Hvad er et Persona
Et persona er en generaliseret beskrivelse af hvad der kendetegner en gruppe mennesker. Det vigtigste persona for de fleste virksomheder er den ideelle kundegruppe (altså dem som køber mest), men der kan tit være behov for at udarbejde personaer for andre grupper så som:
- Kundesegmenter
- Brugergrupper
- Stakeholders
- Leads
Det smarte ved et persona er at det “sætter ansigt” på de mennesker som udgør gruppen, således at man bedre kan forstå hvem man kommunikere til. Uden hjælp fra personaer bliver det gætværk og mavefornemmelser når man målretter sin kommunikation. Og forstår man ikke dem man “taler” til ender man hurtigt med kommunikation som ikke er relevant for modtageren.
Vi opererer med to slags personaer, de Skræddersyede og de Generiske, vi beskriver begge nedenfor.
Generiske personaer:
Generiske personaer udarbejdes ved at matche alle individer i et segment op med en prædefineret kortlægning af personaer og nabolag. Hvert nabolag tilhøre et eller flere standard persona(er) og det eller de personaer som er bedst repræsenteret definere så segmentets persona.
I Danmark har vi forskellige paradigmer for generiske personaer fx Conzoom® og Mosaic®, som begge har lige under 50 personaer i sig. Hvert persona er defineret baseret sociodemografsike forhold (fx alder, indkomst, familie, uddannelse, bolig osv) og en række spørgeskemaanalyser. Hvert generisk persona har en kvalitativ beskrivelse / et narrativ (fx “landlig hygge”) og en sociodemografisk fordelingsnøgle (fx børnefamilier med hus og to biler).
Oftest vil et paradigme for generiske personaer og dets mapping i sig selv udgøre en generaliseret segmenteringsmodel.
Fordelen ved at anvende generiske personaer er at de er generelle og færdigudviklet. Det er smart for konsulenter som arbejder med mange forskellige cases så de derfor hurtigt kan opsætte nye personaer og allerede ved hvordan man arbejder med dem.
Ulempen med de generiske personaer er at eftersom de er designet for at kunne bruges i alle brancher ender de meget sjældent med at passe 100%.
Skræddersyede personaer:
Skræddersyede personaer bliver udarbejdet specifikt for hvert af virksomhedens segmenter. Nedenfor er der en skridtvis gennemgang af hvordan man udarbejder og anvender skræddersyede personaer.
Fordelen ved skræddersyede personaer er at de giver et mere retvisende billede af de personer det beskriver og derfor performer bedre end de generiske.
Ulemperne er at de ikke er bedre end de kundedata de udarbejdes på baggrund af (læs om berigelse af kundedata her) desuden kommer de heller ikke med prædifineret storytelling.
Udarbejdelse af Skræddersyede Personaer
I den ideelle verden starter man med at opdele sine kunder i en række kundesegmenter hvorefter man bygger en kundesegmenteringsmodel og ud fra modellen kan man så trække virksomhedens helt egen skræddersyede personaer. Ønskes en adfærdsmæssig forståelse kan der suppleres med en spørgeskema- eller fokusgruppeanalyse.
Fire teknikker til at beskrive personaer
Personaer fra korrelationsanalyse:
Har man struktureret kundedata fx i en CDP eller er man i stand til at lokalisere sine kunder (for derved at muliggøre berigelse af førsteparts kundedata), så kan man ved hjælp af de fleste statistisk software (fx Python eller R) udføre en simpel korrelations analyse.
En korrelations analyse finder sammenhængene imellem alle ens kundedata og de segmenter man undersøger. Derved finder man ud af indflydelsen for hver eneste kundekarakteristika. Fx hvor stor en rolle køn, uddannelse, indkomst hver især spiller.
Med korrelationsanalyse får man “to dimensioner af indsigt for hver karakteristika”, den første er hvorvidt der er positivt eller negativ korrelation og den anden er om korrelationen er stærk eller svag.
Et forsimplet eksempel: korrelationsanalyse af “Stamkunder for en dametøjsforretning” beskriver følgende persona:
Positiv korrelation: Kvinder, +35 år og Mellemhøj indkomst
Ingen korrelation: <34 år og Høj indkomst
Negativ korrelation: Mænd og Lav indkomst
Dvs personaet for dametøjsbutikken er “ældre middelklasse kvinder”.
Personaer fra explainability – AI-segmenteringsmodel:
Har man implementeret kunstig intelligens i sin segmenteringsmodel, så findes der et helt data-science felt som hedder explainability. Som handler om at trække “forståelig viden” ud af måden algoritmerne har tilpasset sig til data.
Vi kommer ikke ind på hvordan explainability fungere her. Men det kræver oftest ikke meget ekstraarbejde når man først har trænet sin AI-model.
Explainability kan på samme måde som med korrelationsanalyse kategorisere alle karakteristika efter “positiv/negativ” og “stærk/svag”, den desuden får man en ekstra dimension, nemlig “rangering”.
Med explainability ville man kunne udbygge ovenstående persona således:
Positiv korrelation: 1 Kvinder, +35 år og 2 Mellemhøj indkomst
Ingen korrelation: <34 år og Høj indkomst
Negativ korrelation: 1 Mænd og Lav indkomst
I dette tænkte eksempel har vi fået lidt yderligere viden nemlig at det vigtigste er at det “er kvinder, ikke mænd“ og det næstvigtigste er at “det er middelklasse“, men at fx alder ikke spiller helt så stor en rolle.
Personaer fra spørgeskemaundersøgelser:
Spørgeskemaer er en god måde at indsamle de data der skaber grundlag for sine personaer. Især i tilfælde hvor enten:
- ikke kan lokalisere sine kunder (derfor ikke kunne berige sine førstepartsdata)
- har behov for at belyse flere forhold end hvad der er praktisk indsamle
- eller har en ressourcelet måde at indsamle og bearbejde spørgeskemaerne på
Der er to tilgange, enten designer man sin spørgeskemaanalyse så den dækker flere personaer/segmenter eller alternativt designe individuelle spørgeskemaer til hver persona/segment.
Har man et skema til flere personaer er det vigtigt at der er et spørgsmål som segmentere respondenten (“ala hvilket af følgende produkter/services har du købt fra os”).
Mange virksomheder har mulighed for selv at sende spørgeskemaer ud forholdsvist billigt igennem egne kanaler direkte til sine kunder (det hjælper på svarraten hvis man lokker med en præmie eller en voucher). Med fx Google Forms der er gratis kommer man rigtig langt.
Ønsker man at hyre et etableret analysebureau til at udsende skemaerne, bliver det straks dyrere. Til gengæld kan man trække på deres kompetencer og undgå en række faldgruber angående “statistisk usikkerhed”, hvorvidt ens “panel er repræsentativt” og om ens “spørgsmål er formuleret korrekt mht at fange de data man søger”.
Man kan typisk dække et homogent segment med et par hundrede respondenter, hvor et mere heterogent segment kræver over 1000 respondenter.
Personaer fra fokusgrupper:
Fokusgrupper er oftest den mest omfattende måde at lære sit segment at kende på, men det er også den mest grundige måde at forstå hvad der motivere en gruppe mennesker på. Desuden er det den eneste måde systematisk at opsøge de narrativer/den storytelling man senere knytter til personaerne.
Fokus grupper går ud på at interviewe et repræsentativt udsnit af sit segment. For at opnå den bedste effekt skal man fysisk sidde i rum med grupper på 4-7 personer af gangen og passivt lytte til dem diskutere en række spørgsmål man på forhånd har formuleret.
For meget homogene segmenter kan man nøjes med 1-3 grupper, hvor segmenter med mere diversitet kræver 3-6 grupper.
Grundet de mange faldgruber, anbefales der altid at bruge en specialiseret leverandør til fokusgruppeanalyser.