利益:
- ターゲットオーディエンス、セグメント、ペルソナの概念を理解し、人工知能と適切なデータを使用して洞察の統合とペルソナの草案を作成する能力。
- 生の顧客データと市場調査に基づいて、人工知能サポートを使用してセグメントとメッセージを照合する機能
- AI ペルソナは仮説の下書きであり、実際のデータとフィールドでの検証を使用してテストする必要があることを認識する能力
広告における最も高価な間違いは、間違った人に正しいメッセージを伝えることです。どんなに優れた商品やキャッチーなキャッチコピーであっても、興味を持たない層に届いてしまえば予算は無駄になってしまいます。したがって、すべてのキャンペーンの基礎となるのはターゲット ユーザー、つまり、広告がリーチしたい、定義された共通の特徴を持つ人々のグループです。しかし、「対象読者」は単一の大衆ではないことがよくあります。これには、さまざまなニーズや行動を持つサブグループが含まれています。このサブグループに分割するプロセスはセグメンテーションと呼ばれます。各セグメントをより生き生きとして使いやすくするために、そのセグメントを表す架空の文字が作成されます。これをペルソナ（購入者ペルソナ）といいます。
ペルソナは、「中年女性」などの抽象的な説明を、「ゼイネプ、38 歳、二児の母、フルタイムで働き、時短商品の支払いをし、夕方には電話で意思決定を行う」などの具体的でメッセージ可能なキャラクターに変換します。この単元では、生データからの洞察の合成とペルソナの青写真の作成という 2 つのことに人工知能が役立ちます。ただし、最初から重要な警告を発しておきます。AI のペルソナは架空のスケッチであり、実際の顧客ではありません。実際のデータで検証せずにそれを当然のことと考えると、間違った夢を宣伝することになります。
洞察とは何か、AI はどこに役立つのか
広告における洞察とは、ターゲット視聴者の行動の背後にある本当の理由を捉える発見です。たとえば、「人々が歯ブラシを購入している」というのは観察です。 「人々は実際には歯ブラシに興味があるのではなく、朝に身だしなみが整っていると感じることに興味がある」というのは洞察です。優れた洞察力は、メッセージを表面から深層まで伝えます。 AI はデータ (アンケート回答、顧客レビュー、販売データ、ソーシャル メディアでの会話) をすばやく読み取り、パターンとテーマを抽出します。これは、洞察を求めるための強力な促進剤です。しかし、AI が抽出するテーマは仮説です。実際の顧客にそれを確認するのはあなた次第です。
ヒント: AI に生データ (匿名化された顧客レビューなど) を与え、「そこからどのような繰り返しのテーマが浮かび上がってくるか?」と尋ねます。ゼロからペルソナを作成してもらうよりも、データからテーマを導き出してもらうほうが確実です。
ステップバイステップ: セグメントからメッセージまで
ステップ 1 — データを収集して匿名化します。顧客レビュー、アンケート回答、販売記録。名前、メールアドレス、電話番号などの個人データを削除します。
ステップ 2 — セグメントを抽出します。ニーズ、行動、購入頻度、ライフステージなどによって視聴者を意味のあるサブグループに分割します。AI にデータを与えて、「さまざまな行動グループがいくつ出現するか?」と質問させることができます。
ステップ 3 — ペルソナの草案を作成します。重要なセグメントごとのペルソナ: 人口統計、目標、問題点、購入のきっかけ、反対意見。
ステップ 4 — メッセージを照合します。どの約束、どのトーン、どのチャネルが各ペルソナに適しているかを判断します。
ステップ 5 — 確認します。実際のデータ (売上高、調査、現地インタビュー) を使用してペルソナとセグメントをテストします。動作しないものを更新します。
次の表は、同じ製品 (食器洗い機用洗剤) に対する 2 つの異なるペルソナとメッセージの一致を示しています。
アイテム
ペルソナ１：「時間を勝ち取る者ゼイネプ」
ペルソナ2：「サファルフチュ・ケマル」
プロフィール
38歳、ワーキングマザー、忙しい
55歳、退職者、慎重な購入者
主なニーズ
素早く簡単な掃除
長く使えて経済的
障害物
時間がない
無駄を省く
約束する
「すぐに明るくなる、あなたの時間です」
「製品を減らして、洗い物を増やす」
適切なチャンネル
インスタグラム、ショートビデオ
新聞付録、メール
トーン
実用的、エネルギッシュな
信頼性が高く、手頃な価格
ミニケース3個
ケース 1 — データからの洞察。ある e コマース ブランドは、800 件の顧客レビューを読む時間を見つけることができませんでした。彼は匿名（名前/注文番号は省略）で AI にコメントを与え、繰り返し出てくるテーマを尋ねました。 YZ は、「配送速度が期待を上回ったときの満足度は急上昇する」というテーマを強調しました。チームは独自の販売データでこれを確認し、キャンペーンのメッセージを「同日発送」の約束に焦点を当てました。 AIがテーマを考え、それを人間が検証して意思決定に変える。
ケース 2 — 未検証のペルソナのコスト。あるアプリブランドはAIに「若いユーザー向けのペルソナを生成する」ように指示した。 YZは「18～24歳、ソーシャルメディア中毒、価格に敏感」というペルソナを挙げた。チームはこれを事実として受け入れ、キャンペーンを立ち上げました。ただし、実際のユーザーデータによると、主な視聴者は 30 ～ 40 歳の専門家であることがわかりました。予算の一部は間違った視聴者に渡されました。間違い: データを見ずに AI が作成したペルソナを信頼してしまうこと。
ケース 3 — セグメント分離の値。あるジムは、すべての会員に同じ「健康維持」のメッセージを送信していました。 AIを使って会員データを匿名で分析したところ、「内気な新人」と「目標志向のベテラン」という2つの明確なセグメントが明らかになった。 2 つの異なるメッセージを 2 つのグループ (1 つは「最初のステップは簡単です」、もう 1 つは「自分自身を乗り越えましょう」) に送信すると、応答率が大幅に増加しました。セグメントを区切ることで、メッセージが要点を絞ったものになりました。
コピー可能な 4 つのテンプレート
1) コメントからのテーマ抽出:
以下は、匿名化された顧客のコメント (名前/注文情報なし) です: [コメントを貼り付け] タスク: (1) 5 つの繰り返しのテーマを抽出します (満足と苦情は別)。(2) 各テーマのサンプル コメントの数を推定し、引用符を提供します。(3) そのうちのどれがキャンペーン メッセージになり得るかを提案します。データにないテーマをでっち上げないでください。よくわからないと述べてください。
２）セグメント概要：
製品: [製品]。以下は匿名の顧客の特徴です: [データ/概要]。タスク: このユーザーをニーズと行動に基づいて 3 ～ 4 つのセグメントに分割します。各セグメント: キャッチフレーズ、差別化機能、主要なニーズ、購入トリガー。これは初期の概要です。実際のデータで検証してみます。
3) ペルソナジェネレーター:
セグメント: 「[セグメント名と概要]」。タスク: このセグメントを表すペルソナの草案を作成します。内容: 名前、年齢層、生活状況、目標、障害（問題点）、購入前の反対意見、どのチャンネルに時間を費やしているか。タイトルに、これは仮定であり、実在の人物ではないことを明記してください。
4) ペルソナメッセージマッチャー:
私のペルソナ: [ペルソナ 1 の概要]、[ペルソナ 2 の概要]。製品の約束: [約束]。タスク: 各ペルソナに対して、最も適切な 1 文のメッセージ、口調、優先チャネル、潜在的な反対意見への対応。証拠を必要とする主張をすること。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
製品の対象ユーザーのペルソナを作成します。
データも製品もコンテキストもありません。 AIはペルソナを完全に一般化せずに作成し、検証することはできません。
強力なプロンプト:
製品: 家庭用スマートサーモスタット。価格: 中上位のセグメント。以下は、匿名の顧客データの概要です。- ほとんどの購入者は 35 ～ 50 歳で、住宅所有者であり、テクノロジーにオープンです。- 最も頻繁に挙げられるメリット: 請求額の節約と快適さ。- 最も多くの反対意見: 設置の難しさへの懸念。タスク: このデータから 2 つのペルソナ スケッチを作成します。それぞれについて、ターゲット、障害、購入のきっかけ、設置反対への対応、適切なチャネル。これは検証されるべき仮定であると述べます。データにないものをでっち上げないでください。
2 番目の主張は実際のデータに基づいています。出力は引き続き現場データと販売データに対してテストされます。
よくある間違い
- データを提供せずにペルソナをリクエストする。 AIは一般化せずに補います。これは実際の視聴者を反映していない可能性があります。
- ペルソナを本物と間違える。ペルソナは仮説です。販売データや現場データで検証されるまでは、意思決定の根拠として使用できません。
- 聴衆が一人であると仮定します。さまざまなニーズを細分化しないと、メッセージが全員に同じになり、効果がなくなります。
- 個人データをツールに貼り付ける。名前、電子メール、電話番号は KVKK の範囲内です。匿名化します。
- ペルソナを全然更新してない。大衆の行動が変化する。ペルソナは生きた文書です。
注意: 人物がより鮮明に書かれるほど、より「現実的」に感じられます。これは罠です。活発さは正確さを意味するものではありません。 「これを裏付けるデータは何ですか?」という質問で各ペルソナをテストします。
要約すると
対象ユーザーの分析は、適切なメッセージを適切な人に届けるための基礎です。セグメンテーションでは、視聴者を意味のあるサブグループに分割します。ペルソナは、各セグメントを具体的なキャラクターに変換し、そこからメッセージを生成します。人工知能は、匿名化されたデータからテーマと洞察を抽出し、ペルソナを作成するための強力なアクセラレーターです。ただし、AI が生成するすべてのセグメントとペルソナは仮説上のスケッチです。実際の販売、調査、フィールドデータによる検証がなければ、判断の根拠とすることはできません。個人データは常に匿名化されて使用されます。
アプリケーションタスク
製品を選択してください。 (1) 実際のまたは架空の顧客情報を匿名の概要に編集します。 (2) 「セグメントスケッチ」テンプレートで3つのセグメントを抽出します。 (3)「ペルソナジェネレーター」でセグメントを生きたペルソナに変える。 (4) 「ペルソナメッセージマッチャー」でこのペルソナに特定のメッセージ、トーン、チャンネルを設定します。 (5) 最も重要なこと: このペルソナを検証するためにどの 3 つの実際のデータ ソース (販売、アンケート、インタビュー) を調べるかを書き留めます。未検証のペルソナを「確実」としてマークしないでください。
チェックリスト
- [ ] 顧客データをツールに渡す前に匿名化しました。
- [ ] 塊を単一の塊ではなくセグメントとして扱いました。
- [ ] 私は AI ペルソナを「仮説スケッチ」と名付けました。
- [ ] 各ペルソナのメッセージ、トーン、チャネルを一致させました。
- [ ] ペルソナを検証する実際のデータ ソースを特定しました。
- [ ] ペルソナとセグメントを常に最新の状態に保つ計画を立てました。