Social Rocket
Goodway Group gebruikt synthetische doelgroepen om mediaplannen door te spelen voordat er echte campagnetests komen. Daarvoor werkt het bureau volgens een bericht van 12 oktober 2026 samen met de datadienstverlener Arima. Het aanbod van Arima omvat ook een model van de Duitse bevolking met 80 miljoen virtuele personen en ongeveer 20.000 gemodelleerde variabelen. Dat getal beschrijft kunstmatig gegenereerde datasets – geen ondervraging van 80 miljoen echte mensen.
Eén mediaplanning, veel gesimuleerde scenario's
Arima combineert volgens eigen opgave verschillende datasets tot een "Synthetic Society". Goodway wil daarmee vooraf nagaan hoe verschillende doelgroepen of budgetverdelingen naar verwachting reageren. Vervolgens moeten de hypothesen in beperkte echte advertentiecampagnes worden getoetst. Het voordeel in de agencypraktijk: scenario's zijn te vergelijken zonder meteen testbudget uit te geven voor elk idee.
Dit geval is meer dan een aankondiging van een nieuw AI-hulpmiddel. Het laat zien dat synthetische klantgroepen steeds vaker rechtstreeks meewegen in beslissingen over mediabudget en creatieve strategie. Volgens Digiday gebruiken onder meer merken uit de beauty- en consumentengoederenbranche vergelijkbare methoden om productideeën en doelgroepaannames vroegtijdig te onderzoeken.
80 miljoen modelpersonen zijn geen 80 miljoen stemmen
Dit is de belangrijkste beperking. De dataset moet verdelingen en samenhangen nabootsen. Of de voorspelling voor een concreet merk, regio of advertentie betrouwbaar is, volgt daar niet uit. Bovendien kunnen vertekeningen in de uitgangsdata of in modelaannames worden doorgevoerd.
Een onderzoek van Netzer en Sambandam maakt uitdrukkelijk onderscheid tussen gegenereerde LLM-antwoorden, segmentpersona's en individuele digitale tweelingen. Het toont aan: een hoge overeenstemming op gemiddeld niveau kan zwakke voorspellingen voor afzonderlijke mensen verbergen. Doorslaggevend is voor welke vraag een synthetisch model eerder op echte data is gevalideerd.
Concreter is een onderzoek naar 399 statistisch betekenisvolle headline-A/B-tests uit het Upworthy-archief. Daarin voorspelde een LLM zonder uitgewerkte persona's de volgorde van de varianten beter dan het geteste persona-panel. De studie is een preprint met beperkt toepassingsgebied en weerlegt dus niet alle synthetische datamodellen – maar ze spreekt de aanname tegen dat meer persona-detail automatisch betere voorspellingen oplevert.
Drie controles voor Duitse marketingteams
Ten eerste: vraag om een foutenrapport ten opzichte van onafhankelijke echte enquêtes en campagnedata uit de doelmarkt Duitsland. Een kloppende demografische totaalverdeling is niet genoeg.
Ten tweede: onderscheid de simulatie van een budgeteffect van een causaal gemeten effect. Een kunstmatige controlemarkt kan ideeën opleveren, maar vervangt geen zorgvuldig opgezette geo-holdout of een andere echte incrementaliteitstest. Hoe echte causale meting in retail wordt ingezet, legt onze duiding over retail media en incrementaliteit uit.
Ten derde: bepaal welke beslissing het model eigenlijk moet verbeteren: doelgroepsegmenten, boodschap, budgetomvang of kanaalkeuze. Voor geautomatiseerde aussteuring komen daar extra controlevragen bij, die we bespreken bij agentisch mediabuying en bij de beoordeling van naar verluidt vijfvoudige ROAS-waarden.
Conclusie: synthetische panels kunnen onderzoek en voorselectie versnellen. Hun economische nut is pas aangetoond wanneer beslissingen die erop gebaseerd zijn tegen echte resultaten beter scoren dan de bestaande methoden.
Bronnen: Digiday, 12.10.2026; Arima, synthetische bevolking Duitsland; Netzer/Sambandam, Synthetic Data in Marketing Research, september 2026; Maiorano, Sim-to-Real-studie, preprint 2026.
Symboolbeeld: Luke Chesser / Unsplash. Geen weergave van de Arima-software.