האם פרסונה סינתטיים הם הנורמה החדשה של מחקר משתמשים?

בינה מלאכותית שינתה כל היבט בשיווק – מיצירת תוכן ועד יצירת תמונות ומחקר צרכני. הגענו לנקודה שבה מודלים של בינה מלאכותית משתמשים בנתונים מבוססי בינה מלאכותית כדי לאמן את עצמם. למה? כי נגמרו להם הנתונים האנושיים; מכונות לא לומדות מאנשים אלא ממכונות אחרות. כמובן, עוזרי בינה מלאכותית עדיין לא מושלמים אבל הם משתפרים מדי יום.

אז, זה לא מפתיע שמודלים של שפה יכולים להחליף אנשים אמיתיים בסקרים, ראיונות ומחקרים. חוקרי שוק כבר משתמשים בכלי בינה מלאכותית גנרטיבית כמו ChatGPT ליצירת פרסונה סינתטיות שיכולות לחקות, לתאר, ו(לפעמים) לחזות בהצלחה התנהגות אנושית. המטרה פשוטה: להפחית את עלויות השיווק תוך שיפור חוויית המשתמש.

פרסונה סינתטיות מייתרות את מחקר הצרכנים המסורתי, שמשווקים מאמינים שהוא קריטי להבנת הלקוחות ומכירת המוצרים שלהם. עם זאת, שיטות אלו יקרות וגוזלות זמן רב. חשוב מכך, הן דורשות תקציבים גדולים ומשאבי אנוש – אנשים שמוכנים להשתתף בסקר ולענות על השאלות שלך. עם עלויות שיווק עולות ואנשים שנהיים רגישים לסוג המידע שהם משתפים, חוקרי שוק לעתים קרובות מתקשים לאסוף מידע איכותי על לקוחות.

זהו הצוואר בקבוק – איסוף, עיבוד וניתוח נתונים דמוגרפיים והתנהגותיים של צרכנים – ש-פרסונה סינתטיות מנסות לפתור. למרות שהן לא יכולות להחליף מחקר איכותני וכמותי הכולל אינטראקציות אנושיות, הן יכולות להשלים את שיטות המחקר שלך על ידי סיוע בקבלת רעיון כללי לגבי התגובה שהמוצרים או קמפיינים השיווקיים שלך יקבלו ולקבל החלטות מושכלות.

מהי פרסונה סינתטית?

פרסונה סינתטית היא לקוח וירטואלי שנוצר באמצעות AI ואלגוריתמי למידת מכונה על בסיס נתונים דמוגרפיים, פסיכוגרפיים והתנהגותיים של משתמשים. היא מספקת ייצוג מדויק של פלח קהל ספציפי, ומתארת את ההעדפות, הסלידות, המחשבות, ההעדפות, הצרכים והאתגרים שלהם. למרות שמשתמשים סינתטיים נראים דומים ל-פרסונה של לקוח, הם שונים בכך שניתן לתקשר או לדבר איתם באופן ישיר.

הם אינם שונים מבני אדם מבוססי AI שנוצרו על ידי חברות באמצעות יצירת מודלים ובובנאות מתוחכמת. אוואטרים כאלה יכולים לעקוב אחר תנועות עיניים, הבעות פנים והרחבת אישונים כדי להבין רגשות אנושיים ולהציע הוראות מועילות (או במקרים מסוימים, למכור את המוצרים או השירותים שלהם).

בהתאם למטרת מחקר שלך, אתה יכול ליצור מגוון של פרסונות סינתטיות באמצעות ChatGPT או יוצרי פרסונות AI ייעודיים כמו Delve AI. הם קלים יחסית ליצירה וזולים יותר מגיוס ועריכת מחקר עם אנשים אמיתיים. יש לך שליטה מלאה על הנתונים המוזנים למערכת ואתה יכול לשאול שאלות המשך כדי להמשיך בראיון.

הערה: ChatGPT דורש הרבה תיחול כדי להבין את פלח הלקוחות הנכון ולאמץ את פרסונת המשתמש הקשורה.

כדי שמשתמשים סינתטיים יעבדו, עליך להבטיח שקיימים תקנים. הנתונים שלך צריכים לעבור אימות לפני שהם מוזנים למערכות ה-AI. יש לבדוק ולהשוות את הפרסונות הנוצרות עם מקרי שימוש אמיתיים לפני השימוש בהן.

איך פועלים לקוחות סינתטיים

פרסונה סינתטית היא מתודולוגיה שבה אתה מזין כמות נבחרת של נתוני לקוחות למודלים של שפה גדולים (LLMs) כמו GPT-3 ומנחה אותו לאמץ את ה"פרסונה" של לקוח אמיתי בהתבסס על הנתונים שסיפקת. נתונים אלה כוללים בעיקר מידע דמוגרפי כמו גיל, מגדר ומיקום, יחד עם תכונות פסיכוגרפיות, כגון תכונות אישיות, עמדות, סגנונות חיים ותחומי עניין. הפרסונה שנוצרת משמשת אז בסקרי לקוחות כדי לתת תגובות דמויות אנוש.

כעת, הדיוק של הפרסונות הסינתטיות הוא ביחס ישר לאיכות נתוני האימון. ככל שהאיכות גבוהה יותר, כך הפרסונות שלך טובות יותר. אם נתוני הקלט שלך הם כלליים ולא מדויקים, הפלט יהיה גם כן.

מלבד סוגיות הנתונים, אתה יכול להשתמש במשתמשים סינתטיים כדי לדמות מגוון רחב של לקוחות ולשאול אותם על הצרכים, נקודות הכאב והאתגרים שלהם בנוגע למוצר או לשירות שלך. אתה יכול להשתמש בהם במחקר איכותני כדי לקבל תובנות משתמשים, לבנות עיצובי מוצרים ולבדוק יצירות פרסום במגוון קהלי יעד.

נתונים סינתטיים ומחקר משתמשים

בעבר, הטלפון היה כלי חיוני לביצוע סקרים, ראיונות ושיחות עסקיות. סקרים טלפוניים הפכו לדרך מצוינת לאסוף תובנות מאנשים. עם התקדמות הטכנולוגיה והגעת האינטרנט, יכולת לבצע סקרים מקוונים.

קדימה למאה ה-21, ויש לנו נתוני צרכן סינתטיים המיוצרים על ידי אלגוריתמי AI ו-ML. את יודעת ש-LLMs מעכלים כמות עצומה של נתוני אימון מספרים, כתבי עת אקדמיים, עיתונים ועוד כדי לסנתז תגובות דמויות אנוש בפורמט מבוסס טקסט. הם יכולים לסכם טקסט, לענות על שאלות, ואפילו לכתוב שירים. LLMs הם ישויות לומדות מתמשכות - הם לומדים משגיאותיהם.

יכולת עיבוד ולמידת נתונים זו מאפשרת להם לנתח נתוני צרכנים, לבנות משתמשים סינתטיים, ולסייע במחקר משתמשים על ידי יצירת תגובות. למרות שנתונים סינתטיים נגזרים מאירועים מהעולם האמיתי, הם לא זהים לנתונים שאתה אוסף ממשיבי סקרים אנושיים. הם צוברים פופולריות בחברות כיום מכיוון שהן יכולות לבדוק תרחישים ולערוך ראיונות מבלי לדאוג לחוקי פרטיות נתונים.

עלות וזמן משחקים גם הם תפקיד גדול. כפי שהוסבר קודם, למחקר כמותי ואיכותני יש עלויות גבוהות הקשורות אליהם - אתה צריך לעבד נתונים, לאסוף משיבים, לקבוע זמן, ולערוך ראיונות כדי לגלות מגמות ודפוסים בהתנהגות צרכנים. נתונים סינתטיים עוזרים בקלות לחוקרים לפתח זרימות עבודה חדשות ולדמות תרחישים שונים.

עוזרים וירטואליים מבוססי AI יכולים לבצע מחקר משתמשים על ידי ראיון אנשים בשמך - לפעמים במספר שפות, 24/7. הם יכולים לנתח תגובות צרכנים כדי לשאול שאלות המשך מותאמות אישית. פרסונה סינתטיות בנוסף עוזרות לחוקרים כמותיים ללמוד דמוגרפיות בלתי נגישות ולמלא נתונים וסקרים חסרים באמצעות יכולות חיזוי מתקדמות. ניתן לנתח מגזרי קהל נישה, ללא עלויות נוספות.

יצירת משתמשים סינתטיים עם Delve AI: ועוד פרומפטים של ChatGPT

דרך טובה להבין לקוחות היא להקשיב להם – לבנות פרופיל לקוח כללי ולנסות להזדהות איתם. אבל איך שלושת התהליכים האלה עובדים? מקבלים משוב אנושי כדי להקשיב, יוצרים פרסונה של קונה כדי לאפיין, ומפתחים מפת מסע לקוח כדי להזדהות. השלב הרביעי, אינטראקציה, עובד עם ChatGPT פרסונה.

Delve AI מאת Persona היא תוכנת שיווק מבוססת פרסונה שעוזרת לך ליצור פרסונה עבור האתר שלך, המתחרים ותשומת הלב ברשתות החברתיות. היא מכסה את כל ארבעת ההיבטים שהוזכרו קודם – נתוני צרכן, פרסונה, מסעות משתמש, ובוטים אינטראקטיביים.

כך זה עובד: התוכנה שלנו אוספת את נתוני הצד הראשון שלך (ניתוח אתרים, קונסולת חיפוש ונתוני CRM) ונתוני צד שני (ניתוח חברתי ומודיעין תחרותי), ואז מעשירה אותם עם מעל 40 מקורות מידע ציבוריים (למשל נתוני Voice of Customer מביקורות, דירוגים, משוב, פורומים מקוונים ועיתונים) כדי ליצור פרסונה מבוססי נתונים עבורך.

שלושה עד שבעה פרסונה נוצרים בהתאם לעסק שלך, עם מקטעי B2B פרסונה מודגשים בירוק ו-פרסונה צרכניים מודגשים בכחול.

כל פרסונה מספק לך פרטי פרסונה, הפצה ודוגמאות למסעות משתמש כדי לוודא את התכונות, המאפיינים וההתנהגויות של מגזרי קהל רצויים ולא רצויים. לדוגמה, עסק מסחר אלקטרוני יוכל לזהות נוטשים, גולשים פסיביים, נוטשי עגלות וקטעי קונים בעלי ערך גבוה המסומנים בכחול ואדום בהתאמה.

פרטי PERSONA מציעים את הגיל, המגדר, המיקום, פרופיל העבודה, המטרות, המוטיבציות, נקודות הכאב, הערכים, תחומי העניין, המשימות לביצוע והתחביבים של אותו מגזר. בנוסף, אתה מקבל תובנות לגבי הרשתות החברתיות המועדפות עליהם, מותגים, אתרי מסחר אלקטרוני, כלים, תוכניות טלוויזיה, סרטים, ערוצי יוטיוב, פודקאסטים, אירועים ועוד.

לשונית ההפצה מקבצת את המגזר לפי גיל, מגדר, מיקום, שפה, ערוצי שיווק, זמני פעילות מקוונת, פעולות ושלב קבלת החלטות. מסעות לדוגמה מציגים את המספר הכולל של המבקרים, יחד עם הסשנים שלהם, צפיות בדף, המרות ושלב קבלת ההחלטות בו נמצא המשתמש. הדבר הכי טוב בזה? ה-פרסונה המופקים על ידי AI ומסעות המשתמש מתעדכנים אוטומטית עם נתוני לקוח בזמן אמת.

עכשיו, בואו נדבר על תכונת ה-chat פרסונה שלנו שתושק בקרוב.

פרומפטים של ChatGPT ליצירת פרסונה סינתטיות

ChatGPT יכול לעבד כמויות עצומות של נתונים לא מובנים – נתונים מספריים, פרופילים תעסוקתיים, ספרות, מאמרי מחקר, פורומים, ביקורות ואתרי אינטרנט – ולהציג אותם באופן לוגי. ככזה, הוא אלטרנטיבה חינמית ליצירת פרסונה אינטראקטיביות שניתן להשתמש בהן במחקר צרכנים.

זה תרגיל פשוט באמת:

• העלה את נתוני הלקוחות שלך ל-ChatGPT
• הנחה אותו לרשום את הסגמנטים האפשריים
• בחר את סגמנט קהל היעד שברצונך לפנות אליו
• בקש מ-ChatGPT לאמץ את ה-פרסונה של אותו סגמנט

לאחר מכן תוכל לבקש מה-פרסונה להשתתף במפגש סקר. שים לב ש-פרסונה של ChatGPT שימושיות רק כאשר יש לך פרופילי לקוחות רחבים ולא קהל יעד נישתי. אלא אם כן, כמובן, יש לך מספיק נתונים איכותניים וכמותיים כדי ש-ChatGPT יוכל ליצור הנחות.

הנה כיצד הפרומפטים שלך יכולים להתנהל:

פרומפט 1: נתח ומבנה את נתוני הלקוחות שסופקו, תוך התמקדות במאפיינים דמוגרפיים, התנהגותיים ופסיכוגרפיים מרכזיים. סכם והדגש מגמות או דפוסים ברורים במאפייני לקוחות שונים.

פרומפט 2: באמצעות נתונים מובנים אלה, רשום את סגמנטי הלקוחות האפשריים. תן שם לכל סגמנט ותאר בקצרה את המאפיינים המגדירים שלהם, כולל תחומי העניין שלהם, התנהגויות רכישה ופרטים דמוגרפיים בולטים אחרים.

פרומפט 3: מתוך סגמנטים אלה, התמקד ב[שם הסגמנט]. תן פרטים נוספים על המוטיבציות העיקריות שלהם, נקודות כאב טיפוסיות ואינטראקציות פוטנציאליות עם המותג.

פרומפט 4: אמץ את ה-פרסונה של לקוח טיפוסי מקהל [שם הסגמנט]. תאר את אורח החיים היומיומי שלהם, תחומי העניין, הערכים המרכזיים והצרכים הספציפיים. אמץ את אופי ה-פרסונה הזו לאינטראקציה נוספת.

ChatGPT אינו יכול להבין משמעות ולכן אינו יכול ליצור דפוסי משמעות שמשתמשים סינתטיים מתקשרים אליך במחקר. הוא אינו עוזר לך להבין את הגישות השונות שאנשים נוקטים כדי להשיג מטרה או להשלים משימה. AI אינו יכול להשתמש במוצרים אם תחשוב על זה – הוא יכול רק לדמיין. אתה יכול לערוך בדיקות כדי לתקף את רעיונות המוצר שלך אבל כל דעה עשויה להיות חיובית – פרסונה של ChatGPT שואפות לרצות את המראיין.

Emporia Research ערכו מחקר השוואתי בין שלוש קבוצות של תגובות סקר: משיבים מאומתים מ-LinkedIn, משתמשים סינתטיים שנוצרו על ידי AI על בסיס נתוני פרופיל LinkedIn, ומשתמשים המבוססים על פרסונה שנוצרו על ידי AI המייצגים מקבלי החלטות IT. הסקירה שלהם גילתה כי משתמשים סינתטיים בתחום הבי2בי המיוצרים על ידי בינה מלאכותית מציגים הטיה חיובית חזקה בהשוואה למשיבים אמיתיים. הם מתנהגים במנטליות של עדר; איכות התובנות גם היא אינה כה טובה.

פרסונות סינתטיות בפעולה: מקרי שימוש ודוגמאות

מרקו סרשטדט ממחיש את השימוש בפרסונות סינתטיות במחקר ועיצוב במחקר שלו על דגימות סיליקון. הוא השתמש בהן כדי לקבל משוב על שאלות סקר ולשפר את עיצוב האריזות. מלבד היישומים שלו, ניתן להשתמש בפרסונות סינתטיות גם למקרי שימוש אחרים הקשורים לשיווק ומוצר.

שיווק, פילוח ומיתוג

אתה יכול ליצור שני סוגים של פרסונה סינתטיות: כאלה המייצגות לקוחות בודדים וכאלה המייצגות קבוצות של לקוחות. כל אחת מאפשרת לך לקבל מידע על התנהגות והעדפות משתמשים מבלי לגשת לנתוני לקוחות פרטיים. זו נקודת פתיחה טובה עבור אנשי מקצוע שאינם מכירים את קהל היעד שלהם. אתה יכול לפתח פלחי לקוחות שונים כדי לבדוק את הקמפיינים שלך ולזהות אילו מגיבים הכי טוב. בהתאם לכך, תוכל להתאים את נכסי השיווק, התוכן והטקסטים שלך להעדפות של פלחי קהל היעד שלך.

פשוט העלה את תוכניות השיווק, העיצובים הגרפיים, הסרטונים והמודעות שלך כדי לקבל משוב בתהליך פיתוח הקמפיין. לאחר העלאת החומרים שלך למודל, בקש מהמשתמש הסינתטי תשובות, כמו:

• האם פרסומת הוידאו הזו מעוררת שמחה או עצב (החלף זאת ברגש הרצוי)?
• איפה היית רוצה לראות את המודעה הזו? על שלטי חוצות, פייסבוק, אינסטגרם או לינקדאין?
• האם אתה אוהב את המסר הכללי שהטקסט הפרסומי מנסה להעביר?
• מה הסבירות שתגיב לקמפיין האימייל הזה?

יתר על כן, הוסף נתוני ביצועים של קמפיינים שיווקיים קודמים כדי לבדוק מה עבד ומה לא - זה נותן למודל ה-AI יותר הקשר לעבוד איתו. תצטרך לכוונן את ההנחיות שלך כדי לקבל תפוקות יעילות, אבל התוצאות בהחלט שוות את זה. מי יודע, אולי זה יעזור לך ליצור מודעה שתהפוך לויראלית!

בפיתוח מוצר, עיצוב ובדיקות

משתמשים סינתטיים מאפשרים לצוותי מוצר להזדהות עם המשתמשים שלהם וליצור מוצרים, תכונות ופונקציונליות חדשים המתואמים לצרכים ולציפיות הצרכנים. אתה יכול לדמות תרחישי שימוש כדי לזהות בעיות פוטנציאליות ולהבטיח שהמוצר שלך פועל היטב במצבים שונים.

חברות יכולות להשתמש בהם כדי לתקף את עיצובי המוצרים שלהן לפני השקתם בציבור. לדוגמה, הן יכולות לבדוק עד כמה ממשק המשתמש והאינטראקציות עובדים בסביבה נטולת סיכון יחסית (מכיוון שהן לא יצטרכו לבדוק אותה על לקוחות אמיתיים). עשיית זאת תעזור להם לבצע שיפורים בחוויית המשתמש הכוללת (UX), ותפחית משמעותית את הסיכוי להופעת בעיות כשהמוצר יושק רשמית, ובכך תביא משתמשים חדשים ותפחית את שיעורי נטישת הלקוחות.

שאלה: אם אי אפשר לבצע מחקר, האם זה בסדר להשתמש ב-פרסונה סינתטיות? אולי כן, אולי לא. תמיד אפשר ללמוד משהו חדש, בניגוד לאי למידה בכלל. עם זאת, ביסוס החלטות מוצר או שיווק קריטיות על נתונים סינתטיים אינו אידיאלי.

נניח שהתכונה החדשה שלך היא הצלחה עם הלקוחות הסינתטיים שלך. אתה משיק אותה בשוק אבל היא נכשלת עם המשתמשים האמיתיים. מה קורה אז? אתה מבזבז משאבים ומפסיד כסף שהיה עדיף להשקיע במקום אחר. אז תמיד יש להתייחס לתגובות שלהם בערבון מוגבל.

האתגרים עם משתמשים סינתטיים

לא משנה כמה מתוחכמת הבינה המלאכותית נהיית, יש יותר מדי מגבלות למשתמשים סינתטיים ממה שנראה לעין. פרסונה סינתטיות נבנות באמצעות מודלים של למידת מכונה, כך שהן שימושיות מאוד בתרחישים בהם נתוני לקוחות אמיתיים מועטים או מוגבלים. עם זאת, יש כמה דברים שעליך לדעת לפני שילובם בתהליך העבודה שלך.

ראשית, ל-פרסונה סינתטיות יש קושי לתפוס את מלוא הטווח של התנהגות ופעולות אנושיות; התגובות שלהן יכולות להיות פשטניות מדי, גנריות או לוגיות. בני אדם אינם תמיד לוגיים - אנחנו מושפעים מגורמים פנימיים וחיצוניים שונים (כמו חוויות אישיות, אישיות, דעות וערכים) המכתיבים את אופן התפקוד והתגובה שלנו לדברים.

מערכות בינה מלאכותית ולמידת מכונה, הבסיס ל-פרסונה סינתטיות, עדיין אינן מסוגלות להבין גורמים אלה. למשל, משיבי בינה מלאכותית תמיד רוצים לרצות את המראיין, להשלים במלואה כל משימה נתונה, ולענות על שאלות בחיוב (תופעה הנקראת חנפנות). הם מספקים תגובות חד-ממדיות, ונראה שאכפת להם מהכל; מספקים רשימה ארוכה של צרכים, אתגרים ותחומי עניין. לאנשים אין רשימות כאלה - הם דואגים לדברים ספציפיים, ודברים אחרים אפילו לא עולים בדעתם.

במאמרם "מנהל ובינה מלאכותית נכנסים לבר: האם ChatGPT מקבל החלטות מוטות כמונו?" צ'ן ושות' מצאו ש-ChatGPT לעתים קרובות אינו מסוגל לשחזר אפקטים המאפיינים התנהגות צרכנים, כמו הטיית העלות השקועה. אנשים ממשיכים להציע מחיר על פריט גם אחרי שהמחיר עבר את שוויו, רק כי הם רוצים לזכות במכרז. בנוסף אין היררכיה בתשובותיהם - איך אתה מבין מה חשוב ומה לא?

דאגה נוספת היא הנתונים המשמשים ליצירת פרסונה סינתטיות; אם נתוני האימון מוטים, התגובות יכילו ינציחו סטריאוטיפים. מחסור בנתונים גם מקשה על ייצוג משתמשים מודרים או שוליים. גם אימות הוא מסובך. לא קל לבדוק משתמשים סינתטיים מול מצבים ותוצאות מהעולם האמיתי. הם צריכים להיות מנוטרים, מעודכנים ומאומתים באופן קבוע עם נתוני משתמשים אמיתיים. אנחנו מדברים על נתונים שעברו אנונימיזציה ואינם חושפים מידע רגיש על לקוחות.

גם אם סימנת את כל הדברים האלה ברשימת המטלות שלך, שילוב משתמשים סינתטיים במערכות הקיימות שלך עלול להיות קשה. מעבר לבעיות טכניות ונתונים, שכנוע בעלי עניין ספקנים לגבי השימושיות שלהם עשוי להיות האתגר הגדול ביותר שלך. גרוע מכך, החברה שלך עלולה להתרגל להשתמש בלקוחות סינתטיים למחקר משתמשים ולא לרצות להשקיע בדבר האמיתי.

העתיד של פרסונות משתמש סינתטיות

פרסונות סינתטיות חושפות תובנות לא ידועות על הלקוחות שלך. אבל האם אפשר לסמוך על מידע סינתטי? האם הוא אמין, האם הוא אתי? מי יודע. יש הטוענים שזה העתיד של מחקר משתמשים, אחרים טוענים שחסרים בהן הניואנסים והשונות שבדרך כלל נמצאים אצל משיבים אנושיים. ובכל זאת, בעולם שבו מחקר שוק עולה הון תועפות, פרסונות סינתטיות הן דרך משתלמת להבין את הלקוחות שלך.

אתה יכול ללמוד על קבוצת משתמשים חדשה, מה מעניין אותם, ואיך הם מתנהגים באינטרנט, ולפתח פרוטו-פרסונות ומסעות משתמש שיכולים לעזור לך עם משתמשים אמיתיים. כמו כל המצאה אחרת, פרסונות משתמש סינתטיות מגיעות עם רשימת יתרונות וחסרונות, אבל אם עושים זאת נכון, היתרונות עולים בהרבה על החסרונות.