据TechRadar报道，市场研究协会全球数据质量倡议调查显示，95%的受访定性研究人员在过去12个月遇到过参与者欺诈。用户研究正受到机器人、深度伪造和虚假身份的冲击，虚假参与可能污染数据并影响产品开发。
用户研究能在开发早期识别摩擦点，此时消除问题成本远低于后期修复。研究显示，在项目概念阶段投资改进用户体验的公司，可将产品开发时间缩短33%至50%。但这一过程依赖参与者诚信参与，不诚实参与会污染数据。
TechRadar报道称，不真实参与者并非新问题。数年前，同一个人曾以不同姓名、经不同机构招募，连续参加两个不同客户的焦点小组。过去几年变化的是问题规模和复杂程度。
新冠疫情期间，在线招募和数据收集成为保持物理距离时开展用户研究的必要手段。远程方法此后因减少差旅和后勤成本、覆盖更广地理范围而持续流行。但这些特点也为“职业参与者”打开大门：他们利用数字匿名性和较低身份验证门槛，把有偿参与当作补充收入。日益普及的AI工具进一步为欺诈参与创造环境。市场研究协会全球数据质量倡议的数据显示，95%的受访定性研究人员在过去12个月报告遭遇参与者欺诈。
非真实参与者可能扭曲研究主题，掩盖真实用户需求，使团队得出与目标市场脱节的结论。一项2025年案例研究称，在欺诈提交进入样本后，可用回复比例从约75%降至约10%。
报道称，把非真实参与者挡在招募之外，同时不损害可及性和敏感度，是一项挑战。研究人员不应仅因参与者不愿打开摄像头或持续出现音频问题就将其视为潜在欺诈者，因为用户可能有正当理由偏好不使用视频、简短沟通，或难以清楚表达经历。更合理的做法是识别可疑行为模式，而不是抓住单一证据就判定参与者不真实。
申请和筛选阶段可能首先出现警示信号。来自通常难以触达的少数群体的申请意外激增可能是好运，但也应更仔细审查。发表在《国际社会研究方法论杂志》上的一项在线焦点小组冒名者研究指出，在一项此前参与者绝大多数为女性的研究中，收到大多数申请来自男性家长，是早期预警信号。相似且不寻常的电子邮件地址也是常见早期信号。由常见姓名和一串数字组成的地址，比如john.doe1172@gmail.com，并非欺诈的确凿证据，但在建立可疑行为模式时是有用数据点。
更常见的非真实参与指标之一，是参与者在筛选阶段和正式环节中的说法不一致。例如，有人声称每天使用某产品，却难以说出基本功能或描述最近一次互动。围绕近期个人经历的开放式问题有助于发现这些差异。参与者可能难以描述具体事件、时间线或与研究主题相关的术语。有些可疑参与者在访谈中显得分心或投入度低，只给一个词的回答，跟不上问题，或抗拒研究者建立交谈节奏的努力。单独看，这些行为不构成欺诈证据，参与者可能紧张、疲倦、不适或不熟悉定性研究；但当它们与其他信号同时出现时，就应引起怀疑。