Tämä postaus on kirjoitettu yhteistyössä Noor-ul-Anam Ruqayyan kanssa, joka on valmistunut ohjelmistotekniikan alalta Karachin yliopistosta. Noor työskentelee tällä hetkellä sisällöntuottajana ja digitaalisena markkinoijana.

Tässä postauksessa teemme yhteenvedon seitsemästä artikkelista, jotka selittävät ostaja- tai käyttäjäpersoonien luomisprosessin Google Analyticsin avulla. Tämän postauksen tarkoituksena on keskustella erilaisista menetelmistä, joita bloggaajat ja markkinoijat käyttävät ostajapersoonien luomiseen. Lyhyesti sanottuna Google Analyticsin avulla voidaan löytää asiakkaita ja kerätä tietoja heistä raporttien avulla.

5 Google Analytics -raporttia, jotka auttavat rakentamaan ostajapersoonia

Artikkelissa kirjoittaja Clayton Coomer selittää, miksi ostajapersoonat ovat tärkeitä. Hän perustelee lisäksi, että Google Analytics tekee persoonien luomisesta yksinkertaista ja esittelee viisi analytiikkaraporttia, jotka auttavat rakentamaan ostajapersoonia. Raportit ovat seuraavat.

Raportti 1: Yleiskatsaus väestöön

Demografinen yleiskatsausraportti on melko yleinen ja sisältää perustiedot iästä ja sukupuolesta. Tietojen nopea analyysi osoittaa:

• Ikähaitari on 25-34-vuotiaat
• Suurin osa yleisöstä on miehiä

Voit hakea ikädemografisen arvion raportin siirtymällä Audience-välilehteen -> demographics -> overview. 

Rapotti 2: Väestötiedot: Ikä

Tässä raportissa esitetään ikäjakauma ja tiedot kohdennetuista ikäryhmistä. Tämä raportti on hyödyllinen, koska se kertoo meille tietyn ikäryhmän, johon meidän tulisi kohdentaa.

Tietojen nopea analyysi osoittaa:

• 25-34-vuotiaat:
  • Tuottaa eniten tuloja
  • Ovat vastuussa useimmista siirtymistä ja istunnoista 
  • On paras konversio

Voit hakea ikäraportin siirtymällä kohtaan Audience-välilehti -> demographics -> age. 

Raportti 3: Väestötiedot: Sukupuoli

Ikäraportin tapaan sukupuoliraportti antaa käsityksen asiakkaamme sukupuolesta. Tämän raportin hyödyllisyys riippuu tuotteesta/palvelusta, sillä jotkin tuotteet tai palvelut ovat sukupuolineutraaleja. 

Tietojen nopea analyysi osoittaa:

• Miehillä on:
  • Korkeampi konversioprosentti (yli 1 % parempi)
  • Tuotti yli miljoona enemmän tuloja kuin naiset
• Suurin osa (56 %) liikenteestä on miesten tuottamaa 

Luo tämä raportti valitsemalla Audience-välilehti -> demographics -> gender. 

Raportti 4: Väestötiedot: Ikä (+Sukupuoli)

Tämä raportti ei ole yleinen raportti, joten se ei ole käytettävissä vasemmassa sivupalkissa. 

Pääset tähän raporttiin avaamalla demografisen ikäraportin ja napsauttamalla ikäjakaumaa nähdäksesi sukupuolijakauman. Tietojen nopea analyysi osoittaa:

• 25-34-vuotiaat miehet,
  • Tuottaa eniten tuloja (lähes ¼ kokonaistuloista)
  • Niiden osuus kaikista tapahtumista on 22 prosenttia 
  • Se on 25 % kaikista verkkosivuston istunnoista.

Tämä raportti antaa lisätietoja, mutta meiltä puuttuu edelleen henkilökohtaisia ​​​​tietoja, joihin kirjoittaja tähtää seuraavassa raportissa.

Raportti 5: Väestötiedot: Ikä/Sukupuoli + Kiinnostuksen kohteet 

Pysy nykyisessä raportissa ja napsauta male. Google Analyticsin pitäisi viedä sinut ”other categories”, vaihtaa ”Affinity categories” ja klikata vihreää vastaavuusruutua. Kun prosessi on valmis, raportin pitäisi olla valmis. 

Raportin nopea analyysi osoittaa, että segmentti on: 

• Teknisesti taitava
• Rakastaa television katselua (enimmäkseen Netflix) 
• Rakastaa matkustamista ja uutisten katsomista (mobiililaitteella)

Esimerkki persoonasta

Seuraava askel on palata takaisin, katsoa, ​​kuka seuraavan profiilin pitäisi olla ja luoda vähintään kolme. Käytä Google Analytics -raportista kerättyjä tietoja ostajapersoonan luomiseen.

Tiivistys

Tässä viestissä kirjoittaja on käsitellyt viittä yleisöanalytiikkaraporttia: väestötiedot, ikä, sukupuoli, ikä+sukupuoli ja ikä+sukupuoli+kiinnostuksen kohteet. Jokainen raportti laajenee edellisestä raportista ja lisää uusia tietoja, joita käytetään sitten ostajapersoonan luomiseen. Esimerkiksi ensimmäinen raportti (demografinen yleiskatsaus) näyttää yleisön sukupuolen ja iän, ja seuraava raportti (ikädemografiset tiedot) esittää ikäjakauman ja kohdistetut ikäsegmentit ja niin edelleen. 

Segmentoi analytiikka persoonien avulla 

Persoona syntyy yleensä projektin suunnittelu- ja strategiavaiheen alussa. Tässä artikkelissa kirjoittaja on esitellyt menetelmän luoda persoonista inspiroituneita ​​segmenttejä analytiikkatyökalun avulla. Vaikka kirjoittaja ei täsmennä käytettävää työkalua, hänen luettelemiensa raporttien mukaan työkalu on Google Analytics. 

Luomalla persooniin perustuvat käyttäjäsegmentit voit analysoida, kuinka todelliset käyttäjät ovat vuorovaikutuksessa verkkosivustosi kanssa. Näitä tietoja voidaan käyttää vahvistamaan ja tarkentamaan tutkimusvaiheessa tehtyjä oletuksia ja paljastamaan tiedot, jotka ovat ehkä jääneet huomaamatta. 

Tämän menetelmän tärkein vaihe on sisällyttää segmenttisuodattimet, jotka erottavat tietyn käyttäjäryhmän tärkeimmät ominaisuudet analysoimalla käyttäjien aktiivisuutta.

Kirjoittajan mukaan muutamia tapoja segmentoida persoonasta johdettuja käyttäjiä ovat: 

• Väestötiedot
• Maantieteelliset sijainnit
• Laite ja/tai selain
• Uusi vs. säännöllinen vierailija
• Lähde (miten he löysivät verkkosivuston)
• Kohdennetut avainsanat ja sivut 

Kun persoonat luokitellaan segmentteihin, datan määrä vähenee. Näin on helpompi analysoida ja tehdä hyvin konkreettisia johtopäätöksiä. Segmenttien avulla voimme analysoida mittareita, mutta ne auttavat paljastamaan tiettyjen segmenttien käyttäytymismalleja.

Harkitse esimerkiksi sivun poistumisprosentin analysoinnista. Sinulla on kahden käyttäjän poistumisprosentit, Mary (83 %) on tilaaja ja Mark (37,5 %) ei ole. Maryn ja Markin poistumisprosenttien ero on 65 %. Nämä tiedot antavat sinulle paremman käsityksen siitä, miten sivu toimii kunkin käyttäjän erityistavoitteiden perusteella. 

Yhteenvetona voidaan todeta, että analyysityökalujen (kuten Google Analyticsin) kvantitatiiviset tiedot kertovat, kuinka käyttäjä käyttäytyy. Ymmärtääksesi, miksi he käyttäytyivät tietyllä tavalla, voit auttaa käyttäjien tutkimustoiminnassa, kuten laadullisessa käytettävyystestauksessa. Molemmista lähteistä saadut tiedot voivat auttaa optimoimaan verkkosivustosi vastaamaan kunkin käyttäjän tarpeita.

Tiivistys

Kirjoittaja keskusteli käyttäjäsegmenttien luomisesta ostajapersoonien analysoimiseksi verkkosivuston suorituskyvyn parantamiseksi ajan myötä. Tämä prosessi voidaan suorittaa millä tahansa analytiikkatyökalulla, ja käyttäjät voidaan segmentoida useilla tavoilla, kuten väestötiedot, kiinnostuksen kohteet jne. 

Kuinka luoda persoonia Google Analyticsin avulla

Käyttäjäpersoonat luodaan yleensä laadullisen datan avulla. Tässä oppaassa kirjoittaja näyttää, kuinka luodaan persoonia käyttämällä Google Analyticsista kerättyjä kvantitatiivisia tietoja.

Viestissä kirjoittaja selittää, että paras tapa saavuttaa liiketoimintatavoitteet on selvittää, kuka yleisö on. Tunnista sitten tärkeimmät mallit, jotka tuottavat eniten tuloksia yritykselle. Näiden mallien tunnistaminen paljastaa ydinyleisön.

Ennen kuin mennään eteenpäin, on ymmärrettävä ero kvalitatiivisen ja kvantitatiivisen tutkimuksen välillä. 

Laadullinen tutkimus auttaa ymmärtämään asiakkaiden käyttäytymisen taustalla olevia syitä, mielipiteitä ja motiiveja. Kvalitatiivista tutkimusta tehdään seuraavilla menetelmillä:

• Havainto
• Kohderyhmät
• Haastattelut  

Määrällisessä tutkimuksessa tulokset voidaan esittää numeerisina arvoina. Se vastaa ”kuinka monta”, ”kuinka usein” ja ”kuinka paljon” -tyyppisiin kysymyksiin. Kvantitatiivisen tutkimuksen tyyppejä ovat:

• Kyselyt
• Nettigallupit

Molemmilla tutkimustyypeillä on hyvät ja huonot puolensa. Yleisön ymmärtämiseksi tarkasti, kokonaisvaltaisessa lähestymistavassa yhdistetään määrälliset ja laadulliset tutkimustulokset. 

Täydellisen persoonan luomiseksi kirjoittaja kävi läpi neljä raporttia eri vaiheissa. 

Vaihe 1: Ikä ja sukupuoli

Luo tämä raportti valitsemalla Audience-välilehti -> Demographics -> overview. 

Suurin väestöryhmä on ”25-34-vuotiaat miehet”. Se ei ole paljon, mutta sinulla on perusta persoonan luomiseen. 

Lisää yksityiskohtia napsauttamalla age ja sitten secondary dimension -osio löytääksesi ja lisätäksesi ”Affinity”.

Vaihe 2: Suhdeluokka 

Suhdeluokka auttaa tunnistamaan potentiaaliset online-asiakkaat laajasti. Google Analytics käyttää tekijöitä, kuten selaushistoriaa ja sivulla käytettyä aikaa, ja liittää ne käyttäjäprofiiliin (foodie, shoppaaja jne.).

Kuvassa suhdeluokka on lisätty ikädemografiaan, joka osoittaa asiakkaan pääkiinnostuksen.

Vaihe 3: In-market

Etsi Secondary Dimension -luokasta in-market segment. Tämä antaa sinulle asiakkaita, jotka etsivät aktiivisesti tuotteita/palveluita GDN:stä (Google Display -verkosto), kuten YouTubesta, AdWordsista, AdSensesta jne.

Katso alla oleva kuva:

Vaihe 4: Maantieteelliset tiedot

Kieli- ja sijaintiraportit kertovat sinulle, missä ihanteellinen asiakassegmenttisi asuu ja heidän kielensä. Jos esimerkiksi suurin osa asiakkaistasi on Isossa-Britanniassa, saatat hyötyä u-kirjaimen lisäämisestä sanaan ”color”. 

Näet yleisösi käyttämät laitteet siirtymällä kohtaan Audience -> Mobile -> Devices. 

Rakenna persoona

Käytä kerättyä tietojoukkoa ostajapersoonan rakentamiseen. On tärkeää nimetä persoona ja antaa sille kasvot. Tämä helpottaa markkinoijien empatiaa asiakkaitaan kohtaan. Esitä käyttäjän attribuutit ja luonteenpiirteet taulukossa.

 Voit myös esittää persoonan houkuttelevammin. 

Tiivistys

Kirjoittaja pohti, kuinka tärkeää on tehdä sekä laadullista että kvantitatiivista tutkimusta käyttäjätietojen keräämiseksi. Lisäksi hän käytti neljää Google Analytics -raporttia, ikä ja sukupuoli, suhdeluokka, in-Market ja maantieteelliset tiedot analysoidakseen käyttäjätietoja ja rakentaakseen ostajapersoonan.

Ostajapersoonan luominen Google Analyticsin avulla

Kirjoittaja Ben Jacobson pohtii, miksi on tärkeää luoda sosiaalisen median ostajapersoona . Hän käsittelee myös vaiheittaista tapaa luoda persoonia Google Analyticsin avulla. 

Jacobson väittää, että ostajapersoonan määritelmä ei tarkoita vain kohdeyleisöä, vaan yhtäläisyyksien löytämistä kohdeyleisöstä.

Täydellisen sosiaalisen median ostajapersoonan avulla voidaan luoda sisältöä, joka kohdistuu käyttäjien huolenaiheisiin ja kiinnostuksen kohteisiin ja saa entistä sitoutuneemman yleisön. 

Käyttäjäpersoonaa koskevat tiedot löytyvät verkkosivuston analytiikasta. Tietojen avulla voidaan luoda ostajapersoona Google Analyticsin avulla neljässä vaiheessa.

Vaihe 1: Tutki sivustosi liikennettä avainsanan mukaan

Aloita avaamalla Google Analytics ja siirtymällä kohtaan Acquisition -> All Traffic -> Google/Organic ja määrittämällä ”Secondary Dimension” -asetukseksi Keyword. 

Tämä näyttää avainsanahaut, jotka tuovat kävijöitä orgaanisesti sivustollesi. Voit nähdä kaikki avainsanat, mutta nämä riittävät alkuun. Kopioi ja tallenna luettelo laskentataulukkoon.

Vaihe 2: Etsi samankaltaisia ​​käyttäjiä hakuliikenteestä

Kirjoittaja ehdotti laskentataulukon läpikäymistä ja tietojen ryhmittelyä teemoihin ja luokkiin. 

Jos esimerkiksi markkinoit urheilutuotteita, sijoita ne erillisiin luokkiin, kuten vaatteet, jalkineet tai sijaintikohtaiset kyselyt jne. Nämä luokat voivat määrittää, kuka tekee haun, ja löytää oikeat kysymykset.

Voit tehdä luettelon persoonista, kuten ”juoksija, joka etsii paikallisesti tennareita alle 100 dollaria”. Tämä on karkea versio ostajapersoonasta.  

Vaihe 3: Tarkenna ostajapersoonaa sosiaalisten kanavien avulla

Yksi karkea persoona on valmistunut. Analyticsin lähdeliikennetietojen avulla voidaan luoda prototyyppejä yleisöstä jokaiselle sosiaalisen median kanavalle.  

Voit luoda prototyypit siirtymällä kohtaan Acquisition -> All Referrals. Valitse secondary dimension ja napsauta landing page.

Mieltymykset ja mallit auttavat luomaan erityistä sisältöä jokaiselle sosiaaliselle verkostolle. Näiden tietojen perusteella ravintola voi havaita, että Facebook viittaa varauksia hakeviin ihmisiin ja Twitter viittaa enimmäkseen päivittäisiin erikoisuuksiin.

Vaihe 4: Täytä sosiaaliset tiedot persoonille

Voit myös etsiä malleja fanien ja seuraajien joukosta sosiaalisessa mediassa. Twitter-analytiikka voi antaa osuvia näkemyksiä ”your followers also follow”- ja ”interests” -osioista.

Yleisten avainsanojen löytämiseen kirjoittaja käytti Twitterissä FollowerWonkia ja Facebookissa Graph Searchia (alkuperäinen kaaviohaku lopetettiin Facebookissa, Graph API:ta voidaan käyttää korvaajana). Muiden sosiaalisen median alustojen, kuten Behance, Empire, Quora ja OpenForum, tutkiminen voi rajata hakuasi entisestään. Esimerkiksi Q&A-sivustoilla aikaa viettävät ihmiset nauttivat asiantuntijoiden kirjoittamista sisällöistä, kun taas kuvien jakamiseen perustuvista sosiaalisen median verkostoista pitävät ihmiset etsivät runsaasti kuvia sisältävää sisältöä.

These analytics help you connect with your understanding of the community and connect with them on a more personal level. This is vital for effective social media marketing (SMM).

Nämä analyysit auttavat sinua ymmärtämään yhteisöä ja olemaan yhteydessä henkilökohtaisemmalla tasolla. Tämä on välttämätöntä tehokkaan sosiaalisen median markkinoinnin (SMM) kannalta.

Tiivistys

Kirjoittaja käsitteli käyttäjäpersoonien merkitystä sosiaalisen median markkinointistrategian luomisessa. Hän selitti Google Analyticsia ja muita analytiikkatyökaluja, kuten Twitter Analyticsia, sekä työkaluja, kuten followerWonk ja Graph Search, jotka auttavat ymmärtämään sosiaalisen median seuraamista.

Verkkosivustosi persoonat – kuinka saat nopeasti selville Google Analyticsin avulla 

Tässä postauksessa kirjoittaja selittää, että vaikka persoonien luominen voi olla vaikeaa, on olemassa tapa luoda persoonia 10 minuutissa.

Koska Google Analytics -tiedot yleensä rajaavat ne yhteen persoonaan, tätä persoonaa voidaan käyttää sisällön ja markkinoinnin kehittämisen oppaana. Voidaan aloittaa kysymällä, kuka hän olisi, jos käyttäjä olisi henkilö? 

Luo käyttäjälausunto, kuka henkilö on, ja yhdistä se ihanteelliseen käyttäjään. Tämä vaihe auttaa varmistamaan, että se on kohdennettu oikeille käyttäjille, ja jos ei, niin kuinka löytää ihanteellinen käyttäjä ja kohdentaa.

Kirjoittaja käyttää kuutta tietotyyppiä luodakseen käyttäjälausunnon Google Analyticsin avulla:

1. Maa 
2. Sukupuoli
3. Ikä 
4. Laite
5. Käyttöjärjestelmä 
6. Lähtöisin

Kirjoittaja hakee tiedot Google Analyticsista ja laittaa jokaisen yleiseen lauseeseen: 

”Tyypillinen käyttäjämme on [ikä] vuotta vanha [sukupuoli] kotoisin [maa] [laitetyypillä], joka on löytänyt sivuston [mistä he tulevat].

Alla olevan kuvan tiedoilla luomme käyttäjäpersoonamme suosituimpien haarukoiden avulla. Esimerkiksi suosituin haarukka on 25-34, mutta 18-24-vuotiaiden ryhmä on myös lähellä. Joten vinoutamme ikää kohti haarukan nuorempaa päätä. Käyttäjien lausuntomme pitäisi näyttää tältä:

Tyypillinen käyttäjämme on 26-vuotias nainen Yhdysvalloista Windows -järjestelmän pöytäkoneella, joka on löytänyt sivuston alun perin Google-haulla.

Kirjoittaja kehottaa ihmisiä kysymään itseltään, vastaavatko käyttäjän lausunnot ihanteellista asiakaspersoonaa. Jos ei, niin miten voimme parantaa markkinointistrategiaa? Näkemykset ovat uskottavia ja voivat johtaa useisiin ominaisuuksiin ja ideoihin brändin positioimiseksi. 

Tiivistys

Blogipostauksessa kirjoittaja käsitteli kuuden tyyppistä dataa luodakseen henkilökohtaisen käyttäjälausunnon. Hän väittää, että vaikka täysien käyttäjäpersoonien luominen voi olla vaikeaa, käyttäjälausunto voi auttaa ohjaamaan suunnitteluprosessia. 

Hän hakee analytiikkaraportteja eri verkkosivustoilta ja käyttää niitä käyttäjien lausuntojen luomiseen ja kehottaa ihmisiä tarkastelemaan, vastaavatko heidän käyttäjälausuntonsa heidän ihanteellisia käyttäjiään, ja jos eivät, niin miten tilanteessa pitäisi toimia.

Ostajapersoonien suunnittelu Google Analyticsin avulla

Tässä artikkelissa kirjoittaja keskusteli siitä, miksi tulevan asiakkaan ymmärtäminen on tärkeää ja kuinka voimme käyttää Google Analyticsia tietojen keräämiseen ja tulevan ostajapersoonan luomiseen näiden tietojen avulla. Lopuksi hän keskustelee siitä, miten voit luoda strategian tulevan ostajapersoonan huomioon ottaen.

Asiakkaasi tunnistaminen, heidän tarpeidensa ymmärtäminen ja hyödyllisen sisällön luominen jokaisessa vaiheessa voivat synnyttää dialogeja. Kirjoittaja ehdottaa seuraavien tietojen keräämistä persoonien luomista varten Google Analyticsin avulla:

• Väestötiedot 
• Kiinnostuksen kohteet 
• Liikenteen lähteet 
• Vierailijan maantieteellinen sijainti 
• Verkkosivuston käyttö 

Google Analytics tarjoaa kolme aluetta, joiden avulla voit ymmärtää asiakkaitasi ja heidän vuorovaikutusta sivustosi kanssa: yleisö, hankinta, ja konversio. Nämä selitetään seuraavaksi:

Yleisö

Tällä alueella voit analysoida neljää raporttia: väestötiedot, kiinnostuksen kohteet, maantieteelliset tiedot ja mobiililaitteet.

1. Väestötiedot: tämä raportti näyttää asiakkaan iän ja sukupuolen. Se kertoo, mikä ikäryhmä ja mies/nainen luo korkeimman konversioprosentin.
2. Kiinnostuksen kohteet: Tämä raportti kertoo meille kolme asiaa: kiinnostuksen kohteet (aiheet, kuten tekniikka, urheilu jne.), ostoaikeissa olevat segmentit (käyttäjien ostoaiheet), muut (muokatut kiinnostuksen kohteet lisätty suhdeluokkaan).
3. Maantieteelliset tiedot: antaa sinulle paikkakunnan ja käyttäjän puhuman kielen.
4. Mobiililaite: tarjoaa tiedot, jotka liittyvät siihen, miten käyttäjä on yhteydessä verkkosivustoosi. Esimerkiksi jos laite on mobiili, tabletti tai pöytäkone.

Hankinta

Tällä alueella kanavat, joita asiakas käyttää yhteyden muodostamiseen sivustoosi.

• Lähteet
• AdWords
• Search Console
• Sosiaalinen 

Raportissa verrataan liikennettä konversioprosenttiin sen arvioimiseksi, mikä alusta tuottaa eniten asiakkaita.

Käyttäytyminen

Käyttäytyminen antaa meille raportteja seuraavista:

• Käyttäytymisvirta
• Sivuston sisältö (istunnon kesto ja paluutaajuus)
• Sivuston nopeus
• Sivustoon liittyvä tutkimus

Tämä raportti kertoo meille käyttäjien vuorovaikutuksesta verkkosivuston kanssa.

Konversio

Konversiotilassa mittaamme:

• Jos tavoite saavutettiin: esim. jos käyttäjä pääsi kiitossivulle lomakkeen täyttämisen jälkeen
• Käyttäjän käyttäytyminen sivustollasi: myyntituotto, ostokäyttäytyminen
• Miten käyttäjät tekivät ostoksen: aika alkuperäisestä kiinnostuksesta konversioon, tietyn konversion liittäminen tiettyyn kanavaan jne.

Yleisö-, hankinta- ja konversioraportteja analysoimalla käyttäjäpersoona näytti tältä (katso kuva):

Tuleva ostaja antaa meille hyödyllisiä oivalluksia tehokkaan sisällön jakamisstrategian luomiseen. Se sisältää sosiaalisen median kampanjoita, hakukoneoptimoinnin parantamista, eniten hylättyjen sivujen tunnistamista, sisällön toteuttamista videoiden kautta.

Tämä strategia toteutetaan kahdessa vaiheessa. Tietoisuusvaiheessa tulevan ostajan on löydettävä yritys. Harkintavaiheessa Annan on tiedettävä, että kakkudesignit ja -kurssit ovat hänelle hyödyllisiä. 

Loppujen lopuksi on tärkeää harkita niin paljon kuin voit ennen kuin siirryt seuraavaan vaiheeseen.

Tiivistys

Kirjoittaja tutkii kolmea aluetta kerätäkseen tietoja käyttäjästä, yleisöstä, hankinnasta ja konversiosta. Yleisöraportissa näytetään käyttäjän demografiset tiedot. Hankinta kertoo, kuinka vierailija löysi sivustosi, ja konversioraportit kertovat, kuinka monta vierailijaa muutit asiakkaiksi.

Kuinka luoda käyttäjäpersoonia Google Analyticsin avulla

Tässä postauksessa kirjoittaja kuvailee, kuinka hänen yrityksensä (Seer) loi käyttäjäpersoonan luottoneuvonta-asiakkaalle käyttämällä Google Analyticsin Audience-osion ulottuvuuksia. 

Aluksi verkkosivustosi tulee täyttää seuraavat kriteerit:

• Siinä on alikansio tai avainsanat URL-osoitteiden ryhmässä, joka voidaan tunnistaa yleisöstä
• Sillä on riittävästi Google Analytics -tietoja alikansioiden tai URL-osoitteiden analysoimiseksi

Kirjoittajan mukaan Google Analyticsin tärkeimmät ulottuvuudet persoonien luomiseen ovat:

• Ikä 
• Sukupuoli
• Suhdeluokat
• Ostoa harkitsevat segmentit
• Sijainti 
• Muut luokat

Nämä dimensiot löytyvät Google Analytics -valikosta. 

Kiinnostusosiot voidaan selittää seuraavasti:

• Suhdeluokka: saada ostaja tietoiseksi brändistäsi.
• Ostoa harkitsevat segmentit: mitkä käyttäjäsegmentit ovat valmiita ostamaan tuotteen.
• Muut luokat: tarkemmat luokat, tunnistaa käyttäjät, jotka eivät kuulu kumpaankaan yllä olevista luokista, ts. kiinnostus ja markkinasegmentti.

Aloitamme asettamalla ajanjakson noin kuudesta kuukaudesta vuoteen. Aseta ensisijaiseksi ulottuvuudeksi Affinity Categories ja toissijaiseksi ulottuvuudeksi Landing page. 

Tarkennettu suodatin asetetaan näyttämään aloitussivut, joissa on avainsana ”student”. 

Vie tiedot Exceliin ja luo pivot-taulukko käyttämällä Sessions ja Affinity Category. Poista muut kentät ja taulukko näyttää samanlaiselta kuin alla oleva kuva:

Enter-näppäimen painamisen jälkeen pivot-taulukko näyttää tältä:

Lajittele sum of sessions -sarake suurimmasta pienimpään. Taulukosta näet yleisimmät kiinnostuksen kohteet käyttäjistä, jotka vierailivat opintoihin ja opintolainoihin liittyvillä sivuilla. 

Kun meillä on tiedot, viimeinen vaihe on muuttaa niistä persoona, joka näyttää tältä:

Lisäksi, koska opintolainayleisön kaksi keskeistä kiinnostusta ovat ruoanlaitto ja tarjoukset, ruoanlaitto ja kupongit voi olla hyvä idea blogiin. 

Tässä postauksessa istuntoa käytettiin mittarina, mutta prosessi voi mennä pidemmälle. Voit esimerkiksi käyttää ostoja tai tiettyjä aloitussivun näyttökertoja segmentointiehtoina.

Tiivistys

Kirjoittaja käyttää sellaisia ​​ulottuvuuksia kuin ikä, sijainti ja affiniteetti luodakseen ostajapersoonia luottoneuvonta-asiakkaalle. Hän luo pivot-taulukon Google Analytics -raportista haetuista tiedoista ja luo persoonan siitä.

Johtopäätös

Keskustelimme seitsemästä eri kirjoittajien ja verkkosivustojen postauksesta, joissa he selittävät Google Analyticsin käyttämisen persoonien (ja yhdessä tapauksessa käyttäjien lausuntojen) luomiseen. 

Blogiviesteissä kirjoittaja käytti ensisijaisia ​​ulottuvuuksia, kuten demografisia tietoja, ja toissijaisia ​​ulottuvuuksia, kuten ikää ja sukupuolta, luodakseen mukautettuja aloitussivuja tai istuntoraportteja ostajasta tai käyttäjistä. Raporttien tiedot yhdistetään luomaan persoonia, jotka edustavat hallitsevien käyttäjien demografisia tietoja, sijaintia ja kiinnostuksen kohteita.

Jotkut kirjoittajat havaitsivat myös heikkouksia käytettäessä Google Analyticsia persoonien luomiseen. Etenkin pelkästään verkkosivustojen analytiikkaan perustuvien persoonien luominen voi viedä meidät kauemmaksi käyttäjistä sen sijaan, että se lähentäisi. Se antaa meille vastauksen kysymyksiin ”missä” ja ”kuka”, mutta ei kysymykseen ”miksi”, jota etsimme. Toisaalta Google Analytics on myös tärkeä, koska se tarjoaa vankkaa kvantitatiivista tietoa verkkosivuston käyttäjistä. 

Paras tapa luoda persoonia on käyttää Google Analyticsin tai minkä tahansa muun analytiikkatyökalun lisäksi mahdollisimman paljon dataa ja käyttää aikaa käyttäjien ymmärtämiseen todellisina ihmisinä. Tätä varten on suositeltavaa yhdistää Google Analyticsin kvantitatiivisia tietoja ja käyttäjähaastattelujen laadullisia tietoja (5-10 riittää peruskäsityksen saamiseksi käyttäjien tarpeista). 

Haluatko lisätietoja? Katso…

Jansen, B. J., Salminen, J., Jung, S.G., and Guan, K. (2021). Data-Driven Personas. Synthesis Lectures on Human-Centered Informatics,1 Carroll, J. (Ed). Morgan-Claypool: San Rafael, CA., 4:1, i-317.