自古以来，调查便是深入了解人口、产品及公众舆论的重要手段。尽管方法论历经千年演变，但对大规模样本的需求始终未变。
然而，若无法获取足够样本以产生有意义结果，或受预算限制难以采访足量人群，该如何应对？这正是Fairgen致力于解决的问题。
这家以色列初创公司今日推出基于“统计人工智能”的合成数据生成平台，声称其生成的数据质量媲美真实数据。同时，Fairgen宣布完成550万美元新一轮融资，投资方包括Maverick Ventures Israel、The Creator Fund、Tal Ventures、Ignia及多位天使投资人。至此，公司累计融资额达800万美元。
“虚假数据”的价值
数据既是AI的命脉，也是市场研究的基石。当两者在Fairgen的世界交汇，对高质量数据的需求愈发凸显。
Fairgen于2021年在特拉维夫成立，初期专注解决AI偏见问题；2022年底转型推出新产品Fairboost，现已正式结束测试并上线。
Fairboost可将小数据集扩展至多三倍，从而对原本难以触及或成本高昂的细分市场进行深度洞察。用户上传数据集后，平台训练深度学习模型，通过统计AI学习不同细分群体间的模式。
“合成数据”即人工创建而非源自现实的数据，这一概念虽可追溯至计算机早期用于软件测试与流程模拟，但在机器学习兴起后已自成体系。如今，它被广泛用于训练模型，通过不含敏感信息的人工数据，同步解决数据稀缺与隐私问题。
作为聚焦市场调研的合成数据初创公司，Fairgen并非凭空捏造数据，也不依赖海量历史调查投喂AI。其核心逻辑是：研究人员针对目标市场运行小样本调查，Fairgen据此建立模式以扩大样本量。公司承诺至少将原始样本翻倍，平均可实现三倍增长。
借此，Fairgen能推断特定年龄段或收入水平人群的倾向，或结合多维度数据点进行推演，生成联合创始人兼CEO Samuel Cohen所称“更强健、误差范围更低的数据细分”。
Cohen向TechCrunch表示：“人们日益多元化，品牌需适应并理解客户。各细分群体差异显著——Z世代与老年人思维迥异。要在细分层面获得市场理解，需耗费大量金钱、时间与运营资源。这正是痛点所在，而合成数据可发挥作用。”
一个显而易见的质疑是：这是否成为逃避实地调研、采访真人及收集真实意见的捷径？代表性不足群体的真实声音是否会被虚假声音取代？
Fairgen增长负责人Fernando Zatz回应称：“我们接触的每位客户都存在巨大盲点——完全难以触及的受众。”在日益多元、细分众多的市场中，因人员不足导致项目搁置的情况频发。有时无法进入特定国家或人群，致使配额未完成、洞察无法交付，最终失去项目机会。
Fairgen并非唯一将生成式AI应用于市场研究的公司。Qualtrics去年宣布四年内投资5亿美元引入生成式AI（侧重定性研究），进一步印证合成数据已成趋势并将长期存在。
但验证结果是说服市场的关键。Fairgen通过对比“真实样本增强”与“合成样本增强”来证明有效性：从数据集中抽取小部分样本外推，并与真实情况并排比对。
Cohen强调：“每签约一位客户，我们都会进行相同测试。”
从统计学角度审视
Cohen拥有牛津大学统计科学硕士及伦敦大学学院（UCL）机器学习博士学位，并曾在Meta担任九个月研究科学家。
联合创始人兼董事长Benny Schnaider深耕企业软件行业，拥有四次成功退出记录：2016年以约5亿美元将Ravello售予Oracle；2008年以1.07亿美元将Qumranet售予Red Hat；2004年以2亿美元将P-Cube售予Cisco；2000年以1.18亿美元将Pentacom售予Cisco。
斯坦福大学统计学与电气工程教授Emmanuel Candès担任首席科学顾问。
这种商业与数学双重背景是公司核心卖点，旨在证明：若应用得当，合成数据可媲美真实数据。团队也能清晰解释技术阈值与局限——即实现最佳提升所需的最小样本量。
Cohen指出，理想情况下需至少300名真实受访者，Fairboost可将占比不超过总体15%的细分群体放大。
“低于15%时，经数百次并行测试验证，我们保证平均3倍提升，”Cohen说，“超过15%后统计收益不显著，数据本身已具良好置信度，合成受访者仅能匹配或带来边际提升。业务层面亦无痛点——品牌已从这些群体获得见解，仅在利基层面受限。”
为何不使用大语言模型
Fairgen不使用大型语言模型（LLM），平台也不生成类似ChatGPT的自然语言回复。原因在于LLM会利用研究参数外的海量数据源，可能引入与定量研究不相容的偏差。
平台专注统计模型与表格数据，训练完全依赖上传数据集，允许研究人员通过相邻细分群体外推生成新合成受访者。
“我们不使用任何LLM，因为预训练大量其他调查数据只会传递错误信息，”Cohen解释，“它在其他调查中习得的内容可能干扰当前研究。一切关乎可靠性。”
商业模式上，Fairgen以SaaS形式销售。用户将结构化问卷（.CSV或.SAV）上传至云平台，根据问题数量，模型训练最多耗时20分钟。随后选择“细分群体”（如“从事X行业的Z世代”），平台交付结构与原文件一致的新文件，新增行即为合成受访者。
BVA及法国民意调查公司IFOP已采用Fairgen技术。IFOP类似美国盖洛普，正将其用于欧洲选举民调；Cohen预计今年晚些时候或将应用于美国选举。
“IFOP是我们的认可标志，他们已有百年历史，”Cohen说，“他们验证了技术，也是我们最初的设计合作伙伴。我们还在与世界顶级市场研究公司测试或整合，但目前不便透露名称。”