Hoe U Data-Gedreven Persona's Maakt

Uw gebruikers begrijpen kan heel veel voor uw bedrijf betekenen. Als er geen goede uitleg is over wie uw klanten doorgaans zijn, waarom ze uw oplossing verkiezen, welke stappen ze moesten ondernemen om uw klant te worden, enz., zult u nooit de juiste mensen kunnen bereiken. Als uw targeting ver van de kar is, zal het er niet toe doen hoe fancy uw product is of hoe slim uw marketingtactieken zijn, het zal geen deuk in de psyche van uw klant slaan. We hebben geschreven over het vinden van klantpersona's en concurrentieanalyse om meer te weten te komen over uw klant.

De klantpersona wordt afgeleid op basis van verschillende factoren, waaronder gedrag, motivatie, demografische factoren, firmografische factoren, het doel van de klant, enzovoort. Persona's zijn nuttig om beslissingen te nemen die van invloed zijn op de manier waarop bedrijven contact opnemen met klanten, content creëren en zich positioneren. Data-gedreven persona's zijn een efficiëntere methode omdat het u in staat stelt betekenisvolle conclusies te trekken op basis van duizenden datapunten.

Wat is een data-gedreven persona?

Er zijn volop gegevenssets beschikbaar die u kunt gebruiken om uw marketing te strategiseren. Data-gedreven persona's gebruiken uw gemakkelijk beschikbare gegevens om uw doelgroepen diepgaand te begrijpen. Het gebruikt gegevens die zijn verzameld uit traditionele persona's wanneer het zijn eigen bronnen opneemt.

Gegevens van data-gedreven persona's komen uit bronnen zoals webanalyse, digitale enquêtes, digitale panels, sociale-mediainzichten, social listening tools, enz. De bovenstaande bronnen helpen ons sneller dan normaal bij het bepalen van persona's. Aangezien de meeste gegevens in realtime kunnen worden verzameld, veranderen de persona's ook steeds.

Het helpt ons te weten over de apparaten die in elke fase van de klantreis worden gebruikt, de kanalen waar de persona's content posten, waar ze het over hebben, het onderzoek dat ze doen om producten te kopen, hun attitudes en hoe het hun koopgedrag beïnvloedt.

Wat is er mis met traditionele persona's?

Hoewel het effectief is, hebben traditionele persona's enkele gebreken. Door data-gedreven persona's te bouwen op basis van de inputs van de traditionele persona, zullen we een veel genuanceerdere persona van uw ideale klanten kunnen ontwikkelen.

Klanten Vooroordelen:

Inzicht in de werkelijke gevoelens van uw klanten kan een grote hulp zijn bij het ontwikkelen van persona's. Maar wanneer het meeste van uw onderzoek gebaseerd is op wat uw klanten denken, zal het onvermijdelijk gebaseerd zijn op hun vooroordelen.

Gebruikers kunnen bijvoorbeeld contact met u hebben opgenomen op basis van de verschillende soorten content die u in de loop der jaren hebt gepubliceerd en geconsumeerd, maar ze kunnen u vertellen dat ze naar uw oplossing op Google hebben gezocht en toen contact met u hebben opgenomen. Dus bedrijven zijn geneigd de inspanning die content op deze gebruikers heeft te negeren.

Niet actiegericht:

De informatie die bedrijven verzamelen om hun klanten te begrijpen en een aantal persona's te bepalen, moet worden gebruikt om effectief te zijn. Traditionele persona's zijn op zichzelf niet actiegericht, wat het verschil maakt met data-gedreven persona's.

Aspiratiegegevens:

Sommige van de informatie die u van traditionele persona's krijgt, kan aspiratie zijn, waarbij de werkelijke behoeften van de klanten niet worden weerspiegeld. Het is de discretie van het bedrijf hoe ze het gebruiken. Gelukkig kunt u dichter bij uw ideale klanten komen door er extra gegevens aan toe te voegen.

Hoe maak je een data-gedreven persona?

In deze sectie gaan we je stap voor stap helpen een data-gedreven persona op te bouwen.

#1 Schrijf je doelstellingen op

Je moet weten wat het doel is achter het besteden van zo veel inspanning en tijd om je persona's te vinden. Er zijn een aantal redenen waarom persona's belangrijk zijn, je moet duidelijk zijn over waarom precies jouw bedrijf dit doet. Enkele van uw doelstellingen kunnen de volgende zijn:

• Nieuwe soorten klanten vinden
• Weten wat voor soort content uw klanten consumeren
• Om te begrijpen wat hun reis met u is geweest
• Om de beste kanalen te vinden om de klant te bereiken
• Meer begrijpen over de interesses en motivaties van uw klant
• Hen een betere klantervaring bieden

Het is prima om meer dan één doel te hebben, maar zorg ervoor dat je er niet te veel op de schop neemt. De doelen mogen niet exclusief voor elkaar zijn, maar moeten elkaar aanvullen.

#2 Verzamel klantgegevens

Om uw doelgroep te begrijpen, moet u erachter komen wat ze doen, wie ze zijn, hun motivaties, gedragingen en meer. Hoe meer bronnen u heeft, hoe verfijnder de informatie zal zijn die u krijgt. Het wordt aangeraden zowel kwalitatieve als kwantitatieve gegevens van uw klanten te gebruiken. Hieronder enkele bronnen die u kunt gebruiken om gegevens over uw klanten te verzamelen.

Website-analyse:

De analyse op uw website, die beschikbaar is in Google Analytics of een van de andere tools die u gebruikt, is een geweldige bron van informatie om het gedragspatroon van uw websitebezoekers te begrijpen. Eenvoudige factoren zoals hoe lang ze op de website blijven, de blogs die ze lezen en de productpagina's die ze vaak bezoeken, vertellen u al veel over uw doelgroep.

Uw bedrijfs-CRM:

De CRM die u gebruikt is een andere schatkist aan gegevens die u veel diepgaande informatie zal geven over uw huidige klanten. Welk plan gebruiken ze, wat is hun functie in het bedrijf, hoeveel geven ze jaarlijks uit, hoe lang zijn ze al klant bij ons, etc.

Marktonderzoek:

Vind uit waar uw klanten rondhangen. Kijk naar de apps en producten die ze gebruiken. Hoe vinden ze de producten die ze kopen? Wat zijn hun informatiebronnen? Zijn ze actief op forums of gemeenschappen? Zo ja, breng dan ook veel tijd door op die plaatsen, want daar kunt u hun echte gedachten vinden die ze delen met andere klanten zoals zij.

Statistische analyse:

Statista is een populaire bron voor statistieken over een verscheidenheid aan onderwerpen. Google Public Data, Knoema, Numberof.net, Gapminder, USA.gov reference center, Gallup, Data Market, Find The Best zijn enkele andere zeer betrouwbare bronnen.

Leren van je vorige marketingcampagnes:

De resultaten van uw vorige marketingcampagnes zijn een geweldige bron om van te leren. Het zal u helpen de fouten te identificeren die u hebt gemaakt, maar het zal u ook helpen te begrijpen wat heeft gewerkt en hoe klanten hebben gereageerd op bepaalde kopieën of landingspagina's.

Zoek de advertenties die het meest resoneerden met uw klanten en focus op de leads die uiteindelijk hebben geconverteerd op basis van deze advertenties. Vraag uw verkoopteam welke tactieken ze gebruikten om ze te converteren, welke bezwaren ze behandelden en welke voordelen ze beloofden. Wanneer iemand op uw advertentie klikt, betekent dit dat uw kopie aansloot bij wat ze wilden. Het bestuderen van hun gedrag en persona zal u helpen uw ideale persona te verfijnen.

Focusgroepen:

Praten met mensen die deel uitmaken van uw doelgroep kan geweldig zijn om uw persona's te verfijnen. Focusgroepen helpen u een gesprek te voeren met een groep mensen uit uw doelgroep in persoon. Er zal discussie zijn over uw product, u kunt ze vragen stellen over hun leven, hun werk, en zelfs demo's laten zien indien mogelijk. Vraag hen of ze zich ongemakkelijk voelen bij het werken met uw product of dat ze vooroordelen hebben waardoor ze de aanschaf nooit hebben gedaan. Alle input die u hier krijgt, kan deel uitmaken van de data.

Enquêtes uitvoeren:

Antwoorden rechtstreeks van uw klanten krijgen is een van de krachtigste manieren om hen te begrijpen. Gelukkig zijn er tools beschikbaar die hiervoor kunnen worden gebruikt, waardoor de benodigde inspanning wordt verminderd. Stel uw klanten en doelgroep vragen om meer te begrijpen waarom ze op zoek zijn naar een oplossing zoals de uwe en andere relevante vragen om hen diepgaand te begrijpen.

Interviewees met verkopers in uw bedrijf:

Uw verkopers zijn degenen die rechtstreeks met uw klanten spreken. Ze krijgen een stortvloed aan vragen van hen te verwerken en zijn beter uitgerust om al uw vragen te beantwoorden, omdat ze uit de eerste hand kennis hebben van de behoeften van uw klanten. Begrijp welke vragen klanten meestal stellen tijdens een verkoopgesprek, waarom ze geïnteresseerd zijn in onze dienst en waarom ze voor onze dienst hebben gekozen in plaats van die van een concurrent.

#3 Creëer uw hypothese:

Op basis van de gegevens die u hebt verzameld, moet u in staat zijn hypothesen op te stellen. Analyseer de gegevens op patronen en kijk of er opvallende overeenkomsten of verschillen zijn. Klinkt het bekend? Kan het worden gebruikt om gebruikers te identificeren? Gebruik dit alles om je eigen hypothese op te stellen.

De hypothesen die u maakt, kunnen zelfs tegenstrijdig zijn, aangezien de interesses van de klant gevarieerd zijn. Ze kunnen zelfs uit verschillende segmenten komen, wat de reden is voor de tegenstrijdigheid in hun gedrag en motivaties volgens uw hypothesen. Aangezien uw hypothese gebaseerd is op observatie, moet u deze testen om te verifiëren.

#4 Test uw hypothesen:

Nu we gegevens hebben verzameld van duizenden potentiële leads en klanten en een hypothese hebben opgesteld op basis daarvan, hier is de volgende stap. U moet de hypothesen testen om vast te stellen of uw bevindingen zinvol zijn in de echte wereld. Zorg voor een grote groep mensen die bereid is deel te nemen aan het onderzoek.

Neem contact op met mensen die mogelijk geïnteresseerd zijn om deel te nemen aan het onderzoek en test uw hypothesen door met potentiële klanten te praten. Stel hen vragen die een gedetailleerd antwoord vereisen, noteer de bevindingen en segmenteer ze.

#5 Formuleer data-gedreven persona's:

Het is van cruciaal belang dat u iedereen in uw team betrekt bij het proces van het creëren van persona's. Waarom? Omdat de input van iedereen verschillende perspectieven heeft en het verfijnder zal worden dan wat er normaal gesproken van wordt verwacht. Hoe meer mensen betrokken zijn bij het proces, des te groter de kans dat het goed ontworpen wordt.

Presenteer de resultaten van de gegevensverzameling, laat iedereen weten over de hypothesen die u op basis van de gegevens hebt gemaakt en de resultaten toen u ze testte. Besluit op basis hiervan samen welke persona's u van plan bent te maken.

Voordelen van data-gedreven persona's

Online analytics tools geven u gegevens, maar bieden op zichzelf geen betekenis. Het is niet menselijk mogelijk om enorme hoeveelheden gegevens te onthouden. Persona's die gebruik maken van deze data en meer menselijke attributen hebben, zijn gemakkelijker te onthouden. Hier zijn enkele voordelen van data-gedreven persona's.

Bijgewerkte gegevens:

Voor het maken van traditionele persona's is veel gegevensverzameling over een lange periode nodig, maar de realiteit is dat het gedrag van klanten blijft veranderen op basis van verschillende factoren. Met data-gedreven persona's kunt u persona's maken op basis van real-time gegevens. Het verzamelt gegevens van Facebook, YouTube, online forums, etc., die allemaal real-time worden bijgewerkt.

Op bepaalde tijdsintervallen kunt u data-gedreven persona's genereren die altijd up-to-date zijn, omdat de gegevensverzameling automatisch gebeurt en de persona's opnieuw worden berekend. Het maakt gebruik van gegevens van miljoenen interacties terwijl het wordt gecombineerd met andere relevante gegevens.

Kan snel gegenereerd worden:

Wist je dat het maken van een handmatig gedane persona maanden van je tijd kan duren, vanaf gegevensverzameling tot analyse? Het maken van een data-gedreven persona duurt slechts enkele minuten tot dagen, afhankelijk van de infrastructuur die al beschikbaar is.

Kosteneffectief:

Omdat er veel handmatig werk komt kijken bij het maken van een traditionele buyer persona, kan het buitensporig duur worden. Vooral omdat het maanden inspanning vergt. Data-gedreven persona's zijn relatief goedkoper om te produceren, omdat er een hoge mate van automatisering bij het hele proces betrokken is. Data-gedreven persona's maken gebruik van digitale gegevens die gemakkelijk verzameld kunnen worden om persona's te creëren.

Biedt volledige toegang:

Data-gedreven full-stack oplossingen genereren persona's automatisch op basis van de verschillende soorten gegevens die beschikbaar zijn, terwijl ze ook toegang bieden tot de gegevens.

Gegevensbescherming:

Het gebruik van geaggregeerde gegevens uit een groot aantal bronnen zou nooit gegevens omvatten die persoonlijk identificeerbaar zijn. De gegevens die worden verstrekt door online platforms zoals YouTube, Facebook, Instagram, zijn doorgaans op groepsniveau en tonen nooit informatie die kan worden gebruikt om iemand te identificeren.

Gedragsmatig accurate informatie:

Data-gedreven persona's gebruiken algoritmen om klanten in kleinere segmenten onder te verdelen en gebruiken real-time gegevens om karakteristieken voor de beschrijving van hun persona's te genereren. Het leidt ook patronen af uit de interactie van klanten met online-inhoud en websites die dergelijke informatie bevatten. Data-gedreven persona's worden als nauwkeuriger beschouwd omdat ze gebaseerd zijn op werkelijke gegevens die afkomstig zijn van een sterk gesegmenteerd publiek.

Representatief voor een groot publiek:

De kans op onjuiste representatie is groot bij traditionele persona-generatie methoden omdat de steekproefgrootte meestal klein is. Als de steekproefgrootte miljoenen data omvat, denkt u dan dat het mogelijk is om traditionele gegevensverzamelingsmethoden te gebruiken? Data-gedreven methoden zijn representatief voor de volledige gegevensset omdat ze enorme hoeveelheden gegevens kunnen analyseren.

Conclusie:

Marketingcampagnes of producten bouwen zonder de hulp van persona's is een zware opgave. Wie moet u richten als u niet weet wie uw ideale klant is? Hier kunnen persona's de manier veranderen waarop u advertentieteksten schrijft, marketingcampagnes creëert en potentiële kopers richt.

Door klanten data-gedreven persona's aan te bieden, vermindert Delve AI de last voor kleine en middelgrote bedrijven, start-ups en non-profitorganisaties, die anders duizenden dollars zouden moeten neertellen voor handmatig gemaakte buyer persona's. Data-gedreven persona's van webanalyse gegevens worden meestal binnen enkele minuten automatisch gegenereerd en up-to-date gehouden. U kunt ze gebruiken om duidelijkheid te krijgen over uw meest waardevolle segmenten en de klantervaring te verfijnen om uw bedrijf te laten groeien.