北京2026年5月6日 /美通社/ -- 全球領(lǐng)先的市場研究公司益普索近日發(fā)布合成數(shù)據(jù)增強技術(shù)解決方案，通過與斯坦福大學(xué)合作自主研發(fā)的表格擴散模型與SURE四維評估框架，幫助品牌在樣本量不足、細分群體數(shù)據(jù)稀缺的場景下，依然獲得可靠的數(shù)據(jù)洞察，驅(qū)動更明智的商業(yè)決策。
合成數(shù)據(jù)增強，簡單來說，就是通過學(xué)習(xí)原始數(shù)據(jù)的內(nèi)在規(guī)律，生成新的"虛擬樣本"，從而擴大數(shù)據(jù)量、增強分析能力。這項技術(shù)正在成為益普索市場研究實踐的重要組成部分——尤其是在樣本量不足、細分群體數(shù)據(jù)稀缺的場景下。
一個形象的比喻：一個學(xué)生收到了一份來源不明的復(fù)習(xí)資料，他不知道這份資料內(nèi)容是否準(zhǔn)確（質(zhì)量未經(jīng)檢驗），不知道具體考試題目（具體應(yīng)用場景），卻聲稱"這份資料能讓我成績提高10%"——這聽起來是不是很離譜？
更值得關(guān)注的是：如果將合成數(shù)據(jù)簡單等同于真實獨立樣本進行統(tǒng)計檢驗（業(yè)界稱之為"天真檢驗"），錯誤率可能高達75%-80%。這意味著品牌有極大的概率基于虛假的"顯著結(jié)論"做出錯誤決策，損失可能遠超節(jié)省的調(diào)研成本。
益普索三大核心能力構(gòu)建技術(shù)壁壘
一、獨家表格擴散模型：站在學(xué)術(shù)前沿
傳統(tǒng)合成數(shù)據(jù)多采用生成對抗模型（GAN），但在處理復(fù)雜的表格型市場研究數(shù)據(jù)時存在明顯局限。
益普索攜手業(yè)界與學(xué)界伙伴——包括與斯坦福大學(xué)持續(xù)合作——已研發(fā)出更適用市場研究數(shù)據(jù)的新技術(shù)，即益普索表格擴散模型（Ipsos Tabular Diffusion）。同時，我們構(gòu)建了用于評估數(shù)據(jù)質(zhì)量的四維完整性框架SURE，并打造了益普索合成數(shù)據(jù)工作平臺，使這些方法得以應(yīng)用于日常運營，實現(xiàn)數(shù)據(jù)增強能力的標(biāo)準(zhǔn)化與產(chǎn)品化。
益普索的測試結(jié)果表明，使用該模型生成的合成樣本更真實、可靠，代表性強，既保留了真實數(shù)據(jù)的整體趨勢，還可有效還原樣本的稀有分布特征。
二、SURE四維評估框架：讓每一步都有實證支撐
合成數(shù)據(jù)僅"看起來像"真實數(shù)據(jù)是不夠的，更需要在實際應(yīng)用中體現(xiàn)價值。益普索自主研發(fā)的SURE四維評估框架，從以下四個核心維度進行系統(tǒng)性評估：
S — Statistical Similarity（統(tǒng)計相似性）
合成數(shù)據(jù)在統(tǒng)計意義上是否忠實于原始真實數(shù)據(jù)？我們采用Jensen-Shannon散度、主成分分析（PCA）、核密度估計（KDE）等系列技術(shù)，從全局和關(guān)鍵決策維度進行多層次比對驗證。高保真度意味著：如果原始真實數(shù)據(jù)存在某種規(guī)律，合成數(shù)據(jù)也會捕捉到這一規(guī)律。
U — Utility（效用性）
合成數(shù)據(jù)是否真正有用？基于統(tǒng)計學(xué)原理，用數(shù)學(xué)公式計算真實數(shù)據(jù)集本來有多少信息，再測算我們生成的合成數(shù)據(jù)含有多少真正新增的有用信息。并通過等效樣本量（ESS）評估確保統(tǒng)計推斷的正確性。這一步至關(guān)重要：它能識別出"看起來不錯"但實際上信息含量極低的合成數(shù)據(jù)，避免品牌基于虛假顯著性做出錯誤決策。
R — Rarity & Novelty（稀有性與新穎性）
合成數(shù)據(jù)的核心價值在于"生成真實中存在但樣本未覆蓋的新組合"，而非簡單復(fù)制已有樣本。通過樣本間距離分析、最近鄰冗余檢查、覆蓋率指標(biāo)等方法，來量化合成數(shù)據(jù)的信息拓展范圍。通過分布熵與潛在空間彌散度來量化多樣性，確保模型生成的是對現(xiàn)實的拓展，而非簡單復(fù)刻。
E — Expert Validation（專家驗證）
即使所有統(tǒng)計指標(biāo)都通過，合成數(shù)據(jù)仍需經(jīng)過領(lǐng)域?qū)＜业?quot;人工檢驗"。專家負責(zé)判斷：數(shù)據(jù)和由此得出的洞察，在現(xiàn)實中是否可信、合乎情理且具備可行性。這一步是機器無法替代的人類智慧，確保合成數(shù)據(jù)能通過真實世界的檢驗。
三、專業(yè)合成數(shù)據(jù)工作臺：標(biāo)準(zhǔn)化與產(chǎn)品化的完美結(jié)合
為保障數(shù)據(jù)合成的質(zhì)量與穩(wěn)定性，益普索自主研發(fā)了合成數(shù)據(jù)工作臺（The Ipsos Synthetic Data Workbench），將前沿技術(shù)與標(biāo)準(zhǔn)化流程深度整合。
核心功能包括：
同時，工作臺內(nèi)置完整的數(shù)據(jù)清洗與優(yōu)化工具包，包括變量格式標(biāo)準(zhǔn)化、邏輯矛盾修正、異常值處理、子群平衡加權(quán)、特征優(yōu)化等，確保訓(xùn)練模型的數(shù)據(jù)集具有最佳結(jié)構(gòu)和最強代表性。
"我們不做空泛的效果承諾。合成數(shù)據(jù)不是萬能的，但用對了確實很強大。我們的職責(zé)是幫助客戶明確：何時合成數(shù)據(jù)真正產(chǎn)生價值，在何時并無助益。這是對客戶負責(zé)，也是對行業(yè)負責(zé)。"
合成數(shù)據(jù)增強：審慎，透明、以實證為基
益普索在長期實踐中總結(jié)出以下關(guān)鍵結(jié)論：
關(guān)于訓(xùn)練數(shù)據(jù)量：
訓(xùn)練數(shù)據(jù)集需至少包含300-500個樣本，才能得到可靠的增強數(shù)據(jù)。若低于這一閾值，建模誤差可能超過抽樣誤差本身，合成數(shù)據(jù)反而可能引入更多不確定性。在這種情況下，傳統(tǒng)的加權(quán)或插補方法反而更可靠。
關(guān)于有效樣本量：
1000個真實樣本加500個合成樣本，其有效樣本量并非1500個，而是介于1000與1500之間。這是因為合成數(shù)據(jù)違反了傳統(tǒng)統(tǒng)計檢驗中"獨立、等概率抽樣"的前提，每個合成樣本都源自基于原始數(shù)據(jù)訓(xùn)練的模型，而非完全獨立的觀測。
益普索在實際合成數(shù)據(jù)操作中，采用以下四個結(jié)合了SURE框架的步驟：
01數(shù)據(jù)評估——該數(shù)據(jù)適用于合成嗎？在建模前，評估數(shù)據(jù)的適用性、質(zhì)量與代表性；
02數(shù)據(jù)準(zhǔn)備——清洗、對齊、優(yōu)化。統(tǒng)一數(shù)據(jù)格式，解決不一致性，確保數(shù)據(jù)達到可直接建模的狀態(tài)；
03數(shù)據(jù)建模與生成。應(yīng)用擴散模型合成與符合SURE標(biāo)準(zhǔn)的數(shù)據(jù)增強算法；
04數(shù)據(jù)驗證與完整性檢查。依據(jù)SURE框架的保真度、效用性與風(fēng)險標(biāo)準(zhǔn)對合成數(shù)據(jù)輸出進行檢測，以確認其穩(wěn)健性。
益普索倡導(dǎo)人類智能（HI）與人工智能（AI）的獨特融合，以此驅(qū)動創(chuàng)新，為客戶提供具有深遠影響力、以人為本的洞察。這一理念深深融入其所有的人工智能解決方案中，其中也包括合成數(shù)據(jù)增強技術(shù)。通過HI與AI的有機結(jié)合，益普索為客戶提供更安全、更快速并且扎根人類情境的深度洞察，創(chuàng)造相關(guān)性與價值。
