-
Miten generatiivinen tekoäly voi auttaa persoonien luomisessa ja soveltamisessa?
Persoonien luominen ja soveltaminen käsittelee persoonien luomista tietoon perustuen (eli dataohjautuvia persoonia) ja niiden käyttämistä organisaation käytännön tilanteissa, kuten liiketoiminnan markkinoinnissa. Tämä prosessi sisältää yleensä neljä päävaihetta: Gen AI (generatiivinen tekoäly) ei voi juurikaan auttaa tietojen keräämisessä, ainakaan suoraan. Tiedon on oltava alkuperäistä ja peräisin käyttäjiltä/asiakkailta. Generatiivinen tekoäly voi kuitenkin auttaa persoonan luomisessa. Riippuen tiedoista,…
-
Alapersoonia tulee aina olemaan
Yksi persoonien luomisen suurimmista haasteista on päättää ”minne vetää raja”, eli arvioida, mitä tietoja persoonaprofiileihin sisällytetään ja kuinka monta persoonaa luodaan. Ihannetapauksessa sisällytämme kaikki tiedot, joita lopulliset persoonien käyttäjät tarvitsevat, emmekä mitään muuta. Ihannetapauksessa luomme niin monta persoonaa kuin tarvitaan edustamaan kaikkia käyttäjätyyppejä keräämässämme tietojoukossa. Mutta kuten Chris Chapman sanoo kirjassaan (R for Marketing Analytics),…
-
Tekoäly voi luoda koodia persoonien luomiseksi!
Tiimin jäsenten kesken olemme (kuten suuri osa maailmanlaajuisesta tutkimusyhteisöstä) seuranneet tekoälypohjaisten kieligeneraattorityökalujen, kuten Open AI:n GPT-3:n, edistymistä. Julkaisimme aiemmin artikkelin, jossa oli tekoälyn luomaa sisältöä. Tässä artikkelissa tutkimme lyhyesti GPT-3:n kykyä luoda koodia persoonien luomista varten. Tämä on haastava tehtävä, koska se vaatii ennen kaikkea ymmärrystä siitä, mitä persoonat ovat. Toiseksi tekoälyn on kyettävä ymmärtämään,…
-
Kuinka hyödyntää persoonia markkinoinnissa?
On olemassa muutamia eri tapoja, joilla persoonia voidaan käyttää markkinointitarkoituksiin. Yksi tapa on käyttää niitä kohdemarkkinoiden segmentointiin ja kohdistettujen markkinointikampanjoiden luomiseen. Toinen tapa on käyttää persoonaa personoidumman ja kohdistetumman sisällön luomiseen. Lopuksi persoonia voidaan käyttää myös auttamaan sinua ymmärtämään kohdemarkkinoitasi paremmin, jotta voit luoda tuotteita ja palveluita, joista he pitävät. Esimerkkejä persoonien käytöstä markkinoiden segmentointiin…
-
Ideoita persoonatutkimukseen hyödyntäen kvantitatiivista käyttäjäanalyysiä
Mitä persoonat ovat ja miksi meidän pitäisi välittää niistä? Persoonat, joita käytetään yleisesti ihmisen ja tietokoneen välisessä vuorovaikutuksessa (Human-Computer Interaction, HCI) (Cooper, 1999), suunnittelussa (Aoyama, 2007) ja liiketoiminta-alueilla, kuten markkinointi ja myynti (Salminen ym., 2018), ovat fiktiivisiä kuvauksia loppukäyttäjistä, potilaista, asiakkaista tai muista kiinnostavista ryhmistä (Cooper, 1999). Persoonilla mainitaan olevan monia etuja, ainakin seuraavat kirjallisuudessa…
-
Persoonat yksityisyyssuojatun käyttäjäanalyysin aikakaudella
Tärkeä havainto: persoonien arvo verkkoanalytiikassa todennäköisesti kasvaa nykyisten digitaalisen yksityisyyden muutosten myötä. Tämä johtuu siitä, että alustojen on siirryttävä henkilöittämättömiin järjestelmiin ja menetelmiin. Persoonissa on kyse juuri tästä: yksittäisten asiakastietojen yhdistämisestä. Itse asiassa Google suunnitteli järjestelmän (jonka he ilmeisesti peruuttivat jo pari viikkoa sitten, mutta jotain vastaavaa kuitenkin kehitetään), nimeltään Federated Learning of Cohort (FLOC),…
-
Mikä tahansa tietojoukko voi olla persoona
”Mikä tahansa tietojoukko voi olla persoona.” On varsin kiehtova ajatus, että mikä tahansa tietojoukko käyttäjistä tai asiakkaista voidaan muuttaa persoonajoukoksi. Tämä tietysti tarkoittaa, että persoonien luojilla on oltava laaja valikoima analyyttisiä taitoja, koska tietojoukot sisältävät erilaisia kenttiä/muuttujia/rakenteita. Persoonien luomisesta tulee siis luova harjoitus, joka perustuu harkintaan ja kokemukseen, yleisenä tavoitteena haitallisten stereotypioiden välttäminen, objektiivisuuden säilyttäminen…
-
Miksi persoonat voivat olla vähemmän hyödyllisiä kuin niiden luomisprosessi
TL;DR: Datalähtöisten persoonien suuri haaste on, että niiden käyttäjät osallistuvat harvoin niiden luomiseen. Tämä herättää kysymyksen siitä, kuinka kehittää tekniikoita, jotka mahdollistavat datalähtöisten persoonien suunnittelun vapaaehtoisesti. Persoonatutkimuksessa on ajatuslinja, joka väittää jotain tällaista: persoonat ovat vähemmän hyödyllisiä kuin niiden luomisprosessi. Uskomus on, että persoonan luomisprosessissa oppii jotain asiakkaista, mikä on aina arvokasta, mutta tuloksena olevat…
-
Persoonien ensimmäisen ja toisen asteen hyödyllisyys
Havaintoja persoonien ensimmäisen ja toisen asteen hyödyllisyydestä. Mitä nämä termit tarkoittavat? ensiluokkaiset hyödyt: persoonat auttavat suunnittelijaa ymmärtämään ihmisiä (eli ne auttavat suunnittelijaa tekemään työnsä paremmin) toisen asteen hyödyt: käyttäjien saama hyöty persoonien käytöstä (esim. uudet ominaisuudet, parempi käytettävyys) Nämä kaksi voivat olla ristiriidassa. Ajatellaanpa seuraavaa esimerkkiä: suunnittelijat käyttävät epätarkkaa persoonaa, joka on edelleen empaattinen, mutta…
-
Milloin persoonia ei tarvita
Milloin persoonia ei tarvita? Ehkä monissa tapauksissa, mutta yksi esimerkki on Netflix. Katso tämä kuva: Tällaisessa tilanteessa, kun suosituksia tai personointia voidaan tehdä automaattisessa mittakaavassa, ei näytä olevan tarvetta ylimääräiselle aggregointikerrokselle, kuten persoonille. Persoonia tarvitaan vain, jos alamme kysyä kollektiivisia, ei yksittäisiä kysymyksiä. Kuten: Tällaisilla analyyttisilla kysymyksillä saattaa silti olla merkitystä Netflixille, sillä yrityksen päättäjillä…
Personas.fi - tietoa persoonien luonnista ja hyödyntämisestä 