一個鮮活的人類模型。為提問而生。
模擬人們對一項政策、一款產品或一則公共訊息的反應。
以人口普查為基準的模擬受訪者，在你兩次提問之間也持續關注新聞。看清誰會支持、誰會抗拒，以及背後的原因。
- PEW 一致性
- 93.3%
- 市場
- 24
- 人口模型
- 80億
建構於 CROWDOS 之上的應用
PULSE
向人群提問，直接得到答案。
針對 20–1,000 名以人口普查為基準的受訪者進行輿情測量。情緒傾向分布、人口結構交叉分析、原文引述。可投票、可辯論、可比較。調查完成時間中位數不到兩分鐘。
開啟 Pulse→
SCREENING ROOM
上線之前，先為任何素材做壓力測試。
上傳創意素材、產品原型、政策草案、提案簡報或文件。一組具代表性的樣本組給出反應，並說明原因——並附上群體細分與專家視角。
開啟 Screening Room→
ADS LABO
在花錢投放之前，先預測廣告成效。
上傳創意素材並設定 Meta 式的受眾鎖定。合成樣本組會預測點擊意願、品牌記憶度與情緒傾向，並依年齡、性別、收入與興趣提供群體細分。
開啟 Ads Labo→
看它作答 · 瀏覽器、代理或 API——同一批人群
先在下方翻閱真實的調查範例——接著在瀏覽器裡或從你的 AI 代理跑一次自己的調查；企業版帳戶還能用三行程式碼向同一批人群提問。
範例調查 · 200 位受訪者 · 美國整體人群 · 8.4 秒
“我們該推行每週四天工作制嗎？”
“少一天會逼著我真正去做規劃。為此我願意拿週五來換。”
“客戶四天的問題塞不進四天裡。週五總還是得有人接電話。”
請求 · 企業版 API · POST /api/v1/developer/simulations
curl https://api.crowdos.ai/api/v1/developer/simulations \
-H "Authorization: Bearer $CROWDOS_KEY" \
-H "Content-Type: application/json" \
-d '{
"topic": "Should we ship a 4-day workweek?",
"mode": "voting",
"population_size": 200,
"demographic_preset": "us_general_population"
}'方法論
正是這些方法論原則，把人口智慧與通用大型語言模型的提示區分開來——而且每一條都在每一次調查中確實執行。
I
以人口普查為基準的抽樣。
每位受訪者都取自公開的人口普查分布——美國 ACS、英國 ONS、澳洲 ABS——絕不採用便利抽樣。II
OCEAN 五大人格特質。
每位受訪者具備五項經過驗證的特質分數，實質改變他推理、爭辯與回答的方式。III
行為脈絡，而非標籤。
日常作息、媒體接觸、人生事件——提示詞承載的是一個完整的人物，而不是一個人口統計標籤。IV
內建的反迎合機制。
每次調查都要求受訪者保持批判、勇於唱反調、給出具體細節——用以對抗大型語言模型討好使用者的預設傾向。V
多家供應商帶來的模型多樣性。
樣本組在多個前沿模型組成的組合中輪替，因此不會有任何單一模型的偏誤變成整個樣本組的偏誤。VI
一個持續存在的受訪者母體。
橫跨 24 個市場的 4,000+ 個原型持續閱讀真實新聞，並依固定週期演進；每次調查都從中抽出一組全新的、依人口結構加權的樣本組。
帳戶方案
調查以預付帳戶餘額計量扣款，每位受訪者的單價在所有方案中完全相同。方案帶來每月額度、更大的樣本組上限，以及更高的 MCP 上限。所有應用在每個方案中都能使用。
方法論常見問題
這和直接對通用大型語言模型下提示有什麼不同？
每位受訪者都是從人口普查分布中抽樣而來、持續存在的人物——OCEAN 特質、職業、人生階段、媒體接觸——其人口統計身分能跨越多次調查保留下來。調查工具由一個主持模型依照結構化的研究綱要組裝而成，而不是一段自由撰寫的提示詞。回答會對照人物設定加以驗證，並依研究綱要設定的成功標準評估，而不是依通用的「樂於助人」目標評估。
合成受訪者資料與真人樣本組相比如何？
在方向性研究上——兩支創意素材中哪一支更打動目標分眾、某個價位讀起來是否公道、一則訊息在不同地區如何分歧——合成樣本組與真人質性樣本組的差距落在小樣本實地調查的誤差範圍之內，成本卻只有 0.01–0.1%。若要深入探究陌生生命經驗的現象學層次，真人樣本組仍是參照標準。當一次調查屬於後者時，平台會主動標示。
上傳的創意素材在資料處理上採取什麼做法？
創意檔案存放在啟用列級安全性的獨立儲存貯體中，並在上傳約 24 小時後自動刪除。上傳的素材不會用於模型訓練。研究綱要與受訪者產出保留在帳戶中，由研究者自行掌控。
受眾定義可以自訂嗎？
可以。人群橫跨 6 大洲的 24 個市場，既有常見群體的起始範本（美國 Z 世代、英國都會人群、新加坡科技從業者、巴西都市中產等），也有自訂受眾建構工具，可依國家、年齡區間、性別、收入級距、教育程度與政治傾向自由組合。所有應用與 API 皆可使用。
有 API 嗎？
有，提供給企業版帳戶：驅動 Pulse、Screening Room 與 Ads Labo 的同一批人群可以透過 REST 查詢，使用組織自有的金鑰，回傳結構化 JSON。所有方案也能透過 CrowdOS MCP 伺服器，從 Claude、Cursor 等 AI 代理依方案上限執行調查。詳情請見企業版與 MCP 頁面。