Social Rocket
Goodway Group utilizza target sintetici per testare i piani media prima di veri test di campagna. Secondo un rapporto del 12 ottobre 2026, l'agenzia collabora a tal fine con il fornitore di dati Arima. La sua offerta comprende anche un modello della popolazione tedesca con 80 milioni di persone virtuali e circa 20.000 variabili modellate. Il numero descrive dataset generati artificialmente, non un sondaggio di 80 milioni di persone reali.
Un piano media, molti scenari simulati
Secondo quanto dichiarato da Arima, la società combina diversi dataset in una "Synthetic Society". Goodway intende usarla per verificare in anticipo come potrebbero reagire target diversi o diverse distribuzioni del budget. Successivamente le ipotesi dovrebbero essere verificate in campagne pubblicitarie reali e limitate. Il vantaggio nella pratica quotidiana delle agenzie: gli scenari possono essere confrontati senza spendere subito budget di test per ogni idea.
Il caso non è un semplice annuncio di un nuovo strumento di IA. Mostra che i gruppi di clienti sintetici confluiscono sempre più direttamente nelle decisioni su budget media e strategia creativa. Secondo Digiday, tra gli altri i brand dei settori beauty e beni di consumo utilizzano procedure simili per esaminare in anticipo idee di prodotto e ipotesi sui target.
80 milioni di persone modello non sono 80 milioni di voci
Qui sta la limitazione più importante. Il dataset dovrebbe riprodurre distribuzioni e correlazioni. Da ciò non deriva però che la sua previsione sia affidabile per un marchio, una regione o un annuncio specifico. Inoltre, distorsioni presenti nei dati di partenza o nelle ipotesi del modello possono essere riproposte.
Uno studio di ricerca di Netzer e Sambandam distingue esplicitamente tra risposte LLM generate, persona di segmento e gemelli digitali individuali. Mostra che un'elevata corrispondenza nella media può nascondere previsioni deboli per singole persone. Decisivo è per quale domanda un modello sintetico sia stato validato in precedenza su dati reali.
Ancora più concreta è un'analisi di 399 test A/B statisticamente significativi sui titoli dell'archivio Upworthy. In essa un LLM senza persona elaborate ha previsto l'ordine delle varianti meglio del panel di persona testato. Lo studio è un preprint con un ambito di applicazione limitato e quindi non confuta tutti i modelli di dati sintetici, ma contraddice l'ipotesi che più dettaglio nelle persona significhi automaticamente previsioni migliori.
Tre verifiche per i team marketing in Germania
In primo luogo: richiedete un report sugli errori rispetto a sondaggi reali indipendenti e a dati di campagna del mercato tedesco. Una distribuzione demografica complessiva corretta non basta.
In secondo luogo: distinguete la simulazione dell'effetto di un budget da un effetto misurato causalmente. Un mercato di controllo artificiale può fornire idee, ma non sostituisce un geo-holdout costruito correttamente o un altro test di incrementalità reale. Come viene impiegata la misurazione causale reale nel retail, lo spiega il nostro approfondimento su Retail Media e incrementality.
In terzo luogo: definite quale decisione il modello dovrebbe effettivamente migliorare: segmenti di target, messaggio, entità del budget o scelta dei canali. Per la distribuzione automatizzata si aggiungono ulteriori domande di controllo, che illustriamo nel nostro articolo sul media buying agentico e sulla valutazione di presunti valori ROAS quintuplicati.
Valutazione: i panel sintetici possono accelerare ricerca e preselezione. Il loro valore economico è dimostrato solo quando le decisioni basate su di essi risultano migliori dei metodi precedenti rispetto ai risultati reali.
Fonti: Digiday, 12.10.2026; Arima, popolazione sintetica Germania; Netzer/Sambandam, Synthetic Data in Marketing Research, settembre 2026; Maiorano, studio Sim-to-Real, preprint 2026.
Immagine simbolica: Luke Chesser / Unsplash. Non raffigura il software Arima.