I clienti vengono spesso citati nel marketing e nella progettazione dei prodotti, ma non vengono quasi mai fatti bene.
Ci sono certamente aziende che le stanno facendo bene, ma non ci sono molti dettagli nelle istruzioni e i post sul blog su come costruire personaggi sono generalmente piuttosto cattivi.
Di recente ho creato degli utenti robusti per il CXL Institute (ispirandomi a un corso nel nostro programma di certificazione CRO tenuto da Stefania Mereu ed Eric Taylor), ed è andato bene.
Questo post descriverà l'intero processo, fornendo esempi di codice, esempi di analisi dei dati, domande del sondaggio – il tutto. Dovresti essere in grado di replicare questo processo dopo averlo letto (o almeno seguire le risorse nell'articolo per saperne di più su parti specifiche).
Sommario
Un rapido primer sui personaggi degli utenti
Che cos'è una persona utente? Un rappresentante archetipico basato sulla ricerca del tuo cliente basato su vari attributi, attitudini e caratteristiche.
Una delle migliori definizioni che ho trovato, che espone un po 'di più, proviene da Tony Zambito intorno al 2002:
Tony Zambito:
"I compratori sono rappresentazioni archetipiche (modellate) basate sulla ricerca chi i compratori sono, che cosa stanno cercando di realizzare che cosa gli obiettivi guidano il loro comportamento, Come pensano, Come comprano e perché prendono decisioni d'acquisto. (Oggi includo ora dove comprano pure quando gli acquirenti decidono di acquistare.) "
La prima menzione di personaggi è stata nel libro di Alan Cooper del 1991, I detenuti gestiscono l'asilo. Cooper incornicia le persone come un modo per evitare la progettazione per un utente "elastico", e quindi cementando una sorta di proprietà comune tra i segmenti per aiutare la strategia di progettazione coesiva. L'alternativa, un "utente elastico", sarebbe un obiettivo di progettazione che si estenda ai capricci del team di progettazione.
Sono anche conosciuti come acquirenti, clienti, profili clienti o solo persone a seconda di chi ti sta vendendo l'idea. Significano tutti la stessa cosa, però.
I personaggi sono essenzialmente rappresentazioni immaginarie di segmenti di acquirenti basati su dati reali che riflettono i loro comportamenti. Li usi per prendere decisioni migliori in termini di marketing, prodotti e affari e per mantenere i tuoi clienti al centro dell'attenzione.
Possono essere utilizzati tra i team: UX, CRO, social media, SEM, SEO, ecc., Possono tutti beneficiare di una migliore idea del cliente.
Laddove gli esperti di marketing tendono a sbagliare con gli utenti
Non tutti credono che gli utenti siano preziosi.
Hanno lanciato molti applausi, ma alcune tendenze hanno logorato il loro fascino con il tempo. Il primo, secondo il Dr. David Travis di UserFocus, è stato uno sviluppo agile:
Dr. David Travis:
I "team di sviluppo" si sono trasformati in team di "progettazione". Il coinvolgimento con gli utenti è diventato più una norma e meno un'eccezione. Questo è positivo per l'esperienza dell'utente, ma è una cattiva notizia per i personaggi "tradizionali".
I personaggi tradizionali hanno iniziato a sembrare troppo finiti, troppo definitivi. I team erano abbastanza esperti da sapere che descrizioni complete e complete degli utenti sono impossibili nelle prime fasi della progettazione. Invece, volevano iniziare la conversazione.
Per utilizzare la terminologia agile, i team di progettazione volevano ottenere una "comprensione condivisa" dei loro utenti ed erano sospettosi di qualsiasi tentativo di stabilire requisiti concreti ".
Un altro motivo è comune: gli esperti di marketing lo hanno rovinato per tutti. In sostanza, i personaggi erano in gran parte una parodia di se stessi, con dati inventati (o dati irrilevanti come il colore degli occhi di una persona). Hanno scattato foto di cattivo gusto e nomi cringey come Big Spender Billy.
Inoltre, l'adozione di personas da parte degli esperti di marketing ha portato alla sfiducia nella validità della metodologia da parte di designer e sviluppatori. Come diceva il dottor David Travis:
Dr. David Travis:
“I team di marketing hanno creato versioni di personaggi per rappresentare segmenti di mercato. Poiché hanno usato il termine magico "personas", i team di sviluppo sono stati scoraggiati dallo sviluppo del proprio, senza rendersi conto che un segmento di mercato potrebbe contenere più personas.
Più cinicamente, lo scopo delle persone di marketing è principalmente quello di vendere più cose, mentre le persone di progettazione devono rivelare i comportamenti dell'utente rilevanti per un prodotto. I team di sviluppo non hanno potuto utilizzare le persone di marketing per prendere decisioni di progettazione, quindi hanno deciso che le persone non erano così utili.
(Non è stato aiutato dal fatto che gli esperti di marketing sembrano affezionati a dare alla loro persona nomi sciocchi, come "Social Butterfly Brenda" o "Value Hunter Valerie", che tentano di comprimere la ricerca sfumata in un unico concetto. Ciò banalizza la ricerca, con conseguente designer che alzano gli occhi e scuotono la testa.) "
Il potere degli utenti svanisce quando le persone non si fidano di loro o non sono basate sulla realtà. Generalmente, il grande errore che i marketer commettono con i personaggi li sta trattando come una proiezione soggettiva di valori su alcune tele inutili. Più specificamente, ciò tende a rientrare in cinque categorie di errori:
- Compilazione dei dati;
- Utilizzando troppi dati irrilevanti;
- Utilizzando solo dati qualitativi;
- Utilizzando solo dati quantitativi;
- Credere che i tuoi personaggi siano perfettamente rappresentativi della realtà o che non cambino mai.
Puoi anche creare troppe persone (tre o quattro sono la quantità consigliata), ma non vedo spesso questo problema. Quello che vedo più spesso è una persona creata senza alcun tentativo di adattare quel modello alla realtà, o nessun caso d'uso nelle decisioni aziendali reali.
Ricorda: i tuoi personaggi sono buoni solo quanto la ricerca dietro di loro.
Un modo migliore per creare personaggi basati sui dati
Quindi, come possiamo superare questi errori e creare personaggi utente affidabili e attuabili?
Ci sono molte metodologie là fuori. Voglio notare ora che il modo in cui l'ho fatto non è l'unico modo valido. Potrebbe anche non essere (e probabilmente non lo è) il modo più sofisticato. Ma è veloce, efficace e supportato da dati.
Ancora meglio, chiunque può farlo, e di solito in meno di quattro settimane. Ciò ci consente di muoverci rapidamente e mantenere una strategia di progettazione del prodotto agile e una strategia di marketing agile. Non siamo resi compiacenti da troppe ricerche.
Si basa su una combinazione di dati qualitativi e quantitativi, di esplorazione e analisi. Ti allontanerai con le persone che puoi utilizzare per le decisioni di marketing, così come i dati per esplorare ulteriormente idee di copia, guida alla progettazione ed esperimenti di marketing.
Passaggio 1: delinea i tuoi obiettivi e pianifica il tuo approccio
Cosa vuoi sapere? Pianifica il tuo pubblico in questo passaggio. Chi sonderai e come li raggiungerai?
Ciò presuppone anche che tu abbia un certo livello di conoscenza dell'utente, vale a dire che non stai iniziando totalmente da zero.
Abbiamo fatto un'analisi abbastanza a lungo in Excel per trovare i nostri segmenti di clienti più preziosi e usiamo Intercom per tracciare i loro comportamenti comuni. Non abbiamo mai fatto un'analisi strutturata completa sulle correlazioni comportamentali (ad esempio, eseguendo analisi di regressione rispetto alle metriche di successo), ma sapevamo quale fosse il nostro "profilo cliente ideale" per la maggior parte e sapevamo quali profili di clienti valevano la maggior parte dei soldi per noi in generale.
Passaggio 2: scrivi il sondaggio e invialo al tuo pubblico
Scrivere il sondaggio è stata una delle parti più difficili per me. Si trattava di pensare a quali fossero i miei obiettivi con il progetto e di collegarli a domande che avrebbero prodotto risposte attuabili. Non solo, volevo rimuovere il pregiudizio dalle domande e anche mantenere il sondaggio abbastanza breve da consentire alla gente di accettarlo.
Se potessi tornare indietro, in realtà migliorerei un po 'le mie domande del sondaggio. Ecco da dove provengono i dati, è la parte su cui dovresti concentrarti di più. Misura due volte, taglia una volta qui e coinvolgi la tua squadra se puoi.
Abbiamo usato Typeform per inviare il sondaggio. Ecco una sezione delle domande reali:
Alcune erano domande categoriche come "Quale descrive meglio la tua azienda?"
Altri erano domande su scala come "Quando acquisti una formazione di marketing digitale, quanto sono importanti i seguenti fattori?" seguito da una serie di fattori come "costo," "Reputazione degli istruttori" e “Interattività”.
E abbiamo anche fatto alcune domande aperte come "Qual è l'abilità più stimolante utilizzata nel tuo lavoro?" e "Quali blog leggi regolarmente?" Questi sono stati i più preziosi, secondo me, per le idee di campagne di marketing attuabili.
Piccola nota sull'incentivazione: volevamo anche incentivare le persone a prenderla, e lo abbiamo fatto offrendo un regalo gratuito. Il nostro gioco specifico ha finito per essere un mal di testa logistico, per farla breve, fai quello che puoi per far sì che la gente lo prenda senza un regalo uno a uno. I dati sono preziosi, tuttavia, quindi trova un modo per ottenere dati di qualità.
Passaggio 3: esplorare i dati (parte 1: EDA in R)
Lascia scorrere i dati.
Una volta ottenute circa 300 risposte, puoi pensare ad analizzare i dati. Tuttavia, hai pianificato in anticipo le dimensioni del tuo campione, quindi è arbitrario. Ancora una volta, 300-1000 intervistati forniscono buoni dati. Puoi farlo con 150, probabilmente. Non esiste un numero magico qui, poiché ci sono molti pezzi in movimento (qualità del sondaggio, targeting del pubblico, le tue abilità di analisi dei dati) che contano più della semplice dimensione del campione.
I tuoi dati saranno simili a questi quando arriveranno tutti:
Deve essere organizzato nel modo giusto, con colonne come variabili di indagine e righe come risposte (o osservazioni) per un'analisi corretta. Non puoi avere celle vuote (valori NA). Esistono modi per rimuovere o riempire queste celle in Excel o in R o qualsiasi strumento statistico che usi.
Per questa parte, entreremo nell'analisi dei dati esplorativi in R. Se usi uno strumento di programmazione statistica diverso, va bene. Se non utilizzi nessuno di questi, ti perderai questo livello di analisi, ma puoi comunque utilizzare i dati che hai raccolto per creare personaggi piuttosto accurati (più accurati di quanto la maggior parte delle aziende costruisca).
Nota: quanto segue entra un po 'nelle erbacce. Tutto ciò che sto per discutere è fatto in R ed è allo scopo di analizzare i dati e, si spera, di spezzarli in "blocchi" che aiutano a trovare personaggi distinti. L'analisi PCA e dei fattori lo fa analizzando variabili / colonne e il clustering analizzando le righe (o le risposte). Non è possibile approfondire questi argomenti in un articolo, ma ho fornito link se vuoi saperne di più su di essi.
La prima cosa che faremo è l'analisi fattoriale esplorativa. L'obiettivo qui è identificare le relazioni sottostanti tra le variabili (in particolare, le colonne / domande del sondaggio). Fondamentalmente, possiamo trovare fattori che predicono come le persone risponderanno a determinate domande?
Ci sono molti modi per farlo in R, più comunemente la funzione factanal () pronta per l'uso. Un altro modo popolare è il pacchetto "psicologico", come indicato in questo post del blog.
Non ho ottenuto molto dall'analisi dei fattori, ma ho trovato alcuni schemi in tre fattori, sebbene non spiegassero gran parte della varianza dei dati. Quindi ho esplorato l'analisi delle componenti principali, che è simile e spesso confusa con l'analisi dei fattori ma concettualmente diversa.
Volevo vedere se la trama avrebbe chiarito le cose. Ecco il codice in R per quello (dove x è il tuo frame di dati):
pcanalisi <- prcomp (x, scala = VERO, centro = VERO)
plot (pcanalysis)
Ciò significa che esiste un componente che spiega una discreta quantità di varianza nei dati, ma in seguito si diffonde.
C'è altro di cui parlare con PCA (e analisi dei fattori), ma lo terrò conciso ai fini pratici di questo post. Ecco un buon articolo di spiegazione se vuoi leggere di più.
Successivamente, sono entrato nel clustering, che è come la PCA o il factoring ma tenta di raggruppare i dati in base alle osservazioni (le risposte al sondaggio o le righe nel foglio di calcolo). Questo è il pane e il burro per noi quando vogliamo trovare persone di utenti distinti, in quanto separa i nostri intervistati in blocchi in base al modo in cui rispondono alle cose.
Per prima cosa, assicurati di ridimensionare e centrare i tuoi dati se hai determinate variabili che sono molto più grandi di altre (abbiamo risposte su una scala da uno a cinque, ma anche conteggi dei dipendenti che vanno a oltre 50.000). Ecco come ho creato dati scalati e centrati e fatto il clustering gerarchico:
scaledpersonas <- scale (personas123, scale = TRUE, center = TRUE)
d <-dist (scaledpersonas)
c <- hclust (d)
plot (c)
Questo produce un dendrogramma, che è un diagramma ad albero usato per illustrare la disposizione dei cluster prodotti dal clustering gerarchico.
Era piuttosto disordinato, sebbene mostrasse alcuni cluster di alto livello e uno di alcuni livelli inferiori che avevano molti valori comuni.
Sono passato a una tecnica di cluster k-mean, che ti consente di scegliere il numero di cluster che desideri prima di eseguire l'analisi. Volevamo esplorare l'aspetto dei nostri cluster con 3-5 persone. Eccone tre:
Sembra abbastanza decente. Molte sovrapposizioni nel mezzo (a causa di risposte comuni a quelle che ora sembrano variabili ovvie come l'importanza della reputazione degli istruttori), ma anche unicità. Molto meglio che con quattro cluster:
Ecco come ho creato quei dati a proposito:
kmscaled <- kmeans (scaledpersonas, 4)
km <- kmeans (personas, 3)
kmscaled
E le visualizzazioni:
require (cluster)
clusplot (Personas,
kmscaled $ cluster,
color = TRUE,
ombra = VERO,
righe = 3,
etichette = 2)
Il clustering è stato più divertente. C'erano cluster abbastanza chiari, e per lo meno ho potuto esplorare alcune delle osservazioni individualmente per vedere cosa le distingue (in Excel).
Ciò mi ha permesso di aprire una nuova area di analisi dei dati perché sapevo che le persone erano in gran parte segmentate in base a una coppia di variabili (principalmente entrate dell'azienda, spesa annuale per la formazione e l'importanza di due o tre variabili quando si tratta di formazione ). Potrei buttare giù alcune tabelle pivot per esplorare il resto e vedere dove i cluster differivano in termini di domande attitudinali, e se c'erano delle variabili che mi mancavano.
Passaggio 4: esplorare i dati (parte 2: tabelle pivot ed Excel)
Sai come lavorare una tabella pivot, giusto?
Le tabelle pivot sono una funzionalità stupidamente semplice ma incredibilmente potente in Excel e assolutamente preziosa per l'esplorazione dei dati. Sono un po 'difficili da spiegare senza effettivamente vederne uno in azione, ma essenzialmente ti consentono di esplorare interattivamente i dati da diverse angolazioni posizionando variabili diverse in colonne / righe e analizzando medie, deviazione standard, somme, ecc.
Per questo progetto, sono stati meravigliosi, perché sono stato in grado di impostare diversi fogli di lavoro con gli intervistati che sono caduti in ciascun cluster dall'analisi sopra e vedere come hanno risposto a varie domande del sondaggio.
Come puoi vedere, allora potremmo confrontare i mezzi di diverse variabili in funzione di cose come titolo, esperienza lavorativa, dimensioni dell'azienda o anche se qualcuno ha un budget di formazione assegnato e pianificato.
L'ho fatto attraverso le persone (dal clustering) e ho confrontato i mezzi di diverse variabili per trovare le differenze chiave. Ho anche esplorato altri fattori, come quelli nel primo 15% della spesa di formazione annuale segnalata, o quelli con budget assegnati rispetto a quelli senza, per trovare dati comuni e diversi tra loro.
È difficile dare una spiegazione dettagliata perché fa solo parte del processo di "generazione di insight". Hai un'idea dei dati che desideri esplorare, un'idea di dove potresti trovare alcune informazioni interessanti ed esplori questi fattori. Come ho già detto, avevamo già molto da guardare con i nostri cluster statistici e un'idea abbastanza buona della nostra attuale composizione di clienti (e quali erano i migliori clienti in generale), quindi non è stato un duro processo di creazione di report e tabelle pivot.
In effetti, è stato divertente!
È inoltre possibile creare tabelle pivot che contengono più di una variabile di riga. Ecco quello che ho appena fatto che mostra la valutazione media di quanto sia importante il costo per 1) tipo di azienda e 2) anzianità del dipendente:
Alcuni di loro non risultano essere incredibilmente preziosi (il precedente è un esempio di questo), ma qui non c'è davvero niente come perdere tempo, soprattutto se stai solo imparando. Trascorrere molto tempo ad esplorare i dati. Cerca sorprese, cose che non ti aspettavi. Questo non è un chiaro processo "fai questo nel seguente ordine", sfortunatamente.
Passaggio 5: esplorare i dati (parte 3: qualitativa)
Nell'ambito del nostro sondaggio, abbiamo anche posto alcune domande aperte:
- Quali blog leggi?
- Qual è l'abilità più stimolante che usi nel tuo lavoro?
- Quale software usi quotidianamente?
- Qual è l'ultimo corso di formazione completato per il marketing digitale?
Questi hanno finito per essere i più preziosi per una serie di motivi, non ultimo quello dell'operabilità insito nelle domande che ci siamo posti.
Ad esempio, se siamo in grado di segmentare per persona e trovare blog comuni che ogni persona consuma regolarmente, sappiamo dove pubblicare, pubblicizzare o costruire partnership.
Se sappiamo con quale software utilizzano, sappiamo con chi collaborare per eventi, webinar e contenuti, sappiamo quali corsi specifici per strumenti insegnare e possiamo anche fare alcune campagne di sviluppo delle vendite basate sulla segmentazione del software.
Inoltre, i blog che leggono e ciò che considerano il loro compito più impegnativo dicono molto su chi sono.
Per cominciare, i dati saranno probabilmente un disastro. Le persone scriveranno "Google Analytics" dove gli altri scriveranno "GA" e ci saranno molte discrepanze come questa.
Quindi fai il possibile per ripulire questi dati qualitativi. Se desideri quantificare le informazioni, puoi codificare le risposte (Adobe Analytics e Google Analytics vanno entrambi nella categoria "analitica", ecc.).
C'è un intero corpus di pubblicazioni sull'analisi dei dati qualitativi. Se sei curioso, esaminalo (abbiamo un corso su di esso nel nostro programma di certificazione CRO). In caso contrario, sii scadente e usa i dati per informare i tuoi personaggi.
Abbiamo utilizzato le stesse segmentazioni di persona che avevamo scoperto negli ultimi due passaggi (quantitativi), ripulito i dati (nel miglior modo possibile) e creato nuvole di parole per avere una visione di alto livello di ciò che la gente diceva:
Questo passaggio ti aiuterà a cementare le differenze qualitative tra i tuoi personaggi. In realtà non è una brutta cosa se tutti leggono gli stessi blog o rientrano tutti in titoli di lavoro simili o in qualsiasi altra domanda aperta. Ma se sono diversi, puoi dedurre informazioni diverse su di essi.
Uno dei nostri personaggi era incredibilmente interessato ai blog CRO come il nostro, Unbounce e Optimizely. Un altro era pieno di contenuti di marketing generali come Fast Company, HubSpot e Inc. Un altro era un ibrido di roba CRO e roba incentrata sull'analisi come il rasoio di Occam. Facile per noi, questi corrispondevano leggermente alla segmentazione quantitativa che abbiamo trovato e, sicuramente, queste informazioni ci aiuteranno con il marketing e la pubblicità in futuro.
Passaggio 6: organizzare i dati in personalità ruvide ma distinte
A questo punto, conosci i tuoi dati come il palmo della tua mano. Vai a letto pensando a quali tabelle pivot puoi creare per ottenere nuove intuizioni e hai un'idea di come le tue persone si rompono nella realtà, non solo come vorresti che fossero.
È a questo punto che inizi a cristallizzarli in personaggi distinti. Trova i loro valori fondamentali. Forse hai trovato un gruppo di persone intorno ai componenti del sondaggio che enfatizzano il valore (rispetto alla qualità e quant'altro), leggono X blog e fanno più soldi del rispondente medio, ma spendono molto meno. Questi dettagli iniziano a formare una persona distinta.
Quello che hai qui è quasi finito. In effetti, se sei davvero pigro e non vuoi fare interviste individuali, puoi essere finito (dovresti comunque fare interviste individuali). A questo punto, puoi segmentare completamente i tuoi utenti in base a qualsiasi informazione richiesta nel tuo sondaggio (vedi perché all'inizio ho detto che la creazione del sondaggio è la parte più importante del processo?).
A questo punto avevamo tre personaggi piuttosto chiari. Non entrerò troppo nei dettagli, ma le persone sciolte erano quelle che volevano far crescere il loro business e avevano un vantaggio sulla concorrenza, coloro che erano auto-apprendisti ambiziosi ed erano determinati ad essere i migliori marketer a forma di T dell'1%, e quelli che gestivano i team e desideravano un'istruzione strutturata (e un chiaro ROI e monitoraggio dei progressi).
Da lì, abbiamo trovato alcuni clienti prototipici che assomigliavano molto alle persone immaginarie che avevamo creato e abbiamo chiesto loro di risparmiare 15-20 minuti per un'intervista telefonica individuale.
Passaggio 7: condurre interviste individuali
Sono un operatore di marketing, quindi sono principalmente interessato alle informazioni che posso utilizzare per la crescita e la pubblicità. Tuttavia, ho anche svolto un'analisi comportamentale (in-app) dei nostri clienti prima di impostare la ricerca sulla persona dell'utente e lavoro a stretto contatto con il nostro team di prodotti. Conducono anche interviste con i clienti, quindi le ho messe in pratica per uccidere due piccioni con una fava e condividere i dati tra i team.
Abbiamo pianificato una serie di domande che potrebbero aiutare sia il prodotto che il marketing. Sono deliberatamente aperti e progettati per stimolare emozioni e profondità:
- Qual è il tuo ruolo nella tua azienda? Spiegare ad alto livello e giorno per giorno.
- Carriera di fondo?
- Quanto è grande il tuo team di marketing? Come sono organizzati e distribuiti? Con chi lavori quotidianamente?
- In che modo la tua azienda organizza formazione e formazione continua?
- La formazione è motivata individualmente o assegnata a te?
- Chi nella tua azienda ha trovato CXL Institute? Come l'hai trovato?
- Cosa ti fa sentire di successo quando usi l'Istituto?
- Cosa ti ha fatto iscrivere?
- Qual è la più grande sfida al tuo lavoro?
- Da cosa sei motivato? cosa ti tiene sveglio la notte?
- Supponi di avere un genio e potresti magicamente sviluppare un'abilità nei prossimi anni, cosa vorresti?
- Usi o hai mai usato uno strumento di formazione come l'Istituto? Se sì, quali?
- Se hai utilizzato strumenti simili, come si sono confrontati in qualità e stile con l'istituto?
- Di chi consiglio ti fidi? Chi segui o chiedi quando hai una sfida?
Queste domande rappresentano un modello. In altre parole, questa non è una lista di controllo, è una conversazione. Prendi l'atteggiamento di un giornalista ed entra nella conversazione con un senso di curiosità ed esplorazione. Il punto è farlo sembrare diverso da un'intervista e più come una conversazione con un amico intimo.
Non vuoi risposte a livello di superficie, merda che puoi cercare nell'analisi dei prodotti.
Volete risposte da baraccone sulle loro paure di sembrare inferiori rispetto ai loro colleghi, le loro motivazioni nel far crescere i loro affari a $ 100 milioni all'anno, o le loro affermazioni dei leader di pensiero di cui si fidano e perché pensano che la maggior parte del settore sia pieno di hucksters, ma non tu.
Se lo fai bene – e c'è un'intera arte in esso – dovrebbe essere una delle parti più approfondite del processo. È davvero l'ornamento sulla base; hai già segmentato le persone di base in base a dati attitudinali e comportamentali e ora vuoi trovare trigger emotivi che ti aiutino con la strategia di messaggistica, il targeting emotivo e il design.
Questa fase dovrebbe richiedere alcuni giorni a una settimana, a seconda della velocità con cui è possibile organizzare e condurre queste interviste (abbiamo fatto le nostre in una settimana). Cerca di ottenere da due a cinque interviste per ogni persona distinta.
Passaggio 8: metti tutto insieme e condividi con il tuo team
Questo è tutto. Hai finito. Personaggi utente rapidi e sporchi, in sole 3-4 settimane. E puoi davvero usarli.
Progettali e comunicali in modo che vengano effettivamente condivisi con il team e utilizzati per il processo decisionale. È qui che puoi diventare creativo (non esiste un modo per farlo e certamente nessun modello prototipo). Ecco un modello di esempio che mi piace molto da buyerpersona.com:
Penso che questo esempio fornisca la maggior granularità e le informazioni fruibili, segmentando al contempo le informazioni con schede.
Eccone uno di Smart Insights:
Non credo che esista necessariamente un modo giusto o sbagliato di farlo, purché includa in modo conciso informazioni fruibili e le comunichi in modo efficace. Queste cose dovrebbero vivere da sole e non avere bisogno di ulteriori domande da parte dei compagni di squadra che non hanno visto tutti i dati personali
Puoi anche mapparli su Matrix di GE / McKinsey. Questo ti mostra quanto sia ideale il personaggio del cliente rispetto alla forza del tuo business case per loro, permettendoti di visualizzare dove sono le migliori opportunità per i futuri sforzi di marketing:
In alto a sinistra (Persona 3) significa che sono i nostri clienti più ideali, ma stiamo eseguendo il meno efficacemente sulla vendita a loro, e in basso a destra (Persona 1) significa che stiamo vendendo a queste persone il meglio, ma non lo sono il più ideale per la nostra attività. L'opportunità è quindi in Persona 2 e Persona 3.
Dopo questa è la parte divertente: l'esecuzione. Solo perché hai un bel poster sul muro con i tuoi utenti combattuti e ricercati non significa che non hai effettivamente fatto nulla. Tutta questa ricerca è sprecata se non la usi. Se non aiuta le decisioni di progettazione e di prodotto, lo stai facendo male. Se non cambi nulla del tuo marketing, lo stai facendo in modo sbagliato.
Avvertenze importanti
Alcune note:
- Questo non è l'unico modo per creare personas utente. Ci sono molti modi. Inoltre non c'è molta ricerca su quale metodo sia più efficace, ma tendo a schierarmi con quello con più obiettività, meno congetture e più rigore / struttura. Ecco perché mi piace questo approccio.
- Questo approccio lascia ancora alcuni fattori alla soggettività. Nel nostro, sapevamo che mentre la persona 3 rappresentava una porzione più piccola del nostro pubblico attuale, rappresentano il segmento di clienti di maggior valore. Quindi volevamo tenerli come persona, indipendentemente dalla loro rappresentazione inferiore in questo insieme di dati.
- Solo perché li fai non significa che saranno efficaci. Devi prima decidere i tuoi obiettivi nel realizzarli. Cosa ti permetteranno di fare queste informazioni in modo diverso?
- Questo è un processo fluido. Man mano che impari di più sui tuoi clienti, puoi modificare o modificare i tuoi personaggi. Dovresti. Una persona statica non è solo pigra, è quasi sicuramente non rappresentativa per il tuo cliente perché 1) non hai mai tutti i dati di cui hai bisogno in una volta, e 2) il profilo del tuo cliente cambia nel tempo.
Ho sentito che è consigliabile aggiornare le persone ogni sei o otto mesi circa. Lo faremo una volta all'anno. Fai ciò che funziona meglio per la tua organizzazione, ma continua a evolvere e migliorare.
Conclusione
Queste sono molte informazioni, ma se le prendi passo per passo, costruire persone precise basate sui dati non è difficile (e può essere realizzato in meno di un mese).
Realisticamente, non è necessario fare tutto ciò che ho descritto. Soprattutto se hai appena iniziato e non hai davvero scoperto Product / Market Fit, non dovresti investire così tanto in persone perché non significheranno nulla.
Abbiamo raggiunto un punto di trazione e abbiamo definito i profili dei clienti. L'aggiunta di personale utente supportato da dati quantitativi e qualitativi ci aiuta a produrre landing page, design e messaggistica, nonché roadmap di sviluppo prodotto, idee di targeting e partnership. Aggiunge davvero un livello di profondità al nostro marketing e aggiunge valore.
Anche se sei al livello in cui la creazione di persone aiuterà il tuo marketing, puoi probabilmente saltare il clustering e la PCA se non hai un analista disposto a farlo. Inoltre, questi metodi tendono ad essere meno chiari di quanto sembrino sulla carta, quindi è possibile ottenere informazioni più semplici con le tabelle pivot e alcune interviste con i clienti.
Mi rendo conto che questo articolo ha affrontato un sacco di argomenti diversi in modo relativamente rapido, quindi se hai ancora domande o desideri aiuto per creare i tuoi clienti, commenta di seguito e risponderò al meglio delle mie capacità.