Heatseeker 是一个 AI 驱动的实时市场测试与客户洞察平台，核心目标是把市场学习转化为团队可用的客户情报，帮助企业发现客户真正的选择理由，以及竞争对手忽略的需求。
一、用途 Heatseeker 用于在产品、营销和增长决策中快速获取客户洞察。它帮助团队回答诸如“客户到底为什么选择我们”“什么会让他们转投别家”“我们漏掉了什么”等问题，而无需每次都委托新的调研项目。
二、主要能力
- AI 人物（AI Personas）：平台支持载入企业自身的研究资料、客户反馈和营销活动结果，据此构建基于真实受众的 AI 人物。用户可以向这些人物提问，按需获得回答。官方强调这些人物是“基于你自己的客户，而非互联网”构建。
- 实时实验（Live Experiments）：平台把可能的答案以赞助广告的形式发布到目标受众所在的 Instagram 上，通过真实行为而非问卷回答来测量购买意向。官方举例展示了“更可持续的装备”与“更可靠的装备”两个选项针对美国户外爱好者受众的测试。
- 双向反馈循环：每个实时实验都会训练 AI 人物；市场告诉平台的信息会直接回流到人物中，使下一次回答建立在真实行为而非猜测之上。
- 合成预测对照（Synthetic Check）：每个实时实验都会同步运行一次合成预测，用于对比 AI 人物与真实人群反应的吻合程度。官方主张“永远不要信任合成数据，要验证它”。
三、使用方式 总体流程为：载入研究、客户反馈与活动结果 → 构建基于受众的 AI 人物 → 向 AI 人物提问获得按需答案 → 将最佳候选方案以赞助广告发布到真实受众进行实验 → 依据真实行为判断哪个方案成立 → 实验结果反哺并训练 AI 人物。此外，官方提供 30 分钟演示（demo），用户可以带着具体决策（如新提案、增长押注、需要团队支持的营销活动）来了解 Heatseeker 如何作答。
四、适用场景 适用于需要快速验证产品提案、营销创意、增长假设的团队，尤其是希望在真实市场中检验想法、并将每次测试沉淀为可复用客户情报的组织。
五、局限与说明 官方引用了一项针对 ChatGPT、Claude 和 Gemini 的回顾性研究：在 11 个真实广告实验中，这些模型大多无法选出获胜广告，表现最好的也只选对 11 次中的 4 次，用以说明“AI 无法猜测你的客户，必须向客户学习”。官方注明该研究为对 11 个实时广告实验的选定回顾性研究，计数衡量的是这些测试中的获胜者识别，而非购买预测或 Heatseeker 人物准确度。
其他具体信息（如收费模式、价格、支持平台范围、完整使用步骤等）官方资料暂未提供。
