A drága iker

Szintetikus panel: amit ígérnek, amit mérnek, és mihez képest gyors. Ha egy szintetikus minta nem reprezentatív nem, kor, régió, településtípus és iskolai végzettség szerint, ha nem friss, valódi paneladatból épül fel, és ha senki nem validálja valódi adatfelvétellel, akkor a rá költött összeg kidobott pénz. Ez a kisebbik baj. A nagyobbik akkor jön, ha a rossz adatból rossz döntés születik, mert onnantól már a profitra megy a játék.

Szeretném, ha működne

Kezdjük ott, hogy nekem lenne a legjobb, ha fenntarthatóan működő lenne egy szintetikus panel. Több mint harminc éve vagyok a szakmában, és megtanultam, hogy a kutatás legdrágább része nem az elemzés, hanem a válaszadó megtalálása: az orvos, aki nem ér rá, a gépjárműflotta-beszerző, akiből az országban négyszáz van, a ritka betegségben érintett család, a kisvárosi kereskedő, a vidéki, fiatal, alacsony iskolai végzettségű férif és nő. Ezek a célcsoportok ma vagy nagyon drágán kutathatók, vagy sehogy. Ha lenne olyan eljárás, amely ezeket megbízhatóan modellezi, azzal a szakma egy évtizedes adósságát törlesztené. Ezért kezdtem el komolyan olvasni a szintetikus panelről szóló szakirodalmat, és nem azért, hogy megcáfoljam. Azért, hogy megvegyem.

Az eredmény kellemetlen. Amit ma a szintetikus válaszadói platformok ígérnek, az nem óvatos túlzás és nem lelkes marketingnyelv, hanem akkora távolság az ígéret és a mért teljesítmény között, amit szakmai udvariassággal már nem lehet áthidalni.

Nem a technológia csal. Az ígéret csal. A kettő közötti különbséget a megrendelő fizeti meg. Nemcsak árban, hanem bizalomvesztésben is, amelynek a piackutási szakma csak a vesztese lehet.

Az iker sosem félt

Van egy gondolatkísérlet, amit minden ügyfélnek elmondok, amikor szintetikus panelről kérdez. Képzeljük el, hogy tavaly márciusban felépítettünk egy szintetikus panelt a magyar bankpiacra: rendes munka volt, valódi adatból, gondos modellezéssel. Azóta eltelt egy év, ami alatt belépett a piacra egy új szereplő, az egyik márkanevet váltott, indult egy agresszív árkampány, növekedtek a költségek, változott egy szabályozás, és megjelent egy alkalmazás, amit a fiatalok imádnak. A valódi paneltagunk mindezt megélte: látta a plakátot a villamoson, érezte az áremelést a pénztárcáján, volt egy rossz élménye egy banki alkalmazottal és vagy váltott szolgáltatót vagy nem, de tudja, hogy megtehetné. Az ikre nem.

Az ikernek soha, semmilyen tapasztalata nem volt. Sosem félt, sosem kellett befizetnie a számlát, nem ült este a konyhaasztalnál a villanyszámlával azt számolgatva, kijön-e a hónap, és nem tette vissza a polcra a drágább joghurtot. A valódi paneltag válasza nem attól hiteles, hogy pontosan emlékszik, hanem attól, hogy a válasz mögött következmény van: ő fizeti a számlát, ő váltott vagy nem váltott, ő bánta meg vagy nem bánta meg. A kutatás ezt az élményt és következményt is méri, nemcsak a tényeket.

A tapasztalatot nem lehet demográfiából levezetni. Meg lehet kérdezni, vagy meg lehet figyelni. Harmadik út nincs.

Rá lehet tanítani. Csak nem olcsón.

Az ellenérv ilyenkor mindig ugyanaz, és jogos: rá lehet tanítani a modellt. Igen, rá lehet, csak nem egyszer, hanem folyamatosan. Minden új szereplőre, minden márkanévváltásra, minden árkampányra, minden szabályozásváltozásra és minden új alkalmazásra. Ez pedig nem modellezési feladat, hanem adatfelvételi: valakinek folyamatosan meg kell kérdeznie valódi embereket, hogy legyen mit tanítani.

Innentől egy elágazás van, és mindkét ága kellemetlen a szolgáltatónak. Ha van mögötte folyamatos tanítás valódi paneladatból, akkor a szintetikus panel nem olcsóbb a hagyományos kutatásnál, hiszen a költség java része éppen az az adatfelvétel, amit állítólag megspórolunk. Ha viszont tényleg olcsó, akkor nem volt mögötte folyamatos tanítás, és akkor az iker arról a piacról beszél, amelyik tavaly volt. A kettő együtt nem lehet igaz, és ezt a mondatot érdemes minden ajánlatkérés mellé odatenni.

Hogy ez nem elméleti aggály, azt a legjobb nyilvánosan leírt szintetikus eljárás saját mérései mutatják. A Verasight kutatói által idén júniusban publikált THESEUS azon a kérdésén tévedett a legnagyobbat, amely a modell tanítási határa után történt eseményre kérdezett rá: tizenkét és fél százalékpont egy egyszerű ismertségi kérdésén. Amikor pedig megpróbálták a friss híreket beépíteni a modell utasításába, az eredmény romlott, mert a szintetikus válaszadók a háttéranyagot utasításnak vették, és mind ugyanabba az irányba mozdultak. A szintetikus panel tehát akkor mér jól, amikor olyat kérdezünk, amit előtte már mindenki megkérdezett. A piackutatást viszont az újért veszik.

Forrás: Verasight Synthetic Sampling Report V, 2026. június

Annyira jó, mint a panel mögötte

Ha a szintetikus iker minősége a mögötte lévő valódi paneltől függ, akkor a megrendelő valódi kérdése nem az, hogy melyik szintetikus platformot vegye meg, hanem az, hogy kinek a panelje van mögötte. Márpedig panel és panel között óriási a különbség. Van, aki három szempont szerint súlyoz, mert az olcsóbb és gyorsabb, és a jelentésben ettől még ott lesz a reprezentatív szó. És van, ahol a tankönyvi öt szempontot tartjuk, tehát a nemet, a kort, a régiót, a településtípust és az iskolai végzettséget. A Netpanelt ezen az elven üzemeltetjük, nem az olcsó adatért, hanem a jóért.

A következmény a modellezésnél kegyetlen. Egy háromszempontos panelre épített iker háromszempontos torzítást örököl, és nem kijavítja, hanem felnagyítja: a modell magabiztos, kerek, jól hangzó formában adja vissza azt, ami már az alapadatban is ferde volt. A rossz adatból így lesz meggyőző adat, ami rosszabb, mintha egyszerűen hiányozna.

A számok, amiket a bemutatókon nem vetítenek

Kezdjük azzal, ami működik, mert van olyan is. A Verasight kutatói egy éven át öt kísérletben tesztelték a szintetikus válaszadókat, és az utolsóban szándékosan a lehető legerősebb rendszert építették fel. Ez a pártpreferenciára 1,8, az elnök megítélésére 2,1 százalékpontos hibával válaszolt, vagyis nagyjából annyival, amennyivel két egymás után lefuttatott ezerfős valódi kutatás is eltérne egymástól.

Az viszont beszédes, hogy miért. A szerzők maguk írják le: ennél a két kérdésnél a pártpreferencia, az ideológia és a korábbi szavazat együtt a válaszok szórásának több mint 95 százalékát megmagyarázza. A modellnek tehát nem kell megértenie az embert, elég egyetlen stabil azonosítót ismernie, amit a tanítóanyagából ezerszer látott. A mi szakmánkban ilyen változó nincs. Nincs olyan ismérv, amiből a bankváltás vagy egy kreatívra adott reakció kilencvenöt százalékban levezethető lenne. Ha lenne, nem kellene kutatni.

Innentől minden más következik. Ugyanez a csapat kétezer valódi válaszadó ötvenkét kérdésén, hat témakörben, 305 válaszlehetőségen mérte le a szintetikus ikreket, és az átlagos eltérés 14,5 százalékpont lett. Egy piackutató számára ez nemcsak hogy túl van a hibahatáron, hanem már egy másik történetet mesél el. A többválaszos kérdéseket pedig ki kellett hagyni az elemzésből, mert annyira rosszul teljesítettek, hogy értékelhetetlenek voltak.

MIÉRT EZ A LEGFONTOSABB SZÁM A MAGYAR PIACON
Spontán és támogatott márkaismeret, használati és attitűdvizsgálat, médiafogyasztás, vásárlási helyszínek: a hazai megbízások zöme többválaszos kérdésekre épül. Ha ezeken a szintetikus panel strukturálisan összeomlik, akkor a munkánk többségén eleve nem alkalmazható, attól függetlenül, hogy az országos átlag milyen meggyőzően néz ki a bemutatón.

Egy korábbi kísérletben a modell olyan kérdést kapott, amit nem ismert, és nem egyszerűen mellélőtt: megfordította a sorrendet, mindkét oldal támogatottságát eltúlozta, és gyakorlatilag nem adott nem tudom választ. Ez utóbbi önmagában elég ok az óvatosságra, mert nálunk a nem ismerem arány sokszor a jelentés legfontosabb száma: az mutatja meg, hogy egy márka vagy egy üzenet eljutott-e valakihez.

A szintetikus válaszadó viszont mindig tud véleményt mondani, mert erre van optimalizálva. Ez a legveszélyesebb hibafajta, mert nem zajt ad az adathoz, hanem magabiztosságot.

 

Forrás: Verasight Synthetic Sampling Report V, 2026. június

Bisbee és szerzőtársai a Political Analysisben publikált tanulmányukban azt találták, hogy a szintetikus adatból számolt összefüggések fele jelentősen eltért a valódi adatból számolttól, és minden harmadik ilyen esetben nem egyszerűen pontatlan volt, hanem az ellenkezőjét mutatta. Ugyanez a vizsgálat dokumentálta azt is, hogy ugyanaz az utasítás három hónappal később már más eredményt adott, mert közben a szolgáltató frissítette a modellt. Aki erre tracking kutatást épít, annak az idősorába a szolgáltató bármikor beleírhat, anélkül hogy szólna.

Forrás: Bisbee et al. (2024), Political Analysis, Cambridge University Press

A szolgáltatói válasz erre mindig ugyanaz: korai fázis, a következő modell megoldja, több adat, jobb eredmény. A promptolás finomítása valóban hozott eredményt, a lépésenkénti érveltetés 8,0-ról 6,7 százalékpontra vitte le az átlagos hibát, onnan viszont nem megy tovább. Az ügynökök számát ötszázról ötezerre emelve az eltérés 6,8-ról 6,7 pontra változott, vagyis a tízszeres költség egytized pontot vásárolt, az alcsoportoknál pedig semmit. Ennek elvi oka van: a szintetikus mintában nincs mintavételi hiba, amit elemszámmal csökkenteni lehetne, ami van, az torzítás, a torzítás pedig nem átlagolódik ki. Ha egy szolgáltató ötvenezres szintetikus elemszámmal érvel, akkor vagy nem érti a saját termékét, vagy arra épít, hogy a megrendelő nem érti.

A drága iker

A THESEUS népszámlálási mikroadatból mintáz ügynököket, területi mutatókkal gazdagítja őket, majd statisztikai modellekkel becsül rájuk attitűdöket, és ezek az attitűdök nem a modellből jönnek. Tizenötezer valódi válaszadó valódi válaszaiból, egy éven át, ugyanazon a panelen felvéve. A szerzők becslése szerint ez az adatmennyiség nagyjából 65-70 ezer dollár, és ez csak az alapanyag: nincs benne a panel toborzása és karbantartása, a mintavételi keret, a válaszadói ösztönző, a súlyozás, és nincs benne az a valódi adatfelvétel sem, amihez a végén mérni kell az eredményt.

A tizenötezer interjúban van egy részlet, ami fontosabb, mint maga az összeg: mind politikai közvélemény-kutatásból származik, egyetlen megbízó számára felvéve. Ezért tud a rendszer a politikai kérdésekre jól válaszolni, és ezért nem tud semmit a bankpiacról vagy egy új csomagolásról. Nem elég tehát, hogy van mögötte valódi panel. Az is számít, miről kérdezték rajta az embereket.

Forrás: Verasight Synthetic Sampling Report V, 2026. június

 

A szintetikus panel nem a valódi panel helyett van. A valódi panel az alapanyaga.

Innentől a logika kérlelhetetlen. Ha a pontosság a valódi válaszadók adatától függ, akkor azt az adatot karban kell tartani, és mivel a piac folyamatosan változik, folyamatosan új valódi válaszadókat kell megkérdezni. Ha pedig tudni akarjuk, hogy a modell nem sodródott el, rendszeresen valódi kontrollmérést kell futtatni ugyanazokon a kérdéseken. Mindhárom valódi terepmunka, valódi panelen, valódi pénzért.

És van egy szám, ami ezt lezárja. A szerzők szétbontották a 6,6 százalékpontos hibát: nagyjából 3,6 pont abból származik, ahogyan a valódi paneladatot rávetítik az ügynökökre, és csak körülbelül 3,0 pont magából a nyelvi modellből. A hiba nagyobbik fele tehát nem AI-probléma, hanem adatprobléma. Még tökéletes modell mellett is ott maradnánk 3,6 ponton, és azon egyetlen dolog javítana: több és frissebb valódi paneladat. Aki a szintetikus panel pontosságát a modellfejlesztéstől várja, rossz helyen keresi.

Az adatnak szavatossági ideje van

Ez a szakma legkevésbé kimondott igazsága. Az adat nem elromlik, hanem lejár: egy tavalyi márkaismereti adat ma nem pontatlan, hanem érvénytelen, mert közben átrendeződött a piac. Ezt minden kutató tudja, és ezért készítünk tracking kutatásokat ahelyett, hogy egyszer megmérnénk valamit, majd évekig hivatkoznánk rá. A szintetikus panelnél ugyanez a szabály érvényes, csak sokkal keményebben, mert egy szintetikus iker a felépítés napján a legpontosabb, onnantól minden nappal romlik, és a romlás nem látszik rajta. Ugyanolyan magabiztosan válaszol tavaly júniusi tudással is.

A kérdés tehát nem az, hogy a szintetikus panel pontos-e. Hanem az, hogy mikor volt a legpontosabb, mert ma és honlap már biztos, hogy még kevésbé pontos eredményt ad.

Négy kérdés, ami eldönti

Ebből következik az egyetlen gyakorlati tanács, amit ebben a cikkben adni tudok. Ha mindezek ellenére, vagy éppen ezért, tehát kutatói kíváncsiságból, mégis szintetikus panel használatán gondolkodsz, akkor kérdezd végig ezt a négyet, és számokat kérj válaszul, ne jelzőket.

1. Milyen valódi válaszadói panelen tanították? Kié a panel, hogyan toborozták, hány aktív tagja van, és milyen ellenőrzésen mennek át a válaszadók. Ha a válasz az, hogy nyilvános adatokból és általános modelltudásból, akkor nincs mögötte panel.

2. Hány szempont szerint reprezentatív az a minta, amin tanították? Ha három, akkor a modell háromszempontos torzítást örököl, és nem kijavítja, hanem felnagyítja. Az öt szempont itt nem formalitás, hanem az egyetlen garancia.

3. Mikor frissítették utoljára, és milyen adaton? Dátumot kell kérni, nem azt, hogy folyamatosan. És meg kell kérdezni, mi frissült: új válaszadói adatfelvétel, vagy csak egy újabb modellverzió. A kettő nem ugyanaz, és csak az egyik ér valamit, ráadásul nem minden szektorra kell adatfrissítésnek lennie, hiszen lehet, hogy csak az autóhasználat volt frissítve tegnap, de a telefonhasználati rész már több, mint 1 éve.

4. Vállalják-e a párhuzamos, valódi paneles validálás költségét? Ez a lakmuszpapír. Aki bízik a saját termékében, az állja a kontrollmérés árát, mert az bizonyítja. Aki nem vállalja, az tudja, mi derülne ki.

   
   Ha a negyedik kérdésre nem érkezik igen, a többi választ már el sem kell olvasni. És ha valaki mégis belevág, két dolgot kérjen a jelentésbe: a mért eltérést szegmensenként, ne csak országosan, és annak a felsorolását, hogy mely kérdéstípusokat nem vállalja a szintetikus panelszolgáltatást kínáló cég.

Amit a paneltag tud, és az iker soha

Van egy réteg, amit több adattal sem lehet megoldani, mert nem adathiányról szól, hanem az impulzusvásárlásról, a megbánásról és a telítődésről. Ezek a fogyasztói döntések legerősebb mozgatói, és mindhárom abban közös, hogy a pillanatban születik, nem a válaszadó önképében.

Kata bemegy a drogériába pelenkáért. Fáradt, a gyerek nyűgös, a nap hosszú volt, és a polcon meglát egy tízezer forintos sampont. Nem volt a listán, nem illik a korábbi válaszaihoz, mégis megveszi, mert abban a pillanatban nem sampont vesz, hanem öt perc figyelmet saját magára. Hazafelé már nem tudja pontosan elmagyarázni, mi történt. Ez a klasszikus impulzusvásárlás, és pontosan ezért vizsgáljuk. A szakmánk nemcsak azt méri, amit a vásárló előre eltervez, hanem azt is, ami a boltban történik vele: a pillanatnyi állapotot, a helyzetet és az utólagos önigazolást. A vásárlások jelentős része így születik, tehát ha csak a tervezett viselkedést értjük meg, a piac felét nem látjuk.

A szintetikus Kata ezzel szemben azt mondja, hogy középárú szegmens, funkcionalitást preferál, és ennek megfelelő terméket választ. Nem azért, mert rossz a modell, hanem mert nincs pillanata: nincs saját meglepődése, és nincs olyan belső törése, amikor az ember eltér attól, amit magáról gondol. A szimuláció definíció szerint a korábbi mintázatból becsül, az impulzus lényege pedig éppen a mintázat megsértése.

Ugyanez igaz a megbánásra és a telítődésre. Aki megbán egy vásárlást, másképp keres legközelebb, másképp értékeli a márkát, és más történetet mesél magának a saját döntéséről, vagyis a megbánás nem érzelmi díszlet, hanem tanulási mechanizmus. Az iker viszont nem visz vissza cipőt: nincs saját következménye, tehát nincs saját tanulása sem. A telítődésnél pedig az emberek gyakran nem azért váltanak márkát, mert az előző rossz lett, hanem mert elegük lett belőle, és ez nem racionális határérték, hanem felgyűlt mikrotapasztalatok érzelmi eredője. A modell le tudja írni. Átélni nem.

Egy ellenérvet érdemes még elővenni, mert rendszeresen felhozzák: a kérdőív sem tökéletes, ott is torzít a szociális kívánatosság. Ez igaz, csakhogy 2024 óta mérik, hogy maguk a nagy nyelvi modellek is mutatnak társadalmilag kívánatos válaszadási mintázatot. Nem torzításmentes alternatívát kapunk tehát, hanem egy másik, kevésbé ismert és sokkal kevésbé korrigálható torzítást.

Forrás: Salecha et al. (2024), PNAS Nexus

Mihez képest gyors?

A szintetikus panel mellett szóló érv mindig ugyanaz: gyors és olcsó. Ezt viszont érdemes pontosan mihez képest mérni, mert nem az a kérdés, amit ma az ügyfél elvár. Az ügyfélnek olcsó, gyors és megbízható kutatásra van szüksége, egyszerre mind a háromra, és ez ma nem lehetetlen kérés. Egy ezer fős, öt szempont szerint reprezentatív online adatfelvétel három napon belül kész van, valódi emberekkel, ellenőrzött mintával, súlyozva. A gyorsaság tehát ki van pipálva, a megbízhatóság szintén, az áron pedig lehet vitatkozni, de szerintem az is rendben van.

Az értékesítés régi vicce, amelynek nemcsak a fele igaz

Az ügyfél háromféle munkát kérhet: olcsót, gyorsat és jót, ebből viszont csak kettőt választhat. Ha olcsót és gyorsat kér, nem lesz jó. Ha gyorsat és jót, nem lesz olcsó. Ha olcsót és jót, nem lesz gyors. Minden értékesítő ismeri ezt, és minden megrendelő elfogadja, mert tudja, hogy igaz. A szintetikus panel az első termék a szakmában, amelyik mind a hármat egyszerre ígéri, aztán kettőt ad: olcsót és gyorsat. A harmadik nem hiányzik senkinek egészen addig, amíg meg nem születik belőle az első döntés.

Ha pedig a valódi kutatás ma már gyors és megbízható is, akkor a szintetikus panel nem a lassú és drága kutatással verseng, hanem a gyors és megbízható kutatással. Ebben az összevetésben egyetlen dolog marad neki, és azt vállalni is kell: ma a szintetikus panel kutatási kísérlet. Módszertani tanulásnak kiváló, annak a megértésére, hogy hol tart a technológia, kifejezetten hasznos, és a szakmának kötelessége foglalkozni vele. Üzleti döntés megalapozására viszont nem alkalmas, és aki mást állít, az ...

Egyetlen nagy iparági szereplő fogalmazott eddig pontosan. A Gallup idén májusban jelentette be, hogy elkezdte kutatni a szimulált válaszok használhatóságát, és ugyanabban a közleményben leszögezte: szimulált válaszokból nem készít publikált populációs becslést, és soha nem tünteti fel őket emberi válaszként. Egy kilencven éves közvélemény-kutató intézettől ez nem óvatoskodás, hanem a szakma jelenlegi tudásának pontos összefoglalása.

Forrás: Gallup Begins Research on Simulated Responses, 2026. május

Ami a tét

A szabályozás közben utolérte a témát. Az ICC/ESOMAR kódex 2025-ös felülvizsgálata nevesíti a mesterséges intelligenciát, a szintetikus adatot és a szintetikus perszónát: a 7. cikk szerint a vakfoltokat, a hiányosságokat és az emberi felügyelet mértékét közölni kell, a 9. cikk szerint pedig publikálásnál a szintetikus adat használatának feltárása kötelező. A felelősség megosztott, tehát nem hárítható át a szolgáltatóra.

Forrás: ICC/ESOMAR International Code, 2025-ös felülvizsgálat

De az igazi tét nem szabályozási. Egy termékbevezetés, egy pozicionálásváltás vagy egy árazási döntés több száz millió forintos következménnyel jár, és ha az adat, ami alatta van, 14,5 százalékponttal téved, szegmensenként pedig még többel, akkor nem gyorsabban döntöttünk. Rosszabbul döntöttünk, és magabiztosabban. Ez a különbség a kidobott pénz és az üzleti kár között: a kutatási költséget egyszer írjuk le, a rossz döntést évekig fizetjük.

Egy valódi piacon működő cég nem építhet döntéseket nem valódi válaszadókra.

Szeretném, ha működne, és amikor működni fog, az NRC lesz az első, amelyik használja. Addig viszont ne felejtsük el, mit veszünk, amikor szintetikus panelt veszünk: nem mérést, hanem becslést. És a becslés pontosan annyit ér, amennyi friss, valódi emberi adat van mögötte.