Faida:
- Uwezo wa kuelewa dhana za hadhira lengwa, sehemu na mtu na kutumia akili ya bandia na data sahihi kutoa usanisi wa ufahamu na rasimu ya mtu.
- Uwezo wa kulinganisha sehemu na ujumbe kwa usaidizi wa akili wa bandia, kulingana na data ghafi ya wateja na utafiti wa soko.
- Uwezo wa kutambua kuwa AI persona ni rasimu ya mawazo na inahitaji kujaribiwa na data halisi na uthibitisho wa uwanja.
Makosa ya gharama kubwa zaidi katika utangazaji ni kumwambia ujumbe sahihi mtu asiye sahihi. Haijalishi bidhaa ni nzuri kiasi gani au kauli mbiu ni ya kuvutia kiasi gani, ikiwa itafikia hadhira ambayo haitaijali, bajeti itapotea bure. Kwa hivyo, msingi wa kila kampeni ni walengwa: kikundi cha watu walio na sifa za kawaida ambazo tangazo linataka kufikia. Lakini "watazamaji walengwa" mara nyingi sio misa moja; Inajumuisha vikundi vidogo vyenye mahitaji na tabia tofauti. Utaratibu huu wa kugawanyika katika vikundi vidogo huitwa segmentation. Ili kufanya kila sehemu iwe hai zaidi na iweze kutumika, mhusika dhahania anayewakilisha sehemu hiyo huundwa; Hii inaitwa persona (mnunuzi persona).
Mtu hubadilisha maelezo ya mukhtasari kama vile "wanawake wa umri wa kati" kuwa mhusika halisi na anayeweza kutumwa kwa ujumbe kama vile "Zeynep, 38, mama wa watoto wawili, anafanya kazi muda wote, analipia bidhaa zinazookoa muda, hufanya maamuzi kwenye simu jioni." Upelelezi wa Bandia unafaa kwa mambo mawili katika kitengo hiki: kuunganisha maarifa kutoka kwa data ghafi na kutengeneza michoro ya mtu. Lakini acha onyo muhimu litoke mwanzoni: Mtu wa AI ni mchoro dhahania, sio mteja halisi. Ikiwa itachukuliwa bila kuipima na data halisi, utakuwa unatangaza ndoto ya uongo.
Ufahamu ni nini na AI inasaidia wapi
Maarifa katika utangazaji ni ugunduzi unaonasa sababu halisi ya tabia ya walengwa. Kwa mfano, "watu wananunua miswaki" ni angalizo; "Watu kwa kweli hawapendezwi na mswaki, lakini kujisikia kupambwa vizuri asubuhi" ni ufahamu. Ufahamu mzuri hubeba ujumbe kutoka juu hadi kina. AI inaweza kusoma data yako kwa haraka (majibu ya uchunguzi, hakiki za wateja, data ya mauzo, mazungumzo ya mitandao ya kijamii) na kutoa muundo na mada; hiki ni kichapuzi chenye nguvu katika utafutaji wa maarifa. Lakini mada ambayo AI inachomoa ni dhana; Ni juu yako kuithibitisha na mteja halisi.
Kidokezo: Ipe data ghafi ya AI (kama vile maoni ya wateja ambayo hayakutambulisha) na uulize "ni mandhari gani ya mara kwa mara yanatoka kwayo?" Badala ya kuuliza mtu kuunda persona kutoka mwanzo, inaaminika zaidi kuwauliza kupata mada kutoka kwa data.
Hatua kwa hatua: kutoka sehemu hadi ujumbe
Hatua ya 1 - Kusanya na kuficha data. Maoni ya Wateja, majibu ya uchunguzi, rekodi za mauzo. Ondoa data ya kibinafsi kama vile jina, barua pepe, simu.
Hatua ya 2 - Futa sehemu. Gawa hadhira katika vikundi vidogo vya maana: kwa hitaji, tabia, marudio ya ununuzi, hatua ya maisha, n.k. Unaweza kuipa AI data na iulize "ni vikundi vingapi vya tabia vinavyoonekana?"
Hatua ya 3 - Tengeneza rasimu ya mtu binafsi. Mtu kwa kila sehemu muhimu: idadi ya watu, malengo, pointi za maumivu, kichochezi cha ununuzi, pointi za pingamizi.
Hatua ya 4 — Linganisha ujumbe. Amua ni ahadi gani, toni gani, na ni kituo kipi kinachofaa kila mtu.
Hatua ya 5 - Thibitisha. Jaribio la watu na sehemu zilizo na data halisi (takwimu za mauzo, uchunguzi, mahojiano ya shamba); Sasisha kile ambacho hakifanyi kazi.
Jedwali lifuatalo linaonyesha watu wawili tofauti na ujumbe unaolingana kwa bidhaa sawa (sabuni ya kuosha vyombo):
kipengee
Mtu wa 1: "Zeynep, ambaye anashinda wakati"
Mtu wa 2: "Safarrufçu Kemal"
Wasifu
38, kazi mama, busy
55, mstaafu, mnunuzi makini
haja kuu
Kusafisha haraka, bila bidii
Muda mrefu, matumizi ya kiuchumi
kikwazo
hakuna wakati
Epuka kupoteza
ahadi
"Nzuri mara moja, wakati kwako"
"Bidhaa kidogo, kuosha zaidi"
chaneli inayofaa
Instagram, video fupi
Nyongeza ya gazeti, barua pepe
sauti
vitendo, juhudi
Kuaminika, kwa bei nafuu
kesi tatu ndogo
Kesi ya 1 - Maarifa kutoka kwa data. Biashara ya mtandaoni haikuweza kupata muda wa kusoma maoni 800 ya wateja. Alitoa maoni bila kujulikana (jina / nambari ya agizo imeachwa) kwa AI na akauliza mada zinazojirudia. YZ iliangazia mada ya "kuongezeka kwa kuridhika wakati kasi ya usafirishaji inazidi matarajio." Timu ilithibitisha hili kwa data yake ya mauzo na kulenga ujumbe wa kampeni kwenye ahadi ya "siku hiyo hiyo ya usafirishaji". AI ilikuja na mada, mwanadamu aliithibitisha na kuigeuza kuwa uamuzi.
Kesi ya 2 - Gharama ya mtu ambaye hajathibitishwa. Chapa moja ya programu iliiambia AI "kutoa tu watu kwa watumiaji wachanga." YZ alimpa mtu wa "umri wa miaka 18-24, uraibu wa mitandao ya kijamii, nyeti kwa bei". Timu ilikubali hili kama ukweli na kuanzisha kampeni. Hata hivyo, data halisi ya mtumiaji ilionyesha kuwa hadhira kuu ilikuwa wataalamu wenye umri wa miaka 30-40. Baadhi ya bajeti ilikwenda kwa hadhira isiyo sahihi. Kosa: kuamini mtu iliyoundwa na AI bila kuangalia data.
Kesi ya 3 - Thamani ya kutenganisha sehemu. Gym ilikuwa ikituma ujumbe ule ule wa "kaa sawa" kwa wanachama wote. Kuchanganua data ya wanachama bila kujulikana na AI ilifunua sehemu mbili wazi: "wapya aibu" na "maveterani walio na malengo." Wakati jumbe mbili tofauti zilitumwa kwa vikundi viwili (moja "hatua ya kwanza ni rahisi" na nyingine "jiondoe"), kiwango cha majibu kiliongezeka sana. Kutengana kwa sehemu kulifanya ujumbe kuwa wa uhakika.
Violezo vinne vinavyoweza kunakiliwa
1) Mtoa mada kutoka kwa maoni:
Hapa chini kuna maoni ya wateja ambayo hayajatambulishwa (hakuna maelezo ya jina/agizo):[Bandika maoni]Kazi: (1) Toa mada 5 zinazojirudia (kuridhika na malalamiko tofauti).(2) Kadiria idadi ya maoni ya sampuli kwa kila mandhari na utoe nukuu.(3) Pendekeza ni ipi kati ya hizi inayoweza kugeuka kuwa ujumbe wa kampeni. Usitengeneze mada yoyote ambayo hayapo kwenye data; Sema kwamba huna uhakika.
2) Muhtasari wa sehemu:
Bidhaa: [bidhaa]. Zifuatazo ni sifa za mteja zisizojulikana: [data/muhtasari]. Jukumu: Gawa hadhira hii katika sehemu 3-4 kulingana na hitaji na tabia. Kwa kila sehemu: tagline, kipengele cha kutofautisha, hitaji kuu, kianzisha ununuzi. Huu ni muhtasari wa awali; Chukulia nitathibitisha na data halisi.
3) Jenereta ya mtu:
Sehemu: "[jina la sehemu na muhtasari]". Kazi: Andika rasimu ya mtu binafsi inayowakilisha sehemu hii. Yaliyomo: jina, anuwai ya umri, hali ya maisha, malengo, vizuizi (pointi za maumivu), pingamizi kabla ya ununuzi, kwenye kituo gani anatumia wakati. Taja katika kichwa kwamba ni dhana, si mtu halisi.
4) Kilinganishi cha ujumbe wa kibinafsi:
Watu wangu: [muhtasari wa mtu 1], [muhtasari wa mtu 2]. Ahadi ya bidhaa: [ahadi]. Kazi: Kwa kila mtu: ujumbe unaofaa zaidi wa sentensi moja, toni, chaneli ya kipaumbele, na jibu kwa pingamizi linalowezekana. Kutoa madai yanayohitaji ushahidi.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Unda hadhira lengwa ya bidhaa yangu.
Hakuna data, hakuna bidhaa, hakuna muktadha; AI huunda watu bila kuwajumlisha kabisa, hawawezi kuthibitishwa.
Agizo lenye nguvu:
Bidhaa: thermostat mahiri ya nyumbani. Bei: sehemu ya kati ya juu. Ufuatao ni muhtasari wa data ya wateja wasiojulikana:- Wanunuzi wengi wana umri wa miaka 35-50, wamiliki wa nyumba, wazi kwa teknolojia.- Faida inayotajwa mara nyingi: akiba ya bili na faraja.- Pingamizi la mara kwa mara: wasiwasi juu ya ugumu wa usakinishaji. Kazi: Unda michoro 2 za mtu kutoka kwa data hii. Kwa kila lengo, kikwazo, kianzisha ununuzi, jibu la pingamizi la usakinishaji, na kituo kinachofaa. Eleza kwamba hii ni dhana ya kuthibitishwa; Usitengeneze kile ambacho hakipo kwenye data.
Dai la pili linatokana na data halisi; Matokeo bado yanajaribiwa dhidi ya data ya uga na mauzo.
Makosa ya kawaida
- Kuomba mtu bila kutoa data. AI hutengeneza bila kujumlisha; Hii inaweza isiakisi hadhira halisi.
- Kukosea mtu kwa kweli. Persona ni dhana; Haiwezi kuchukuliwa kama msingi wa maamuzi hadi ithibitishwe na mauzo na data ya uga.
- Kuchukua hadhira moja. Kutogawanya mahitaji tofauti hufanya ujumbe kuwa sawa kwa kila mtu na kutofanya kazi.
- Kubandika data ya kibinafsi kwenye chombo. Jina, barua pepe, nambari ya simu ziko ndani ya wigo wa KVKK; Usijulishe.
- Si kusasisha mtu hata kidogo. Mabadiliko ya tabia ya wingi; Persona ni hati iliyo hai.
Tahadhari: Kadiri mtu anavyoandikwa kwa uwazi zaidi, ndivyo inavyohisi "halisi" zaidi; Huu ni mtego. Uhai haimaanishi usahihi. Jaribu kila mtu kwa swali "ni data gani inayounga mkono hii?"
Kwa muhtasari
Uchambuzi wa hadhira lengwa ndio msingi wa kuwasilisha ujumbe sahihi kwa mtu sahihi. Segmentation inagawanya hadhira katika vikundi vidogo vya maana; persona hugeuza kila sehemu kuwa herufi halisi ambayo kwayo ujumbe unaweza kuzalishwa. Akili Bandia ni kichapuzi chenye nguvu katika kutoa mandhari na maarifa kutoka kwa data isiyojulikana na kuzalisha watu. Hata hivyo, kila sehemu na persona ambayo AI inazalisha ni mchoro wa dhahania; Haiwezi kuchukuliwa kama msingi wa maamuzi bila uthibitishaji na mauzo halisi, tafiti na data ya shamba. Data ya kibinafsi hutumiwa kila wakati bila utambulisho.
Jukumu la maombi
Chagua bidhaa. (1) Kusanya taarifa yako halisi au dhahania ya mteja katika muhtasari usiojulikana. (2) Toa sehemu 3 kwa kiolezo cha "Sehemu ya mchoro". (3) Geuza sehemu kuwa mtu hai na "jenereta ya mtu". (4) Weka ujumbe mahususi, toni na chaneli ya mtu huyu na "Kilinganishi cha ujumbe wa kibinafsi". (5) Muhimu zaidi: andika ni vyanzo vipi 3 vya data halisi (mauzo, uchunguzi, mahojiano) utaangalia ili kudhibitisha mtu huyu. Usiweke alama kwa watu ambao hawajathibitishwa kama "hakika".
orodha ya ukaguzi
- [ ] Nilificha data ya mteja kabla ya kuipa zana.
- [ ] Nilichukulia misa kama sehemu, sio misa moja.
- [ ] Niliandika watu wa AI "mchoro wa nadharia."
- [ ] Nililinganisha ujumbe, toni na chaneli kwa kila mtu.
- [ ] Nimetambua vyanzo halisi vya data ambavyo nitathibitisha watu kutoka kwao.
- [ ] Nilifanya mpango wa kusasisha watu na sehemu.