Kan AI göra en målgruppsanalys?

Delvis. AI är bra på att sammanfatta det som redan har skrivits om en målgrupp, på att föreslå hypoteser och på att sortera stora mängder kundsvar. Men forskningen visar att AI:s svar liknar ett genomsnitt av internet mer än dina kunder, att de skiftar med hur frågan formuleras och att de saknar mycket av den variation som skiljer människor åt. AI gör därför mest nytta som assistent i en målgruppsanalys som bygger på riktiga kunder, inte som en ersättning för den. Här går vi igenom vad AI klarar, vad studierna visar och hur du använder AI i varje steg av analysen.

Läsning: 10 min · Uppdaterad 11 november 2026 · Skribent: Evirht

Kort svar: Låt AI förbereda, sortera och sammanfatta, men låt riktiga kunder avgöra. En målgruppsanalys som bara bygger på AI beskriver hur människor brukar vara, inte hur dina kunder är.

Vad kan AI göra i en målgruppsanalys?

Marknadsföring är det område där svenska företag använder AI mest. Enligt SCB använde 35 procent av företagen i Sverige någon form av AI under 2025, och bland dem angav 41,7 procent marknadsföring och försäljning som syfte, fler än för något annat ändamål.¹ Frågan är alltså inte längre om AI används i målgruppsarbetet, utan till vad.

Den hittills mest uppmärksammade studien av AI i marknadsundersökningar kommer från Neeraj Arora, Ishita Chakraborty och Yohei Nishimura vid University of Wisconsin–Madison. De gjorde om en kvalitativ och kvantitativ undersökning som ett livsmedelsföretag på Fortune 500-listan hade genomfört 2019, den här gången med GPT-4 som medarbetare i upplägget, urvalet, datainsamlingen och analysen. AI:n missade vissa teman som människorna hittade, men den hittade också teman som människorna hade missat. När experter bedömde resultaten var kombinationen av människa och AI bättre än både människorna och AI:n var för sig.² Artikeln fick 2025 det pris som delas ut till den artikel i Journal of Marketing som mest har fört marknadsföringens praktik framåt.

I praktiken gör AI störst nytta på fem ställen i en målgruppsanalys. Den kan sammanfatta det som redan finns skrivet om en bransch eller en kundgrupp, vilket sparar timmar av research vid skrivbordet. Den kan föreslå hypoteser om vilka grupper som finns, vad de behöver och vad som får dem att tveka, som du sedan prövar. Den kan skriva utkast till intervjuguider och enkäter och leta efter ledande frågor. Den kan sortera hundratals öppna svar eller intervjuutskrifter i teman. Och den kan hitta mönster i din egen kunddata, till exempel vilka kunder som köper oftast och vad de har gemensamt.

Det AI inte har är kontakt med dina kunder. Allt den vet kommer från text som andra har skrivit, och därför är den som starkast när frågan gäller det som redan är känt och som svagast när det gäller det som gör just din målgrupp speciell.

Vad säger forskningen om AI som ersättning för riktiga kunder?

Den mest lockande idén är att låta AI svara som om den vore kunden. Man beskriver en person, till exempel en 45-årig småföretagare i Västsverige, och ställer de frågor man annars hade ställt i en enkät eller en intervju. Upprepar man det hundratals gånger får man något som liknar ett urval. Resultaten från forskningen är blandade, och skillnaden mellan när det fungerar och när det inte gör det är viktig.

Några studier är uppmuntrande. Peiyao Li och hans kollegor lät språkmodeller jämföra varumärken och produkter med varandra, så kallad perceptuell analys, och fick resultat som stämde överens med undersökningar bland människor till 75–85 procent i vissa produktkategorier. Forskarna varnar ändå för att helt automatisera marknadsundersökningar, eftersom metoden inte fungerar lika bra i alla kategorier.³

James Brand, Ayelet Israeli och Donald Ngwe vid Harvard Business School och Microsoft undersökte om AI kan uppskatta hur mycket kunder är villiga att betala för produkter och egenskaper. Ibland hamnade AI:s svar nära de mänskliga studierna, men ofta blev de fel, och i vissa fall pekade de åt motsatt håll. Deras slutsats är att AI ska användas som ett komplement till undersökningar med människor och inte som en ersättning för dem. Bäst blev resultaten när modellen tränades vidare på tidigare enkätsvar från samma kategori och målgrupp.⁴

Den tydligaste varningen kommer från statsvetare vid Vanderbilt University. James Bisbee och hans kollegor lät ChatGPT spela tusentals personer med samma egenskaper som deltagarna i en stor amerikansk väljarundersökning. På det stora hela liknade genomsnitten de riktiga svaren. Men spridningen var mindre än bland människor, sambanden mellan personernas egenskaper och deras svar skilde sig ofta från verkligheten, små ändringar i frågans formulering gav andra svar och samma fråga gav tydligt olika resultat när den ställdes igen tre månader senare.⁵

AI vet hur människor brukar svara. Den vet inte hur dina kunder svarar.

Till det kommer frågan om vilka människor AI egentligen liknar. En forskargrupp vid Harvard jämförde språkmodellers svar med värderingsundersökningar från hela världen. Modellerna liknade mest människor i västerländska, utbildade, industrialiserade, rika och demokratiska samhällen, och likheten minskade kraftigt ju längre från dessa samhällen man kom.⁶

Varför blir AI:s bild av målgruppen så genomsnittlig?

En språkmodell är byggd för att förutsäga vilket svar som är mest sannolikt utifrån allt den har läst. Det gör den bra på det typiska och sämre på det ovanliga, och det är ofta i det ovanliga som de viktigaste insikterna om en målgrupp finns: det oväntade skälet att köpa, den lilla gruppen som står för en stor del av intäkterna eller invändningen som ingen har skrivit om.

Det finns också en effekt som går utöver den enskilda analysen. Anil Doshi och Oliver Hauser lät 300 personer skriva noveller, och en del av dem fick idéer från GPT-4. Med AI:s hjälp bedömdes berättelserna som mer kreativa, men de blev också mer lika varandra.⁷ Om alla företag i en bransch ställer samma fråga om samma målgrupp till samma AI får de samma svar, och snart också samma budskap. En målgruppsanalys ska göra det motsatta: visa vad som skiljer just dina kunder och ditt erbjudande från alla andras.

På Evirht menar vi att en riktigt bra målgruppsanalys inte kan skrivas helt av AI. AI kan beskriva hur människor brukar tänka, men den kan inte känna in en människa. Det är i mötet med riktiga kunder som det oväntade dyker upp.

Så använder du AI i målgruppsanalysens sex steg

Stegen följer den klassiska målgruppsanalysen som vi beskriver på sidan Hur gör man en målgruppsanalys? I varje steg finns det något AI gör bra och något du behöver göra själv.

1. Formulera vad analysen ska svara på

Be AI att ifrågasätta din fråga innan du börjar. Beskriv beslutet som analysen ska hjälpa till med och be den lista de antaganden du verkar göra om kunderna. Det är ett snabbt sätt att upptäcka att du redan har bestämt dig för svaret, något som är svårt att se hos sig själv.⁸

2. Gå igenom de kunder du redan har

AI kan hitta mönster i en export från kassasystemet eller kundregistret, till exempel vilka kunder som köper oftast och vad de har gemensamt. Ladda däremot inte upp uppgifter som kan kopplas till enskilda personer i en AI-tjänst utan att veta hur tjänsten hanterar dem. Dataskyddsförordningen kräver bland annat att du inte behandlar fler personuppgifter än vad som behövs för ändamålet, så ta bort namn och kontaktuppgifter och arbeta hellre med sammanställd data.⁹ Läs mer om att analysera befintliga kunder.

3. Prata med kunderna

Här gör AI mest nytta före och efter samtalen, inte under dem. Låt den skriva ett utkast till intervjuguide och be den markera frågor som är ledande eller handlar om framtiden, eftersom frågor om vad kunden faktiskt har gjort ger ärligare svar än frågor om vad hen skulle göra.¹⁰ Efter intervjuerna kan AI sortera svaren i teman. Själva samtalen behöver du ha själv, och du behöver inte många: i en ofta citerad studie framkom de flesta teman inom de första tolv intervjuerna.¹¹ Mer om metoden finns på sidan om kundintervjuer.

4. Bekräfta bilden med en enkät

AI kan skriva frågorna och låtsas vara några olika respondenter för att hitta formuleringar som går att missförstå. Det är ett bra sätt att testa enkäten innan den går ut. Men svaren som räknas måste komma från riktiga människor, eftersom AI:s svar har för liten spridning för att visa hur vanligt något är.⁵ Läs mer om enkäter.

5. Se hur konkurrenterna gör

Klistra in konkurrenternas annonser, rubriker och erbjudanden och be AI sammanfatta vilka målgrupper och budskap de satsar på. Kontrollera allt som AI påstår om konkurrenterna mot källan, eftersom språkmodeller kan ha fel och behöver granskas av en människa.² Metoden finns på sidan om konkurrentanalys.

6. Testa och mät

En syntetisk målgrupp kan hjälpa dig att sålla bort de svagaste idéerna, men det är riktiga kunder som avgör vilken som fungerar. Testa slutsatserna med annonser, erbjudanden eller säljsamtal och mät vad människor faktiskt gör. Läs mer på sidan testa och mät och om syntetiska målgrupper.

En prompt att börja med

En bra prompt ber AI skilja på det den vet och det den gissar. Fyll i hakparenteserna och klistra in sammanfattade, avidentifierade insikter om dina kunder.

Du är en kritisk marknadsanalytiker. Jag säljer [produkt eller tjänst] till [vilka] i [vilken situation]. Det här vet vi om våra kunder: [sammanfattade insikter]. Beskriv vilka grupper som verkar finnas och vad som skiljer dem åt. Markera tydligt vad som bygger på underlaget och vad som är antaganden. Föreslå fem frågor som jag bör ställa till riktiga kunder för att pröva antagandena, och säg vad du inte kan veta utan att prata med dem.

Ett tips är att be AI läsa vår guide till målgruppsanalys först, så att den utgår från en genomtänkt metod i stället för det genomsnittliga svaret på nätet.

Hur vet du om AI:s bild av din målgrupp stämmer?

Jämför den med verkligheten. Ställ samma fråga flera gånger och med olika formuleringar, och om svaren skiftar mycket vet AI inte. Titta på spridningen och inte bara på genomsnittet, eftersom det är där AI oftast skiljer sig från människor.⁵ Pröva sedan de viktigaste slutsatserna mot några riktiga kunder. Stämmer de inte med vad fem eller sex personer berättar är det AI:s bild som ska ändras, inte kundernas.

Vanliga frågor

Kan ChatGPT göra en målgruppsanalys åt mig?

ChatGPT kan på några sekunder skriva något som ser ut som en målgruppsanalys, men den bygger på hur liknande företags kunder brukar beskrivas och inte på dina kunder. Använd texten som en lista med antaganden att pröva, inte som ett resultat.

Är en AI-genererad persona en riktig persona?

Inte förrän den har prövats mot riktiga kunder. En persona ska bygga på research om verkliga människor. En persona som AI har hittat på utan underlag är en hypotes, och ibland en stereotyp i fina ord.

Får jag klistra in kunddata i en AI-tjänst?

Det beror på vilken tjänst du använder, vilka avtal som gäller och vilka uppgifter det handlar om. Det säkraste är att ta bort allt som kan kopplas till en person och arbeta med sammanställda insikter. Är du osäker, fråga den som ansvarar för dataskyddet i ert företag.

Vad är en syntetisk målgrupp?

En grupp AI-genererade respondenter som får svara som om de vore dina kunder. Vi går igenom vad forskningen säger om dem på sidan Syntetiska målgrupper.

Hur påverkar AI-sök min målgruppsanalys?

Allt fler kunder frågar en AI i stället för att söka och klicka, och det ändrar vilka frågor analysen behöver svara på. Vi förklarar hur på sidan Så söker din målgrupp när den frågar AI.

Källor och vidare läsning

Vi anger vad påståendena på sidan bygger på, så att du kan kontrollera dem själv.

SCB (2025). Större företag använder AI mer och Svenska företag i topp med AI-användning. Pressmeddelanden från Statistiska centralbyrån. 35 procent av företagen i Sverige använde AI 2025, och 41,7 procent av dem använde det för marknadsföring och försäljning.
Arora, N., Chakraborty, I. & Nishimura, Y. (2025). AI–Human Hybrids for Marketing Research: Leveraging Large Language Models (LLMs) as Collaborators. Journal of Marketing, 89(2), 43–70. Kombinationen av människa och AI gav bättre resultat än båda var för sig. Tilldelades AMA/MSI/H. Paul Root Award 2025.
Li, P., Castelo, N., Katona, Z. & Sarvary, M. (2024). Frontiers: Determining the Validity of Large Language Models for Automated Perceptual Analysis. Marketing Science, 43(2), 254–266. 75–85 procents överensstämmelse med undersökningar bland människor i vissa produktkategorier.
Brand, J., Israeli, A. & Ngwe, D. (2023, reviderad 2026). Using LLMs for Market Research. Harvard Business School Marketing Unit Working Paper 23-062. AI som komplement till, inte ersättning för, undersökningar med människor.
Bisbee, J., Clinton, J. D., Dorff, C., Kenkel, B. & Larson, J. M. (2024). Synthetic Replacements for Human Survey Data? The Perils of Large Language Models. Political Analysis, 32(4), 401–416. Mindre spridning, andra samband och svar som ändras med formuleringen och över tid.
Atari, M., Xue, M. J., Park, P. S., Blasi, D. E. & Henrich, J. (2023). Which Humans? Arbetspapper, PsyArXiv. Språkmodellerna liknar mest människor i västerländska, utbildade, industrialiserade, rika och demokratiska samhällen.
Doshi, A. R. & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290.
Pronin, E., Lin, D. Y. & Ross, L. (2002). The Bias Blind Spot: Perceptions of Bias in Self Versus Others. Personality and Social Psychology Bulletin, 28(3), 369–381. Vi ser snedvridningar hos andra tydligare än hos oss själva.
Europaparlamentet och rådet (2016). Förordning (EU) 2016/679 (dataskyddsförordningen, GDPR), artikel 5. Principen om uppgiftsminimering.
Fitzpatrick, R. (2013). The Mom Test. CreateSpace. Om att fråga vad kunder faktiskt har gjort i stället för vad de tror och tycker.
Guest, G., Bunce, A. & Johnson, L. (2006). How Many Interviews Are Enough? An Experiment with Data Saturation and Variability. Field Methods, 18(1), 59–82.