Les Personas Synthétiques sont-ils la Nouvelle Norme de la Recherche Utilisateur ?

L'intelligence artificielle a transformé chaque aspect du marketing - de la création de contenu à la génération d'images en passant par l'étude des consommateurs. Nous sommes maintenant arrivés à un point où les modèles d'IA utilisent des données générées par l'IA pour s'entraîner eux-mêmes. Pourquoi ? Parce qu'ils ont épuisé les données humaines ; les machines n'apprennent plus des humains mais d'autres machines. Bien sûr, les assistants IA ne sont pas encore parfaits mais ils s'améliorent chaque jour.

Il n'est donc pas surprenant que les grands modèles de langage puissent remplacer les personnes réelles dans les sondages, les entretiens et les études de recherche. Les chercheurs en marketing utilisent déjà des outils d'IA générative comme ChatGPT pour créer des personas synthétiques qui peuvent imiter, décrire et (parfois) prédire avec succès le comportement humain. L'objectif est simple : réduire les coûts du marketing tout en améliorant l'expérience utilisateur.

Les personas synthétiques éliminent la recherche traditionnelle sur les consommateurs, que les spécialistes du marketing considèrent comme essentielle pour comprendre les clients et vendre leurs produits. Cependant, ces méthodes sont coûteuses et chronophages. Plus important encore, elles nécessitent des budgets importants et des ressources humaines - des personnes qui sont prêtes à participer à un sondage et à répondre à vos questions. Avec l'augmentation des coûts de marketing et la sensibilité croissante des gens concernant le type de données qu'ils partagent, les chercheurs en marketing ont souvent du mal à collecter des informations clients de qualité.

C'est ce goulot d'étranglement - la collecte, le traitement et l'analyse des données démographiques et comportementales des consommateurs - que les personas synthétiques tentent de résoudre. Bien qu'ils ne puissent pas remplacer la recherche qualitative et quantitative impliquant des interactions humaines, ils peuvent compléter vos méthodes de recherche en vous aidant à avoir une idée générale de la réaction que vos produits ou campagnes marketing recevront et à prendre des décisions éclairées.

Qu'est-ce qu'un Persona Synthétique ?

Un persona synthétique est un client virtuel créé à l'aide d'AI et d'algorithmes d'apprentissage automatique basés sur les données démographiques, psychographiques et comportementales des utilisateurs. Il fournit une représentation précise d'un segment d'audience spécifique, décrivant leurs goûts, aversions, pensées, préférences, besoins et défis. Bien que les utilisateurs synthétiques semblent similaires aux personas clients, ils sont différents dans le sens où vous pouvez directement interagir ou parler avec eux.

Ils ne sont pas différents des humains AI créés par des entreprises utilisant la génération de modèles et la manipulation sophistiquée. Ces avatars peuvent suivre les mouvements des yeux, les expressions faciales et la dilatation des pupilles pour comprendre les émotions humaines et offrir des instructions utiles (ou dans certains cas, vendre leurs produits ou services).

Selon l'objectif de votre étude, vous pouvez créer un ensemble diversifié de personas synthétiques en utilisant ChatGPT ou des générateurs de personas AI dédiés comme Delve AI. Ils sont assez faciles à créer et sont moins coûteux que le recrutement et la recherche avec des personnes réelles. Vous avez un contrôle total sur les données introduites dans le système et pouvez poser des questions de suivi pour faire avancer l'entretien.

Note : ChatGPT nécessite beaucoup d'incitations pour comprendre le bon segment de clientèle et adopter le persona utilisateur correspondant.

Pour que les utilisateurs synthétiques fonctionnent, vous devez vous assurer qu'il existe des normes en place. Vos données doivent être validées avant d'être introduites dans les systèmes AI. Les personas résultants doivent également être vérifiés et comparés à des cas d'utilisation réels avant de les utiliser.

Comment fonctionnent les clients synthétiques

Un persona synthétique est une méthodologie où vous introduisez une quantité sélectionnée de données client dans des modèles de langage large (LLMs) comme GPT-3 et l'incitez à adopter le "persona" d'un client réel basé sur les données que vous avez fournies. Ces données contiennent principalement des informations démographiques comme l'âge, le genre et la localisation, ainsi que des attributs psychographiques, tels que les traits de personnalité, les attitudes, les modes de vie et les intérêts. Le persona généré est ensuite utilisé dans des enquêtes clients pour donner des réponses semblables à celles d'un humain.

Maintenant, la précision des personas synthétiques est directement proportionnelle à la qualité des données d'entraînement. Plus la qualité est élevée, meilleurs sont vos personas. Si vos données d'entrée sont génériques et imprécises, la sortie le sera également.

Mis à part les préoccupations concernant les données, vous pouvez utiliser des utilisateurs synthétiques pour simuler une gamme diverse de clients et les interroger sur leurs besoins, points de douleur et défis concernant votre produit ou service. Vous pouvez les utiliser dans la recherche qualitative pour obtenir des insights utilisateurs, construire des designs de produits et tester des créatifs publicitaires à travers plusieurs audiences cibles.

Données synthétiques et recherche utilisateur

Autrefois, le téléphone était un outil essentiel pour mener des sondages, des entretiens et des conversations d'affaires. Les sondages téléphoniques sont devenus un excellent moyen de recueillir des informations auprès des gens. Avec l'avancement de la technologie et l'arrivée d'Internet, vous pouviez alors mener des sondages en ligne.

Avançons au 21e siècle, et nous avons des données de consommation synthétiques générées par des algorithmes d'AI et de ML. Vous savez que les LLMs digèrent une énorme quantité de données d'entraînement provenant de livres, de revues académiques, de journaux et plus encore pour synthétiser des réponses semblables à celles des humains dans un format textuel. Ils peuvent résumer des textes, répondre à des questions et même écrire des poèmes. Les LLMs sont des entités en apprentissage continu—ils apprennent de leurs erreurs.

Cette capacité de traitement et d'apprentissage leur permet d'analyser les données des consommateurs, de créer des utilisateurs synthétiques et d'aider à la recherche utilisateur en générant des réponses. Bien que les données synthétiques soient dérivées d'événements réels, elles ne sont pas identiques aux données que vous collectez auprès des répondants humains. Elles gagnent en popularité auprès des entreprises aujourd'hui car elles peuvent tester des scénarios et mener des entretiens sans se soucier des lois sur la protection des données.

Le coût et le temps jouent également un grand rôle. Comme expliqué précédemment, les recherches quantitatives et qualitatives impliquent des coûts élevés – vous devez traiter les données, rassembler les répondants, fixer un horaire et mener des entretiens pour découvrir les tendances et les modèles dans le comportement des consommateurs. Les données synthétiques aident facilement les chercheurs à développer de nouveaux flux de travail et à simuler plusieurs scénarios.

Les assistants virtuels alimentés par l'AI peuvent effectuer des recherches utilisateurs en interrogeant les gens en votre nom – parfois en plusieurs langues, 24h/24 et 7j/7. Ils peuvent analyser les réponses des consommateurs pour poser des questions de suivi personnalisées. Les personas synthétiques aident en plus les chercheurs quantitatifs à étudier des données démographiques inaccessibles et à compléter les données et sondages manquants en utilisant des capacités prédictives avancées. Les segments d'audience de niche peuvent être analysés, sans frais supplémentaires.

Créer des Utilisateurs Synthétiques avec Delve AI : Plus d'Autres Prompts ChatGPT

Une bonne façon de comprendre les clients est de les écouter – construire un profil client approximatif et essayer d'avoir de l'empathie pour eux. Mais comment fonctionnent ces trois processus ? Vous obtenez des retours humains pour écouter, créez un persona acheteur pour caractériser, et développez une carte du parcours client pour l'empathie. La quatrième étape, l'interaction, fonctionne avec les ChatGPT personas.

Persona par Delve AI est un logiciel de marketing basé sur les personas qui vous aide à créer des personas pour votre site web, vos competitor personas, et vos social personas. Il couvre les quatre aspects mentionnés précédemment – données consommateurs, personas, parcours utilisateurs, et chatbots utilisateurs interactifs.

Voici comment : notre logiciel rassemble vos données propriétaires (analytique web, console de recherche et données CRM) et données secondaires (analyses sociales et veille concurrentielle), puis les enrichit avec plus de 40 sources de données publiques (par exemple, données Voice of Customer provenant d'avis, évaluations, commentaires, forums en ligne et journaux) pour créer des personas basés sur les données.

Trois à sept personas sont générés selon votre entreprise, avec des segments de personas acheteurs B2B surlignés en vert et des personas B2C surlignés en bleu.

Chaque persona fournit des détails, une distribution et des exemples de parcours utilisateur pour déterminer les traits, caractéristiques et comportements de vos segments d'audience désirables et non désirables. Par exemple, une entreprise e-commerce pourra identifier les visiteurs qui rebondissent, les navigateurs passifs, les abandons de panier et les segments d'acheteurs à haute valeur marqués respectivement en bleu et rouge.

Les DÉTAILS DU PERSONA présentent l'âge, le genre, la localisation, le profil professionnel, les objectifs, les motivations, les points de douleur, les valeurs, les intérêts, les tâches à accomplir et les loisirs de ce segment particulier. De plus, vous obtenez des insights sur leurs réseaux sociaux, marques, sites e-commerce, outils, émissions TV, films, chaînes YouTube, podcasts, événements préférés, et plus encore.

L'onglet DISTRIBUTION regroupe le segment par âge, genre, localisation, langue, canaux marketing, horaires d'activité en ligne, actions et étape de prise de décision. Les EXEMPLES DE PARCOURS affichent le nombre total de visiteurs, ainsi que leurs sessions, pages vues, conversions et l'étape de prise de décision où se trouve l'utilisateur. Le meilleur ? Vos personas générés par l'IA et parcours utilisateurs sont automatiquement mis à jour avec des données clients en temps réel.

Maintenant, passons à notre fonctionnalité chat avec personas bientôt lancée. Il offre aux utilisateurs la possibilité d'interagir avec des segments de clientèle à haute valeur en ligne. Le tableau de bord est similaire à WhatsApp ou à toute autre application de messagerie. Vous avez des doutes concernant votre nouveau produit ou votre copie marketing ? Il suffit de visiter notre plateforme, de sélectionner votre persona cible et de poser la question. Vous pouvez également poser directement une question via Slack - il vous suffit d'intégrer votre espace de travail Slack avec Delve AI.

Prompts ChatGPT pour créer des personas synthétiques

ChatGPT peut traiter de vastes quantités de données non structurées – données numériques, profils d'emploi, littérature, articles de recherche, forums, critiques et sites web – et les présenter de manière logique. En tant que tel, c'est une alternative gratuite pour créer des personas interactifs que vous pouvez utiliser dans la recherche sur les consommateurs.

C'est vraiment un exercice simple :

• Téléchargez vos données client dans ChatGPT
• Dirigez-le pour énumérer les segments possibles
• Sélectionnez le segment d'audience que vous souhaitez cibler
• Invitez ChatGPT à adopter le persona de ce segment

Vous pouvez ensuite demander au persona de participer à une session d'enquête. Notez que les personas ChatGPT ne sont utiles que lorsque vous avez des profils clients larges et non un public de niche. Sauf si, bien sûr, vous avez suffisamment de données qualitatives et quantitatives pour que ChatGPT forme des hypothèses.

Voici comment vos prompts peuvent se dérouler :

Prompt 1: Analysez et structurez les données clients fournies, en vous concentrant sur les attributs démographiques, comportementaux et psychographiques clés. Résumez et soulignez les tendances ou modèles clairs à travers différents attributs clients.

Prompt 2: En utilisant ces données structurées, listez les segments clients possibles. Nommez chaque segment et décrivez brièvement leurs caractéristiques distinctives, y compris leurs intérêts, comportements d'achat et autres détails démographiques notables.

Prompt 3: Parmi ces segments, concentrez-vous sur [Nom du Segment]. Donnez plus de détails sur leurs motivations principales, points de douleur typiques et interactions potentielles avec la marque.

Prompt 4: Adoptez le persona d'un client typique du public [Nom du Segment]. Décrivez leur mode de vie quotidien, leurs intérêts, leurs valeurs clés et leurs besoins spécifiques. Assumez le caractère de ce persona pour une interaction ultérieure.

ChatGPT ne peut pas comprendre le sens, il ne peut donc pas être utilisé pour créer des modèles de signification que les utilisateurs synthétiques vous communiquent dans une étude. Il ne vous aide pas à comprendre les différentes approches que les gens adoptent pour atteindre un objectif ou accomplir une tâche. L'IA ne peut pas utiliser les produits si vous y réfléchissez - elle peut juste imaginer. Vous pouvez effectuer des tests pour valider vos idées de produits mais chaque opinion pourrait être simplement positive - les personas ChatGPT visent à satisfaire l'intervieweur.

Emporia Research a mené une étude comparative entre trois groupes de réponses d'enquête : des répondants vérifiés LinkedIn, des utilisateurs synthétiques générés par l'IA basés sur des données de profil LinkedIn cibles, et des utilisateurs basés sur des personas générés par l'IA représentant des décideurs informatiques. Leur étude a révélé que les utilisateurs synthétiques B2B générés par l'IA affichent un fort biais positif par rapport aux répondants réels. Ils suivent une mentalité de troupeau ; la qualité des insights n'est pas non plus très bonne.

Personas Synthétiques en Action : Cas d'Utilisation et Exemples

Marko Sarstedt illustre l'utilisation des personas synthétiques dans la recherche et le design dans sa recherche sur les échantillons de silicium. Il les a utilisés pour obtenir des retours sur les questions d'enquête et affiner la conception des emballages. Outre ses applications, les personas synthétiques peuvent également être utilisés pour d'autres cas d'utilisation liés au marketing et aux produits.

Marketing, segmentation et image de marque

Vous pouvez créer deux types de personas synthétiques : ceux représentant des clients individuels et ceux représentant des groupes de clients. Chacun vous permet d'obtenir des informations sur le comportement et les préférences des utilisateurs sans accéder aux données privées des clients. C'est un bon point de départ pour les professionnels qui ne connaissent pas leur public cible. Vous pouvez développer différents segments de clientèle pour tester vos campagnes et identifier ceux qui répondent le mieux. Par conséquent, vous pouvez personnaliser vos supports marketing, contenus et textes pour correspondre aux préférences de vos segments de public cible.

Il suffit de télécharger vos plans marketing, designs graphiques, vidéos et publicités pour obtenir des retours dans le processus de développement de la campagne. Après avoir chargé votre matériel dans le modèle, demandez à l'utilisateur synthétique des contributions, comme :

• Cette publicité vidéo évoque-t-elle le bonheur ou la tristesse (remplacez par l'émotion souhaitée) ?
• Où aimeriez-vous voir cette publicité ? Sur des panneaux d'affichage, Facebook, Instagram ou LinkedIn ?
• Aimez-vous le message global que le texte publicitaire essaie de transmettre ?
• Quelle est la probabilité que vous répondiez à cette campagne par e-mail ?

De plus, ajoutez les données de performance des campagnes marketing passées pour vérifier ce qui a fonctionné et ce qui n'a pas fonctionné – cela donne plus de contexte au modèle d'IA. Vous devrez ajuster vos invites pour obtenir des résultats efficaces, mais les résultats en valent la peine. Qui sait, cela pourrait vous aider à créer une publicité qui devient virale !

Dans le développement, la conception et les tests de produits

Les utilisateurs synthétiques permettent aux équipes produit de développer de l'empathie envers leurs utilisateurs et de créer de nouveaux produits, fonctionnalités et fonctions qui s'alignent sur les besoins et les attentes des consommateurs. Vous pouvez simuler des scénarios d'utilisation pour identifier les problèmes potentiels et vous assurer que votre produit fonctionne bien dans différentes situations.

Les entreprises peuvent les utiliser pour valider leurs conceptions de produits avant de les lancer au public. Par exemple, elles peuvent tester le bon fonctionnement de l'interface utilisateur et des interactions dans un environnement relativement sans risque (puisqu'elles n'auront pas à le tester sur de vrais clients). Cela les aidera à affiner l'expérience utilisateur globale du produit (UX), réduisant considérablement la probabilité que des problèmes surviennent lors du lancement officiel du produit, attirant ainsi de nouveaux utilisateurs et réduisant les taux d'attrition des clients.

Question : Si vous ne pouvez pas mener de recherches, est-il acceptable d'utiliser des personas synthétiques ? Peut-être, peut-être pas. Vous pouvez toujours apprendre quelque chose de nouveau, par opposition à ne rien apprendre du tout. Cependant, fonder des décisions critiques de produit ou de marketing sur des données synthétiques n'est pas idéal.

Supposons que votre nouvelle fonctionnalité soit un succès auprès de vos clients synthétiques. Vous la lancez sur le marché mais elle échoue auprès des utilisateurs réels. Que se passe-t-il alors ? Vous gaspillez des ressources et perdez de l'argent qui aurait été mieux dépensé ailleurs. Alors, prenez toujours leurs réponses avec des pincettes.

Les Défis des Utilisateurs Synthétiques

Peu importe à quel point l'IA devient sophistiquée, il y a beaucoup plus de limitations des utilisateurs synthétiques qu'il n'y paraît. Les personas synthétiques sont construits en utilisant des modèles d'apprentissage automatique, ils sont donc très utiles dans les scénarios où les données clients réelles sont rares ou limitées. Cependant, il y a certaines choses que vous devez savoir avant de les intégrer dans votre flux de travail.

Pour commencer, les personas synthétiques ont du mal à capturer toute la gamme de comportements et actions humains; leurs réponses peuvent être trop simplifiées, génériques ou logiques. Les êtres humains ne sont pas toujours logiques – nous sommes influencés par divers facteurs internes et externes (comme nos expériences personnelles, nos personnalités, nos opinions et nos valeurs) qui régissent notre façon de fonctionner et de réagir aux choses.

L'intelligence artificielle et les systèmes d'apprentissage automatique, les fondements des personas synthétiques, ne sont pas encore capables de comprendre ces facteurs. Par exemple, les répondants IA veulent toujours plaire à l'intervieweur, accomplir entièrement toute tâche donnée et répondre aux questions par l'affirmative (un phénomène appelé flagornerie). Ils fournissent des réponses unidimensionnelles, et semblent se soucier de tout; fournissant une longue liste de besoins, de défis et d'intérêts. Les gens n'ont pas de telles listes – ils se soucient de choses spécifiques, et d'autres choses ne leur traversent même pas l'esprit.

Dans leur article intitulé "A Manager and an AI Walk into a Bar: Does ChatGPT Make Biased Decisions Like We Do?" Chen et al. ont découvert que ChatGPT est souvent incapable de reproduire les effets qui caractérisent le comportement des clients, comme l'erreur des coûts irrécupérables. Les gens continuent d'enchérir sur un article même après que le prix a dépassé sa valeur, simplement parce qu'ils veulent gagner l'enchère. Il n'y a en outre aucune hiérarchie dans leurs réponses – comment comprendre ce qui est important et ce qui ne l'est pas?

Une autre préoccupation concerne les données utilisées pour créer des personas synthétiques; si les données d'entraînement sont biaisées, les réponses contiendront et perpétueront des stéréotypes. La rareté des données rend également difficile la représentation des utilisateurs sous-représentés ou marginalisés. La validation est également délicate. Il n'est pas facile de tester les utilisateurs synthétiques par rapport aux situations et résultats réels. Ils doivent être constamment surveillés, mis à jour et vérifiés avec des données utilisateur réelles. Nous parlons de données qui sont anonymisées et ne révèlent pas d'informations sensibles sur les clients.

Même si vous avez coché toutes ces cases de votre liste, l'intégration d'utilisateurs synthétiques dans vos systèmes existants peut s'avérer difficile. Au-delà des problèmes techniques et de données, convaincre les parties prenantes sceptiques de leur utilité pourrait être votre plus grand défi. Pire encore, votre entreprise pourrait s'habituer à utiliser des clients synthétiques pour la recherche utilisateur et ne pas vouloir investir dans la véritable approche.

L'Avenir des Personas Utilisateur Synthétiques

Les personas synthétiques révèlent des informations inconnues sur vos clients. Mais pouvons-nous faire confiance aux données synthétiques ? Sont-elles fiables, est-ce éthique ? Qui sait. Certains disent qu'elles sont l'avenir de la recherche utilisateur, d'autres disent qu'elles manquent de nuance et de variation généralement trouvées chez les répondants humains. Pourtant, dans un monde où l'étude de marché coûte les yeux de la tête, les personas synthétiques sont un moyen rentable de comprendre vos clients.

Vous pouvez en apprendre davantage sur un nouveau groupe d'utilisateurs, ce qui les intéresse, et leur comportement en ligne, et développer des proto-personas et des parcours utilisateurs qui peuvent vous aider avec de vrais utilisateurs. Comme toute autre invention, les personas utilisateur synthétiques présentent une liste d'avantages et d'inconvénients, mais si c'est bien fait, les premiers l'emportent largement sur les seconds.