Persona Tổng Hợp có phải là Chuẩn Mực Mới của Nghiên Cứu Người Dùng không?

Trí tuệ nhân tạo đã làm thay đổi mọi khía cạnh của marketing – từ tạo nội dung đến tạo hình ảnh đến nghiên cứu người tiêu dùng. Chúng ta đã đến một giai đoạn mà các mô hình AI đang sử dụng dữ liệu do AI tạo ra để tự đào tạo. Tại sao? Bởi vì họ đã hết dữ liệu của con người; máy móc không học từ con người mà từ các máy móc khác. Tất nhiên, các trợ lý AI chưa hoàn hảo nhưng họ đang ngày càng trở nên tốt hơn.

Vì vậy, không có gì ngạc nhiên khi các mô hình ngôn ngữ lớn có thể thay thế con người thực trong các cuộc khảo sát, phỏng vấn và nghiên cứu. Các nhà nghiên cứu thị trường đã đang sử dụng công cụ AI tạo sinh như ChatGPT để tạo ra personas tổng hợp có thể bắt chước, mô tả và (đôi khi) dự đoán thành công hành vi con người. Mục tiêu rất đơn giản: giảm chi phí marketing trong khi cải thiện trải nghiệm người dùng.

Personas tổng hợp loại bỏ phương pháp nghiên cứu người tiêu dùng truyền thống, điều mà các chuyên gia marketing tin là quan trọng để hiểu khách hàng và bán sản phẩm của họ. Tuy nhiên, những phương pháp này tốn kém và mất nhiều thời gian. Quan trọng hơn, chúng đòi hỏi ngân sách lớn và nguồn nhân lực - những người sẵn sàng tham gia khảo sát và trả lời câu hỏi của bạn. Với chi phí marketing ngày càng tăng và mọi người trở nên nhạy cảm về loại dữ liệu họ chia sẻ, các nhà nghiên cứu thị trường thường gặp khó khăn trong việc thu thập thông tin khách hàng chất lượng.

Chính điểm nghẽn này - thu thập, xử lý và phân tích dữ liệu nhân khẩu học và hành vi người tiêu dùng - là điều mà personas tổng hợp cố gắng giải quyết. Mặc dù không thể thay thế nghiên cứu định tính và định lượng liên quan đến tương tác con người, chúng có thể bổ sung cho phương pháp nghiên cứu của bạn bằng cách giúp bạn có cái nhìn tổng quan về phản ứng mà sản phẩm hoặc chiến dịch marketing của bạn sẽ nhận được và đưa ra quyết định sáng suốt.

Persona Tổng Hợp Là Gì?

Persona tổng hợp là một khách hàng ảo được tạo ra bằng AI và thuật toán học máy dựa trên nhân khẩu học, tâm lý học và dữ liệu hành vi của người dùng. Nó cung cấp một đại diện chính xác của một phân khúc khán giả cụ thể, mô tả sở thích, không thích, suy nghĩ, ưu tiên, nhu cầu và thách thức của họ. Mặc dù người dùng tổng hợp có vẻ giống với persona khách hàng, họ khác ở chỗ bạn có thể tương tác trực tiếp hoặc nói chuyện với họ.

Họ không khác gì con người AI được tạo ra bởi các công ty sử dụng công nghệ tạo mô hình và điều khiển phức tạp. Những avatar như vậy có thể theo dõi chuyển động mắt, biểu cảm khuôn mặt và giãn nở đồng tử để hiểu cảm xúc con người và đưa ra hướng dẫn hữu ích (hoặc trong một số trường hợp, bán sản phẩm hoặc dịch vụ của họ).

Tùy thuộc vào mục tiêu nghiên cứu của bạn, bạn có thể tạo ra một tập hợp đa dạng các persona tổng hợp bằng ChatGPT hoặc các công cụ tạo persona AI chuyên dụng như Delve AI. Chúng khá dễ tạo và rẻ hơn việc tuyển dụng và thực hiện nghiên cứu với người thật. Bạn có toàn quyền kiểm soát dữ liệu được đưa vào hệ thống và có thể đặt câu hỏi tiếp theo để tiến hành cuộc phỏng vấn.

Lưu ý: ChatGPT cần nhiều gợi ý để hiểu đúng phân khúc khách hàng và áp dụng persona người dùng liên quan.

Để người dùng tổng hợp hoạt động, bạn cần đảm bảo có các tiêu chuẩn được áp dụng. Dữ liệu của bạn cần được xác thực trước khi đưa vào hệ thống AI. Các persona kết quả cũng cần được kiểm tra chéo và so sánh với các trường hợp thực tế trước khi sử dụng.

Cách thức hoạt động của khách hàng tổng hợp

Persona tổng hợp là một phương pháp trong đó bạn nạp một lượng dữ liệu khách hàng đã chọn vào các mô hình ngôn ngữ lớn (LLMs) như GPT-3 và gợi ý nó áp dụng "persona" của một khách hàng thực tế dựa trên dữ liệu bạn cung cấp. Dữ liệu này chủ yếu chứa thông tin nhân khẩu học như tuổi tác, giới tính và vị trí, cùng với các thuộc tính tâm lý học, như đặc điểm tính cách, thái độ, lối sống và sở thích. Persona được tạo ra sau đó được sử dụng trong các cuộc khảo sát khách hàng để đưa ra phản hồi giống như con người.

Độ chính xác của các persona tổng hợp tỷ lệ thuận với chất lượng dữ liệu huấn luyện. Chất lượng càng cao thì persona của bạn càng tốt. Nếu dữ liệu đầu vào của bạn chung chung và không chính xác, đầu ra cũng sẽ như vậy.

Bên cạnh vấn đề dữ liệu, bạn có thể sử dụng người dùng tổng hợp để mô phỏng nhiều loại khách hàng khác nhau và hỏi họ về nhu cầu, điểm đau và thách thức liên quan đến sản phẩm hoặc dịch vụ của bạn. Bạn có thể sử dụng chúng trong nghiên cứu định tính để có được thông tin chi tiết về người dùng, xây dựng thiết kế sản phẩm và kiểm tra quảng cáo sáng tạo trên nhiều đối tượng mục tiêu.

Dữ liệu tổng hợp và nghiên cứu người dùng

Trong quá khứ, điện thoại là công cụ thiết yếu để thực hiện khảo sát, phỏng vấn và các cuộc đàm thoại kinh doanh. Khảo sát qua điện thoại trở thành cách tuyệt vời để thu thập thông tin từ mọi người. Với sự phát triển của công nghệ và sự xuất hiện của Internet, bạn có thể thực hiện khảo sát trực tuyến.

Tiến đến thế kỷ 21, chúng ta có dữ liệu người tiêu dùng tổng hợp được tạo ra bởi các thuật toán AI và ML. Bạn biết rằng LLMs tiêu hóa một lượng lớn dữ liệu đào tạo từ sách, tạp chí học thuật, báo chí và nhiều nguồn khác để tổng hợp các phản hồi giống con người ở dạng văn bản. Chúng có thể tóm tắt văn bản, trả lời câu hỏi và thậm chí viết thơ. LLMs là những thực thể học tập liên tục—chúng học hỏi từ những sai lầm của mình.

Khả năng xử lý và học tập này cho phép chúng phân tích dữ liệu người tiêu dùng, xây dựng người dùng tổng hợp và hỗ trợ trong nghiên cứu người dùng bằng cách tạo ra phản hồi. Mặc dù dữ liệu tổng hợp được lấy từ sự kiện thực tế, nó không giống như dữ liệu bạn thu thập từ người trả lời khảo sát. Nó đang ngày càng phổ biến với các công ty ngày nay vì họ có thể kiểm tra các kịch bản và tiến hành phỏng vấn mà không lo lắng về luật bảo mật dữ liệu.

Chi phí và thời gian cũng đóng vai trò quan trọng. Như đã giải thích trước đó, nghiên cứu định lượng và định tính có chi phí cao liên quan - bạn cần xử lý dữ liệu, tập hợp người trả lời, sắp xếp thời gian và tiến hành phỏng vấn để khám phá xu hướng và mẫu trong hành vi người tiêu dùng. Dữ liệu tổng hợp dễ dàng giúp các nhà nghiên cứu phát triển quy trình làm việc mới và mô phỏng nhiều kịch bản.

Trợ lý ảo được hỗ trợ bởi AI có thể thực hiện nghiên cứu người dùng bằng cách phỏng vấn người thay mặt bạn - đôi khi bằng nhiều ngôn ngữ, 24/7. Chúng có thể phân tích phản hồi của người tiêu dùng để đặt câu hỏi theo dõi được cá nhân hóa. personas tổng hợp còn giúp các nhà nghiên cứu định lượng nghiên cứu các nhóm dân số khó tiếp cận và điền vào dữ liệu và khảo sát còn thiếu bằng các khả năng dự đoán nâng cao. Các phân khúc khán giả ngách có thể được phân tích mà không phát sinh thêm chi phí.

Tạo Người Dùng Tổng Hợp với Delve AI: Cùng Các Gợi Ý ChatGPT Khác

Một cách tốt để hiểu khách hàng là lắng nghe họ – xây dựng hồ sơ khách hàng sơ bộ và cố gắng đồng cảm với họ. Nhưng ba quy trình này hoạt động như thế nào? Bạn nhận phản hồi từ con người để lắng nghe, tạo persona người mua để mô tả đặc điểm, và phát triển bản đồ hành trình khách hàng để đồng cảm. Bước thứ tư, tương tác, hoạt động với ChatGPT personas.

Persona qua Delve AI là phần mềm marketing dựa trên persona giúp bạn tạo personas cho website, đối thủ cạnh tranh và khán giả mạng xã hội. Nó bao gồm cả bốn khía cạnh đã đề cập trước đây – dữ liệu người tiêu dùng, personas, hành trình người dùng và chatbot tương tác với người dùng.

Đây là cách thức hoạt động: phần mềm của chúng tôi thu thập dữ liệu first-party (phân tích web, search console và dữ liệu CRM) và second-party (phân tích mạng xã hội và thông tin đối thủ) của bạn, sau đó làm phong phú thêm với hơn 40 nguồn dữ liệu công khai (ví dụ: dữ liệu Tiếng nói Khách hàng từ đánh giá, xếp hạng, phản hồi, diễn đàn trực tuyến và báo chí) để tạo personas dựa trên dữ liệu cho bạn.

Ba đến bảy personas được tạo ra tùy thuộc vào doanh nghiệp của bạn, với các phân khúc B2B persona được đánh dấu màu xanh lá và personas B2C được đánh dấu màu xanh dương.

Mỗi persona cung cấp chi tiết persona, phân phối và các mẫu hành trình người dùng để xác định đặc điểm, tính cách và hành vi của các phân khúc khán giả mong muốn và không mong muốn. Ví dụ, một doanh nghiệp thương mại điện tử sẽ có thể xác định các phân khúc người thoát trang, người duyệt thụ động, người bỏ giỏ hàng và người mua có giá trị cao được đánh dấu bằng màu xanh dương và đỏ tương ứng.

CHI TIẾT PERSONA cung cấp độ tuổi, giới tính, vị trí, hồ sơ công việc, mục tiêu, động lực, điểm đau, giá trị, sở thích, công việc cần làm và sở thích của phân khúc cụ thể đó. Ngoài ra, bạn nhận được thông tin chi tiết về mạng xã hội, thương hiệu, trang thương mại điện tử, công cụ, chương trình TV, phim, kênh YouTube, podcast, sự kiện yêu thích của họ và nhiều thứ khác.

TAB PHÂN PHỐI nhóm phân khúc theo độ tuổi, giới tính, vị trí, ngôn ngữ, kênh marketing, thời gian hoạt động trực tuyến, hành động và giai đoạn ra quyết định. HÀNH TRÌNH MẪU hiển thị tổng số khách truy cập, cùng với phiên của họ, lượt xem trang, chuyển đổi và giai đoạn ra quyết định của người dùng. Điều tuyệt vời nhất về nó? Personas được tạo bởi AI và hành trình người dùng của bạn được tự động cập nhật với dữ liệu khách hàng thời gian thực.

Bây giờ, hãy cùng tìm hiểu về tính năng trò chuyện với personas sắp được ra mắt của chúng tôi. Nó cung cấp cho người dùng khả năng tương tác với các phân khúc khách hàng có giá trị cao trực tuyến. Bảng điều khiển tương tự như WhatsApp hoặc bất kỳ ứng dụng nhắn tin nào khác. Có thắc mắc liên quan đến sản phẩm mới hoặc bản copy marketing của bạn? Chỉ cần truy cập nền tảng của chúng tôi, chọn persona mục tiêu của bạn và đặt câu hỏi. Bạn cũng có thể hỏi trực tiếp qua Slack – tất cả những gì bạn cần làm là tích hợp workspace Slack của bạn với Delve AI.RetryClaude can make mistakes. Please double-check responses.

Các prompt ChatGPT để tạo personas tổng hợp

ChatGPT có thể xử lý lượng lớn dữ liệu phi cấu trúc - dữ liệu số, hồ sơ công việc, tài liệu, báo cáo nghiên cứu, diễn đàn, đánh giá và trang web - và trình bày nó một cách hợp lý. Do đó, đây là một giải pháp thay thế miễn phí để tạo personas tương tác mà bạn có thể sử dụng trong nghiên cứu người tiêu dùng.

Đó thực sự là một bài tập đơn giản:

• Tải dữ liệu khách hàng của bạn vào ChatGPT
• Hướng dẫn nó liệt kê các phân khúc có thể
• Chọn phân khúc khán giả bạn muốn nhắm đến
• Nhắc ChatGPT áp dụng persona của phân khúc đó

Sau đó bạn có thể yêu cầu persona làm người tham gia trong một phiên khảo sát. Lưu ý rằng ChatGPT personas chỉ hữu ích khi bạn có hồ sơ khách hàng rộng chứ không phải đối tượng ngách. Trừ khi, tất nhiên, bạn có đủ dữ liệu định tính và định lượng để ChatGPT hình thành các giả định.

Đây là cách các prompt của bạn có thể diễn ra:

Prompt 1: Phân tích và cấu trúc dữ liệu khách hàng được cung cấp, tập trung vào các thuộc tính nhân khẩu học, hành vi và tâm lý học chính. Tóm tắt và làm nổi bật bất kỳ xu hướng hoặc mô hình rõ ràng nào trong các thuộc tính khách hàng khác nhau.

Prompt 2: Sử dụng dữ liệu có cấu trúc này, liệt kê các phân khúc khách hàng có thể. Đặt tên cho từng phân khúc và mô tả ngắn gọn các đặc điểm xác định của họ, bao gồm sở thích, hành vi mua sắm và các chi tiết nhân khẩu học đáng chú ý khác.

Prompt 3: Từ các phân khúc này, tập trung vào [Tên Phân Khúc]. Cung cấp thêm chi tiết về động lực chính, điểm đau điển hình và tương tác thương hiệu tiềm năng của họ.

Prompt 4: Áp dụng persona của một khách hàng điển hình từ đối tượng [Tên Phân Khúc]. Mô tả lối sống hàng ngày, sở thích, giá trị cốt lõi và nhu cầu cụ thể của họ. Giả định tính cách của persona này để tương tác thêm.

ChatGPT không thể hiểu ý nghĩa nên không thể được sử dụng để tạo ra các mô hình ý nghĩa mà người dùng tổng hợp truyền đạt cho bạn trong một nghiên cứu. Nó không giúp bạn hiểu các cách tiếp cận khác nhau mà mọi người thực hiện để đạt được mục tiêu hoặc hoàn thành một nhiệm vụ. AI không thể sử dụng sản phẩm nếu bạn nghĩ về nó - nó chỉ có thể tưởng tượng. Bạn có thể chạy các bài kiểm tra để xác thực ý tưởng sản phẩm của mình nhưng mọi ý kiến có thể chỉ là tích cực - ChatGPT personas nhằm làm hài lòng người phỏng vấn.

Emporia Research đã thực hiện một nghiên cứu so sánh giữa ba nhóm phản hồi khảo sát: người trả lời được xác minh qua LinkedIn, người dùng tổng hợp được tạo bởi AI dựa trên dữ liệu hồ sơ LinkedIn mục tiêu, và người dùng dựa trên personas được tạo bởi AI đại diện cho những người ra quyết định IT. Nghiên cứu của họ phát hiện ra rằng người dùng B2B tổng hợp được tạo bởi AI thể hiện thiên kiến tích cực mạnh mẽ so với những người trả lời thực tế. Họ theo tâm lý đám đông; chất lượng các hiểu biết sâu sắc cũng không tốt lắm.

Personas Tổng Hợp Trong Thực Tế: Các Trường Hợp Sử Dụng và Ví Dụ

Marko Sarstedt minh họa việc sử dụng personas tổng hợp trong nghiên cứu và thiết kế trong nghiên cứu về mẫu silicon. Ông đã sử dụng chúng để nhận phản hồi về các câu hỏi khảo sát và cải thiện thiết kế bao bì. Ngoài các ứng dụng của ông, personas tổng hợp còn có thể được sử dụng cho các trường hợp marketing và sản phẩm khác.

Marketing, phân khúc và xây dựng thương hiệu

Bạn có thể tạo hai loại personas tổng hợp: loại đại diện cho khách hàng cá nhân và loại đại diện cho nhóm khách hàng. Mỗi loại giúp bạn có được thông tin về hành vi và sở thích của người dùng mà không cần truy cập dữ liệu khách hàng riêng tư. Đây là điểm khởi đầu tốt cho các chuyên gia chưa quen với đối tượng mục tiêu của họ. Bạn có thể phát triển các phân khúc khách hàng khác nhau để kiểm tra chiến dịch và xác định phân khúc nào phản hồi tốt nhất. Từ đó, bạn có thể tùy chỉnh tài sản marketing, nội dung và văn bản để phù hợp với sở thích của các phân khúc đối tượng mục tiêu.

Chỉ cần tải lên kế hoạch marketing, thiết kế đồ họa, video và quảng cáo để nhận phản hồi trong quá trình phát triển chiến dịch. Sau khi tải tài liệu vào mô hình, hãy hỏi người dùng tổng hợp các thông tin như:

• Quảng cáo video này gợi lên cảm giác hạnh phúc hay buồn bã (thay thế bằng cảm xúc bạn mong muốn)?
• Bạn muốn thấy quảng cáo này ở đâu? Trên biển quảng cáo, Facebook, Instagram, hay LinkedIn?
• Bạn có thích thông điệp tổng thể mà nội dung quảng cáo cố gắng truyền tải không?
• Khả năng bạn phản hồi chiến dịch email này là bao nhiêu?

Hơn nữa, thêm dữ liệu hiệu suất của các chiến dịch marketing trước đây để kiểm tra điều gì hiệu quả và điều gì không - điều này giúp mô hình AI có thêm ngữ cảnh để làm việc. Bạn sẽ phải điều chỉnh các prompt để có được kết quả hiệu quả, nhưng kết quả hoàn toàn xứng đáng. Ai biết được, nó có thể giúp bạn tạo ra một quảng cáo viral!

Trong phát triển, thiết kế và kiểm thử sản phẩm

Người dùng tổng hợp cho phép các nhóm sản phẩm đồng cảm với người dùng và tạo ra các sản phẩm, tính năng và chức năng mới phù hợp với nhu cầu và mong đợi của người tiêu dùng. Bạn có thể mô phỏng các tình huống sử dụng để xác định các vấn đề tiềm ẩn và đảm bảo sản phẩm của bạn hoạt động tốt trong các tình huống khác nhau.

Các công ty có thể sử dụng chúng để xác thực thiết kế sản phẩm trước khi ra mắt công khai. Ví dụ, họ có thể kiểm tra giao diện người dùng và tương tác hoạt động tốt như thế nào trong môi trường tương đối an toàn (vì họ không cần phải thử nghiệm trên khách hàng thực). Làm như vậy sẽ giúp họ cải thiện trải nghiệm người dùng (UX) tổng thể của sản phẩm, giảm đáng kể khả năng xuất hiện vấn đề khi sản phẩm chính thức ra mắt, từ đó thu hút người dùng mới và giảm tỷ lệ rời bỏ của khách hàng.

Câu hỏi: Nếu bạn không thể tiến hành nghiên cứu, liệu có được sử dụng personas tổng hợp không? Có thể có, có thể không. Bạn luôn có thể học được điều gì đó mới, thay vì không học được gì cả. Tuy nhiên, việc đưa ra quyết định quan trọng về sản phẩm hoặc marketing dựa trên dữ liệu tổng hợp không phải là lý tưởng.

Giả sử tính năng mới của bạn được đón nhận tốt với khách hàng tổng hợp. Bạn tung ra thị trường nhưng nó thất bại với người dùng thực tế. Điều gì sẽ xảy ra? Bạn lãng phí nguồn lực và mất tiền mà đáng lẽ có thể đầu tư tốt hơn ở nơi khác. Vì vậy, hãy luôn cẩn trọng với phản hồi của họ.

Những Thách Thức với Người Dùng Tổng Hợp

Dù AI có hiện đại đến đâu thì vẫn còn quá nhiều hạn chế của người dùng tổng hợp hơn những gì chúng ta thấy. Persona tổng hợp được xây dựng bằng mô hình học máy, nên chúng rất hữu ích trong những tình huống dữ liệu khách hàng thực tế khan hiếm hoặc hạn chế. Tuy nhiên, có một số điều bạn cần biết trước khi đưa chúng vào quy trình làm việc của mình.

Trước hết, persona tổng hợp gặp khó khăn trong việc nắm bắt đầy đủ phạm vi hành vi và hành động của con người; phản ứng của chúng có thể quá đơn giản, chung chung hoặc logic. Con người không phải lúc nào cũng logic - chúng ta bị ảnh hưởng bởi nhiều yếu tố bên trong và bên ngoài khác nhau (như trải nghiệm cá nhân, tính cách, quan điểm và giá trị) chi phối cách chúng ta hoạt động và phản ứng với mọi thứ.

Trí tuệ nhân tạo và hệ thống học máy, nền tảng của persona tổng hợp, vẫn chưa thể hiểu được những yếu tố này. Ví dụ, người trả lời AI luôn muốn làm hài lòng người phỏng vấn, hoàn thành đầy đủ mọi nhiệm vụ được giao và trả lời câu hỏi một cách khẳng định (hiện tượng gọi là nịnh bợ). Họ đưa ra câu trả lời một chiều, và dường như quan tâm đến mọi thứ; cung cấp một danh sách dài các nhu cầu, thách thức và sở thích. Con người không có những danh sách như vậy - họ chỉ quan tâm đến những điều cụ thể, và những điều khác thậm chí không xuất hiện trong tâm trí họ.

Trong bài báo có tựa đề "A Manager and an AI Walk into a Bar: Does ChatGPT Make Biased Decisions Like We Do?" Chen et al. nhận thấy rằng ChatGPT thường không thể tái tạo các hiệu ứng đặc trưng cho hành vi khách hàng, như sai lầm chi phí chìm. Mọi người tiếp tục đấu giá một món hàng ngay cả khi giá đã vượt quá giá trị thực, chỉ vì họ muốn thắng đấu giá. Không có thứ bậc trong câu trả lời của họ - làm sao bạn hiểu được điều gì quan trọng và điều gì không?

Một mối quan ngại khác là dữ liệu được sử dụng để tạo persona tổng hợp; nếu dữ liệu huấn luyện có thiên kiến, các phản hồi sẽ chứa và duy trì các định kiến. Sự khan hiếm dữ liệu cũng khiến việc đại diện cho người dùng thiểu số hoặc bị thiệt thòi trở nên khó khăn. Việc xác thực cũng phức tạp. Không dễ để kiểm tra người dùng tổng hợp với tình huống và kết quả thực tế. Chúng cần được giám sát, cập nhật và xác minh liên tục với dữ liệu người dùng thực. Chúng ta đang nói về dữ liệu được ẩn danh và không tiết lộ thông tin khách hàng nhạy cảm.

Ngay cả khi bạn đã hoàn thành tất cả những điều này trong danh sách kiểm tra của mình, việc tích hợp người dùng tổng hợp vào hệ thống hiện có có thể gặp khó khăn. Ngoài các vấn đề kỹ thuật và dữ liệu, thuyết phục các bên liên quan hoài nghi về tính hữu ích của chúng có thể là thách thức lớn nhất của bạn. Tệ hơn nữa, công ty của bạn có thể quen với việc sử dụng dữ liệu khách hàng tổng hợp cho nghiên cứu người dùng và không muốn đầu tư vào dữ liệu thực tế.

Tương Lai của Persona Tổng Hợp Người Dùng

Persona tổng hợp tiết lộ những hiểu biết chưa được biết đến về khách hàng của bạn. Nhưng chúng ta có thể tin tưởng dữ liệu tổng hợp không? Nó có đáng tin cậy, có đạo đức không? Ai biết được. Một số người nói rằng đây là tương lai của nghiên cứu người dùng, số khác cho rằng chúng thiếu sự tinh tế và biến thể thường thấy ở những người trả lời là con người. Tuy nhiên, trong một thế giới mà nghiên cứu thị trường tốn kém, persona tổng hợp là một cách hiệu quả về chi phí để hiểu khách hàng của bạn.

Bạn có thể tìm hiểu về một nhóm người dùng mới, những gì họ quan tâm, cách họ hành xử trực tuyến, và phát triển proto-personas và hành trình người dùng có thể giúp bạn với người dùng thực tế. Giống như mọi phát minh khác, persona tổng hợp người dùng đi kèm với danh sách ưu và nhược điểm, nhưng nếu thực hiện tốt, ưu điểm sẽ vượt trội hơn nhiều so với nhược điểm.