketici panellerine sunmadan önce yapay zekâ destekli simülasyonlarla değerlendirebilir.
Bu yaklaşım; yeni ürün konseptlerinin ön değerlendirilmesi, farklı değer önerilerinin karşılaştırılması veya tüketici itirazlarının belirlenmesi gibi alanlarda yardımcı olabilir.
Örneğin bir kozmetik markası, aynı ürünün farklı fayda vaatlerini sentetik tüketicilere sunarak hangi mesajların daha olumlu veya olumsuz tepkilerle ilişkilendirildiğini araştırabilir.
Benzer biçimde bir marka, çeşitli ürün fikirleri için yapay zekâdan açık uçlu değerlendirmeler alarak gerçek tüketici araştırmasında hangi sorulara odaklanması gerektiğini belirleyebilir.
Ancak bunlar araştırmanın işaret ettiği potansiyel uygulama alanlarıdır. Çalışma, bütün sektörlerde bu yöntemle güvenilir sonuçlar elde edileceğini kanıtlamıyor.
Özellikle tüketici davranışlarının kültürel koşullara, güncel ekonomik gelişmelere veya gerçek kullanım deneyimine güçlü biçimde bağlı olduğu alanlarda sonuçların ayrıca doğrulanması gerekiyor.
Sentetik Tüketicilerin Sınırları Neler?
Colgate-Palmolive ve PyMC Labs araştırması, yöntemin umut verici sonuçları kadar sınırlamalarını da ortaya koyuyor.
Öncelikle araştırma yalnızca ABD’deki kişisel bakım ürünü konseptlerine dayanıyor.
Bu nedenle sonuçları Türkiye pazarına veya otomotiv, finans, gayrimenkul gibi farklı sektörlere doğrudan genellemek mümkün değil.
İkinci olarak yapay zekâ modelleri, yaş ve gelir düzeyi gibi bazı demografik özelliklere bağlı yanıt örüntülerini görece başarılı biçimde yeniden oluşturdu. Ancak cinsiyet ve coğrafi bölge gibi değişkenlerde aynı tutarlılık sağlanamadı.
Araştırmacılar ayrıca SSR yönteminde kullanılan referans ifadelerin incelenen 57 araştırmaya göre optimize edildiğini belirtiyor. Bu nedenle yöntemin tamamen yeni araştırmalarda aynı performansı göstereceği henüz kesin değil.
Daha temel sorun ise yapay zekânın gerçek yaşam koşullarını bütünüyle deneyimleyememesi.
Bir tüketicinin satın alma kararı; mevcut bütçesi, ürüne erişimi, önceki deneyimleri, kültürel alışkanlıkları ve içinde bulunduğu ekonomik koşullardan etkilenebilir.
Dil modelleri bu değişkenlerin bazılarını taklit edebilse de gerçek dünyadaki bütün belirsizlikleri ve davranışları yeniden oluşturamıyor.
Araştırmacılar da yöntemin başarısının, kullanılan modelin eğitim verilerinde ilgili ürün kategorisinin ne kadar temsil edildiğine bağlı olabileceğini vurguluyor.
Pazar Araştırmalarının Geleceğinde Nasıl Bir Rol Üstlenebilirler?
Sentetik tüketicilerin yaygınlaşması, pazar araştırmalarında iki farklı yaklaşımı gündeme getiriyor.
Birinci yaklaşım, yapay zekânın insan katılımcıların yerini alabileceği düşüncesine dayanıyor.
İkinci yaklaşım ise sentetik tüketicileri, gerçek araştırmaları destekleyen ve araştırma süreçlerinin belirli aşamalarını kolaylaştıran araçlar olarak değerlendiriyor.
Mevcut bilimsel bulgular açısından ikinci yaklaşım daha temkinli ve uygulanabilir görünüyor.
Çünkü gerçek tüketicilerle yapılan araştırmalar yalnızca belirli sorulara verilen yanıtları ölçmekle kalmıyor. Beklenmeyen davranışların, kültürel değişimlerin, yeni ihtiyaçların ve araştırmacının daha önce öngörmediği motivasyonların keşfedilmesine de olanak tanıyor.
Sentetik tüketiciler ise mevcut bilgiden hareketle olası yanıtları simüle ediyor.
Bu nedenle markalar açısından asıl fırsat, iki yöntemi birbirinin alternatifi olarak görmekten çok, hangi araştırma sorularında birlikte kullanılabileceklerini belirlemek olabilir.
Colgate-Palmolive ve PyMC Labs araştırması, doğru yöntemlerle oluşturulan sentetik yanıtların geleneksel pazar araştırmalarına belirli ölçüde yaklaşabildiğini gösteriyor.
Ancak asıl sınav, bu sonuçların farklı ürün kategorilerinde, yeni pazarlarda ve gerçek satın alma davranışlarıyla karşılaştırıldığında da geçerli olup olmayacağı.
Sentetik tüketiciler pazar araştırmalarının geleceğinde önemli bir yer edinebilir. Fakat bugünkü bulgular, insanları araştırma sürecinden çıkarmaktan çok, insanlardan elde edilen bilgilerin yapay zekâ ile nasıl daha etkili değerlendirilebileceğini tartışmayı gerektiriyor.
- Maier ve arkadaşları – LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings (2025), orijinal araştırma
- Araştırmanın tam metni – arXiv
- PyMC Labs – Semantic Similarity Rating açık kaynak uygulaması







