Kundepersonas i 2025: Hvorfor dine mislykkes (og hvordan du fikser dem)

Hvorfor Old-School Customer Persona kommer til kort

Hvis bedriftens ideelle kundeprofil ikke har utviklet seg siden dagene da tredjeparts informasjonskapsler streifet fritt, er du ikke alene. Mange bedrifter bruker fortsatt utdaterte metoder for å lage kundepersona – tenk på interne magefølelser, anekdotiske salgstilbakemeldinger, kanskje et dryss av fjorårets nettanalyse. Resultatet er ofte en endimensjonal karikatur av en kunde som føles betryggende , men som sjelden er nøyaktig. Faktisk har kundepersonas «ikke endret seg mye gjennom årene», og bedrifter misbruker dem ofte ved å invitere til intern skjevhet og fylle dem med irrelevante detaljer (forrester.com). Altfor ofte lever disse personaene på en PowerPoint eller plakat som alle nikker til og deretter ignorerer (eller enda verre, tar feilaktige avgjørelser med).

Problemet med interne forutsetninger

Hva kan være årsaken til at disse tradisjonelle personene er mindre effektive nå? For det første er de vanligvis utelukkende basert på interne data og antakelser. Ingen ny forskning eller validering betyr at personaen gjenspeiler hva teamet ditt mener – ikke hva kundene gjør. Som Forrester-analytikere uttrykker det, er en persona bare så god som den objektive forskningen bak den; Å stole på uprøvde antagelser baker i skjevheter. Dessverre gjør mange bedrifter akkurat det, skaper personas i et vakuum og oppdaterer dem aldri etter hvert som markedene skifter.

Det endrede datalandskapet

Datalandskapet har også endret seg under føttene våre. Med nye personvernregler og bortfallet av tredjeparts informasjonskapsler, mistet markedsførere en stor del av enkel innsyn i forbrukeratferd. Googles overgang til Analytics 4 (GA4) er et godt eksempel: det er redesignet for en verden som setter personvern først, og beveger seg bort fra tredjeparts informasjonskapselsporing og lener seg på førstepartsdata og maskinlæring i stedet.

Fordelen er bedre overholdelse av personvern; Ulempen er at markedsførere får mindre detaljerte brukerdata ut av esken. Gamle personaer som er bygd på detaljerte detaljer fra Universal Analytics eller annonsedata basert på informasjonskapsler, ser nå ut som dinosaurer. Kort sagt, vi kan ikke forfølge brukere rundt på nettet som vi pleide, så enhver persona bygget på disse metodene mister raskt relevans.

Til slutt, vurder hvor statiske, utdaterte personas er. Verden beveger seg nå raskt – algoritmer endres, trender eksploderer over natten på TikTok, forsyningskjeder krasjer og forbrukernes prioriteringer endres med hver globale nyhetssyklus. Hvis din «ideelle kunde»-profil ikke holder tritt, er det sannsynligvis feil. Det er talende at bare 44 % av markedsførerne til og med bruker kjøperpersonas i strategien sin (salesgenie.com), (noe som betyr at et flertall enten hopper over dem eller gir opp dem), og blant de som har personas, har mange ikke oppdatert dem nylig. Dette er en stor tapt mulighet, spesielt når personlig markedsføring er viktigere enn noen gang (vi kommer til det snart).

Bunnlinjen: å klamre seg til en persona tegnet i et konferanserom i fjor (eller for fem år siden) kan aktivt skade markedsføringen din. Det gjør deg blind for reelle endringer i kundeatferd og kan føre til tonedøve kampanjer. For å bygge din ideelle kundepersona i dag, må vi droppe de rent fiktive profilene og omfavne en databeriket, kontinuerlig oppdatert tilnærming.

Møt den moderne digitale forbrukeren

For å forstå hvorfor gårsdagens personas kommer til kort, la oss se på hvem dagens digitale forbrukere egentlig er. Spoiler: de er kanalhoppende, hyperinformerte og mer distraherte enn en katt i en laserpekerfabrikk. Det er avgjørende å forankre personasene dine i denne virkeligheten. Her er noen øyeåpnende statistikker.

Den digitale virkeligheten som alltid er på

Den gjennomsnittlige internettbrukeren i 2023 bruker omtrent 6 timer og 37 minutter online hver dag datareportal.com – nesten en tredjedel av deres våkne timer. Av den tiden brukes over 21/2 time per dag på sosiale medieplattformer. Forbrukere er ikke bare online kort; de bor praktisk talt der, og sjonglerer arbeid, shopping, underholdning og sosial forbindelse.

Dessuten er den typiske personen ikke lojal mot bare én plattform eller enhet. I gjennomsnitt er en internettbruker i dag aktiv på rundt 7 forskjellige sosiale medier per måned. De kan starte dagen med å sjekke Instagram, oppdage produkter på TikTok over lunsj, sammenligne priser på Google om ettermiddagen og raljere på Twitter om kvelden. Denne diversifiseringen av oppmerksomhet betyr at kundene dine legger igjen digitale brødsmuler overalt – langt utenfor nettstedet ditt.

Vi har også nådd rekordnivåer for bruk av flere enheter. Kunder kan begynne å undersøke et produkt på telefonen, senere kjøpe det på en bærbar datamaskin og kontakte support via smarthøyttaler eller chat-app. Hvert berøringspunkt er en brikke i puslespillet. Det er ikke rart at det å stole på en enkelt datakilde (som bare nettanalyse eller spørreundersøkelser i butikk) kan gjøre personaforståelsen din ufullstendig. Hvis du bare ser på én del – for eksempel hva folk gjør på nettstedet ditt – går du glipp av at de samme kundene kan være veldig forskjellige på en annen kanal.

💡 For eksempel kan en kunde sjelden åpne markedsførings-e-postene dine, men engasjere seg i merkevarens Instagram daglig; en annen kan lure på nettstedet ditt uten å kjøpe før de ser en retargeting-annonse med rabatt.

Hva moderne kundepersonas må ta hensyn til

Den moderne forbrukeren er velinformert og forventer bekvemmelighet. Studier viser at over 50 % av forbrukerne nå forventer at selskaper forutser deres behov og kommer med relevante forslag før de i det hele tatt tar kontakt. Og utålmodigheten er høy – hvis du sprenger dem med generiske tilbud som ikke passer, vil et flertall stenge deg ute eller til og med føle deg irritert.

Lærdommen for persona-bygging: din ideelle kunde er ikke en statisk skisse med én kanal og ett behov. De er flerdimensjonale. Enhver nyttig persona i dag må ta hensyn til kompleksiteten i digital atferd – de mange plattformene, den konstante tilkoblingen og de økte forventningene. Det betyr også at interne data alene (som bare kjøpshistorikk eller bare Google Analytics) tegner et utilstrekkelig bilde. For å virkelig «bygge din ideelle kunde», må vi samle data fra hele deres digitale liv, med respekt for personvern og samtykke, selvfølgelig.

360° kundevisningsgapet (og hvorfor data er så fragmenterte)

Hvis moderne forbrukere sprer dataene sine over dusinvis av berøringspunkter, hvordan kan vi noen gang få et fullstendig bilde? Dette er den klassiske 360-graders kundevisningsutfordringen – og det er der de fleste e-handelsbedrifter sliter. Ironien er at mange bedrifter sitter på hauger med data om kundene sine, men det hele er fragmentert i forskjellige systemer. E-butikken din har nettanalysedata, CRM-et ditt har e-postengasjement og kjøpshistorikk, teamet ditt for sosiale medier har publikumsdemografi fra Facebook eller TikTok, betalingsbehandleren eller POS har transaksjonsdetaljer … og disse stykkene snakker sjelden med hverandre. Det er som å prøve å løse et puslespill når alle brikkene sitter fast i forskjellige bokser.

Denne fragmenteringen er ikke bare en IT-hodepine; det dreper markedsføringsinnsikt. Når data er siloer mellom plattformer, blir meningsfull segmentering og personalisering nesten umulig.

En studie fant at selskaper taper 20–30 % av den årlige omsetningen på grunn av ineffektivitet forårsaket av dårlig datahåndtering (ouch!), og hele 84 % av selgerne sier at fragmenterte data hindrer dem i å levere en sømløs kundeopplevelse (linkedin.com).

Tenk på det – hvis e-postsystemet ditt og nettstedsanalysen din ikke deler data, kan du sende en e-post til en kunde med en kampanje for et produkt de allerede kjøpte i går (fordi e-postverktøyet ditt ikke visste om kjøpet). Eller du kan behandle en gjentakende kjøper med høy LTV på samme måte som en engangsdekksparker fordi oppførselen deres lever i separate siloer. Disse feiltrinnene oversettes til tapt salg og svekket lojalitet.

Hvorfor kundedata blir fragmentert

• Flere plattformer for forskjellige funksjoner: En e-handelsbedrift kan bruke én plattform for nettbutikken, en annen for e-postmarkedsføring, en egen CRM for kundestøtte og kanskje et analyseverktøy eller to. Hver genererer sitt eget datasett. Med mindre de integreres proaktivt, forblir de isolert.
• Ulik forbrukeratferd etter kanal: Kunder oppfører seg annerledes på nettstedet ditt kontra sosiale medier kontra i butikk (hvis du har fysisk butikk). Hvert berøringspunkt fanger opp et annet aspekt av personen (nettleserhistorikk, sosiale interesser, kreditt- eller betalingsinformasjon, lojalitetsstatus osv.). Uten integrasjon får du en fragmentert persona – som blinde menn som beskriver en elefant fra forskjellige vinkler.
• Eldre systemer og mangel på IT-ressurser: Mindre bedrifter har ofte ikke råd til en fullstendig enhetlig teknologistabel. Stykkevise løsninger akkumuleres over tid. Integrering av dem krever teknisk ekspertise (APIer, datavarehus) og løpende vedlikehold. Ikke alle selskaper har et dedikert utviklingsteam eller dataingeniør til å gjøre dette tunge løftet.
• Personvern og databegrensninger: Ironisk nok kan strengere personvernregler øke fragmenteringen. Med informasjonskapselbegrensninger og opt-outs er tredjepartsdata som pleide å flyte fritt nå begrenset. Du har kanskje noen førstepartsdata, men hull der du pleide å stole på tredjepartssporing. Med mindre du erstatter disse med nye strategier (som å spørre brukere direkte eller utnytte påloggede data), sitter du igjen med delvise visninger.

Hvorfor kundedata blir fragmentert

Alt dette fører til en ubehagelig sannhet: De fleste e-handelsmerker har ikke virkelig et 360° syn på kundene sine, selv om de tror de har det. Du kan ha 36 forskjellige visninger på 36 forskjellige steder. Ikke rart å bygge en virkelig nøyaktig persona føles skremmende!

For å illustrere, la oss forestille oss ett eksempel på kundepersonas – kunden Jane Doe. Shopify-butikken din kjenner Jane som kjøper #1234 som kjøpte to varer forrige måned. E-postsystemet ditt kjenner henne som jane.doe@gmail.com som klikker på 10 % av nyhetsbrevene dine. Facebook kjenner henne som bruker @JaneDoe som likte det siste innlegget ditt. Kundeserviceprogramvaren din kjenner henne via telefonnummer som personen som ringte om en retur. Hvert system inneholder en bit av Janes puslespill. Hvis du aldri setter sammen dem, vil din «persona» til Jane i beste fall være ufullstendig, eller i verste fall helt misvisende.

Disse usammenhengende dataene gjør også gamle personbyggingsøvelser (ofte gjort på papir) nesten latterlige – teamene ender opp med å gjette hva kundene gjør fordi de ikke lett kan se hele historien. Eller de ignorerer store mengder data fordi det er for vanskelig å konsolidere. Resultatet er en persona som kan gjenspeile én del (f.eks. nettstedsatferd), men ikke hele kundereisen.

Så, hvordan bygger vi bro over dette gapet? Store bedrifter kaster penger på problemet – massive datasjøer, fancy kundedataplattformer (CDP-er), hærer av dataforskere – men det er ikke mulig for alle. Faktisk bruker små bedrifter ofte tusenvis av dollar per bruker per måned på ulike salgs- og markedsføringsverktøy og ender fortsatt opp med fragmenterte, uproduktive datasiloer. Au. Det er klart at vi trenger mer intelligente og tilgjengelige metoder for å koble sammen de ulike dataene.

Den oppmuntrende nyheten er at det finnes løsninger for å takle datafragmentering og bygge rikere personas – fra enkle taktikker som undersøkelser til høyteknologiske plattformer. De neste avsnittene vil utforske disse personbyggende løsningene og hvordan du kan utnytte dem, enten du er en slank e-handelsoppstart eller en større nettforhandler. Målet er å oppnå den unnvikende enhetlige kundeforståelsen uten å tømme banken (eller fornuften din) fullstendig.

Løsninger: Moderne metoder for å bygge personas

Å bygge en datadrevet markedsføringspersona kan høres høyteknologisk ut, men det koker ned til å kombinere sunn fornuft kundeundersøkelser med smart bruk av teknologi. Her skisserer vi en rekke tilnærminger – du kan bruke en eller en blanding av flere. Hver har sine fordeler, ulemper og kostnader. Nøkkelen er å gå forbi gjetting og utnytte ekte, oppdaterte data om kundene dine. La oss dykke inn.

1. Regelmessige undersøkelser og kundeundersøkelser (kundens stemme)

En av de enkleste måtene å holde en persona frisk på er bare å spørre kundene dine om seg selv. Spørreundersøkelser, intervjuer, tilbakemeldingsskjemaer – disse tradisjonelle forskningsmetodene er fortsatt verdifulle. De gir kvalitativ innsikt som rådata kanskje ikke har, for eksempel hvorfor en kunde oppfører seg på en bestemt måte eller hvilke problemer de prøver å løse ved å bruke produktet ditt.

💡 Du kan for eksempel sende en spørreundersøkelse etter kjøp og spørre hvordan kunden fant deg, hva som nesten stoppet dem fra å kjøpe, og hva de bryr seg om (pris, kvalitet, bærekraft osv.). Over tid dukker det opp mønstre som informerer personaens motivasjoner og smertepunkter. Du kan også gjøre en-til-en-intervjuer eller brukervennlighetstester for å se ekte kunder samhandle med nettstedet eller produktet ditt.

Styrker: Spørreundersøkelser og intervjuer gir deg innsikt direkte fra hestens munn. De kan validere (eller ugyldiggjøre) antagelsene dine. Dette er spesielt nyttig for å bekjempe interne skjevheter. Det er også relativt billig – verktøy som Google Forms eller SurveyMonkey er rimelige, og insentiver som en liten kupong kan øke svarprosenten. I en personvernsentrisk verden er undersøkelser «nullpartsdata» (kunden oppgir villig informasjon) – ingen informasjonskapsler eller spionasje er nødvendig.

Svakheter: Ulempene er at spørreundersøkelser er selvrapporterte (folk husker ikke alltid eller forteller ikke hele sannheten om oppførselen sin), og du hører kanskje bare fra en liten, vokal undergruppe. Det er også et øyeblikksbilde i tid; Forbrukernes følelser kan endre seg, så du må gjøre undersøkelser regelmessig. Og ærlig talt, svarprosenter kan være en utfordring – mange ignorerer undersøkelser med mindre de er svært motiverte. Så selv om denne metoden er utmerket for kvalitativ dybde, vil den ikke gi deg det fullstendige kvantitative bildet. Det vil heller ikke automatisk forene data – du vil få innsikt som du må integrere med det du ser i analyse.

Tips om beste praksis: Gjør kundeundersøkelser til en kontinuerlig vane. Selv en kort kvartalsundersøkelse eller noen få kundesamtaler per måned kan avdekke nye trender. Bare husk å handle på det du lærer – legg det tilbake i personaprofilene dine og del det med teamet ditt. Ikke la det bli nok en rapport som blir arkivert.

2. Interne utviklings- og datavitenskapsteam

I den andre enden av spekteret fra gjør-det-selv-undersøkelser er den krevende tilnærmingen: å bruke ditt eget tekniske team til å forene og analysere kundedata. Dette betyr å gi utviklere eller dataforskere i oppgave å koble sammen alle de forskjellige systemene dine og knuse tallene for innsikt. Teamet ditt kan for eksempel bygge et datavarehus som henter inn data fra e-handelsplattformen, e-postverktøyet, annonsekampanjer, kundestøttelogger osv., og deretter bruke analyser eller maskinlæring for å identifisere distinkte kundesegmenter (personas) fra de enhetlige dataene.

Styrker: Når det gjøres riktig, kan denne tilnærmingen gi den rikeste, mest skreddersydde intelligensen. Du lager i hovedsak din egen mini-Google-Analytics-på-steroider som er spesifikk for virksomheten din. Interne team kan lage akkurat de spørsmålene og analysene du trenger (f.eks. «vis meg verdifulle kunder som surfer på mobil klokken 2 og svarer på push-varsler»). Du eier løsningen og dataene, noe som er flott for personvernoverholdelse og fleksibilitet. Hvis du har datavitenskapelige evner, kan du til og med være prediktiv – forutsi kundens levetidsverdi eller churn-risiko og inkorporere disse attributtene i personas.

Svakheter: Den åpenbare ulempen er kostnader og kompleksitet. Integrering av flere datakilder er notorisk vanskelig – forvent utallige timer med integrering av APIer eller databaser. Det er ikke uvanlig at slike prosjekter løper opp i titusenvis av dollar i utviklertid eller krever ansettelse av spesialister. Vedlikehold av disse pipelinene er også ikke-trivielt (systemoppdateringer eller API-endringer kan bryte dataflyten). I hovedsak er denne tilnærmingen ofte bare mulig for større selskaper eller teknologikyndige virksomheter som kan investere tungt. Hvis du er en liten til mellomstor e-handel, har du kanskje ikke budsjettet eller folkene til å gjøre dette internt. Selv om du gjør det, kan det ta måneder å få resultater.

Det er en avveining: bygg den selv og få akkurat det du trenger (men betal prisen), eller bruk tredjepartsverktøy som kanskje ikke passer perfekt (men som er ferdige). Mange voksende e-handelsfirmaer begynner å prøve intern dataforening, bare for å innse at det er en massiv oppgave. Det er greit hvis du ikke kan gå full «DIY data science». Den positive nyheten er at det finnes verktøy for å hjelpe – noe som bringer oss til neste metode.

3. Kundedataplattformer (CDP-er) og alt-i-ett-løsninger

I løpet av de siste årene har kundedataplattformer dukket opp som den hellige gral for å forene kundeinformasjon. En CDP er i utgangspunktet en programvare som suger inn data fra alle kildene dine (nettsted, mobilapp, e-post, annonser, CRM, etc.), syr sammen enhetlige kundeprofiler (løser at Jane Doe på nettstedet ditt er det samme som Jane D. i e-postlisten din), og gir ofte verktøy for segmentering og aktivering (som å lage persona-baserte målgrupper du kan sende til Facebook-annonser eller e-post). Eksempler inkluderer Segment (Twilio Segment), Adobe Real-Time CDP, Socialscore Light CDP, Treasure Data, mParticle og mange andre.

For en e-handelsbedrift kan en CDP teoretisk gi deg den ettertraktede 360°-visningen ved å fungere som den sentrale hjernen. Det kan spore at bruker X er den samme på tvers av enheter, har åpnet 5 e-poster, besøkt produkt A tre ganger, kjøpt to ganger og har en kundeservicebillett åpen – alt i én profil. Du kan deretter definere personas eller segmenter i CDP (f.eks. «Bargain Hunters» vs «High-Spenders» basert på atferdsmønstre) og presse personlige kampanjer deretter.

Styrker: Den åpenbare styrken er forening og handlingsevne. En god CDP vil løse datafragmenteringsproblemet ved design – den er bygget for å integrere datakilder og holde profiler oppdatert i sanntid. Mange CDP-er har også maskinlæringsfunksjoner for å oppdage kundeklynger eller forutsi attributter (som sannsynlighet for å kjøpe). Når den er konfigurert, kan markedsførere ofte bruke en CDP med minimal IT-hjelp, trekke opp segmenter eller eksportere målgrupper med noen få klikk. Dette er en stor seier for smidigheten. Kort sagt, CDP-er lover å være en one-stop-shop for å gjøre fragmenterte data om til sammenhengende, brukbare personas og segmenter.

Svakheter: To store: kostnader og implementeringsinnsats. CDP-er, spesielt de i bedriftsklassen, er ikke billige. Minimumsinvesteringen er ofte i området $4,000–$12,500 per måned for en CDP-løsning, noe som setter den utenfor rekkevidde for mange små bedrifter. Og det er bare lisensiering – du kan også trenge en løsningsingeniør eller partner for å implementere det. Det kan ta måneder å implementere en CDP fullt ut og integrere alle datakildene dine. Hvis dataene dine ikke er rene eller konsistente, vil ikke en CDP på magisk vis fikse det; søppel inn, søppel ut. For små og mellomstore bedrifter finnes det lettere CDP-lignende verktøy eller til og med CRM-systemer (som HubSpot, som vi vil diskutere senere) som inkluderer noen CDP-funksjoner til lavere kostnad, men de krever fortsatt en forpliktelse.

I tillegg betyr bruk av en CDP effektivt at teamet ditt må lære det og aktivt vedlikeholde disse integrasjonene. Den er kraftig, men hvis den er underutnyttet, kan den bli et dyrt hyllevare. Vi må også merke oss at selv om CDP-er forener førstepartsdata (dataene dine), bringer de ikke inn ny ekstern innsikt utover det du mater dem med. Hvis du mangler data på noen områder (for eksempel at du ikke har noen anelse om kundenes interesser på sosiale medier), vil ikke en CDP i seg selv fylle det gapet; det vil bare organisere det du har.

Oppsummert er CDP-er fantastiske for organisasjoner som er datarike og klare til å investere i infrastruktur for å bruke disse dataene. Hvis du er mindre, fortvil ikke – du kan fortsatt få mange fordeler ved å velge en rimeligere plattform som dekker dine primære kanaler eller ved å bruke neste tilnærming: tredjeparts databerikelse.

4. Alternative dataleverandører og berikelsestjenester

En annen vei til å bygge rikere personas er å utvide dataene dine med eksterne kilder. Tenk på dette som å tette hull i kundekunnskapen din ved å bringe inn informasjon utenfra. Det er her leverandører som SocialScore kommer inn (blant andre). Disse tjenestene samler inn forbrukerdata fra ulike alternative kilder – ofte offentlige eller aggregerte data fra sosiale medier, nettatferd, demografi osv. – og bruker dem til å berike profilene du har.

For eksempel kan SocialScore ta noe som en e-postadresse eller et telefonnummer fra kundelisten din og slå opp personens offentlige sosiale medieprofiler, interesser og til og med digitale fotavtrykk på hundrevis av nettsteder. Plutselig kan du finne ut at kunden Jane Doe er veldig interessert i utendørs fotturer og følger flere miljøvennlige merker på nettet – innsikt du aldri fikk fra din egen nettstedsanalyse. SocialScore beskriver sitt oppdrag som å hjelpe bedrifter med å ta smartere beslutninger ved å bruke alternative kundedata for analyse, prediksjon og innsikt. I praksis betyr det at de henter inn data fra 300+ nettsteder og sosiale plattformer, og scorer publikum på ting som interesser og nettatferd.

Hvordan ser dette ut?

La oss si at du har en persona av «Miljøbevisst Emma» for din bærekraftige produktlinje, men alt du vet fra dataene dine er at Emma kjøper bambustannbørstene dine. En berikelsestjeneste kan fortelle deg at «Emma» (ekte kunder som passer til den profilen) sannsynligvis også abonnerer på visse øko-livsstilsblogger, bruker mye tid på Pinterest, er interessert i yoga og har en tendens til å bruke iPhones. Nå er personaen din flerdimensjonal: ikke bare hva hun kjøper fra deg, men hva livsstilen og preferansene hennes er mer generelt.

En casestudie av e-handel viste en merkevare som brukte SocialScore til å samle inn data fra over 60 sosiale nettverk og nettsteder, og hentet detaljer som brukerbiografier, interesser og kommunikasjonspreferanser for å bygge detaljerte kundeprofilersocialscore.io. Dette tillot dem å tilpasse markedsføring basert på hobbyer og preferanser for kommunikasjonskanaler – ting de aldri ville vite fra interne data alene.

Styrker: Databerikelse kan gi deg en fyldigere 360°-visning uten at du trenger å samle alt selv. Det er som å turbolade personasene dine med samfunns- og atferdskontekst. Det er spesielt verdifullt for mindre selskaper som ikke har ressurser til å spore brukere på nettet – disse leverandørene har gjort benarbeidet. Det er også vanligvis raskere å implementere enn en full CDP; Du sender over noen kundeidentifikatorer og får tilbake berikede profiler. Tjenester som dette kan være rimeligere enn å bygge en gigantisk stabel – noen opererer med betal-per-kamp eller abonnementsmodeller som skaleres til din størrelse. De kan også tilby poengmodeller (f.eks. en poengsum for «sosial innflytelse» eller «kjøpekraft»-estimat) som hjelper til med å segmentere kunder på nye måter.

Svakheter: Det er viktige forbehold. For det første må datakvalitet og personvern vurderes. Du må sørge for at datakilden er kompatibel (sjekk GDPR osv., og sørg for at du har tillatelse til å bruke disse dataene til markedsføring). Kunder kan synes det er skummelt hvis du plutselig retter deg mot dem basert på informasjon de aldri har gitt deg – så bruk berikede data smart og etisk (f.eks. for å veilede strategien, ikke for å si direkte «vi vet at du elsker fotturer» hvis de aldri fortalte deg det). Videre kan eksterne data noen ganger være utdaterte eller unøyaktige for spesifikke individer – behandle dem som sannsynlige.

En annen svakhet er at bruk av berikede data medfører ekstra kostnader og skaper en avhengighet av en tredjepart. Og det vil ikke løse interne siloer av seg selv; du må fortsatt slå sammen disse berikede dataene med det du har (selv om mange leverandører sender ut data i et format som er lett å importere, og noen kan koble til CRM-er eller CDP-er direkte).

Brukstilfelle: Alternative data skinner når du ønsker å utvikle personasene dine utover det åpenbare. Det handler ikke om å erstatte førstepartsdataene dine, men å fullføre bildet. For eksempel, hvis din interne persona er «High-Spending Hannah» basert på kjøpsverdi, kan berikelse avsløre at det er to typer Hannah: en som er karrierefokusert og aktiv på LinkedIn og en annen som er en sosialist som er aktiv på Instagram – og du vil nærme deg disse underpersonene annerledes. Uten data utenfra ville du markedsført til dem på samme måte og gått glipp av nyansen.

Hver av disse løsningene, for eksempel undersøkelser, CDP-er og databerikelse, adresserer et spesifikt aspekt av personaen. Du trenger ikke nødvendigvis å velge bare én. Faktisk er den beste tilnærmingen ofte en kombinasjon: bruk spørreundersøkelser for å få kvalitative følelser, bruk analyse/CRM for kvantitativ atferd, og kanskje koble til en databerikelsestjeneste for å legge til ekstra innsikt. Målet er å gjøre personaen din fra en statisk skisse til en levende, pustende datainformert profil.

La oss deretter se hvordan en persona kan utvikle seg i praksis når du bruker noen av disse metodene.

Ofte stilte spørsmål