Digitaler Zwilling im Marketing und in der Marktforschung

Was ist ein digitaler Zwilling im Marketing?

Der Begriff kommt aus Produktion und Raumfahrt. IBM beschreibt einen digitalen Zwilling als virtuelle Repräsentation eines physischen Objekts oder Systems, die Echtzeitdaten nutzt, um dessen Verhalten und Zustand abzubilden. Das Fraunhofer-Wiki zur Initiative ASE grenzt ihn von Simulationsmodellen ab: Ein digitaler Zwilling repräsentiert „ein reales, sich im Betrieb befindliches Produkt“.

Gartner überträgt die Idee auf Kunden und spricht vom „Digital Twin of a Customer“ (DToC). Laut einer Gartner-Pressemitteilung von 2023, wiedergegeben von DC Velocity, ist das eine dynamische, virtuelle Repräsentation eines Kunden, die Verhalten simuliert und lernt, es nachzuahmen und vorherzusagen. Im Hype Cycle for Emerging Technologies 2024, zitiert vom Anbieter edgeTI, ergänzt Gartner: Kunden können Einzelpersonen sein, Firmenkunden, Personas, Gruppen von Menschen oder Maschinen. Gartners eigene Seiten waren beim Abruf nicht frei lesbar.

Heute meint der Begriff im Marketing fast immer ein Sprachmodell, dem man Daten über eine Person oder eine Zielgruppe mitgibt und das dann Fragen beantwortet oder auf Texte reagiert.

Digitaler Zwilling, Persona, synthetische Persona: der Unterschied

Die Begriffe werden oft durcheinander verwendet. So lassen sie sich auseinanderhalten (unsere Einordnung):

Gartners Begriff umfasst auch Personas und Gruppen. Wer einen „digitalen Zwilling eurer Zielgruppe“ anbietet, meint deshalb oft eine synthetische Persona. Fragt nach, worauf sie beruht. Mehr dazu: Synthetische Personas.

Wofür Marketing und Marktforschung digitale Zwillinge einsetzen

• Synthetische Umfragen. Ein Sprachmodell beantwortet einen Fragebogen im Namen vieler Befragter. Argyle und Kollegen (2023) erzeugten so „Silicon Samples“ aus Lebensläufen echter Umfrageteilnehmer.
• Produkt- und Konzepttests. Maier und Kollegen (Colgate-Palmolive, PyMC Labs) prüften 57 Produktumfragen zu Körperpflege mit 9.300 menschlichen Antworten gegen synthetische.
• Preis und Zahlungsbereitschaft. Brand, Israeli und Ngwe (Harvard Business School) schätzten Zahlungsbereitschaft aus den Antworten von Sprachmodellen und verglichen mit Studien mit Menschen.
• Vorhersagen für einzelne Personen. Park und Kollegen (Stanford) sowie Toubia und Kollegen (Marketing Science) bauten Zwillinge von über 1.000 bzw. 2.058 echten Menschen.
• Werbe-, Botschafts- und Kundenerlebnis-Tests. Anbieter wie iMotions, Genesys und Dovetail nennen diese Einsätze auf ihren Seiten. Eine Studie, die Zwillinge bei Werbetexten gegen Marktergebnisse misst, haben wir nicht gefunden.

Wie genau sind digitale Zwillinge?

Gemessen wird gegen einen strengen Maßstab: Menschen beantworten dieselben Fragen nach einiger Zeit noch einmal, und sie antworten dabei nicht immer gleich. Diese Wiederholungsgenauigkeit ist die Obergrenze. Studien geben an, welchen Anteil davon die Zwillinge erreichen.

Ein Beispiel aus Twin-2K-500: Die Menschen wiederholten ihre Antworten zu 81,72 %, die Zwillinge trafen 71,72 %. Das Verhältnis über 17 Aufgaben geben die Autoren mit 87,67 % an.

Vorsicht bei Berichten über „85 % Genauigkeit“: Diese Zahl stammt aus der ersten Fassung der Stanford-Studie von 2024 und meint ebenfalls den Anteil der Wiederholungsgenauigkeit, nicht 85 % richtige Antworten. Das Future of Marketing Institute etwa schreibt, die Zwillinge bildeten das Denken der Teilnehmer „with 85% accuracy“ nach.

Maier und Kollegen fanden außerdem: Fragt man Sprachmodelle direkt nach Zahlen auf einer Skala, entstehen unrealistische Verteilungen. Ihr Ergebnis gilt für ein eigenes Verfahren, nicht für jede Abfrage.

Wo digitale Zwillinge danebenliegen

• Zu normativ. In Twin-2K-500 wählten die Zwillinge bei einer Aufgabe immer die normative Antwort, ihre menschlichen Vorbilder nur in etwa 30 % der Fälle. Rund 45 % der Menschen lehnten eine Impfung ab, aber nur 4,0 % der Zwillinge.
• Zahlungsbereitschaft mit falschem Vorzeichen. Laut Brand und Kollegen sind Schätzungen aus Sprachmodellen manchmal vergleichbar mit Studien mit Menschen, oft aber ungenau und teils mit falschem Vorzeichen. Fluorid in Zahnpasta wurde etwa dreimal zu hoch bewertet, ein größerer Laptop-Bildschirm negativ.
• Keine verlässlichen Unterschiede zwischen Segmenten. Dieselbe Studie: Die Modelle bilden eher den Durchschnitt ab und liefern keine aussagekräftigen Unterschiede zwischen Kundengruppen. Nachtrainieren half innerhalb einer Produktkategorie, nicht bei neuen Kategorien und nicht zwischen Segmenten.
• Zu wenig Streuung, wechselnde Ergebnisse. Bisbee und Kollegen (2024) fanden weniger Streuung als in echten Umfragen. 48 % der geschätzten Zusammenhänge wichen signifikant ab, in 32 % dieser Fälle mit umgekehrtem Vorzeichen. Derselbe Prompt lieferte über drei Monate deutlich verschiedene Ergebnisse.
• Zu wohlwollend. Die Nielsen Norman Group beobachtet oberflächliches oder zu positives Feedback von synthetischen Nutzern. Ihnen scheint alles gleich wichtig zu sein.

Brand und Kollegen ziehen den Schluss, dass Sprachmodelle in der Marktforschung Studien mit Menschen ergänzen, nicht ersetzen. Ohne Vergleich mit Menschen hätte man nicht erkennen können, welche Schätzungen unzuverlässig waren.

Wie ihr einen Anbieter für digitale Zwillinge prüft

• Gegen echte Antworten gemessen? Fragt nach einem Vergleich mit Antworten echter Menschen, die der Zwilling nicht kannte, und nach dem Maßstab: Anteil der Wiederholungsgenauigkeit oder rohe Trefferquote.
• Worauf beruht der Zwilling? Interviews oder Umfragen mit echten Menschen schnitten bei Park und Kollegen deutlich besser ab als demografische Angaben allein (83 % gegen 74 %).
• Bildet er Unterschiede ab? Lasst euch zeigen, ob verschiedene Segmente verschieden antworten. Genau hier versagten die Modelle bei Brand und Kollegen.
• Widerspricht er? Ein Zwilling, der jedes Konzept gut findet, sagt euch nichts über Einwände.
• Wie aktuell sind die Daten? Ein Zwilling ist ein Abbild zu einem Zeitpunkt, kein laufender Datenstrom wie in der Industrie.
• Wessen Daten stecken darin? Ein Zwilling echter Kunden beruht auf personenbezogenen Daten. Klärt vorher, auf welcher Grundlage sie verarbeitet werden.

Was das für Werbe- und Seitentexte heißt

Keine der Studien hat Werbe- oder Seitentexte gegen Marktergebnisse geprüft. Die Muster sind trotzdem die, auf die ihr bei Texttests achten solltet: Zwillinge urteilen braver und einheitlicher als Menschen und unterschätzen deshalb eher Einwände.

99takes nennt seine Personas nicht digitale Zwillinge, weil sie keine Kopien einzelner Kunden sind. Es sind Personas aus eurer Zielgruppe, recherchiert aus Wettbewerberseiten und öffentlichen Kundenstimmen, jede mit Quelle; ohne Belege wird eine Zielgruppe als Hypothese gekennzeichnet. Eine Zielgruppe hat typischerweise 10 bis 14 Personas mit großer Spannweite, Fassungen werden blind geprüft. Wie oft die Jury richtig lag, zeigt die Trefferquote je Jury, mit Zahl der Ergebnisse und Spanne, veröffentlicht ab zehn entscheidbaren Ergebnissen.

99takes läuft auf Claude und hat kein eigenes Sprachmodell. Es ist eine Simulation vor dem Livegang, keine Marktmessung.

Häufige Fragen