नफा:
- लक्ष्यित प्रेक्षक, विभाग आणि व्यक्तिमत्वाच्या संकल्पना समजून घेण्याची क्षमता आणि अंतर्दृष्टी संश्लेषण आणि व्यक्तिमत्व मसुदा तयार करण्यासाठी योग्य डेटासह कृत्रिम बुद्धिमत्ता वापरण्याची क्षमता.
- कच्चा ग्राहक डेटा आणि बाजार संशोधनावर आधारित कृत्रिम बुद्धिमत्ता समर्थनासह विभाग आणि संदेश जुळण्याची क्षमता
- एआय व्यक्तिमत्त्व हा गृहितकांचा मसुदा आहे हे ओळखण्याची क्षमता आणि वास्तविक डेटा आणि फील्ड प्रमाणीकरणासह चाचणी करणे आवश्यक आहे
जाहिरातीतील सर्वात महागडी चूक म्हणजे चुकीच्या व्यक्तीला योग्य संदेश देणे. एखादे उत्पादन कितीही चांगले असले किंवा घोषणा कितीही आकर्षक असली, तरी त्याची पर्वा न करणाऱ्या प्रेक्षकांपर्यंत ते पोहोचले तर बजेट वाया जाते. म्हणून, प्रत्येक मोहिमेचा आधार म्हणजे लक्ष्यित प्रेक्षक: परिभाषित सामान्य वैशिष्ट्ये असलेल्या लोकांचा समूह ज्यापर्यंत जाहिरात पोहोचू इच्छिते. परंतु "लक्ष्य प्रेक्षक" बहुतेकदा एकच वस्तुमान नसतात; यात वेगवेगळ्या गरजा आणि वर्तन असलेले उपसमूह आहेत. उपसमूहांमध्ये विभागण्याच्या या प्रक्रियेला विभाजन म्हणतात. प्रत्येक विभाग अधिक जिवंत आणि वापरण्यायोग्य बनवण्यासाठी, त्या विभागाचे प्रतिनिधित्व करणारे एक काल्पनिक पात्र तयार केले जाते; याला पर्सोना (खरेदीदार व्यक्तिमत्व) म्हणतात.
एक व्यक्तिमत्व "मध्यमवयीन स्त्रिया" सारख्या अमूर्त वर्णनाचे रूपांतर एका ठोस आणि संदेशात्मक पात्रात करते जसे की "झेनेप, 38, दोन मुलांची आई, पूर्णवेळ काम करते, वेळ वाचवणाऱ्या उत्पादनांसाठी पैसे देते, संध्याकाळी फोनवर निर्णय घेते." या युनिटमधील दोन गोष्टींसाठी कृत्रिम बुद्धिमत्ता उपयुक्त ठरते: कच्च्या डेटामधून अंतर्दृष्टी संश्लेषित करणे आणि व्यक्तिमत्व ब्लूप्रिंट तयार करणे. परंतु सुरुवातीपासूनच गंभीर चेतावणी येऊ द्या: एआय व्यक्तिमत्व हे एक काल्पनिक रेखाटन आहे, वास्तविक ग्राहक नाही. वास्तविक डेटासह त्याची चाचणी न करता ते गृहित धरल्यास, आपण खोट्या स्वप्नाची जाहिरात करत आहात.
अंतर्दृष्टी म्हणजे काय आणि AI कुठे मदत करते
जाहिरातीतील अंतर्दृष्टी हा शोध आहे जो लक्ष्यित प्रेक्षकांच्या वर्तनामागील खरे कारण कॅप्चर करतो. उदाहरणार्थ, "लोक टूथब्रश विकत घेत आहेत" हे निरीक्षण आहे; "लोकांना खरं तर टूथब्रशमध्ये स्वारस्य नसते, परंतु सकाळच्या वेळी चांगले तयार होण्यात" ही एक अंतर्दृष्टी आहे. चांगली अंतर्दृष्टी पृष्ठभागापासून खोलपर्यंत संदेश घेऊन जाते. AI तुमचा डेटा (सर्वेक्षण प्रतिसाद, ग्राहक पुनरावलोकने, विक्री डेटा, सोशल मीडिया संभाषणे) द्रुतपणे वाचू शकते आणि नमुने आणि थीम काढू शकते; अंतर्दृष्टीच्या शोधात हा एक शक्तिशाली प्रवेगक आहे. पण AI काढते ती थीम एक गृहितक आहे; खऱ्या ग्राहकासह त्याची पडताळणी करणे तुमच्यावर अवलंबून आहे.
टीप: AI कच्चा डेटा द्या (जसे की अनामित ग्राहक पुनरावलोकने) आणि "त्यातून कोणती आवर्ती थीम उद्भवली?" एखाद्याला सुरवातीपासून व्यक्तिमत्त्व तयार करण्यास सांगण्याऐवजी, त्यांना डेटामधून थीम मिळविण्यास सांगणे अधिक विश्वासार्ह आहे.
स्टेप बाय स्टेप: सेगमेंटपासून मेसेजपर्यंत
पायरी 1 - डेटा संकलित करा आणि अनामित करा. ग्राहक पुनरावलोकने, सर्वेक्षण उत्तरे, विक्री रेकॉर्ड. वैयक्तिक डेटा जसे की नाव, ईमेल, फोन काढून टाका.
पायरी 2 - भाग काढा. श्रोत्यांना अर्थपूर्ण उपसमूहांमध्ये विभाजित करा: गरज, वर्तन, खरेदी वारंवारता, जीवनाचा टप्पा इ. तुम्ही AI ला डेटा देऊ शकता आणि "किती भिन्न वर्तन गट दिसतात?" विचारू शकता.
पायरी 3 - एक व्यक्तिमत्व मसुदा तयार करा. प्रत्येक महत्त्वाच्या विभागासाठी एक व्यक्तिमत्व: लोकसंख्याशास्त्र, उद्दिष्टे, वेदना बिंदू, खरेदी ट्रिगर, आक्षेप बिंदू.
चरण 4 - संदेश जुळवा. कोणते वचन, कोणता टोन आणि कोणता चॅनेल प्रत्येक व्यक्तिरेखेला अनुकूल आहे ते ठरवा.
चरण 5 - सत्यापित करा. वास्तविक डेटासह व्यक्ती आणि विभागांची चाचणी करा (विक्रीचे आकडे, सर्वेक्षण, फील्ड मुलाखत); जे काम करत नाही ते अपडेट करा.
खालील सारणी एकाच उत्पादनासाठी दोन भिन्न व्यक्तिरेखा आणि संदेश जुळणारे दाखवते (डिशवॉशर डिटर्जंट):
आयटम
व्यक्तिमत्व 1: "झेनेप, जो वेळ जिंकतो"
व्यक्तिमत्व 2: "सफररुफ्कु केमाल"
प्रोफाइल
38, कार्यरत आई, व्यस्त
55, सेवानिवृत्त, सावध खरेदीदार
मुख्य गरज
जलद, सहज स्वच्छता
दीर्घकाळ टिकणारा, किफायतशीर वापर
अडथळा
वेळ नाही
अपव्यय टाळतो
वचन
"एकदम तेजस्वी, तुमच्यासाठी वेळ"
"उत्पादन कमी, अधिक धुणे"
योग्य चॅनेल
इंस्टाग्राम, लहान व्हिडिओ
वर्तमानपत्र पुरवणी, ई-मेल
टोन
व्यावहारिक, उत्साही
विश्वासार्ह, परवडणारे
तीन लहान प्रकरणे
केस 1 - डेटामधून अंतर्दृष्टी. एका ई-कॉमर्स ब्रँडला 800 ग्राहक पुनरावलोकने वाचण्यासाठी वेळ मिळाला नाही. त्याने AI ला अनामिकपणे टिप्पण्या दिल्या (नाव/ऑर्डर क्रमांक वगळला) आणि आवर्ती थीम विचारल्या. YZ ने "शिपिंगचा वेग अपेक्षेपेक्षा जास्त होताना समाधान आकाशात टाकते" ही थीम हायलाइट केली. संघाने स्वतःच्या विक्री डेटासह याची पुष्टी केली आणि मोहीम संदेश "त्याच दिवशी शिपिंग" वचनावर केंद्रित केला. AI एक थीम घेऊन आले, मानवाने ते सत्यापित केले आणि निर्णयात रुपांतर केले.
केस 2 - असत्यापित व्यक्तिमत्वाची किंमत. एका ॲप ब्रँडने एआयला फक्त "तरुण वापरकर्त्यांसाठी व्यक्तिमत्व निर्माण करा" असे सांगितले. YZ ने "18-24 वर्षे जुने, सोशल मीडिया व्यसनी, किंमत संवेदनशील" अशी व्यक्तिरेखा दिली. संघाने ही वस्तुस्थिती स्वीकारून मोहीम उभारली. तथापि, वास्तविक वापरकर्ता डेटा दर्शवितो की मुख्य प्रेक्षक 30-40 वयोगटातील व्यावसायिक होते. बजेटमधील काही रक्कम चुकीच्या प्रेक्षकापर्यंत गेली. चूक: डेटा न पाहता एआयने तयार केलेल्या व्यक्तिमत्त्वावर विश्वास ठेवणे.
केस 3 - विभाग वेगळे करण्याचे मूल्य. एक जिम सर्व सदस्यांना एकच "फिट राहा" संदेश पाठवत होती. AI सह निनावीपणे सदस्य डेटाचे विश्लेषण केल्याने दोन स्पष्ट विभाग दिसून आले: "लाजाळू नवशिक्या" आणि "ध्येय-देणारं दिग्गज." जेव्हा दोन गटांना दोन भिन्न संदेश पाठवले गेले (एक "पहिली पायरी सोपे आहे" आणि दुसरे "स्वतःवर जा"), प्रतिसाद दर लक्षणीय वाढला. सेगमेंट वेगळे केल्याने संदेश बिंदूपर्यंत पोहोचला.
चार कॉपी करण्यायोग्य टेम्पलेट्स
1) टिप्पण्यांमधून थीम एक्स्ट्रॅक्टर:
खाली निनावी ग्राहक टिप्पण्या आहेत (नाव/ऑर्डर माहिती नाही):[टिप्पण्या पेस्ट करा]कार्य: (1) 5 आवर्ती थीम काढा (समाधान आणि तक्रार वेगळी). (2) प्रत्येक थीमसाठी नमुना टिप्पण्यांच्या संख्येचा अंदाज लावा आणि कोट्स प्रदान करा. (3) यापैकी कोणते मोहिम संदेशात बदलू शकतात ते सुचवा. डेटामध्ये नसलेल्या कोणत्याही थीम बनवू नका; तुम्हाला खात्री नाही हे सांगा.
२) विभागाची रूपरेषा:
उत्पादन: [उत्पादन]. खाली निनावी ग्राहक वैशिष्ट्ये आहेत: [डेटा/सारांश].कार्य: या प्रेक्षकांची गरज आणि वर्तनावर आधारित 3-4 विभागांमध्ये विभागणी करा. प्रत्येक विभागासाठी: टॅगलाइन, भिन्नता वैशिष्ट्य, मुख्य गरज, खरेदी ट्रिगर. ही प्रारंभिक बाह्यरेखा आहे; गृहीत धरा की मी वास्तविक डेटासह सत्यापित करेन.
३) पर्सोना जनरेटर:
विभाग: "[विभागाचे नाव आणि सारांश]". कार्य: या विभागाचे प्रतिनिधित्व करणारा व्यक्तिमत्व मसुदा लिहा. सामग्री: नाव, वय श्रेणी, राहण्याची परिस्थिती, उद्दिष्टे, अडथळे (वेदना बिंदू), खरेदी करण्यापूर्वी आक्षेप, तो कोणत्या चॅनेलवर वेळ घालवतो. शीर्षकात सांगा की ते एक गृहितक आहे, वास्तविक व्यक्ती नाही.
4) व्यक्तिमत्व-संदेश जुळणारे:
माझे व्यक्तिमत्व: [व्यक्ती 1 सारांश], [व्यक्ती 2 सारांश].उत्पादन वचन: [वचन].कार्य: प्रत्येक व्यक्तिरेखेसाठी: सर्वात योग्य एक-वाक्य संदेश, टोन, प्राधान्य चॅनेल आणि संभाव्य आक्षेपांना प्रतिसाद. पुराव्याची आवश्यकता असलेला दावा करणे.
कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट
कमकुवत प्रॉम्प्ट:
माझ्या उत्पादनासाठी लक्ष्यित प्रेक्षक व्यक्तिमत्व तयार करा.
कोणताही डेटा नाही, उत्पादन नाही, संदर्भ नाही; AI पूर्णपणे सामान्यीकरण न करता व्यक्तिमत्व बनवते, ते सत्यापित केले जाऊ शकत नाही.
शक्तिशाली सूचना:
उत्पादन: घरासाठी स्मार्ट थर्मोस्टॅट. किंमत: मिड-अपर सेगमेंट. खाली निनावी ग्राहक डेटाचा सारांश आहे:- बहुतेक खरेदीदार 35-50 वर्षांचे आहेत, घरमालक, तंत्रज्ञानासाठी खुले आहेत.- सर्वाधिक वारंवार उद्धृत लाभ: बिल बचत आणि आराम.- सर्वाधिक वारंवार आक्षेप: इंस्टॉलेशनमधील अडचणीबद्दल चिंता. कार्य: या डेटावरून 2 व्यक्तिरेखा स्केचेस तयार करा. प्रत्येकासाठी, लक्ष्य, अडथळा, खरेदी ट्रिगर, स्थापना आक्षेपास प्रतिसाद आणि योग्य चॅनेल. हे सत्यापित करणे एक गृहितक आहे असे सांगा; जे डेटामध्ये नाही ते बनवू नका.
दुसरा दावा वास्तविक डेटावर आधारित आहे; आउटपुट अद्याप फील्ड आणि विक्री डेटा विरुद्ध चाचणी केली जाते.
सामान्य चुका
- डेटा प्रदान न करता व्यक्तिमत्वाची विनंती करणे. AI सामान्यीकरण न करता बनवते; हे वास्तविक प्रेक्षकांना प्रतिबिंबित करू शकत नाही.
- वास्तविक साठी व्यक्तिमत्त्व चुकणे. व्यक्तिमत्व एक गृहीतक आहे; जोपर्यंत त्याची विक्री आणि फील्ड डेटासह पडताळणी होत नाही तोपर्यंत ते निर्णयांसाठी आधार म्हणून घेतले जाऊ शकत नाही.
- एकच प्रेक्षक गृहीत धरून. वेगवेगळ्या गरजा विभाजित न केल्याने संदेश प्रत्येकासाठी समान आणि अप्रभावी होतो.
- टूलमध्ये वैयक्तिक डेटा पेस्ट करत आहे. नाव, ई-मेल, फोन नंबर KVKK च्या कार्यक्षेत्रात आहेत; अनामिक करा.
- व्यक्तिरेखा अजिबात अपडेट करत नाही. वस्तुमान वर्तन बदल; व्यक्तिमत्व हा जिवंत दस्तावेज आहे.
सावधगिरी: व्यक्तिमत्व जितके अधिक स्पष्टपणे लिहिले जाते तितके ते "वास्तविक" वाटते; हा सापळा आहे. जिवंतपणाचा अर्थ अचूकता नाही. "याला कोणता डेटा सपोर्ट करतो?" या प्रश्नासह प्रत्येक व्यक्तिमत्वाची चाचणी घ्या.
सारांशात
लक्ष्यित प्रेक्षक विश्लेषण हा योग्य संदेश योग्य व्यक्तीपर्यंत पोहोचवण्याचा आधार आहे. सेगमेंटेशन श्रोत्यांना अर्थपूर्ण उपसमूहांमध्ये विभाजित करते; व्यक्तिमत्व प्रत्येक सेगमेंटला एका ठोस वर्णात बदलते ज्यातून संदेश तयार केला जाऊ शकतो. अनामिक डेटामधून थीम आणि अंतर्दृष्टी काढण्यासाठी आणि व्यक्तिमत्त्वे तयार करण्यात कृत्रिम बुद्धिमत्ता एक शक्तिशाली प्रवेगक आहे. तथापि, AI तयार करत असलेला प्रत्येक विभाग आणि व्यक्तिमत्व हे काल्पनिक रेखाटन आहे; वास्तविक विक्री, सर्वेक्षण आणि फील्ड डेटासह पडताळणी केल्याशिवाय निर्णयांचा आधार म्हणून घेतले जाऊ शकत नाही. वैयक्तिक डेटा नेहमी निनावी वापरला जातो.
अर्ज कार्य
एक उत्पादन निवडा. (1) तुमची वास्तविक किंवा काल्पनिक ग्राहक माहिती एका निनावी सारांशात संकलित करा. (2) "सेगमेंट स्केच" टेम्पलेटसह 3 विभाग काढा. (३) "व्यक्तिमत्व जनरेटर" सह एका खंडाला थेट व्यक्तिमत्वात बदला. (4) "पर्सोना-मेसेज मॅचर" सह या व्यक्तिरेखेसाठी विशिष्ट संदेश, टोन आणि चॅनेल सेट करा. (५) सर्वात महत्त्वाचे: या व्यक्तिमत्त्वाचे प्रमाणीकरण करण्यासाठी तुम्ही कोणते ३ वास्तविक डेटा स्रोत (विक्री, सर्वेक्षण, मुलाखत) पहाल ते लिहा. कोणत्याही असत्यापित व्यक्तीस "निश्चित" म्हणून चिन्हांकित करू नका.
चेकलिस्ट
- मी ग्राहक डेटा टूलला देण्यापूर्वी अनामित केला आहे.
- [ ] मी वस्तुमानाला खंड म्हणून मानले, एक वस्तुमान नाही.
- [ ] मी AI व्यक्तींना "हापोथेसिस स्केच" असे लेबल केले.
- [ ] मी प्रत्येक व्यक्तिरेखेसाठी संदेश, टोन आणि चॅनेल जुळले.
- [ ] मी वास्तविक डेटा स्रोत ओळखले आहेत ज्यावरून मी व्यक्तिमत्त्वांची पडताळणी करेन.
- व्यक्तिमत्व आणि विभाग अपडेट ठेवण्यासाठी मी एक योजना बनवली आहे.