Gevinster:
- Evne til å forstå begrepene målgruppe, segment og persona og bruke kunstig intelligens med riktig data for å produsere innsiktssyntese og personautkast.
- Evne til å matche segmenter og meldinger med støtte for kunstig intelligens, basert på rå kundedata og markedsundersøkelser
- Evne til å gjenkjenne at en AI-persona er et utkast til forutsetninger og må testes med ekte data og feltvalidering
Den dyreste feilen i reklame er å fortelle det riktige budskapet til feil person. Uansett hvor godt et produkt eller hvor fengende et slagord er, hvis det når et publikum som ikke bryr seg om det, vil budsjettet være bortkastet. Derfor er grunnlaget for hver kampanje målgruppen: gruppen mennesker med definerte fellestrekk som annonsen ønsker å nå. Men «målgruppen» er ofte ikke en eneste masse; Den inneholder undergrupper med ulike behov og atferd. Denne prosessen med å dele inn i undergrupper kalles segmentering. For å gjøre hvert segment mer livlig og brukbart, opprettes en imaginær karakter som representerer det segmentet; Dette kalles persona (kjøperpersona).
En persona forvandler en abstrakt beskrivelse som «middelaldrende kvinner» til en konkret og meldingsrik karakter som «Zeynep, 38, tobarnsmor, jobber fulltid, betaler for tidsbesparende produkter, tar avgjørelser på telefonen om kvelden». Kunstig intelligens kommer til nytte for to ting i denne enheten: Syntetisering av innsikt fra rådata og produksjon av persona-tegninger. Men la den kritiske advarselen komme fra begynnelsen: AI-personaen er en hypotetisk skisse, ikke den faktiske kunden. Hvis det tas for gitt uten å teste det med ekte data, vil du annonsere en falsk drøm.
Hva er innsikt og hvor hjelper AI
Innsikt i reklame er oppdagelsen som fanger opp den virkelige årsaken bak målgruppens oppførsel. For eksempel, "folk kjøper tannbørster" er en observasjon; «Folk er faktisk ikke interessert i tannbørsten, men i å føle seg velstelt om morgenen» er en innsikt. God innsikt bærer budskapet fra overflaten til dypet. AI kan raskt lese dataene dine (undersøkelsessvar, kundeanmeldelser, salgsdata, sosiale medier-samtaler) og trekke ut mønstre og temaer; dette er en kraftig akselerator i jakten på innsikt. Men temaet som AI trekker ut er en hypotese; Det er opp til deg å bekrefte det med den virkelige kunden.
Tips: Gi AI-dataene (som anonymiserte kundeanmeldelser) og spør "hvilke gjentagende temaer kommer ut av det?" I stedet for å be noen om å lage en persona fra bunnen av, er det mye mer pålitelig å be dem om å utlede et tema fra dataene.
Trinn for trinn: fra segment til melding
Trinn 1 — Samle inn og anonymiser data. Kundeanmeldelser, undersøkelsessvar, salgsrekord. Fjern personlige data som navn, e-post, telefon.
Trinn 2 — Trekk ut segmentet. Del publikum inn i meningsfulle undergrupper: etter behov, atferd, kjøpsfrekvens, livsfase osv. Du kan gi AI-en dataene og få den til å spørre "hvor mange forskjellige atferdsgrupper vises?"
Trinn 3 — Lag et persona-utkast. En persona for hvert viktig segment: demografi, mål, smertepunkter, kjøpstrigger, innsigelsespunkter.
Trinn 4 — Match melding. Bestem hvilket løfte, hvilken tone og hvilken kanal som passer hver persona.
Trinn 5 — Bekreft. Test personas og segmenter med reelle data (salgstall, undersøkelse, feltintervju); Oppdater det som ikke fungerer.
Tabellen nedenfor viser to forskjellige personas og meldingstreff for samme produkt (oppvaskmiddel):
element
Persona 1: "Zeynep, som vinner tid"
Persona 2: "Safarrufçu Kemal"
Profil
38, arbeidende mor, opptatt
55, pensjonert, forsiktig kjøper
hovedbehov
Rask, uanstrengt rengjøring
Langvarig, økonomisk bruk
hindring
ingen tid
Unngår sløsing
løfte
"Lyst med en gang, tid for deg"
"Mindre produkt, mer vask"
passende kanal
Instagram, kort video
Avisbilag, e-post
tone
praktisk, energisk
Pålitelig, rimelig
tre minisaker
Case 1 – Innsikt fra data. Et e-handelsmerke kunne ikke finne tid til å lese 800 kundeanmeldelser. Han ga kommentarene anonymt (navn/ordrenummer utelatt) til AI og ba om tilbakevendende temaer. YZ fremhevet temaet "tilfredsheten skyter i været når frakthastigheten overgår forventningene." Teamet bekreftet dette med sine egne salgsdata og fokuserte kampanjemeldingen på løftet om «frakt samme dag». AI kom opp med et tema, mennesket bekreftet det og gjorde det til en avgjørelse.
Tilfelle 2 – Kostnader for ubekreftet person. En app-merke fortalte AI å bare "generere personas for unge brukere." YZ ga en persona av "18-24 år gammel, avhengig av sosiale medier, prissensitiv". Teamet aksepterte dette som et faktum og satte opp kampanjen. Reelle brukerdata viste imidlertid at hovedpublikummet var profesjonelle i alderen 30-40 år. Noe av budsjettet gikk til feil publikum. Feil: stole på persona skapt av AI uten å se på dataene.
Tilfelle 3 — Verdien av segmentseparasjon. Et treningsstudio sendte den samme "stay fit"-meldingen til alle medlemmene. Å analysere medlemsdata anonymt med AI avslørte to klare segmenter: «sky nybegynnere» og «målorienterte veteraner». Når to forskjellige meldinger ble sendt til to grupper (den ene «det første trinnet er enkelt» og den andre «kom over deg selv»), økte svarprosenten betydelig. Segmentseparasjon gjorde meldingen til poenget.
Fire kopierbare maler
1) Temautdrag fra kommentarer:
Nedenfor er anonymiserte kundekommentarer (ingen navn/bestillingsinformasjon):[lim inn kommentarer]Oppgave: (1) Trekk ut 5 tilbakevendende temaer (tilfredshet og klage atskilt).(2) Anslå antall eksempelkommentarer for hvert tema og gi tilbud.(3) Foreslå hvilke av disse som kan bli til en kampanjemelding. Ikke lag opp noen temaer som ikke er i dataene; Fortell at du ikke er sikker.
2) Segmentoversikt:
Produkt: [produkt]. Nedenfor er anonyme kundekarakteristikker: [data/oppsummering].Oppgave: Del denne målgruppen inn i 3-4 segmenter basert på behov og atferd. For hvert segment: slagord, differensierende funksjon, nøkkelbehov, kjøpstrigger. Dette er en innledende oversikt; Anta at jeg vil verifisere med ekte data.
3) Persona-generator:
Segment: "[segmentnavn og sammendrag]". Oppgave: Skriv et personautkast som representerer dette segmentet. Innhold: navn, aldersgruppe, bosituasjon, mål, hindringer (smertepunkter), innsigelser før kjøp, på hvilken kanal bruker han tid. Oppgi i tittelen at det er en antagelse, ikke en virkelig person.
4) Persona-meldingsmatching:
Mine personas: [persona 1 summary], [persona 2 summary].Produktløfte: [løfte].Oppgave: For hver persona: mest hensiktsmessig én-setnings melding, tone, prioritert kanal og svar på potensiell innvending. Å komme med en påstand som krever bevis.
Svak forespørsel / Sterk forespørsel
Svak melding:
Lag en målgruppepersona for produktet mitt.
Ingen data, ingen produkt, ingen kontekst; AI utgjør personas uten å generalisere dem fullstendig, de kan ikke verifiseres.
Kraftig ledetekst:
Produkt: smart termostat for hjemmet. Pris: mellom-øvre segment. Nedenfor er en oppsummering av anonyme kundedata:- De fleste kjøpere er 35-50 år, huseiere, åpne for teknologi.- Oftest sitert fordel: regningsbesparelser og komfort.- Hyppigste innvending: bekymring for vanskeligheter med installasjon. Oppgave: Lag 2 persona-skisser fra disse dataene. For hver, mål, hindring, kjøpstrigger, svar på installasjonsinnsigelse og passende kanal. Oppgi at dette er en forutsetning som skal verifiseres; Ikke gjør opp det som ikke er i dataene.
Den andre påstanden er basert på reelle data; Utgangen er fortsatt testet mot felt- og salgsdata.
Vanlige feil
- Be om en persona uten å oppgi data. AI gjør opp uten å generalisere; Dette gjenspeiler kanskje ikke det faktiske publikummet.
- Tar feil av persona på ekte. Persona er en hypotese; Den kan ikke legges til grunn for beslutninger før den er verifisert med salgs- og feltdata.
- Forutsatt et enkelt publikum. Å ikke segmentere ulike behov gjør budskapet likt for alle og ineffektivt.
- Lim inn personopplysninger i verktøyet. Navn, e-post, telefonnummer er innenfor KVKKs virkeområde; Anonymiser.
- Oppdaterer ikke persona i det hele tatt. Masseadferdsendringer; En persona er et levende dokument.
Forsiktig: Jo mer levende personaen er skrevet, jo mer "ekte" føles den; Dette er en felle. Livlighet betyr ikke nøyaktighet. Test hver persona med spørsmålet "hvilke data støtter dette?"
Oppsummert
Målgruppeanalyse er grunnlaget for å levere rett budskap til rett person. Segmentering deler publikum inn i meningsfulle undergrupper; persona gjør hvert segment til en konkret karakter som en melding kan genereres fra. Kunstig intelligens er en kraftig akselerator for å trekke ut temaer og innsikt fra anonymiserte data og produsere personas. Imidlertid er hvert segment og persona som AI produserer en hypotetisk skisse; Den kan ikke legges til grunn for beslutninger uten verifisering med faktiske salg, undersøkelser og feltdata. Personopplysninger brukes alltid anonymisert.
Søknadsoppgave
Velg et produkt. (1) Kompiler din faktiske eller hypotetiske kundeinformasjon til et anonymt sammendrag. (2) Trekk ut 3 segmenter med malen "Segment sketch". (3) Gjør et segment til en levende persona med en "personagenerator". (4) Angi en spesifikk melding, tone og kanal for denne personaen med "Persona-meldingsmatcher". (5) Viktigst: skriv ned hvilke 3 reelle datakilder (salg, undersøkelse, intervju) du vil se på for å validere denne persona. Ikke merk noen ubekreftede personer som "sikker".
sjekkliste
- [ ] Jeg anonymiserte kundedata før jeg ga dem til verktøyet.
- [ ] Jeg behandlet massen som segmenter, ikke en eneste masse.
- [ ] Jeg kalte AI-personen "hypoteseskisse."
- [ ] Jeg matchet budskapet, tonen og kanalen for hver persona.
- [ ] Jeg har identifisert de faktiske datakildene som jeg vil verifisere personas fra.
- [ ] Jeg laget en plan for å holde personaen og segmentene oppdatert.