API Docs · Audiences & Sampling

Zielgruppen & Sampling

Name: AskAudience
Author: AskAudience

Wie werden digitale Personas deiner Zielgruppe zugeordnet — und was kannst du kontrollieren?

Wie eine Audience entsteht

Eine Audience ist eine gespeicherte Zielgruppen-Definition. Du legst fest, wen du befragen willst — und AskAudience wählt beim nächsten API-Call eine passende Stichprobe aus dem Persona-Pool.

Audience anlegen

Du definierst deine Zielgruppe mit Filtern (Alter, Land, Beruf, Archetyp …). Die Audience wird gespeichert und bekommt eine ID.

Sampling beim Call

Bei jedem /ask Call wählt das System zufällig N Personas aus allen Digital Humans, die deinen Filterkriterien entsprechen. Du bestimmst N über sampleSize.

Antworten mit Grounding Score

Jede Persona antwortet basierend auf ihrem Werteprofil (Schwartz-Skala, Big Five, Einstellungen). Der Grounding Score zeigt, wie stark die Antwort in echten Surveydaten verankert ist.

Verfügbare Filterkriterien

Alle Filter werden beim POST /api/v1/audiences gesetzt. Nicht gesetzte Filter bedeuten: keine Einschränkung.

Filter	Typ	Beispiel	Datenquelle	Beschreibung
countryCode	string	"DE"	ESS / WVS Metadaten	Land der Persona. DE, AT oder CH. Basiert auf dem Erhebungsland der Original-Befragung.
ageRange.min / max	integer	{ min: 30, max: 55 }	ESS / WVS Rohdaten	Altersbereich. Direkt aus den Befragungsdaten, keine Schätzung.
gender	enum	"female"	ESS / WVS Rohdaten	male, female oder diverse. Direkt aus den Befragungsdaten ("diverse" = Non-binary-Kategorien wo verfügbar).
jobTitles	string[]	["Marketing Manager", "Produktmanager"]	LLM-Enrichment	Exakte Übereinstimmung mit dem generierten Job-Titel der Persona.
jobSearch	string	"Berater"	LLM-Enrichment	Freitext-Suche im Job-Titel. Findet alle Personas mit dem Begriff im Berufsfeld.
archetype	string	"pragmatist"	LLM-Enrichment	Psychografisches Archetypen-Profil: pragmatist, idealist, traditionalist, innovator, skeptic.
sourceDataset	enum	"ess"	Survey-Metadaten	Ursprungs-Survey: ess (European Social Survey R11) oder wvs (World Values Survey W7).

Beispiel: Audience anlegen

http

POST /api/v1/audiences
Authorization: Bearer aa_...

{
  "name": "Marketing-Entscheider DACH, 35–55",
  "description": "Senior Marketing Manager und Heads of Strategy in D/A/CH",
  "filters": {
    "countryCode": "DE",
    "ageRange": { "min": 35, "max": 55 },
    "jobSearch": "Marketing",
    "archetype": "pragmatist"
  },
  "sampleSize": 20
}

→ 201 Created
{
  "data": {
    "id": "cmm...",
    "name": "Marketing-Entscheider DACH, 35–55",
    "digitalHumanCount": 20,
    "filters": { ... }
  }
}

Wie das Sampling funktioniert

Zufällige Stichprobe ohne Zurücklegen

Bei jedem /ask Call wird aus dem gefilterten Persona-Pool zufällig eine Stichprobe gezogen. Verschiedene Calls auf dieselbe Audience antworten also mit unterschiedlichen Personas — das erhöht die Varianz und verhindert, dass immer dieselben Profile dominieren.

Kein demographisches Oversampling

Das System gewichtet die Stichprobe nicht nach Bevölkerungsrepräsentativität. Wenn dein Filter 50 passende Personas findet und du sampleSize: 10 setzt, werden 10 davon zufällig gewählt — unabhängig von Alter-, Geschlechts- oder Berufsverteilung innerhalb des Pools. Wenn du repräsentative Verteilung brauchst, setze die Filter enger.

Werteprofil-Basis pro Persona

Jede Persona antwortet basierend auf ihrem individuellen Werteprofil aus den Original-Befragungsdaten: Schwartz-Werteskala (10 Dimensionen), Big-Five-Persönlichkeit, politische Einstellungen, Vertrauen in Institutionen und gesellschaftliche Haltungen. Das LLM generiert die Antwort konditional auf dieses Profil — nicht frei.

Der Grounding Score

Jede Antwort enthält einen Grounding Score (0–1), der angibt, wie stark die generierte Antwort in den echten Surveydaten der Persona verankert ist.

0.8 – 1.0

Hoch verankert

Die Frage trifft direkt auf dokumentierte Einstellungen. Hohe Belastbarkeit.

0.5 – 0.79

Interpoliert

Das Modell extrapoliert aus verwandten Werten. Plausibel, aber weniger direkt.

0.0 – 0.49

Spekulativ

Wenig direkte Datenbasis. Antwort ist begründete Schätzung, nicht Faktum.

Datei-Uploads (Multimodal)

Ab dem Professional-Plan kannst du Dateien (Bilder, PDFs) zusammen mit deiner Frage an die Audience senden. Die Digital Humans analysieren die Datei und beantworten die Frage im Kontext des Inhalts.

Unterstützte Formate

image/jpeg
image/png
image/webp
image/gif
application/pdf

Limits

Dateien pro Anfrage

Maximum

4,5 MB

pro Datei

Maximum

Credits / Datei × Persona

zusätzlich zu 5 Basis-Credits

Beispiel: Verpackungsdesign testen

bash

curl -X POST /api/v1/audiences/:id/ask \
  -H "Authorization: Bearer aa_..." \
  -F "question=Wie findest du dieses Verpackungsdesign?" \
  -F "responseFormat=likert_5" \
  -F "sampleSize=10" \
  -F "files=@design_v1.jpg"