هل الـ بيرسونا الاصطناعية هي الوضع الطبيعي الجديد لأبحاث المستخدمين؟

لقد غير الذكاء الاصطناعي كل جانب من جوانب التسويق - من إنشاء المحتوى إلى توليد الصور إلى أبحاث المستهلك. لقد وصلنا الآن إلى نقطة حيث تستخدم نماذج الذكاء الاصطناعي البيانات المُولدة بواسطة الذكاء الاصطناعي لتدريب نفسها. لماذا؟ لأنها نفدت من البيانات البشرية؛ الآلات لا تتعلم من الناس بل من آلات أخرى. بالطبع، مساعدات الذكاء الاصطناعي ليست مثالية بعد لكنها تتحسن كل يوم.

لذلك، ليس من المستغرب أن نماذج اللغة الكبيرة يمكن أن تحل محل الأشخاص الحقيقيين في الاستطلاعات والمقابلات والدراسات البحثية. يستخدم باحثو السوق بالفعل أدوات الذكاء الاصطناعي التوليدي مثل ChatGPT لإنشاء بيرسونا تركيبية يمكنها محاكاة ووصف و(أحيانًا) التنبؤ بنجاح بالسلوك البشري. الهدف بسيط: تقليل تكلفة التسويق مع تحسين تجارب المستخدم.

تتخلى بيرسونا التركيبية عن أبحاث المستهلك التقليدية، التي يعتقد المسوقون أنها ضرورية لفهم العملاء وبيع منتجاتهم. ومع ذلك، هذه الطرق مكلفة وتستغرق وقتًا طويلاً. الأهم من ذلك، أنها تتطلب ميزانيات كبيرة وموارد بشرية - أشخاص على استعداد للمشاركة في استطلاع والإجابة على أسئلتك. مع ارتفاع تكاليف التسويق وأصبح الناس أكثر حساسية حول نوع البيانات التي يشاركونها، غالبًا ما يجد باحثو السوق صعوبة في جمع معلومات العملاء الجيدة.

إنه هذا العائق - جمع ومعالجة وتحليل البيانات الديموغرافية والسلوكية للمستهلك - الذي تحاول بيرسونا التركيبية حله. على الرغم من أنها لا يمكن أن تحل محل البحث النوعي والكمي الذي يتضمن التفاعلات البشرية، إلا أنها يمكن أن تكمل طرق البحث الخاصة بك من خلال مساعدتك في الحصول على فكرة عامة عن رد الفعل الذي ستتلقاه منتجاتك أو حملاتك التسويقية واتخاذ قرارات مدروسة.

ما هي الشخصية الاصطناعية؟

الشخصية الاصطناعية هي عميل افتراضي تم إنشاؤه باستخدام الذكاء الاصطناعي وخوارزميات التعلم الآلي بناءً على البيانات الديموغرافية والنفسية والسلوكية للمستخدم. تقدم تمثيلاً دقيقاً لشريحة جمهور معينة، واصفة ما يحبون وما يكرهون وأفكارهم وتفضيلاتهم واحتياجاتهم وتحدياتهم. رغم أن المستخدمين الاصطناعيين يبدون مشابهين لـ بيرسونا العميل، إلا أنهم مختلفون من حيث إمكانية التفاعل معهم أو التحدث إليهم مباشرة.

لا يختلفون عن البشر الاصطناعيين الذين تنشئهم الشركات باستخدام توليد النماذج والتحريك المتطور. يمكن لهذه الأفاتار تتبع حركات العين والتعبيرات الوجهية واتساع حدقة العين لفهم المشاعر البشرية وتقديم تعليمات مفيدة (أو في بعض الحالات، بيع منتجاتهم أو خدماتهم).

اعتماداً على هدف دراستك البحثية، يمكنك إنشاء مجموعة متنوعة من الشخصيات الاصطناعية باستخدام ChatGPT أو مولدات الشخصيات الاصطناعية المخصصة مثل Delve AI. من السهل نسبياً إنشاؤها وهي أرخص من توظيف وإجراء البحوث مع أشخاص حقيقيين. لديك تحكم كامل في البيانات المدخلة في النظام ويمكنك طرح أسئلة متابعة لمواصلة المقابلة.

ملاحظة: يتطلب ChatGPT الكثير من التوجيه لفهم شريحة العملاء المناسبة وتبني شخصية المستخدم ذات الصلة.

لكي يعمل المستخدمون الاصطناعيون، تحتاج إلى ضمان وجود معايير. يجب التحقق من صحة بياناتك قبل إدخالها في أنظمة الذكاء الاصطناعي. يجب أيضاً التحقق من الشخصيات الناتجة ومقارنتها مع حالات الاستخدام الحقيقية قبل استخدامها.

كيف تعمل الشخصيات الاصطناعية للعملاء

الشخصية الاصطناعية هي منهجية حيث تقوم بتغذية كمية محددة من بيانات العملاء في نماذج اللغة الكبيرة (LLMs) مثل GPT-3 وتحثها على تبني "شخصية" عميل حقيقي بناءً على البيانات التي قدمتها. تحتوي هذه البيانات في الغالب على معلومات ديموغرافية مثل العمر والجنس والموقع، إلى جانب السمات النفسية، مثل سمات الشخصية والمواقف وأنماط الحياة والاهتمامات. يتم استخدام الشخصية المولدة بعد ذلك في استطلاعات العملاء لإعطاء ردود تشبه البشر.

الآن، دقة الشخصيات الاصطناعية تتناسب مباشرة مع جودة بيانات التدريب. كلما ارتفعت الجودة، تحسنت شخصياتك. إذا كانت بيانات الإدخال عامة وغير دقيقة، سيكون الناتج كذلك أيضاً.

بغض النظر عن مخاوف البيانات، يمكنك استخدام المستخدمين الاصطناعيين لمحاكاة مجموعة متنوعة من العملاء وسؤالهم عن احتياجاتهم ونقاط ألمهم وتحدياتهم المتعلقة بمنتجك أو خدمتك. يمكنك استخدامهم في البحث النوعي للحصول على رؤى المستخدم وبناء تصميمات المنتجات واختبار الإبداعات الإعلانية عبر جماهير مستهدفة متعددة.

البيانات الاصطناعية وأبحاث المستخدمين

في الماضي، كان الهاتف أداة أساسية لإجراء الاستطلاعات والمقابلات والمحادثات التجارية. أصبحت الاستطلاعات الهاتفية طريقة رائعة لجمع الرؤى من الناس. ومع تقدم التكنولوجيا ووصول الإنترنت، أصبح بإمكانك إجراء استطلاعات عبر الإنترنت.

بالانتقال إلى القرن الحادي والعشرين، لدينا بيانات المستهلك الاصطناعية التي تولدها خوارزميات الذكاء الاصطناعي والتعلم الآلي. تعلم أن نماذج اللغة الكبيرة تستوعب كمية هائلة من بيانات التدريب من الكتب والمجلات الأكاديمية والصحف وغيرها لتوليف استجابات شبيهة بالبشر في تنسيق نصي. يمكنها تلخيص النص والإجابة عن الأسئلة وحتى كتابة القصائد. نماذج اللغة الكبيرة هي كيانات تتعلم باستمرار - تتعلم من أخطائها.

تتيح لها قدرة معالجة البيانات والتعلم هذه تحليل بيانات المستهلك وبناء مستخدمين اصطناعيين والمساعدة في أبحاث المستخدمين من خلال توليد الاستجابات. على الرغم من أن البيانات الاصطناعية مستمدة من أحداث العالم الحقيقي، إلا أنها ليست مثل البيانات التي تجمعها من المشاركين في الاستطلاعات البشرية. إنها تكتسب شعبية لدى الشركات في الوقت الحاضر حيث يمكنهم اختبار السيناريوهات وإجراء المقابلات دون القلق بشأن قوانين خصوصية البيانات.

التكلفة والوقت يلعبان أيضاً دوراً كبيراً. كما تم شرحه من قبل، البحث الكمي والنوعي له تكاليف عالية مرتبطة به - تحتاج إلى معالجة البيانات، وجمع المستجيبين، وتحديد وقت، وإجراء مقابلات لاكتشاف الاتجاهات والأنماط في سلوك المستهلك. تساعد البيانات الاصطناعية الباحثين بسهولة في تطوير مسارات عمل جديدة ومحاكاة العديد من السيناريوهات.

يمكن للمساعدين الافتراضيين المدعومين بالذكاء الاصطناعي إجراء أبحاث المستخدمين من خلال إجراء مقابلات نيابة عنك - أحياناً بلغات متعددة، على مدار الساعة طوال أيام الأسبوع. يمكنهم تحليل استجابات المستهلكين لطرح أسئلة متابعة مخصصة. تساعد بيرسونا الاصطناعية أيضاً الباحثين الكميين في دراسة التركيبة السكانية التي يصعب الوصول إليها وملء البيانات والاستطلاعات المفقودة باستخدام قدرات تنبؤية متقدمة. يمكن تحليل شرائح الجمهور المتخصصة، دون تكاليف إضافية.

إنشاء مستخدمين افتراضيين مع Delve AI: بالإضافة إلى محفزات ChatGPT الأخرى

طريقة جيدة لفهم العملاء هي الاستماع إليهم - بناء ملف تعريف عميل أولي ومحاولة التعاطف معهم. لكن كيف تعمل هذه العمليات الثلاث؟ تحصل على تعليقات بشرية للاستماع، وتنشئ بيرسونا المشتري للتوصيف، وتطور خريطة رحلة العميل للتعاطف. الخطوة الرابعة، التفاعل، تعمل مع بيرسونا الدردشة.

Persona من Delve AI هو برنامج تسويق قائم على بيرسونا يساعدك في إنشاء بيرسونا لموقعك الإلكتروني والمنافسين وجماهير وسائل التواصل الاجتماعي. يغطي جميع الجوانب الأربعة المذكورة سابقاً - بيانات المستهلك، و بيرسونا، ورحلات المستخدم، وروبوتات دردشة المستخدم التفاعلية.

إليك الكيفية: يجمع برنامجنا بيانات الطرف الأول (تحليلات الويب، وحدة تحكم البحث، وبيانات CRM) وبيانات الطرف الثاني (تحليلات وسائل التواصل الاجتماعي ومعلومات المنافسين)، ثم يثريها بأكثر من 40 مصدر بيانات عام (مثل بيانات صوت العميل من المراجعات والتقييمات والتعليقات والمنتديات عبر الإنترنت والصحف) لإنشاء بيرسونا مدفوعة بالبيانات لك.

يتم إنشاء ثلاثة إلى سبعة بيرسونا اعتماداً على عملك، مع تمييز شرائح B2B بيرسونا باللون الأخضر و بيرسونا الـ B2C باللون الأزرق.

يوفر كل بيرسونا تفاصيل الـ بيرسونا والتوزيع ونماذج رحلات المستخدم لتحديد سمات وخصائص وسلوكيات شرائح جمهورك المرغوبة وغير المرغوبة. على سبيل المثال، ستتمكن شركات التجارة الإلكترونية من تحديد المرتدين والمتصفحين السلبيين والمتخلين عن عربة التسوق وشرائح المشترين ذوي القيمة العالية المميزة باللونين الأزرق والأحمر على التوالي.

توفر تفاصيل الـ PERSONA العمر والجنس والموقع والملف الوظيفي والأهداف والدوافع ونقاط الألم والقيم والاهتمامات والمهام المراد إنجازها والهوايات لتلك الشريحة المعينة. بالإضافة إلى ذلك، تحصل على رؤى حول شبكاتهم الاجتماعية المفضلة والعلامات التجارية ومواقع التجارة الإلكترونية والأدوات والبرامج التلفزيونية والأفلام وقنوات YouTube والبودكاست والفعاليات والمزيد.

تقوم علامة تبويب التوزيع بتجميع الشريحة حسب العمر والجنس والموقع واللغة وقنوات التسويق وأوقات النشاط عبر الإنترنت والإجراءات ومرحلة اتخاذ القرار. تعرض الرحلات النموذجية العدد الإجمالي للزوار، إلى جانب جلساتهم ومشاهدات الصفحات والتحويلات ومرحلة اتخاذ القرار التي يمر بها المستخدم. أفضل شيء في ذلك؟ يتم تحديث بيرسونا المولدة بالذكاء الاصطناعي ورحلات المستخدم الخاصة بك تلقائياً ببيانات العملاء في الوقت الفعلي.

والآن، دعونا نتحدث عن ميزة الدردشة مع بيرسونا التي سيتم إطلاقها قريباً. يوفر للمستخدمين القدرة على التفاعل مع شرائح العملاء عالية القيمة عبر الإنترنت. لوحة التحكم مشابهة لـ WhatsApp أو أي تطبيق مراسلة آخر. لديك شكوك تتعلق بمنتجك الجديد أو نسخ التسويق؟ ما عليك سوى زيارة منصتنا، واختيار الـ بيرسونا المستهدفة، وطرح السؤال. يمكنك أيضاً طرح سؤال مباشرة عبر Slack - كل ما عليك فعله هو دمج مساحة عمل Slack الخاصة بك مع Delve AI.

بروومبتس تشات جي بي تي لإنشاء بيرسونا اصطناعية

يمكن لـ ChatGPT معالجة كميات هائلة من البيانات غير المنظمة - البيانات الرقمية والملفات الوظيفية والأدبيات والأوراق البحثية والمنتديات والمراجعات والمواقع الإلكترونية - وتقديمها بشكل منطقي. وبالتالي، فهو بديل مجاني لإنشاء بيرسونا تفاعلية يمكنك استخدامها في أبحاث المستهلك.

إنه تمرين بسيط حقاً:

• قم بتحميل بيانات عملائك إلى ChatGPT
• وجهه لسرد القطاعات المحتملة
• حدد شريحة الجمهور التي تريد استهدافها
• اطلب من ChatGPT تبني بيرسونا لتلك الشريحة

يمكنك بعد ذلك أن تطلب من الـ بيرسونا أن يكون مشاركاً في جلسة استطلاع. لاحظ أن بيرسونا ChatGPT مفيدة فقط عندما يكون لديك ملفات تعريف عملاء واسعة وليس جمهوراً متخصصاً. إلا إذا كان لديك بالطبع بيانات نوعية وكمية كافية لـ ChatGPT لتكوين افتراضات.

هكذا يمكن أن تسير بروومبتس الخاصة بك:

البرومبت 1: قم بتحليل وتنظيم بيانات العملاء المقدمة، مع التركيز على السمات الديموغرافية والسلوكية والنفسية الرئيسية. لخص وأبرز أي اتجاهات أو أنماط واضحة عبر سمات العملاء المختلفة.

البرومبت 2: باستخدام هذه البيانات المنظمة، اذكر قطاعات العملاء المحتملة. قم بتسمية كل قطاع ووصف خصائصه المميزة بإيجاز، بما في ذلك اهتماماتهم وسلوكيات الشراء والتفاصيل الديموغرافية الأخرى الملحوظة.

البرومبت 3: من هذه القطاعات، ركز على [اسم القطاع]. قدم المزيد من التفاصيل حول دوافعهم الرئيسية ونقاط الألم النموذجية والتفاعلات المحتملة مع العلامة التجارية.

البرومبت 4: تبنى بيرسونا لعميل نموذجي من جمهور [اسم القطاع]. صف نمط حياتهم اليومي واهتماماتهم وقيمهم الأساسية واحتياجاتهم المحددة. تقمص شخصية هذه الـ بيرسونا لمزيد من التفاعل.

لا يمكن لـ ChatGPT فهم المعنى لذا لا يمكن استخدامه لإنشاء أنماط المعنى التي يوصلها المستخدمون الاصطناعيون إليك في دراسة ما. لا يساعدك على فهم المناهج المختلفة التي يتبعها الناس للوصول إلى هدف أو إكمال مهمة. لا يمكن للذكاء الاصطناعي استخدام المنتجات إذا فكرت في الأمر - يمكنه فقط التخيل. يمكنك إجراء اختبارات للتحقق من صحة أفكار منتجك ولكن قد يكون كل رأي إيجابياً - تهدف بيرسونا ChatGPT إلى إرضاء المحاور.

أجرت Emporia Research دراسة مقارنة بين ثلاث مجموعات من استجابات الاستطلاع: المستجيبون المتحقق منهم على LinkedIn، والمستخدمون الاصطناعيون الذين تم إنشاؤهم بواسطة الذكاء الاصطناعي بناءً على بيانات ملف LinkedIn المستهدف، والمستخدمون المستندون إلى بيرسونا تم إنشاؤها بواسطة الذكاء الاصطناعي تمثل صانعي القرار في تكنولوجيا المعلومات. وجدت دراستهم أن المستخدمين المصطنعين في مجال الأعمال بين الشركات الذين تم إنشاؤهم بواسطة الذكاء الاصطناعي يظهرون تحيزاً إيجابياً قوياً مقارنة بالمستجيبين الحقيقيين. إنهم يتبعون عقلية القطيع؛ كما أن جودة الرؤى ليست جيدة أيضاً.

البيرسونا الاصطناعية في العمل: حالات الاستخدام والأمثلة

يوضح ماركو سارستيدت استخدام البيرسونا الاصطناعية في البحث والتصميم في بحثه حول عينات السيليكون. استخدمها للحصول على تعليقات حول أسئلة الاستبيان وتحسين تصميم العبوات. بالإضافة إلى تطبيقاته، يمكن استخدام البيرسونا الاصطناعية أيضًا لحالات استخدام أخرى متعلقة بالتسويق والمنتجات.

التسويق والتقسيم والعلامات التجارية

يمكنك إنشاء نوعين من البيرسونا الاصطناعية: تلك التي تمثل العملاء الأفراد وتلك التي تمثل مجموعات من العملاء. يتيح لك كل منهما الحصول على معلومات حول سلوك المستخدم وتفضيلاته دون الوصول إلى بيانات العملاء الخاصة. إنها نقطة انطلاق جيدة للمحترفين غير المألوفين بجمهورهم المستهدف. يمكنك تطوير شرائح عملاء مختلفة لاختبار حملاتك وتحديد أيها يستجيب بشكل أفضل. وبالتالي، يمكنك تخصيص أصولك التسويقية ومحتواك ونصوصك لتناسب تفضيلات شرائح جمهورك المستهدف.

ما عليك سوى تحميل خططك التسويقية وتصاميمك الجرافيكية وفيديوهاتك وإعلاناتك للحصول على تعليقات في عملية تطوير الحملة. بعد تحميل موادك في النموذج، اطلب مدخلات من المستخدم الاصطناعي، مثل:

• هل يثير هذا الإعلان المصور السعادة أم الحزن (استبدله بالعاطفة المرغوبة)؟
• أين تفضل رؤية هذا الإعلان؟ على لوحات الإعلانات، فيسبوك، إنستجرام، أم لينكد إن؟
• هل تحب الرسالة العامة التي يحاول نص الإعلان نقلها؟
• ما مدى احتمالية استجابتك لحملة البريد الإلكتروني هذه؟

علاوة على ذلك، أضف بيانات أداء حملات التسويق السابقة للتحقق مما نجح وما لم ينجح - فهذا يمنح نموذج الذكاء الاصطناعي سياقًا أكثر للعمل به. سيتعين عليك تعديل توجيهاتك للحصول على مخرجات فعالة، لكن النتائج تستحق العناء. من يدري، قد يساعدك ذلك في إنشاء إعلان ينتشر بشكل فيروسي!

في تطوير المنتجات وتصميمها واختبارها

يتيح المستخدمون الاصطناعيون لفرق المنتجات التعاطف مع مستخدميهم وإنشاء منتجات وميزات ووظائف جديدة تتوافق مع احتياجات وتوقعات المستهلكين. يمكنك محاكاة سيناريوهات الاستخدام لتحديد المشكلات المحتملة والتأكد من أن منتجك يعمل بشكل جيد في مواقف مختلفة.

يمكن للشركات استخدامها للتحقق من صحة تصميمات منتجاتها قبل إطلاقها للجمهور. على سبيل المثال، يمكنهم اختبار مدى جودة عمل واجهة المستخدم والتفاعلات في بيئة خالية من المخاطر نسبيًا (لأنهم لن يضطروا إلى اختبارها على عملاء حقيقيين). سيساعدهم القيام بذلك في إجراء تحسينات على تجربة المستخدم الشاملة للمنتج، مما يقلل بشكل كبير من احتمالية ظهور مشكلات عند إطلاق المنتج رسميًا، وبالتالي جذب مستخدمين جدد وتقليل معدلات تسرب العملاء.

السؤال: إذا لم تتمكن من إجراء البحث، هل من المقبول استخدام "بيرسونا" صناعية؟ ربما نعم، وربما لا. يمكنك دائماً تعلم شيء جديد، بدلاً من عدم تعلم أي شيء على الإطلاق. ومع ذلك، فإن اتخاذ قرارات حاسمة في المنتج أو التسويق بناءً على بيانات صناعية ليس مثالياً.

لنفترض أن ميزتك الجديدة حققت نجاحاً مع عملائك الصناعيين. ثم تطلقها في السوق لكنها تفشل مع المستخدمين الفعليين. ماذا يحدث حينها؟ ستهدر الموارد وتخسر المال الذي كان من الأفضل إنفاقه في مكان آخر. لذا، تعامل دائماً مع استجاباتهم بشيء من الحذر.

تحديات المستخدمين الاصطناعيين

بغض النظر عن مدى تطور الذكاء الاصطناعي، هناك الكثير من القيود على المستخدمين الاصطناعيين أكثر مما يبدو للعين. يتم بناء بيرسونا الاصطناعية باستخدام نماذج التعلم الآلي، لذا فهي مفيدة جداً في السيناريوهات التي تكون فيها بيانات العملاء الفعلية نادرة أو محدودة. ومع ذلك، هناك بعض الأمور التي تحتاج إلى معرفتها قبل دمجها في سير عملك.

في البداية، تواجه بيرسونا الاصطناعية صعوبة في التقاط النطاق الكامل للسلوك والأفعال البشرية؛ يمكن أن تكون استجاباتهم مبسطة للغاية أو عامة أو منطقية. البشر ليسوا منطقيين دائماً - نحن نتأثر بعوامل داخلية وخارجية مختلفة (مثل تجاربنا الشخصية وشخصياتنا وآرائنا وقيمنا) التي تحكم طريقة عملنا واستجابتنا للأشياء.

أنظمة الذكاء الاصطناعي والتعلم الآلي، أسس بيرسونا الاصطناعية، لم تتمكن بعد من فهم هذه العوامل. على سبيل المثال، المستجيبون من الذكاء الاصطناعي يريدون دائماً إرضاء المحاور، وإكمال أي مهمة معطاة بالكامل، والإجابة على الأسئلة بالإيجاب (ظاهرة تسمى التملق). يقدمون إجابات أحادية البعد، ويبدو أنهم يهتمون بكل شيء؛ مقدمين قائمة طويلة من الاحتياجات والتحديات والاهتمامات. الناس ليس لديهم مثل هذه القوائم - إنهم يهتمون بأشياء محددة، وأشياء أخرى لا تخطر ببالهم.

في ورقتهم البحثية بعنوان "مدير وذكاء اصطناعي يدخلان حاناً: هل يتخذ ChatGPT قرارات متحيزة مثلنا؟" وجد تشين وآخرون أن ChatGPT غالباً ما يكون غير قادر على تكرار التأثيرات التي تميز سلوك العملاء، مثل مغالطة التكلفة الغارقة. يستمر الناس في المزايدة على عنصر حتى بعد تجاوز السعر قيمته، فقط لأنهم يريدون الفوز بالمزاد. كما أنه لا يوجد تسلسل هرمي في إجاباتهم - كيف تفهم ما هو مهم وما هو غير مهم؟

مصدر قلق آخر هو البيانات المستخدمة لإنشاء بيرسونا الاصطناعية؛ إذا كانت بيانات التدريب متحيزة، فستحتوي الاستجابات على قوالب نمطية وتديمها. كما أن ندرة البيانات تجعل من الصعب تمثيل المستخدمين غير الممثلين أو المهمشين. التحقق صعب أيضاً. ليس من السهل اختبار المستخدمين الاصطناعيين مقابل المواقف والنتائج الواقعية. يحتاجون إلى مراقبة مستمرة وتحديث والتحقق من صحة البيانات الحقيقية للمستخدم. نتحدث عن بيانات مجهولة المصدر ولا تكشف عن معلومات العملاء الحساسة.

حتى لو تم التحقق من كل هذه الأشياء في قائمة المراجعة الخاصة بك، فقد يكون دمج المستخدمين الاصطناعيين في أنظمتك الحالية صعباً. بعيداً عن مشاكل البيانات والمشاكل التقنية، قد يكون إقناع أصحاب المصلحة المتشككين بفائدتها أكبر تحدٍ لك. أسوأ من ذلك، قد تعتاد شركتك على استخدام عملاء اصطناعيين لأبحاث المستخدمين ولا تريد الاستثمار في العملاء الحقيقيين.

مستقبل بيرسوناز المستخدم الاصطناعية

تكشف البيرسوناز الاصطناعية عن رؤى غير معروفة حول عملائك. ولكن هل يمكننا الوثوق بالبيانات الاصطناعية؟ هل هي موثوقة، هل هي أخلاقية؟ لا أحد يعلم. يقول البعض إنها مستقبل أبحاث المستخدم، ويقول آخرون إنها تفتقر إلى الدقة والتنوع الموجود عادةً في المشاركين البشريين. ومع ذلك، في عالم تكلف فيه أبحاث السوق الكثير، تعد البيرسوناز الاصطناعية طريقة فعالة من حيث التكلفة لفهم عملائك.

يمكنك التعرف على مجموعة مستخدمين جديدة، واهتماماتهم، وطريقة سلوكهم عبر الإنترنت، وتطوير بروتو-بيرسوناز ورحلات المستخدم التي يمكن أن تساعدك مع المستخدمين الحقيقيين. مثل أي اختراع آخر، تأتي بيرسوناز المستخدم الاصطناعية مع قائمة من الإيجابيات والسلبيات، ولكن إذا تم تنفيذها بشكل جيد، فإن الأولى تفوق الأخيرة بكثير.