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 mainitut persoonien edut:

• HYÖTY 1: Persoonat välittävät loppukäyttäjien tarpeet ja vaatimukset (Aoyama, 2007).
• HYÖTY 2: Persoonat lievittävät päättäjien itseviittausharhaa (Anvari ym., 2019).
• HYÖTY 3: Persoonat mahdollistavat loppukäyttäjien ajattelemisen, vaikka kukaan ei olisi fyysisesti paikalla (Pruitt & Grudin, 2003).
• HYÖTY 4: Persoonat antavat ihmiskasvot analytiikkadatalle (Jansen ym., 2020; S.-G. Jung ym., 2020),
• HYÖTY 5: Persoonat inhimillistävät nimettömiä ja kasvottomia asiakassegmenttejä (Chapman ym., 2008).
• HYÖTY 6: Persoonat antavat inspiraatiota suunnitteluun ja muihin luoviin tehtäviin (Nielsen, 2019).
• HYÖTY 7: Persoonat auttavat vertailemaan loppukäyttäjiä (S. Jung ym., 2019), mikä helpottaa keskeisten erojen löytämistä käyttäjäkunnan välillä ja käyttäjien tarpeiden priorisointia järjestelmäkehityksessä (Qian ym., 2021).

Persoonaprofiilit kertovat oleellista tietoa loppukäyttäjistä tai asiakkaista (Nielsen ym., 2015). Markkinoinnin näkökulmasta persoonat pyrkivät lisäämään organisaation suorituskykyä korostetun markkinaorientaation kautta (Han ym., 1998), jota kuvataan myös käyttäjäkeskeiseksi suunnitteluksi (Salminen, Şengün, ym., 2021).

Esimiehille ja muille asiakaslähtöistä päätöksentekoa tekeville sidosryhmille persoonat ovat helposti sulavia otoksia loppukäyttäjistä, yleisöistä tai asiakkaista, joita voidaan käyttää päätöksentekoon tuotekehityksestä, kohdentamisesta ja tarpeiden priorisoinnista.

Kvantitatiivisiin persooniin liittyvät keskeiset käsitteet

Tässä postauksessa keskustellaan siitä, kuinka persoonat voidaan yhdistää tehokkaasti analytiikan käsitteeseen, eli loppukäyttäjädatan hyödyntämistä inhimillisten tekijöiden ymmärtämiseen (Moran, 1981). Aloitamme määrittelemällä keskeiset käsitteet, ja sitten selitämme lähestymistapamme lisäämällä persooniin käyttäjäanalytiikkaa, jota kutsumme persoona-analytiikaksi (Persona Analytics, PA). Aluksi käydään läpi tärkeitä käsitteitä.

• Persoona-analytiikka. Aiemmassa tutkimuksessa (S. Jung ym., 2021a, 2021b) PA määritellään vuorovaikutteisten persoonajärjestelmien kanssa tekemisissä olevien persoonakäyttäjien käyttäytymisen ja vuorovaikutuksen systemaattiseksi mittaukseksi; se viittaa siihen, kuinka tutkijat tutkivat persoonakäyttäjien käyttäytymistä. Tarkastellessa persoonakäyttäjien sitoutumista persooniin voidaan puolestaan tuottaa tärkeitä oivalluksia persoonatutkimukselle sekä persoonien ja persoonajärjestelmien suunnittelulle, jotka palvelevat paremmin sidosryhmien tietotarpeita loppukäyttäjistä tai asiakkaista. Viittaamme käyttäjiin, kun tarkoitamme sidosryhmiä, jotka käyttävät persoonia päätöksentekoon (esim. suunnittelijat, ohjelmistokehittäjät, markkinoijat). Muussa terminologiassa viittaamme loppukäyttäjiin, kun tarkoitamme henkilöitä, joita persoonat esittävät.
• Datalähtöiset persoonat. Persoonia rikastetaan yhä enemmän kvantitatiivisella tiedolla (Salminen, Guan, Jung ym., 2020), ja niiden luominen tapahtuu osittain tai kokonaan algoritmisilla prosesseilla, joita kutsutaan datalähtöiseksi persoonakehitykseksi (McGinn & Kotamraju, 2008). Kun persoonia luotaessa käytetään kvantitatiivista dataa, persoonat lähestyvät muita analytiikkajärjestelmiä. Vaikka kvantitatiiviset persoonat luotiin alun perin ohjelmistovaatimusten suunnittelussa (Aoyama, 2005, 2007), McGinn ja Kotamraju esittelivät datalähtöisien persoonien käsitteen (McGinn & Kotamraju, 2008), ja muut ottivat sen käyttöön myöhemmin (Kolbeinsson ym., 2021). Korsgaard ym., 2020; Miaskiewicz & Luxmoore, 2017; Spiliotopoulos ym., 2020; Watanabe ym., 2017). Vaikka dataorientaatio on pysynyt johdonmukaisena teemana kirjallisuudessa [16,17,32,9,10,50,51], kolme suuntausta edistävät algoritmisesti luotujen persoonien nousua (Jansen ym., 2020; Salminen, Guan, Jung, ym., 2020): (1) käyttäjä- ja asiakasdatan saatavuus verkkoanalytiikka- ja sosiaalisen median alustoilta; (2) automatisoidun persoonien luomisen mahdollistavien datatieteen työkalujen ja algoritmien demokratisointi; ja (3) verkkoteknologiat, jotka poistavat staattisten persoonoiden rajoitukset interaktiivisten käyttöliittymien kautta. Nämä trendit viittaavat siirtymiseen ”flat file” -persoonista dynaamisiin ”full-stack” -persooniin, jotka päivittyvät automaattisesti ja ovat jäljitettävissä yksittäisiin käyttäjätason tietoihin (Jansen ym., 2020).
• Vuorovaikutteiset persoonajärjestelmät. Vuorovaikutteiset persoonajärjestelmät (An, Kwak, Salminen ym., 2018; Mijač ym., 2018; Salminen, Guan, Jung ym., 2020) ovat interaktiivisia käyttöliittymiä (User Interface, UI), jotka näyttävät persoonaprofiileja. Tätä käyttöliittymää voi, mutta ei välttämättä aina, käyttää verkkoselaimien kautta (S. Jung ym., 2017, 2018; S.-G. Jung ym., 2018, 2020). Verkkoteknologioiden etuja ovat niiden laaja sovellettavuus ja saavutettavuus. Verkon kautta tarjottavia persoonia voi käyttää millä tahansa verkkoselailua tukevalla laitteella. Tukiteknologiat, kuten käyttäjätilien hallinta, voidaan integroida suhteellisen helposti standardikirjastojen ja parhaiden käytäntöjen avulla. Vuorovaikutteisuudella tarkoitetaan sitä, että käyttäjät suorittavat erilaisia toimintoja persoonaan liittyen, kuten sukupuolijakaumien tietojen analysointia, persoonalainausten päivittämistä, lainausten suodattamista tunteen ja aiheen mukaan (Salminen, Jung & Jansen, 2020), persoonan kiinnostuksen ennustamista tiettyä aihetta kohtaan (An, Kwak, Jung ym., 2018; An, Kwak, Salminen, ym., 2018) ja käymällä dialogia (J. Li ym., 2017; Liao & He, 2020).

Tarve persoonatieteelle

Persoonatutkimus tarvitsee vahvan empiirisen orientaation tuottaakseen tietoa, joka on uskottavaa ja joka voi todella laajentaa persoonakäytännön ja teorian rajoja ja lisätä johdonmukaista ymmärrystä persoonakäyttäjästä.

Tieteellisen menetelmän kannattajat persoonatutkimuksessa (Anvari ym., 2015, 2017; Chapman ym., 2008; Chapman & Milham, 2006; Grudin, 2006) ovat jatkuvasti maininneet empiiristen kokeiluiden ja kvantitatiivisten mittausten puutteen pullonkaulana teorian ja käytännön edistymiselle. Tätä varten persoonatiede käsittelee todellisten käyttäjien käyttäytymistä ja muotoilee teorioita, jotka ovat olennaisia persoonasuunnittelun kannalta.

Painopiste näissä pyrkimyksissä on persoonakäyttäjien tutkimuksessa, joka saavutetaan mittaamalla persoonakäyttäjien käyttäytymistä. Siksi persoonatiede luottaa empiiristen tieteellisten menetelmien, kuten kokeiluiden, käyttöön tuottaakseen vankkaa ja yleistettävissä olevaa tietoa persoonoiden luomisesta, arvioinnista, käytöstä ja vaikutuksesta.

Persoonatieteen tekeminen ei tarkoita vain tiedon keräämistä ja persoonatutkimuksen tekemistä, vaan myös dataa selittävien ja tulevaa tiedonkeruuta ohjaavien teorioiden laatimista. Käytännössä PA voi auttaa persoonaprofiilien ulkoasujen, ominaisuuksien ja tietosisällön suunnittelussa. Näiden etujen saavuttamiseksi on välttämätöntä sisällyttää analytiikkaa persooniin, jotta vuorovaikutusta voidaan tallentaa.

Esimerkkejä tutkittavista muuttujista

Persoonatiede edellyttää edistystä kaikilla rintamilla, silmällä pitäen pitkän aikavälin teorian muotoilua, mutta myös investoimista lyhyen aikavälin tuloksiin käyttämällä empiirisiä menetelmiä. Persoonatiede voi edistää kipeästi kaivattua siirtymistä eteenpäin rajaamalla ulkopuolelle yleiset väitteet ”persoonat toimivat” tai ”persoonat eivät toimi” tai ”hyötyjen” ja ”ongelmien” kertaamisen, jotta voidaan keskittyä olosuhteiden systemaattiseen tarkasteluun, joissa vaikutukset ilmenevät.

Monia inhimillisiä tekijöitä ei ole tutkittu persoonatutkimuksissa. Tapaustutkimusten perusteella erityisen kiinnostavia muuttujia ovat ainakin seuraavat:

• Käyttäjän kokemuksen taso (Salminen, Jung, Santos ym., 2020),
• Tehtävätyyppi, jonka suorittamisessa persoonat auttavat (Anvari ym., 2015),
• Persoonia käyttävän henkilön työrooli (Nielsen ym., 2017) ja
• Persoonia hyödyntävän organisaation kulttuuri (Nielsen, 2010).

Näiden inhimillisten tekijöiden yhdistelmän tutkiminen perustuisi tiettyihin tutkimustavoitteisiin. Ensinnäkin käyttäjien persoonakokemusten vaikutus käyttäytymiseen; tämä on yleensä raportoitu persoonatutkimuksissa, mutta sitä ei ole sisällytetty muuttujaksi. Miten aloittelevien persoonakäyttäjien persoonien käyttö eroaa kokeneemmista käyttäjistä? Voidaanko kokeneempien käyttäjien käyttäytymisellä ohjata aloittelevia käyttäjiä oppimaan hyödyntämään persoonia tehokkaammin?

Lisäksi persoonien käyttöönoton tehtävätyyppi ilmoitetaan usein, mutta sitä vaihdellaan tai valvotaan harvoin – tyypillisimmin käytetään vain yhtä tehtävätyyppiä ja vain yhdessä empiirisessä ympäristössä ilman toistoa kestävyyden saavuttamiseksi. Tästä johtuen emme tiedä, millaiset persoonat ovat ihanteellisia eri tehtävätyypeille ja lähestyvätkö käyttäjät persoonia eri tavalla tehtävätyypin mukaan.

Samoin eri työtehtävien ja organisaatioyksiköiden vertailua tehdään harvoin, vaikka maalaisjärkikin sen kertoo, että henkilön tehtävänimike vaikuttaa suuresti siihen, miten hän käyttää persoonaa työnsä tukena. Tutkimuksissa mainitaan yleensä ”suunnittelijat”, mutta kun tarkastellaan tarkemmin näiden käyttäjien työtehtäviä, paljastuu, että he työskentelevät useilla osastoilla, heillä on useita erilaisia näkökulmia loppukäyttäjään ja he tarvitsevat paljon erilaista tietoa päätöksentekoon.

Kaiken kaikkiaan näiden muuttujien systemaattinen analysointi kokeellisissa tutkimuksissa voi tuottaa pitkäkestoista, johdonmukaista ja vankkaa tietoa persoonista ja niiden käyttäjistä, mikä laajentaa persoonatutkimuksen tieteellisiä rajoja ja vaikutusta.

Lopuksi on näyttöä persoonien käyttöön liittyvistä kulttuurivaikutuksista (Salminen, Jung, Santos ym., 2021), mutta ei ole riittävää ymmärrystä siitä, kuinka persoonien ja käyttäjien välinen kulttuurinen vastaavuus välittää vuorovaikutusta ja voivatko persoonat itse auttaa kuromaan umpeen suunnittelun kulttuurisia aukkoja.

Kontribuutio interaktiivisiin persoonajärjestelmiin ja ihmisen ja tietokoneen vuorovaikutukseen

Tieteellistä kehitystä datalähtöisissä persoonissa ja interaktiivisissa persoonajärjestelmissä on kuvattu transformatiiviseksi (Mijač ym., 2018), jolloin voidaan nähdä monia mahdollisuuksia käyttää persoonia itsenäisesti tai osana älykkäitä järjestelmiä. Korostamme viittä tällaista järjestelmän kehittämismahdollisuutta persoonaanalytiikan ympärillä.

1. Vuorovaikutustekniikoita ja multimediaa (esim. chat/dialogijärjestelmät (Chu ym., 2018), video, tekoälyagentit (Salminen, Rao, Jung ym., 2020)…) voitaisiin liittää persoonajärjestelmiin palvelemaan erilaisia loppukäyttäjien tarpeita (Salminen, Jansen, An ym., 2019).
2. Uusia tekniikoita persoonien vertailuun suunnittelutavoitteiden mittareilla, kuten monimuotoisuus (Salminen ym., 2018) ja inklusiivisuus (Goodman-Deane ym., 2018), voitaisiin lisätä.
3. Integraatiot ulkoisiin järjestelmiin persooniin perustuvien suositusten (T. Li ym., 2019), sisällönhallinnan ja asiakassuhteiden hallinnan sekä verkkomainonnan (Salminen, Jung, & Jansen, 2019) mahdollistamiseksi ohjelmointirajapintojen (Application Programming Interface, API) kautta (S. Jung ym., 2018).
4. Selitettävyyden, läpinäkyvyyden ja kontekstin tarjoaminen, jotka ovat tärkeitä persoonien luomisen algoritmeja sovellettaessa (Salminen, Jung, & Jansen, 2020; Salminen, Santos, Jung, ym., 2019).
5. Vuorovaikutteisten järjestelmien avulla voidaan porautua persoonatietoihin ja tehdä kvantitatiivisia ennusteita (An, Kwak, Salminen, ym., 2018).

Johtopäätökset

Teknologia tuo uusia mahdollisuuksia käyttäjän ja persoonan vuorovaikutukseen, mutta samalla nämä trendit antavat mahdollisuuden ymmärtää paremmin, kuinka persoonakäyttäjät, kuten suunnittelijat, ohjelmistokehittäjät ja markkinoijat, ovat vuorovaikutuksessa persoonan kanssa. Tämä persoonakäyttäjien käyttäytymisen parempi ymmärtäminen voi johtaa merkittäviin edistysaskeliin persoonatieteen (eli persoonien ja niiden käytön akateemisen tutkimuksen) alalla, mutta se vaatii tehokasta mittauksen toteuttamista.

Empiirisen persoonakäyttäjätutkimuksen puute on havaittu tieteellisessä kirjallisuudessa (Marsden & Haag, 2016; Salminen, Guan, Jung, ym., 2020; Salminen, Jung, Chhirang, ym., 2021). Näitä mahdollisuuksia yhdistävä tekijä on tarve ymmärtää persoonakäyttäjien käyttäytymistä tarkkojen empiiristen löydösten avulla, mikä edellyttää sitoutumisen ja vuorovaikutuksen mittaamista persoonien kanssa. Tämän ominaisuuden tarjoaa PA.

Lähteet

An, J., Kwak, H., Jung, S., Salminen, J., & Jansen, B. J. (2018). Customer segmentation using online platforms: Isolating behavioral and demographic segments for persona creation via aggregated user data. Social Network Analysis and Mining, 8(1), 54. https://doi.org/10.1007/s13278-018-0531-0

An, J., Kwak, H., Salminen, J., Jung, S., & Jansen, B. J. (2018). Imaginary People Representing Real Numbers: Generating Personas from Online Social Media Data. ACM Transactions on the Web (TWEB), 12(4), 27. https://doi.org/10.1145/3265986

Anvari, F., Richards, D., Hitchens, M., & Babar, M. A. (2015). Effectiveness of Persona with Personality Traits on Conceptual Design. 2015 IEEE/ACM 37th IEEE International Conference on Software Engineering, 2, 263–272. https://doi.org/10.1109/ICSE.2015.155

Anvari, F., Richards, D., Hitchens, M., Babar, M. A., Tran, H. M. T., & Busch, P. (2017). An empirical investigation of the influence of persona with personality traits on conceptual design. Journal of Systems and Software, 134, 324–339. https://doi.org/10.1016/j.jss.2017.09.020

Anvari, F., Richards, D., Hitchens, M., & Tran, H. M. T. (2019). Teaching User Centered Conceptual Design Using Cross-Cultural Personas and Peer Reviews for a Large Cohort of Students. 2019 IEEE/ACM 41st International Conference on Software Engineering: Software Engineering Education and Training (ICSE-SEET), 62–73. https://doi.org/10.1109/ICSE-SEET.2019.00015

Aoyama, M. (2005). Persona-and-scenario based requirements engineering for software embedded in digital consumer products. Proceedings of the 13th IEEE International Conference on Requirements Engineering (RE’05), 85–94. https://doi.org/10.1109/RE.2005.50

Aoyama, M. (2007). Persona-Scenario-Goal Methodology for User-Centered Requirements Engineering. Proceedings of the 15th IEEE International Requirements Engineering Conference (RE 2007), 185–194. https://doi.org/10.1109/RE.2007.50

Chapman, C., Love, E., Milham, R. P., ElRif, P., & Alford, J. L. (2008). Quantitative Evaluation of Personas as Information. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 52, 1107–1111. https://doi.org/10.1177/154193120805201602

Chapman, C., & Milham, R. P. (2006). The Personas’ New Clothes: Methodological and Practical Arguments against a Popular Method. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 50, 634–636. https://doi.org/10.1177/154193120605000503

Chu, E., Vijayaraghavan, P., & Roy, D. (2018). Learning Personas from Dialogue with Attentive Memory Networks. Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing, 2638–2646.

Cooper, A. (1999). The Inmates Are Running the Asylum: Why High Tech Products Drive Us Crazy and How to Restore the Sanity (1 edition). Sams – Pearson Education.

Goodman-Deane, J., Waller, S., Demin, D., González-de-Heredia, A., Bradley, M., & Clarkson, J. P. (2018, June 28). Evaluating Inclusivity using Quantitative Personas. In the Proceedings of Design Research Society Conference 2018. https://doi.org/10.21606/drs.2018.400

Grudin, J. (2006). Why Personas Work: The Psychological Evidence. In J. Pruitt & T. Adlin (Eds.), The Persona Lifecycle (pp. 642–663). Elsevier. https://doi.org/10.1016/B978-012566251-2/50013-7

Grudin, J., & Pruitt, J. (2002). Personas, Participatory Design and Product Development: An Infrastructure for Engagement. Proceedings of Participation and Design Conference (PDC2002), 8.

Han, J. K., Kim, N., & Srivastava, R. K. (1998). Market orientation and organizational performance: Is innovation a missing link? The Journal of Marketing, 30–45.

Jansen, B. J., Salminen, J., & Jung, S. (2020). Data-Driven Personas for Enhanced User Understanding: Combining Empathy with Rationality for Better Insights to Analytics. Data and Information Management, 4(1), 1–17. https://doi.org/10.2478/dim-2020-0005

Jung, S., An, J., Kwak, H., Ahmad, M., Nielsen, L., & Jansen, B. J. (2017). Persona Generation from Aggregated Social Media Data. Proceedings of the 2017 CHI Conference Extended Abstracts on Human Factors in Computing Systems, 1748–1755.

Jung, S., Salminen, J., & Jansen, B. J. (2019). Personas Changing Over Time: Analyzing Variations of Data-Driven Personas During a Two-Year Period. Extended Abstracts of the 2019 CHI Conference on Human Factors in Computing Systems – CHI EA ’19, 1–6. https://doi.org/10.1145/3290607.3312955

Jung, S., Salminen, J., & Jansen, B. J. (2021a). Implementing Eye-Tracking for Persona Analytics. ETRA ’21 Adjunct: ACM Symposium on Eye Tracking Research and Applications, 1–4. https://doi.org/10.1145/3450341.3458765

Jung, S., Salminen, J., & Jansen, B. J. (2021b). Persona Analytics: Implementing Mouse-tracking for an Interactive Persona System. Extended Abstracts of ACM Human Factors in Computing Systems – CHI EA ’21. https://doi.org/10.1145/3411763.3451773

Jung, S., Salminen, J., Kwak, H., An, J., & Jansen, B. J. (2018). Automatic Persona Generation (APG): A Rationale and Demonstration. CHIIR ’18: Proceedings of the 2018 Conference on Human Information Interaction & Retrieval, 321–324. https://doi.org/10.1145/3176349.3176893

Jung, S.-G., Salminen, J., An, J., Kwak, H., & Jansen, B. J. (2018). Automatically Conceptualizing Social Media Analytics Data via Personas. Proceedings of the International AAAI Conference on Web and Social Media (ICWSM 2018), 2.

Jung, S.-G., Salminen, J., & Jansen, B. J. (2020). Giving Faces to Data: Creating Data-Driven Personas from Personified Big Data. Proceedings of the 25th International Conference on Intelligent User Interfaces Companion, 132–133. https://doi.org/10.1145/3379336.3381465

Kolbeinsson, A., Brolin, E., & Lindblom, J. (2021). Data-Driven Personas: Expanding DHM for a Holistic Approach. International Conference on Applied Human Factors and Ergonomics, 296–303.

Korsgaard, D., Bjørner, T., Sørensen, P. K., & Burelli, P. (2020). Creating user stereotypes for persona development from qualitative data through semi-automatic subspace clustering. User Modeling and User-Adapted Interaction, 30(1), 81–125. https://doi.org/10.1007/s11257-019-09252-5

Li, J., Zhou, M. X., Yang, H., & Mark, G. (2017). Confiding in and listening to virtual agents: The effect of personality. Proceedings of the 22nd International Conference on Intelligent User Interfaces, 275–286.

Li, T., Convertino, G., Tayi, R. K., & Kazerooni, S. (2019). What data should i protect? Recommender and planning support for data security analysts. Proceedings of the 24th International Conference on Intelligent User Interfaces, 286–297.

Liao, Y., & He, J. (2020). Racial mirroring effects on human-agent interaction in psychotherapeutic conversations. Proceedings of the 25th International Conference on Intelligent User Interfaces, 430–442.

Marsden, N., & Haag, M. (2016). Stereotypes and politics: Reflections on personas. Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, 4017–4031.

McGinn, J. J., & Kotamraju, N. (2008). Data-driven persona development. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 1521–1524. https://doi.org/10.1145/1357054.1357292

Miaskiewicz, T., & Luxmoore, C. (2017). The Use of Data-Driven Personas to Facilitate Organizational Adoption–A Case Study. The Design Journal, 20(3), 357–374.

Mijač, T., Jadrić, M., & Ćukušić, M. (2018). The potential and issues in data-driven development of web personas. 2018 41st International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO), 1237–1242. https://doi.org/10.23919/MIPRO.2018.8400224

Moran, T. P. (1981). Guest Editor’s Introduction: An Applied Psychology of the User. ACM Computing Surveys, 13(1), 1–11. https://doi.org/10.1145/356835.356836

Nielsen, L. (2010). Personas in Cross-Cultural Projects. In D. Katre, R. Orngreen, P. Yammiyavar, & T. Clemmensen (Eds.), Human Work Interaction Design: Usability in Social, Cultural and Organizational Contexts (Vol. 316, pp. 76–82). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-11762-6_7

Nielsen, L. (2019). Personas—User Focused Design (2nd ed. 2019 edition). Springer.

Nielsen, L., Hansen, K. S., Stage, J., & Billestrup, J. (2015). A Template for Design Personas: Analysis of 47 Persona Descriptions from Danish Industries and Organizations. International Journal of Sociotechnology and Knowledge Development, 7(1), 45–61. https://doi.org/10.4018/ijskd.2015010104

Nielsen, L., Jung, S., An, J., Salminen, J., Kwak, H., & Jansen, B. J. (2017). Who Are Your Users?: Comparing Media Professionals’ Preconception of Users to Data-driven Personas. Proceedings of the 29th Australian Conference on Computer-Human Interaction, 602–606. https://doi.org/10.1145/3152771.3156178

Pruitt, J., & Grudin, J. (2003). Personas: Practice and Theory. Proceedings of the 2003 Conference on Designing for User Experiences, 1–15. https://doi.org/10.1145/997078.997089

Qian, K., Danilevsky, M., Katsis, Y., Kawas, B., Oduor, E., Popa, L., & Li, Y. (2021). XNLP: A Living Survey for XAI Research in Natural Language Processing. 26th International Conference on Intelligent User Interfaces, 78–80.

Salminen, J., Guan, K., Jung, S., Chowdhury, S. A., & Jansen, B. J. (2020). A Literature Review of Quantitative Persona Creation. CHI ’20: Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–14. https://doi.org/10.1145/3313831.3376502

Salminen, J., Jansen, B. J., An, J., Kwak, H., & Jung, S. (2018). Are personas done? Evaluating their usefulness in the age of digital analytics. Persona Studies, 4(2), 47–65. https://doi.org/10.21153/psj2018vol4no2art737

Salminen, J., Jansen, B. J., An, J., Kwak, H., & Jung, S. (2019). Automatic Persona Generation for Online Content Creators: Conceptual Rationale and a Research Agenda. In L. Nielsen (Ed.), Personas—User Focused Design (2nd ed., pp. 135–160). Springer London. https://doi.org/10.1007/978-1-4471-7427-1_8

Salminen, J., Jung, S., & Jansen, B. J. (2019). The future of data-driven personas: A marriage of online analytics numbers and human attributes. ICEIS 2019 – Proceedings of the 21st International Conference on Enterprise Information Systems, 596–603.

Salminen, J., Jung, S., & Jansen, B. J. (2020). Explaining Data-Driven Personas. Proceedings of the Workshop on Explainable Smart Systems for Algorithmic Transparency in Emerging Technologies Co-Located with 25th International Conference on Intelligent User Interfaces (IUI 2020), 7. https://doi.org/urn:nbn:de:0074-2582-4

Salminen, J., Jung, S., Santos, J. M., Chowdhury, S., & Jansen, B. J. (2020). The Effect of Experience on Persona Perceptions. Extended Abstracts of the 2020 CHI Conference on Human Factors in Computing Systems Extended Abstracts, 1–9. https://doi.org/10.1145/3334480.3382786

Salminen, J., Jung, S., Santos, J. M., Kamel, A. M., & Jansen, B. J. (2021). Picturing It!: The Effect of Image Styles on User Perceptions of Personas. Proceedings of ACM Human Factors in Computing Systems (CHI’21), 1–6. https://doi.org/10.1145/3411764.3445360

Salminen, J., Jung, S.-G., Chhirang, K., & Jansen, B. J. (2021). Instilling Knowledge Claims of Personas from 346 Research Articles. In Extended Abstracts of the 2021 CHI Conference on Human Factors in Computing Systems (pp. 1–9). Association for Computing Machinery. https://doi.org/10.1145/3411763.3451619

Salminen, J., Rao, R. G., Jung, S., Chowdhury, S. A., & Jansen, B. J. (2020). Enriching Social Media Personas with Personality Traits: A Deep Learning Approach Using the Big Five Classes. International Conference on Human-Computer Interaction, 101–120.

Salminen, J., Santos, J. M., Jung, S., Eslami, M., & Jansen, B. J. (2019). Persona Transparency: Analyzing the Impact of Explanations on Perceptions of Data-Driven Personas. International Journal of Human–Computer Interaction, 0(0), 1–13. https://doi.org/10.1080/10447318.2019.1688946

Salminen, J., Þengün, S., Jung, S.-G., & Jansen, B. J. (2021). Comparing Persona Analytics and Social Media Analytics for a User-Centric Task Using Eye-Tracking and Think-Aloud. CHItaly 2021: 14th Biannual Conference of the Italian SIGCHI Chapter, 1–8. https://doi.org/10.1145/3464385.3464734

Spiliotopoulos, D., Margaris, D., & Vassilakis, C. (2020). Data-Assisted Persona Construction Using Social Media Data. Big Data and Cognitive Computing, 4(3), Article 3. https://doi.org/10.3390/bdcc4030021

Watanabe, Y., Washizaki, H., Honda, K., Noyori, Y., Fukazawa, Y., Morizuki, A., Shibata, H., Ogawa, K., Ishigaki, M., Shiizaki, S., Yamaguchi, T., & Yagi, T. (2017). ID3P: Iterative Data-driven Development of Persona Based on Quantitative Evaluation and Revision. Proceedings of the 10th International Workshop on Cooperative and Human Aspects of Software Engineering, 49–55. https://doi.org/10.1109/CHASE.2017.9

Zhang, X., Brown, H.-F., & Shankar, A. (2016). Data-driven Personas: Constructing Archetypal Users with Clickstreams and User Telemetry. Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, 5350–5359.

Zhu, H., Wang, H., & Carroll, J. M. (2019). Creating Persona Skeletons from Imbalanced Datasets—A Case Study using U.S. Older Adults’ Health Data. Proceedings of the 2019 on Designing Interactive Systems Conference  – DIS ’19, 61–70. https://doi.org/10.1145/3322276.3322285