Камертон создаёт синтетических респондентов на основе методологии Persona Hub (Tencent, 1 млрд персон в оригинальном исследовании) и реальной демографии России. Запускает фокус-группу мгновенно — без рекрутинга, без модератора, без ожидания недель.
Четыре шага от вопроса до структурированного отчёта с выводами и рекомендациями.
Опишите продукт, политическое решение или гипотезу. Укажите целевую аудиторию: возраст, регион, профессию, уровень дохода.
Из базы синтетических россиян отбираются релевантные персонажи. Каждый — с историей, ценностями и социальным контекстом.
990 «рядовых» и 10 «экспертных» агентов независимо дают ответы. Финальный агент-синтезатор строит сводный результат.
PDF с количественными распределениями, тепловой картой мнений, топ-возражениями, прогнозом принятия и рекомендациями.
Баланс скорости и глубины: дешёвые модели для масштаба, сильные модели для нюансов, финальный синтез.
Быстрые, параллельные, дешёвые. Работают на YandexGPT. Дают «базовый голос» широкой аудитории. Результат — количественное распределение мнений.
Глубокий анализ на Claude Sonnet 4.6. Каждый — специалист в своей области: социолог, юрист, экономист, потребитель. Дают качественные оценки с аргументацией.
Объединяет все ответы, выявляет паттерны, формулирует выводы и рекомендации. Генерирует финальный отчёт в PDF / Markdown.
Возьмём реальный сценарий: Правительство Удмуртии хочет узнать реакцию граждан на новый законопроект до его принятия. Покажем, что происходит внутри Камертона за эти 5 минут.
В админке заказчик описывает вопрос и параметры аудитории: «Жители Ижевска и Удмуртии, 18+, все слои дохода. Особый интерес — пенсионеры, малый бизнес, жители исторического центра, молодые семьи». Камертон транслирует это в техническое задание для генератора персон.
Из базы синтетических россиян (генерируется по методологии Persona Hub на основе Росстата) Камертон отбирает 1000 персонажей с распределением, соответствующим демографии Удмуртии: 71% русские / 28% удмурты / 1% другие; распределение по возрасту, доходу, профессии — как в реальной выборке Росстата 2024.
К каждому персонажу подгружается контекст эпохи: последние данные Левады/ВЦИОМ по теме малого бизнеса, актуальные посты из общедомовых чатов УК Ижевска через наш СЕРМ-агрегатор, тренды в местных пабликах ВК.
На YandexGPT (Bulk-агенты) запускаются 990 параллельных диалогов. Каждому агенту даётся его персональный промпт: «Ты — Татьяна, 58 лет, пенсионерка из Октябрьского района Ижевска, работала бухгалтером, доход 24 тыс ₽. Твой контекст: [последние 10 ключевых сигналов из Левады/чатов]. Что ты думаешь о запрете уличной торговли в историческом центре?»
Получаем 990 структурированных ответов: каждый содержит позицию (за / против / не определился), уровень эмоций (1–10), главный аргумент, побочные опасения, готовность поддержать публично.
На Claude Sonnet 4.6 (Expert-агенты) запускаются 10 глубоких экспертиз. Это не «жители», а специалисты в своих областях:
Каждый эксперт даёт аргументированную позицию на 800–1500 знаков с конкретными рекомендациями.
Агент-синтезатор (Claude Sonnet 4.6) получает на вход все 990 + 10 ответов и выдаёт структурированный отчёт:
Камертон автоматически сравнивает распределения ответов синтетической выборки с публичными опросами Левады/ВЦИОМ по близким темам (через t-test и KS-test). Если статистическая близость p > 0.05 — отчёт помечается «✅ статистически валидирован». Если расхождение значимое — отчёт идёт с предупреждением и рекомендацией дополнительной проверки. Это защита от слепого доверия синтетике.
Заказчик получает структурированный отчёт через 5 минут после нажатия «Запустить»: количественные распределения, тепловые карты, топ-возражения, прогноз медиа-реакции, рекомендации, тревожные сигналы, статус валидации. Всё в формате, готовом для презентации руководству.
Платформа заточена под российский контекст — данные, язык, демография.
База персонажей построена по данным Росстата: распределение по возрасту, регионам, образованию, доходу. Не абстрактные «пользователи» — конкретные слои общества.
Интеграция с СЕРМ-агрегатором: реальные сигналы из тысяч чатов жильцов, форумов и соцсетей. Агенты знают, что люди говорят прямо сейчас.
Опросы крупнейших социологических служб страны загружаются как контекст. Агенты отвечают с учётом актуальных настроений аудитории.
t-тест и KS-тест сравнивают результаты Камертона с реальными опросами. Публикуем «отчёт о точности» — доказательство работы метода, а не маркетинговые слова.
Классическая фокус-группа: 2–4 недели, 8–12 человек. Камертон: 5 минут, 1000 агентов. Параллельная обработка через asyncio — без ожиданий.
Развёрнут на Yandex Cloud в российском дата-центре. LLM-стек: Claude Sonnet + YandexGPT + GigaChat. Никаких данных за рубеж без вашего согласия.
От государственных решений до вывода нового продукта на рынок.
Проверяйте реакцию граждан на законодательные инициативы и политические решения до их принятия.
Узнайте, как целевая аудитория воспримет продукт, цену, позиционирование — до запуска.
Быстро проверяйте гипотезы и дополняйте полевые исследования синтетической выборкой нужного размера.
Камертон стоит на трёх независимых научных публикациях ведущих исследовательских центров мира. Ниже — суть каждой статьи и что именно мы взяли в продукт.
О чём статья. Исследователи Tencent доказали, что можно автоматически сгенерировать 1 миллиард уникальных синтетических личностей — каждая со своей биографией, профессией, ценностями, образованием. И что эти личности статистически репрезентативны: их распределение совпадает с реальной популяцией.
Почему это работает. Современный LLM (Claude / GPT / YandexGPT) хранит в своих весах сжатую модель того, как ведут себя миллионы реальных людей. Дав модели правильный «затравочный» промпт с социально-демографическими параметрами, можно получить ответы, статистически близкие к тому, как ответил бы реальный представитель этой группы.
Что взял Камертон. Методологию синтеза персонажей — структуру промптов, схему параметров (возраст, регион, доход, образование, политическая позиция, ценности, жизненный опыт), приёмы обеспечения разнообразия. Сами 1 млрд персон не используем — лицензия CC BY-NC-SA 4.0 ограничивает коммерческое применение их данных. Поэтому Камертон генерирует свою собственную базу по российской демографии (Росстат) — методология открытая, данные наши.
О чём проект. Microsoft Research выложил библиотеку, в которой синтетические личности (TinyPerson) живут в виртуальной среде (TinyWorld), общаются друг с другом, формируют мнение под влиянием контекста и обладают памятью.
Главное открытие. Команда Microsoft провела статистическое сравнение: одни и те же опросы запустили на людях и на TinyTroupe-агентах, затем сравнили распределения ответов через t-test и KS-test (стандартные тесты в социологии и статистике). Результат: при правильно настроенных персонах распределения совпадают на статистически значимом уровне.
Что значит «t-test и KS-test». Это два независимых метода проверки, что два набора данных (например, ответы реальной и синтетической группы) принадлежат одному и тому же распределению. Если оба теста подтверждают сходство — синтетическим данным можно доверять. Это научный стандарт валидации, а не «нам кажется, что похоже».
Что взял Камертон. Концепцию TinyPerson + TinyWorld для агентов с памятью и рефлексией. Модуль ResultsExtractor для извлечения структурированных результатов. И главное — методику валидации t-test/KS-test: каждый раз, когда мы публикуем результаты, мы можем доказать их близость к реальным опросам Левады/ВЦИОМ.
О чём статья. Команда Stanford создала виртуальный городок «Smallville» с 25 синтетическими жителями. Каждый агент имел биографию, цели, дневной распорядок, отношения с другими. Ключевое открытие — агенты могли помнить прошлые события, рефлексировать о них и менять поведение на основе опыта.
Архитектура памяти. Каждое наблюдение записывается в «memory stream». Когда агенту задают вопрос, система достаёт релевантные воспоминания (по семантическому сходству + времени + важности) и формирует ответ с учётом личной истории. Это даёт когерентность: агент не противоречит сам себе через 100 вопросов.
Почему это критично для опросов. Классическая фокус-группа длится 1.5–2 часа, и важно чтобы участник помнил свои ответы в начале и не противоречил себе в конце. Без памяти и рефлексии синтетический агент через 30 вопросов начинает «плыть». Stanford-методология решает это.
Что взял Камертон. Архитектуру памяти и рефлексии. Концепцию «agent_bank» — банка готовых агентов с историями. И — самое перспективное — методику создания агентов из реальных интервью (Stanford тренировали часть агентов на 2000 часов записей реальных людей). На фазе MVP-3 Камертон будет применять это к российским респондентам.
Западные аналоги работают на англоязычных демографиях США/ЕС и обучены на западных опросниках. Их синтетические респонденты не отражают реальность России: разное распределение по регионам, доходам, политическим взглядам, поколениям.
Камертон закрывает этот пробел через четыре собственных слоя данных:
Оставьте контакт — проведём демо-сессию на вашем реальном вопросе: продукт, решение, коммуникация.
Или напишите напрямую: @igor_grebenshikov