Gevinster:
- Evne til at forstå begreberne målgruppe, segment og persona og bruge kunstig intelligens med de rigtige data til at producere indsigtssyntese og personaudkast.
- Evne til at matche segmenter og budskaber med støtte til kunstig intelligens baseret på rå kundedata og markedsundersøgelser
- Evne til at erkende, at en AI-persona er et udkast til antagelser og skal testes med reelle data og feltvalidering
Den dyreste fejl i reklamer er at fortælle det rigtige budskab til den forkerte person. Uanset hvor godt et produkt eller hvor iørefaldende et slogan er, så vil budgettet være spildt, hvis det når ud til et publikum, der er ligeglade med det. Derfor er grundlaget for hver kampagne målgruppen: gruppen af mennesker med definerede fælles karakteristika, som annoncen ønsker at nå. Men "målgruppen" er ofte ikke en enkelt masse; Den indeholder undergrupper med forskellige behov og adfærd. Denne proces med at opdele i undergrupper kaldes segmentering. For at gøre hvert segment mere livligt og brugbart skabes en imaginær karakter, der repræsenterer det segment; Dette kaldes persona (køberpersona).
En persona forvandler en abstrakt beskrivelse som "midaldrende kvinder" til en konkret og beskeden karakter som "Zeynep, 38, mor til to, arbejder fuld tid, betaler for tidsbesparende produkter, træffer beslutninger i telefonen om aftenen." Kunstig intelligens er praktisk til to ting i denne enhed: Syntetisering af indsigt fra rå data og fremstilling af persona-planer. Men lad den kritiske advarsel komme fra begyndelsen: AI-personaen er en hypotetisk skitse, ikke den faktiske kunde. Hvis det tages for givet uden at teste det med rigtige data, vil du reklamere for en falsk drøm.
Hvad er indsigt og hvor hjælper AI
Indsigt i annoncering er den opdagelse, der fanger den egentlige årsag bag målgruppens adfærd. For eksempel er "folk køber tandbørster" en observation; "Folk er faktisk ikke interesseret i tandbørsten, men i at føle sig velplejet om morgenen" er en indsigt. God indsigt bringer budskabet fra overfladen til dybet. AI kan hurtigt læse dine data (undersøgelsessvar, kundeanmeldelser, salgsdata, sociale medier samtaler) og udtrække mønstre og temaer; dette er en kraftfuld accelerator i jagten på indsigt. Men det tema, som AI udtrækker, er en hypotese; Det er op til dig at bekræfte det med den rigtige kunde.
Tip: Giv AI'en rådata (som anonymiserede kundeanmeldelser) og spørg "hvilke tilbagevendende temaer kommer der ud af det?" I stedet for at bede nogen om at skabe en persona fra bunden, er det meget mere pålideligt at bede dem om at udlede et tema fra dataene.
Trin for trin: fra segment til besked
Trin 1 — Indsaml og anonymiser data. Kundeanmeldelser, undersøgelsessvar, salgsrekorder. Fjern personlige data såsom navn, e-mail, telefon.
Trin 2 — Udpak segment. Inddel publikum i meningsfulde undergrupper: efter behov, adfærd, købsfrekvens, livsfase osv. Du kan give AI'en dataene og få den til at spørge "hvor mange forskellige adfærdsgrupper vises?"
Trin 3 — Lav et personaudkast. En persona for hvert vigtigt segment: demografi, mål, smertepunkter, købstrigger, indsigelsespunkter.
Trin 4 — Match besked. Bestem hvilket løfte, hvilken tone og hvilken kanal der passer til hver persona.
Trin 5 — Bekræft. Test personas og segmenter med reelle data (salgstal, undersøgelse, feltinterview); Opdater det, der ikke virker.
Følgende tabel viser to forskellige personas og beskedmatches for det samme produkt (opvaskemiddel):
vare
Persona 1: "Zeynep, der vinder tid"
Persona 2: "Safarrufçu Kemal"
Profil
38, arbejdende mor, travlt
55, pensioneret, omhyggelig køber
hovedbehov
Hurtig, ubesværet rengøring
Langtidsholdbar, økonomisk brug
forhindring
ingen tid
Undgår spild
løfte
"Lys med det samme, tid til dig"
"Mindre produkt, mere vask"
passende kanal
Instagram, kort video
Avistillæg, e-mail
tone
praktisk, energisk
Pålidelig, overkommelig
tre minisager
Case 1 — Indsigt fra data. Et e-handelsmærke kunne ikke finde tid til at læse 800 kundeanmeldelser. Han gav kommentarerne anonymt (navn/ordrenummer udeladt) til AI og bad om tilbagevendende temaer. YZ fremhævede temaet "tilfredsheden skyder i vejret, når forsendelseshastigheden overstiger forventningen." Teamet bekræftede dette med deres egne salgsdata og fokuserede kampagnebudskabet på løftet om "forsendelse samme dag". AI fandt på et tema, mennesket bekræftede det og gjorde det til en beslutning.
Tilfælde 2 — Omkostninger til ubekræftet person. Et app-mærke fortalte AI bare at "generere personas til unge brugere." YZ gav en persona af "18-24 år gammel, sociale medier afhængig, prisfølsom". Holdet accepterede dette som et faktum og oprettede kampagnen. Reelle brugerdata viste dog, at hovedpublikummet var professionelle i alderen 30-40 år. Noget af budgettet gik til det forkerte publikum. Fejl: at stole på den persona, der er skabt af AI uden at se på dataene.
Tilfælde 3 — Værdien af segmentadskillelse. Et fitnesscenter sendte den samme "stay fit" besked til alle medlemmer. At analysere medlemsdata anonymt med AI afslørede to klare segmenter: "generte nybegyndere" og "målorienterede veteraner." Når to forskellige beskeder blev sendt til to grupper (den ene "det første skridt er nemt" og den anden "kom over dig selv"), steg svarprocenten markant. Segmentadskillelse gjorde budskabet til det punkt.
Fire kopierbare skabeloner
1) Temaudtræk fra kommentarer:
Nedenfor er anonymiserede kundekommentarer (ingen navn/ordreoplysninger):[indsæt kommentarer]Opgave: (1) Udtræk 5 tilbagevendende temaer (tilfredshed og klage adskilt).(2) Estimer antallet af eksempelkommentarer for hvert tema, og angiv tilbud.(3) Foreslå, hvilke af disse der kan blive til et kampagnebudskab. Lav ikke temaer, der ikke er i dataene; Fortæl, at du ikke er sikker.
2) Segmentoversigt:
Produkt: [produkt]. Nedenfor er anonyme kundekarakteristika: [data/resumé]. Opgave: Opdel denne målgruppe i 3-4 segmenter baseret på behov og adfærd. For hvert segment: tagline, differentierende funktion, nøglebehov, købstrigger. Dette er en indledende skitse; Antag, at jeg vil verificere med rigtige data.
3) Persona generator:
Segment: "[segmentnavn og oversigt]". Opgave: Skriv et persona-udkast, der repræsenterer dette segment. Indhold: navn, aldersgruppe, livssituation, mål, forhindringer (smertepunkter), indsigelser inden køb, hvilken kanal bruger han tid på. Angiv i titlen, at det er en antagelse, ikke en virkelig person.
4) Persona-besked matcher:
Mine personas: [persona 1 resumé], [persona 2 resumé]. Produktløfte: [løfte]. Opgave: For hver persona: mest passende besked med én sætning, tone, prioriteret kanal og svar på potentiel indsigelse. At fremsætte en påstand, der kræver bevis.
Svag prompt / Stærk prompt
Svag prompt:
Opret en målgruppepersona for mit produkt.
Ingen data, intet produkt, ingen kontekst; AI udgør personas uden at generalisere dem fuldstændigt, de kan ikke verificeres.
Kraftig prompt:
Produkt: smart termostat til hjemmet. Pris: mellem-øvre segment. Nedenfor er en oversigt over anonyme kundedata:- De fleste købere er 35-50 år, boligejere, åbne over for teknologi.- Oftest nævnt fordel: regningsbesparelser og komfort.- Hyppigste indsigelse: bekymring for vanskeligheder ved installation. Opgave: Lav 2 persona-skitser ud fra disse data. For hver, mål, forhindring, købstrigger, svar på installationsindsigelse og passende kanal. Angiv, at dette er en antagelse, der skal verificeres; Lad være med at finde på, hvad der ikke er i dataene.
Den anden påstand er baseret på reelle data; Outputtet testes stadig mod mark- og salgsdata.
Almindelige fejl
- Anmodning om en persona uden at give data. AI gør op uden at generalisere; Dette afspejler muligvis ikke det faktiske publikum.
- At tage fejl af personaen for ægte. Persona er en hypotese; Det kan ikke tages som grundlag for beslutninger, før det er verificeret med salgs- og feltdata.
- Forudsat et enkelt publikum. Ikke at segmentere forskellige behov gør budskabet det samme for alle og ineffektivt.
- Indsættelse af personlige data i værktøjet. Navn, e-mail, telefonnummer er inden for KVKKs rammer; Anonymiser.
- Opdaterer slet ikke personaen. Masseadfærdsændringer; En persona er et levende dokument.
Forsigtig: Jo mere levende personaen er skrevet, jo mere "virkelig" føles den; Dette er en fælde. Livlighed betyder ikke nøjagtighed. Test hver persona med spørgsmålet "hvilke data understøtter dette?"
Sammenfattende
Målgruppeanalyse er grundlaget for at levere det rigtige budskab til den rigtige person. Segmentering opdeler publikum i meningsfulde undergrupper; persona gør hvert segment til en konkret karakter, hvorfra et budskab kan genereres. Kunstig intelligens er en kraftfuld accelerator til at udtrække temaer og indsigter fra anonymiserede data og producere personas. Hvert segment og persona, som AI producerer, er dog en hypotetisk skitse; Det kan ikke tages som grundlag for beslutninger uden verifikation med faktiske salg, undersøgelser og feltdata. Persondata bruges altid anonymiseret.
Ansøgningsopgave
Vælg et produkt. (1) Kompiler dine faktiske eller hypotetiske kundeoplysninger til et anonymt resumé. (2) Udtræk 3 segmenter med skabelonen "Segment skitse". (3) Gør et segment til en live persona med en "persona generator". (4) Indstil en specifik besked, tone og kanal for denne persona med "Persona-besked matcher". (5) Vigtigst af alt: skriv ned hvilke 3 rigtige datakilder (salg, undersøgelse, interview) du vil se på for at validere denne persona. Markér ikke nogen ubekræftede personer som "sikre".
tjekliste
- [ ] Jeg anonymiserede kundedata, før jeg gav dem til værktøjet.
- [ ] Jeg behandlede massen som segmenter, ikke en enkelt masse.
- [ ] Jeg kaldte AI-personen "hypoteseskitse."
- [ ] Jeg matchede budskabet, tonen og kanalen for hver persona.
- [ ] Jeg har identificeret de faktiske datakilder, hvorfra jeg vil verificere personaerne.
- [ ] Jeg lavede en plan for at holde personaen og segmenterne opdateret.