Omvandla personas till datadrivna profiler för segmentering

Personor har under en tid varit ett värdefullt verktyg för att stödja designen av användarupplevelsen, vilket gör det möjligt för varumärken att identifiera behov, mål och problem för ett målgruppssegment för att bättre möta deras önskemål och behov längs kundresan.

Ofta är dock dessa fiktiva karaktärer, som är avsedda att representera olika användarsegment inom en kundbas, helt enkelt för abstrakta och saknar den rika information som krävs för att teamen verkligen ska kunna ta till sig dem eller driva något verkligt värde från dem. Om personor lämnas oberoende Become de en bleknande referenspunkt inom organisationen och påverkar aldrig helt beslutsfattandet.

För att skapa verkligt värde måste personas gå bortom enbart generaliseringar och sammanfoga olika dataresurser för att uppnå en mer grundad förståelse av varje kundgrupp. Först därefter kan de användas på ett effektivt sätt för att samordna och driva framhandlingen av verkligt personanpassade upplevelser.

Personor härstammar i regel från förutfattade meningar om vilka vi tror att våra kunder är baserat på våra egna personliga kontexter, och de slutar vanligtvis med att se ut ungefär så här …

Även om det kan se snyggt ut och vara ett försök att göra kontakten mer mänsklig ger dessa förenklingar mycket liten insikt i vilken typ av upplevelse ett företag bör leverera till dessa målgruppstyper, förutom en del mycket allmän demografisk information.

Vad som faktiskt skiljer användare åt handlar om så mycket mer än bara ålder, kön och geografisk plats, och inbegriper enhetsspecifik information, drivkrafter och intressen.

Låt oss titta närmare på Daniel och fördjupa oss i hans bakgrund, potentiella preferenser, tid på webbplatsen och vilken som kan vara den mest idealiska upplevelsen för honom:

Betrakta detta som hypotesdelen av din personabyggnation. Ingen konkret sanning, utan en övning i att arbeta fram specifika målgruppsteorier för senare validering samtidigt som man analyserar en målgrupps inverkan på konverteringar och intäkter.

Även med ovanstående kontext är det fortfarande alltför svårt att skapa en målgrupp i syfte att leverera unika upplevelser. Även om det tvingar ett varumärke att sätta sig in i användarens situation saknar det äkthet och bygger helt på fantasi. Det är här datainsikter kommer in i bilden för att definiera personan och den nes faktiska drivkrafter.

Med hjälp av följande skala kan information hämtas med varierande grad av träffsäkerhet för att bättre tillgodose dina kunders behov och önskemål – ju fler källor till datainsikter, desto bättre.

Möjligheterna att skapa träffsäkra och intressanta målgrupper är oändliga, och alla kombinationer av källor kan leda till ett meningsfullt segment.

Här är en officiell uppdelning av varje källa sorterad efter träffsäkerhet och storlek:

Idealiskt sett ger en balanserad kombination av varje datakälla maximal relevans i förhållande till dess storlek och träffsäkerhet.

Därifrån kan en personas egenskaper definieras på riktigt för att användas som ett segment. Baserat på Daniels ursprungliga beskrivning kan vi bekräfta följande information om honom:

Med en komplett bild blir varje skapad persona centrum för upplevelsedesignen, vilket gör det möjligt för varumärken att mer effektivt avgöra vilka kontaktpunkter som bör påverkas, samt när och hur. Baserat på faktisk information och inte enbart rena antaganden utgör dessa datadrivna personas eller makrosegment en stabil utgångspunkt för potentiella upplevelser längs en färdplan för personaliseringstester.

När upplevelserna har skräddarsytts för dessa större undergrupper av besökare kommer mindre målgrupper att framträda, vilket ger ytterligare möjligheter till skapande av upplevelser, optimering och intäktsgenerering. Och även om övergången från ett makroangreppssätt baserat på personan ovan till mikrosegmentering kräver betydligt mer tid, ansträngning och resurser, ger det ännu högre avkastning.

Genom att analysera trender utifrån dessa datainsikter kan varumärken identifiera och definiera mindre, finslipade kundsegment som bidrar med mest värde, vilket är ett stort steg mot att uppnå intäktsväxt. Med en stor mängd information om köparnas preferenser, kontext och avsikt blir det nu mycket enklare att betjäna dessa användare. Den svåra delen är sedan att anpassa meddelanden och innehåll för varje litet segment och noga överväga hur man optimerar den anpassade användarupplevelsen och det flöde som skapas.

Med rätt verktyg kan denna process dock göras enklare. Genom att använda prediktiv målgruppsanpassning kan varumärken förlita sig på maskininlärning för att i realtid analysera prestandan för en upplevelse och dess kollektiva variationer eller behandlingar över olika målgruppssegment för att identifiera den bästa för en viss målgrupp, stor som liten. Med förmågan att implementera med tillförsikt kan varumärken börja tillämpa ett verkligt individanpassat arbetssätt – och allt började med några grundläggande personor. 

Det här inlägget skrevs tillsammans av David Ochman.