Anna Holopainen kysyi LinkedInissä tämän kysymyksen:

Mitä vikaa useimmissa ostajapersoonissa on? 👇

Hän myös vastasi heti ja esitti seuraavia seikkoja. Annan kohdat näkyvät lihavoituna, ja sen jälkeen vastaukseni lihavoimattomalla tekstillä. Nämä kohdat olivat mielestäni erittäin hedelmällisiä vakavalle keskustelulle persoonien arvosta, ja ne ovat melko yleisiä, joten niihin kannattaa ottaa kantaa. Vastauksissani Annan kohtiin en yritä väittää, että persoonat ovat täydellisiä välineitä suunnitteluun tai päätöksentekoon, vaan pikemminkin esittää mahdollisia parannuskeinoja ja korjauksia Annan mainitsemiin kohtiin.

► Ne keskittyvät liikaa väestötietoihin tai psykografiaan ja jättävät huomiotta kontekstuaaliset motivaatiot (miten se tosiasia-oletus, että ostaja on ”bisnestietoinen”, auttaa sinua myymään CRM:ää?)

>> On totta, että demografialla on suuri rooli persoonissa. Tutkimuksessamme olemme havainneet, että käyttäjät kiinnittävät suurta huomiota demografisiin tekijöihin ja myös persoonan ulkonäköön, joita voidaan usein pitää epäolennaisina käyttäjien tarpeiden ymmärtämisen kannalta. Joten tämän kohdan vastaväite sisältää kaksi ehdotusta: (1) luo persoonat ilman demografisia tietoja (täysin mahdollista, vaikkakin mahdollisesti rajoittaen persoonakäyttäjän havaitsemaa realistisuutta); tai (2) varmista, että painotat paljon muutakin kuin demografisia ja tavallisia psykografisia tietoja. Mielenkiintoinen vaihtoehto on kuvata persoonia sarjakuvana, jossa persoona käy läpi erilaisia ”oikean elämän” tilanteita tuotteeseesi liittyen. Tämä toisi joustavuutta ja sujuvuutta persoonien viestintään. Toinen vaihtoehto on käyttää interaktiivisia persoonajärjestelmiä, kuten Automatic Persona Generation (APG), jotka mahdollistavat vuorovaikutuksen persoonan tietojen kanssa (esim. suodatetaan lainauksia tunteiden mukaan) ja ”simuloivat” persoonan reaktioita sisältöösi. Viime kädessä persoonien tietosuunnittelua tulisi harkita tapauskohtaisesti: mitä tietoa myyjäsi tarvitsevat myydäkseen CRM:ää? Se on tieto, joka menee persoonaprofiileihin.

► Ne yleensä olettavat, että ihmiset, joilla on sama nimike (esim. teknologiajohtajat), ovat homogeeninen massa, jolla on samat motiivit ja kipukohdat – kontekstista riippumatta (esim. kypsä Fortune 500 -yritys tai uusi startup uudella teknologialla).

>> Jos näin on, luodut persoonat eivät ole sitä, mitä kutsumme korkealaatuisiksi persooniksi. Tämä tarkoittaa, että persoonien on erotettava tarkasti yksi käyttäjätyyppi toisesta. Jos kaikki teknologiajohtajat olisivat tietosisällöltään identtisiä, persoonan luoja (tai persoonia luova algoritmi) on epäonnistunut tehtävässään. Tämä on kuitenkin helppo korjata: luo parempia persoonia varmistaen tarkasti, että motiivit ja kipupisteet eroavat toisistaan. Jos käytät ulkopuolisia konsultteja tai toimistoja persoonien luomiseen, muista ilmoittaa suunnitteluohjeessa, että haluat ”startup teknologiajohtaja -ostajien” ja ”Fortune 500 teknologiajohtaja -ostajien” olevan erilaisia.

► Ne keskittyvät vain ostajiin, eivät käyttäjiin (SaaSissa meillä ei ole varaa sivuuttaa laajennustuloja, eihän?)

>> Väittäisin, että tämä kohta on jossain määrin virheellinen. Itse asiassa persoonien alkuperä, ainakin ihmisen ja tietokoneen välisessä vuorovaikutuksessa ja käyttäjäkeskeisessä suunnittelussa, on juuri käyttäjien (ei ostajien) esittäminen. Ostajapersoonat, joihin Anna viittaa, tulivat esille hieman myöhemmin, kun markkinointi- ja yritysalat omaksuivat persoonat. Siitä huolimatta ymmärrän pointin – että ostajat eivät ole ainoa asia, jolla on merkitystä; myös tuotteen loppukäyttäjillä on merkitystä. Mutta tämä on helppo korjata, itse asiassa samalla tavalla kuin edellisessä tapauksessa. Luo vain persoonia käyttäjistä, lisäksi ostajista. Itse asiassa tämä kohta on ratkaiseva. Persoonia tilaavan henkilön on kartoitettava tietotarpeensa: jos on tärkeää ymmärtää paitsi ostajia mutta myös muita arvoketjun sidosryhmiä (kuten tuotteen loppukäyttäjiä), tämä vaatimus on tehtävä selväksi ennen persoonan luomisen aloittamista. Esimerkiksi SaaSissa on ostajia ja käyttäjiä toki, mutta käyttäjätkin voidaan jakaa edelleen aktiivisiin ja ei-aktiivisiin käyttäjiin. Siksi liiketoiminnan vaatimusten ymmärtäminen ja niistä tiedottaminen persoonien luojille ovat tärkeitä tehtäviä. Mutta ei ole mitään syytä, miksi persoonien pitäisi keskittyä vain ostajiin.

► Ne keskittyvät vain persooniin, eivät segmentteihin, mikä on ilmeinen ongelma B2B:ssä

>> Tämä kohta on minulle hieman epäselvä. Persoonat ovat hyvin samankaltaisia kuin käyttäjä/asiakassegmentit; itse asiassa sanon usein, että persoonat ovat segmenttejä, joilla on nimi ja kasvot. Käsitteellisesti persoonat antavat kasvot käyttäjäsegmenteille; ne personoivat nimettömiä ja kasvottomia käyttäjäsegmenttejä. Tämä tarkoittaa, että ne sisältävät saman tiedon kuin kaavioissa, taulukoissa tai muilla tavoilla esitetyissä segmenteissä. Joten tämä kohta jää minulta ohi.

► Ne keskittyvät vain nykyiseen kohdeyleisöön, eivät tuleviin asiakkaisiin.

Algoritmisesti luodut persoonat voivat hyötyä samankaltaisten luomisalgoritmeista, aivan kuten samankaltaiset yleisöt sellaisilla alustoilla kuin Facebook Ads. Lisäksi datalähtöiset persoonat voidaan jäljittää yksittäisiin tai aggregoituihin käyttäjätietoihin, muun muassa muodostaa markkinointisähköpostilistoja. Hyperparametrien avulla on mahdollista luoda persoonia, jotka kattavat enemmän/vähemmän peruskäyttäjädataa. Joten on olemassa tapoja, joilla voidaan sisällyttää persooniin erilaisia alajoukkoja asiakkaista. Siitä huolimatta Annan esittämän asian ydin saattaa olla se, että ”persoonat ovat naimisissa tietojensa kanssa”. Tämä tarkoittaa, että käytimmepä sitten datalähtöisiä algoritmisia menetelmiä tai kvalitatiivisia menetelmiä, kuten haastatteluja, emme voi ekstrapoloida käsillä olevaa dataa pidemmälle. Emme siis voi luoda persoonia startup-yritykselle, jolla ei ole vielä tietoja asiakkaastaan! Tämä on aiheellinen huoli. Sama huolenaihe koskee persoonien luomista kilpailijoiden asiakkaista – meillä ei ole pääsyä heidän suojattuihin tietoihinsa, joten persoonia ei voida luoda. Silti väitän, että tämä asia voidaan ratkaista luovuuden avulla. Eli startupin tapauksessa voimme silti haastatella mahdollisia asiakkaita tai jopa kutsua käyttäjätestaukseen – tuloksena olevaa materiaalia voidaan käyttää persoonien luomiseen. Jopa kilpailevien yritysten tapauksessa voimme löytää verkosta arvosteluja, palautteita ja valituksia, jotka voivat auttaa meitä ymmärtämään, millaisia asiakkaita kilpailijalla on. Joten en sanoisi, että tulevien asiakkaiden puute on yhteydessä persooniin; pikemminkin se on vajavuus tai luovuuden puute niiden soveltamisessa.

► Ne vedetään yleensä tyhjästä sisäisen aivoriihen (tai pinnallisten haastattelujen) seurauksena.

>> Tämä kohta on ilmeisesti ”How to Create Bad Personas” -käsikirjasta 🙂 Vakavasti, tämä kohta on kuitenkin suuri huolenaihe. ”Roskat sisään, roskat ulos” tarkoittaa, että kuvitteellisilla persoonilla ei ole merkitystä todellisessa päätöksenteossa – kenenkään ei pitäisi ottaa tällaisia persoonia vakavasti tai perustaa valintoja niiden tietoihin. Kuitenkin ”yleensä” ei tarkoita ”aina” — tarkoitan sitä, että tämä on persoonien väärinkäyttöä. Se on samanlaista kuin joku keksisi numeroita esimerkiksi tuloslaskelmaan. Emme sanoisi, että tuloslaskelmat ovat hyödyttömiä, koska niitä voidaan käyttää väärin, eikö niin? Sama pätee persooniin – koska persoonat on tehty väärin, emme voi sanoa, että ne ovat väärässä. Laadukkaiden persoonien luomisen tukemiseksi olemme julkaisseet paljon resursseja, kuten kirjan datalähtöisistä persoonista (Data-Driven Personas), yli 35 tutkimusartikkelia persoonien suunnittelusta tai luomisesta ja yli 150 blogikirjoitusta, joissa käsitellään erilaisia persoonaa koskevia myyttejä ja väärinkäsityksiä sekä tarjotaan ratkaisuja niihin asioihin. Nämä resurssit ovat syntyneet tutkimuksen ja persoonajärjestelmän kehittämisen aikana viimeisen viiden vuoden aikana.

Johtopäätös

Johtopäätöksenä voidaan todeta, että persoonat eivät ole täydellisiä, koska niitä luovat ja käyttävät ihmiset eivät ole täydellisiä. Persoonat ovat peräisin laadullisesta tutkimusperinteestä, jossa tieteelliset standardit ja laatu ovat olleet pienempi huolenaihe kuin esimerkiksi digitaalisen analytiikan alalla. Tästä syystä persoonien maine on huonompi kuin analytiikka. Ei kuitenkaan ole mitään perustavaa syytä sille, miksi persoonat häviäisivät numeroille. Persoonien monet edut, jotka liittyvät uppoutumiseen, empatiaan ja viestintään, voivat voittaa kylmät luvut, kaaviot ja taulukot. On myös tieteellistä näyttöä siitä, että persoonat ylittävät verkkoanalytiikkajärjestelmät tietyissä tehtävissä, kuten käyttäjäsegmenttien tunnistamisessa.

Tämän myötä kiitän sinua tämän postauksen lukemisesta ja toivotan sinulle antoisaa työpäivää asiakkaiden, persoonien ja datan parissa!