Kundpersonas 2025: Varför dina misslyckas (och hur man åtgärdar dem)

Varför Old-School Customer Persona Fall Short

Om ditt företags ideala kundprofil inte har utvecklats sedan de dagar då tredjepartscookies strövade fritt är du inte ensam. Många företag använder fortfarande föråldrade metoder för att skapa kundpersona – tänk på interna magkänsla, anekdotisk försäljningsfeedback, kanske ett stänk av förra årets webbanalys. Resultatet blir ofta en endimensionell karikatyr av en kund som känns betryggande men som sällan stämmer. Faktum är att kundpersonas ”inte har förändrats mycket under åren”, och företag missbrukar dem ofta genom att bjuda in interna fördomar och fylla dem med irrelevanta detaljer (forrester.com). Alltför ofta finns dessa personas på en PowerPoint eller affisch som alla nickar åt och sedan ignorerar (eller ännu värre, fattar felaktiga beslut med).

Problemet med interna antaganden

Vad kan det vara som gör att dessa traditionella personligheter är mindre effektiva nu? För det första är de vanligtvis baserade enbart på interna data och antaganden. Ingen ny forskning eller validering innebär att personan återspeglar vad ditt team tycker – inte vad kunderna gör. Som Forrester-analytiker uttrycker det är en persona bara så bra som den objektiva forskningen bakom den; Att förlita sig på oprövade antaganden skapar partiskhet. Tyvärr gör många företag just det, skapar personas i ett vakuum och uppdaterar dem aldrig när marknaderna förändras.

Det föränderliga datalandskapet

Datalandskapet har också förändrats under våra fötter. Med nya sekretessregler och bortfallet av cookies från tredje part förlorade marknadsförare en stor del av enkel insyn i konsumentbeteendet. Googles övergång till Analytics 4 (GA4) är ett utmärkt exempel: den har gjorts om för en värld där integriteten sätter integriteten först, och går bort från spårning av cookies från tredje part och lutar sig istället mot förstapartsdata och maskininlärning.

Fördelen är bättre efterlevnad av integritetsskyddet; Nackdelen är att marknadsförare får mindre detaljerad användardata direkt. Gamla personas som bygger på detaljrikedom från Universal Analytics eller cookie-baserade annonsdata ser nu ut som dinosaurier. Kort sagt, vi kan inte förfölja användare på webben som vi brukade göra, så alla persona som bygger på dessa metoder förlorar snabbt sin relevans.

Slutligen, tänk på hur statiska, föråldrade personas är. Världen nuförtiden rör sig snabbt – algoritmer förändras, trender exploderar över en natt på TikTok, leveranskedjor kraschar och konsumenternas prioriteringar förändras med varje global nyhetscykel. Om din ”idealkund”-profil inte hänger med är det förmodligen fel. Det är talande att endast 44 % av marknadsförarna ens använder köparpersonas i sin strategi (salesgenie.com), (vilket innebär att en majoritet antingen hoppar över dem eller ger upp dem), och bland dem som har personas har många inte uppdaterat dem nyligen. Detta är en enorm missad möjlighet, särskilt när personlig marknadsföring är viktigare än någonsin (vi kommer till det inom kort).

Slutsats: Att hålla fast vid en persona som upprättades i ett konferensrum förra året (eller för fem år sedan) kan aktivt skada din marknadsföring. Det gör dig blind för verkliga förändringar i kundbeteende och kan leda till tondöva kampanjer. För att bygga din ideala kundpersona idag måste vi släppa de rent fiktiva profilerna och anamma ett databerikat, kontinuerligt uppdaterat tillvägagångssätt.

Möt den moderna digitala konsumenten

För att förstå varför gårdagens personas kommer till korta, låt oss titta på vilka dagens digitala konsumenter verkligen är. Spoiler: de är kanalhoppande, hyperinformerade och mer distraherade än en katt i en laserpekarfabrik. Det är viktigt att grunda dina personas i denna verklighet. Här är några ögonöppnande statistik.

Den digitala verkligheten som alltid är på

Den genomsnittliga internetanvändaren 2023 spenderar cirka 6 timmar och 37 minuter online varje dag datareportal.com – nästan en tredjedel av sin vakna tid. Av den tiden spenderas över 21/2 timme per dag på sociala medieplattformar. Konsumenter är inte bara online en kort stund; De bor praktiskt taget där och jonglerar arbete, shopping, underhållning och sociala kontakter.

Dessutom är den typiska personen inte lojal mot bara en plattform eller enhet. I genomsnitt är en internetanvändare idag aktiv på cirka 7 olika sociala medier per månad. De kan börja dagen med att kolla Instagram, upptäcka produkter på TikTok under lunchen, jämföra priser på Google på eftermiddagen och ranta på Twitter på kvällen. Denna diversifiering av uppmärksamheten innebär att dina kunder lämnar digitala brödsmulor överallt – långt bortom din webbplats.

Vi har också nått rekordnivåer för användning av flera enheter. Shoppare kan börja undersöka en produkt på sin telefon, senare köpa den på en bärbar dator och kontakta supporten via smart högtalare eller chattapp. Varje beröringspunkt är en del av pusslet. Det är inte konstigt att om du förlitar dig på en enda datakälla (som bara din webbanalys eller undersökningar i butik) kan din personförståelse bli ofullständig. Om du bara tittar på en del – till exempel vad folk gör på din webbplats – missar du att samma kunder kan vara väldigt olika i en annan kanal.

💡 Till exempel kanske en kund sällan öppnar dina marknadsföringsmejl utan engagerar sig i ditt varumärkes Instagram dagligen; en annan kan lura på din webbplats utan att köpa tills de ser en retargeting-annons med rabatt.

Vad moderna kundpersonas måste ta hänsyn till

Den moderna konsumenten är välinformerad och förväntar sig bekvämlighet. Studier visar att över 50 % av konsumenterna nu förväntar sig att företag ska förutse deras behov och erbjuda relevanta förslag innan de ens når ut. Och otåligheten är stor – om du spränger dem med generiska erbjudanden som inte passar kommer en majoritet att stänga av dig eller till och med känna sig irriterad.

Att ta med sig för att bygga upp en persona: din ideala kund är inte en statisk skiss med en kanal och ett behov. De är flerdimensionella. Alla användbara persona idag måste ta hänsyn till komplexiteten i det digitala beteendet – de många plattformarna, den ständiga uppkopplingen och de ökade förväntningarna. Det innebär också att enbart intern data (som bara köphistorik eller bara Google Analytics) målar upp en otillräcklig bild. För att verkligen ”bygga din ideala kund” måste vi samla in data från hela deras digitala liv, med respekt för integritet och samtycke, förstås.

Gapet mellan 360° kundvy (och varför data är så fragmenterat)

Om moderna konsumenter sprider ut sina data över dussintals kontaktpunkter, hur kan vi någonsin få en fullständig bild? Det här är den klassiska 360-graders utmaningen med kundvy – och det är där de flesta e-handelsföretag kämpar. Det ironiska är att många företag sitter på högar av data om sina kunder, men allt är fragmenterat i olika system. Din e-butik har webbanalysdata, ditt CRM har e-postengagemang och köphistorik, ditt sociala medieteam har publikdemografi från Facebook eller TikTok, din betalningsprocessor eller POS har transaktionsinformation … Och de här verken pratar sällan med varandra. Det är som att försöka lösa ett pussel när alla bitar har fastnat i olika lådor.

Den här fragmenteringen är inte bara en IT-huvudvärk. Det dödar marknadsföringsinsikter. När data delas mellan olika plattformar blir meningsfull segmentering och personalisering nästan omöjlig.

En studie visade att företag förlorar 20–30 % av de årliga intäkterna på grund av ineffektivitet orsakad av dålig datahantering (aj!) och hela 84 % av säljarna säger att fragmenterad data hindrar dem från att leverera en sömlös kundupplevelse (linkedin.com).

Tänk på det – om ditt e-postsystem och din webbplatsanalys inte delar data kan du skicka en kampanj till en kund via e-post för en produkt som de redan köpte igår (eftersom ditt e-postverktyg inte kände till köpet). Eller så kan du behandla en återkommande köpare med hög LTV på samma sätt som en engångsköpare eftersom deras beteenden lever i separata silos. Dessa felsteg leder till förlorad försäljning och försvagad lojalitet.

Varför kunddata blir fragmenterad

• Flera plattformar för olika funktioner: Ett e-handelsföretag kan använda en plattform för webbutiken, en annan för e-postmarknadsföring, ett separat CRM för kundsupport och kanske ett analysverktyg eller två. Var och en genererar sin egen datauppsättning. Om de inte integreras proaktivt förblir de isolerade.
• Olika konsumentbeteenden per kanal: Kunder beter sig annorlunda på din webbplats jämfört med sociala medier kontra i butik (om du har fysisk butik). Varje beröringspunkt fångar upp en annan aspekt av personen (webbhistorik, sociala intressen, kredit- eller betalningsinformation, lojalitetsstatus osv.). Utan integration får du en fragmenterad persona – som blinda män som beskriver en elefant från olika vinklar.
• Äldre system och brist på IT-resurser: Mindre företag har ofta inte råd med en helt enhetlig teknisk stack. Stegvisa lösningar ackumuleras med tiden. Att integrera dem kräver teknisk expertis (API:er, datalager) och löpande underhåll. Det är inte alla företag som har ett dedikerat utvecklingsteam eller en datatekniker som kan göra det här tunga arbetet.
• Sekretess- och databegränsningar: Ironiskt nog kan strängare sekretessregler öka fragmenteringen. Med cookie-begränsningar och opt-outs begränsas nu data från tredje part som brukade flöda fritt. Du kan ha en del förstapartsdata, men luckor där du tidigare förlitade dig på spårning från tredje part. Om du inte ersätter dem med nya strategier (som att fråga användarna direkt eller utnyttja inloggade data) får du partiella visningar.

Varför kunddata blir fragmenterad

Allt detta leder till en obekväm sanning: De flesta e-handelsvarumärken har inte riktigt en 360°-vy av sina kunder, även om de tror att de har det. Du kan ha 36 olika vyer på 36 olika platser. Inte konstigt att det känns skrämmande att bygga en riktigt korrekt persona!

För att illustrera, låt oss föreställa oss ett exempel på kundpersonligheter – kunden Jane Doe. Din Shopify-butik känner Jane som köpare #1234 som köpte två artiklar förra månaden. Ditt e-postsystem känner henne som jane.doe@gmail.com som klickar på 10 % av dina nyhetsbrev. Facebook känner henne som användare @JaneDoe som gillade ditt senaste inlägg. Ditt kundtjänstprogram känner till henne via telefonnummer som den person som ringde om en retur. Varje system innehåller en del av Janes pussel. Om du aldrig sätter ihop dem kommer din ”persona” av Jane i bästa fall att vara ofullständig, eller i värsta fall helt missvisande.

Dessa osammanhängande data gör också gamla personbyggande övningar (som ofta görs på papper) nästan skrattretande – det slutar med att teamen gissar vad kunderna gör eftersom de inte lätt kan se hela historien. Eller så ignorerar de mängder av data eftersom det är för svårt att konsolidera. Resultatet är en persona som kan spegla en del (t.ex. webbplatsbeteende) men inte hela kundresan.

Så, hur överbryggar vi denna klyfta? Stora företag kastar pengar på problemet – enorma datasjöar, tjusiga kunddataplattformar (CDP), arméer av datavetare – men det är inte genomförbart för alla. Faktum är att småföretag ofta spenderar tusentals dollar per användare och månad på olika försäljnings- och marknadsföringsverktyg och ändå får fragmenterade, improduktiva datasilos. Aj. Det är uppenbart att vi behöver mer intelligenta och tillgängliga metoder för att koppla samman de olika uppgifterna.

Den uppmuntrande nyheten är att det finns lösningar för att ta itu med datafragmentering och bygga rikare personas – från taktiker utan krusiduller som undersökningar till högteknologiska plattformar. I nästa avsnitt kommer vi att utforska dessa lösningar för att skapa persona och hur du kan utnyttja dem, oavsett om du är en slimmad e-handelsstartup eller en större onlineåterförsäljare. Målet är att uppnå den svårfångade enhetliga kundförståelsen utan att helt bryta banken (eller ditt förstånd).

Lösningar: Moderna metoder för att bygga personas

Att bygga en datadriven marknadsföringspersona kan låta högteknologiskt, men det handlar om att kombinera kundundersökningar med sunt förnuft och smart användning av teknik. Här beskriver vi en rad olika tillvägagångssätt – du kan använda en eller en blandning av flera. Var och en har sina för- och nackdelar och kostnader. Nyckeln är att gå bortom gissningar och utnyttja verkliga, aktuella data om dina kunder. Låt oss dyka in.

1. Regelbundna undersökningar och kundundersökningar (Voice of Customer)

Ett av de enklaste sätten att hålla en persona fräsch är att bara fråga dina kunder om sig själva. Enkäter, intervjuer, feedbackformulär – dessa traditionella forskningsmetoder är fortfarande värdefulla. De ger kvalitativa insikter som rådata kanske inte gör, till exempel varför en kund beter sig på ett visst sätt eller vilka problem de försöker lösa genom att använda din produkt.

💡 Du kan till exempel skicka en undersökning efter köpet och fråga hur kunden hittade dig, vad som nästan hindrade dem från att köpa och vad de bryr sig om (pris, kvalitet, hållbarhet osv.). Med tiden framträder mönster som informerar din personas motivationer och smärtpunkter. Du kan också göra en-till-en-intervjuer eller användbarhetstester för att se riktiga kunder interagera med din webbplats eller produkt.

Styrkor: Undersökningar och intervjuer ger dig insikter direkt från hästens mun. De kan validera (eller ogiltigförklara) dina antaganden. Detta är särskilt användbart för att bekämpa interna fördomar. Det är också relativt billigt – verktyg som Google Formulär eller SurveyMonkey är billiga, och incitament som en liten kupong kan öka svarsfrekvensen. I en integritetscentrerad värld är undersökningar ”nollpartsdata” (kunden tillhandahåller villigt information) – inga cookies eller spionage behövs.

Svagheter: Nackdelarna är att undersökningar är självrapporterade (människor kommer inte alltid ihåg eller berättar hela sanningen om sitt beteende), och du kanske bara hör från en liten, vokal delmängd. Det är också en ögonblicksbild i tiden; Konsumenternas känslor kan förändras, så du måste göra undersökningar regelbundet. Och ärligt talat kan svarsfrekvensen vara en utmaning – många människor ignorerar undersökningar om de inte är mycket motiverade. Så även om den här metoden är utmärkt för kvalitativt djup, kommer den inte att ge dig den fullständiga kvantitativa bilden. Det kommer inte heller automatiskt att förena data – du får insikter som du måste integrera med det du ser i analyser.

Tips för bästa praxis: Gör kundundersökningar till en kontinuerlig vana. Även en kort kvartalsundersökning eller några kundsamtal per månad kan avslöja nya trender. Kom bara ihåg att agera på det du lär dig – mata in det i dina personprofiler och dela det med ditt team. Låt det inte bli ännu en anmälan som arkiveras.

2. Interna utvecklings- och datavetenskapsteam

I andra änden av spektrumet från gör-det-själv-undersökningar finns den tunga metoden: att använda ditt eget tekniska team för att sammanställa och analysera kunddata. Detta innebär att utvecklare eller datavetare får i uppdrag att ansluta alla dina olika system och analysera siffrorna för att få insikter. Ditt team kan till exempel skapa ett informationslager som hämtar data från din e-handelsplattform, e-postverktyg, annonskampanjer, kundsupportloggar osv. och sedan använda analys eller maskininlärning för att identifiera distinkta kundsegment (personas) från dessa enhetliga data.

Styrkor: När det görs på rätt sätt kan detta tillvägagångssätt ge den rikaste och mest skräddarsydda intelligensen. Du skapar i princip din egen mini-Google-Analytics-på-steroider som är specifik för ditt företag. Interna team kan skapa exakt de frågor och analyser du behöver (t.ex. ”visa mig värdefulla kunder som surfar på mobilen klockan 2 på natten och svarar på push-meddelanden”). Du kommer att äga lösningen och data, vilket är bra för sekretessefterlevnad och flexibilitet. Om du har datavetenskapskapacitet kan du till och med bli prediktiv – prognostisera kundens livstidsvärde eller churn-risk och införliva dessa attribut i personas.

Svagheter: Den uppenbara nackdelen är kostnad och komplexitet. Att integrera flera datakällor är notoriskt svårt – förvänta dig otaliga timmar med att integrera API:er eller databaser. Det är inte ovanligt att sådana projekt uppgår till tiotusentals dollar i utvecklartid eller kräver att man anställer specialister. Att underhålla dessa pipelines är också icke-trivialt (systemuppdateringar eller API-ändringar kan bryta ditt dataflöde). I grund och botten är detta tillvägagångssätt ofta endast genomförbart för större företag eller tekniskt kunniga företag som kan investera tungt. Om du är en liten till medelstor e-handlare kanske du inte har budgeten eller människorna för att göra detta internt. Även om du gör det kan det ta månader att få resultat.

Det finns en kompromiss: bygg det själv och få exakt vad du behöver (men betala priset), eller använd verktyg från tredje part som kanske inte passar perfekt (men som är färdiga). Många växande e-handelsföretag börjar försöka med intern dataförening, bara för att inse att det är ett enormt åtagande. Det är okej om du inte kan gå helt ”DIY data science”. Den positiva nyheten är att det finns verktyg som hjälper till – vilket leder oss till nästa metod.

3. Kunddataplattformar (CDP) och allt-i-ett-lösningar

Under de senaste åren har kunddataplattformar vuxit fram som den heliga graalen för att förena kundinformation. En CDP är i grunden en programvara som suger in data från alla dina källor (webbplats, mobilapp, e-post, annonser, CRM, etc.), syr ihop enhetliga kundprofiler (som löser att Jane Doe på din webbplats är densamma som Jane D. i din e-postlista) och ofta tillhandahåller verktyg för segmentering och aktivering (som att skapa personbaserade målgrupper som du kan skicka till Facebook-annonser eller e-post). Exempel är Segment (Twilio Segment), Adobe Real-Time CDP, Socialscore Light CDP, Treasure Data, mParticle och många andra.

För ett e-handelsföretag kan en CDP teoretiskt sett ge dig den eftertraktade 360°-vyn genom att fungera som den centrala hjärnan. Den kan spåra att användare X är densamma på alla enheter, har öppnat 5 e-postmeddelanden, besökt produkt A tre gånger, köpt två gånger och har ett kundtjänstärende öppet – allt i en profil. Du kan sedan definiera personas eller segment inom CDP (t.ex. ”Bargain Hunters” kontra ”High-Spenders” baserat på beteendemönster) och driva personliga kampanjer därefter.

Styrkor: Den uppenbara styrkan är enighet och handlingskraft. En bra CDP kommer att lösa problemet med datafragmentering genom design – den är byggd för att integrera datakällor och hålla profiler uppdaterade i realtid. Många CDP:er har också maskininlärningsfunktioner för att identifiera kundkluster eller förutsäga attribut (t.ex. sannolikhet att köpa). När marknadsförarna väl har konfigurerats kan de ofta använda en CDP med minimal IT-hjälp, för att ta fram segment eller exportera målgrupper med några få klick. Detta är en stor vinst för smidigheten. Kort sagt lovar CDP:er att vara en one-stop-shop för att omvandla fragmenterade data till sammanhängande, användbara personas och segment.

Svagheter: Två stora: kostnad och implementeringsarbete. CDP:er, särskilt de i företagsklass, är inte billiga. Den minsta investeringen ligger ofta i intervallet 4 000–12 500 dollar per månad för en CDP-lösning , vilket gör att den är utom räckhåll för många småföretag. Och det är bara licensiering – du kan också behöva en lösningsingenjör eller partner för att implementera det. Det kan ta månader att fullt ut implementera en CDP och integrera alla dina datakällor. Om dina data inte är rena eller konsekventa kommer en CDP inte att magiskt fixa det; Skräp in, skräp ut. För små och medelstora företag finns det lättare CDP-liknande verktyg eller till och med CRM-system (som HubSpot, som vi kommer att diskutera senare) som inkluderar vissa CDP-funktioner till lägre kostnad, men de kräver fortfarande ett åtagande.

Att använda en CDP på ett effektivt sätt innebär dessutom att ditt team måste lära sig det och aktivt underhålla dessa integrationer. Det är kraftfullt, men om det underutnyttjas kan det bli en dyr hyllvara. Vi måste också notera att även om CDP:er förenar förstapartsdata (dina data), ger de inte i sig nya externa insikter utöver vad du matar dem med. Om du saknar data på vissa områden (t.ex. att du inte har någon aning om kundernas intressen i sociala medier) kommer en CDP i sig inte att fylla den luckan; Det kommer bara att organisera det du har.

Sammanfattningsvis är CDP:er fantastiska för organisationer som är datarika och redo att investera i infrastruktur för att använda dessa data. Om du är mindre, misströsta inte – du kan fortfarande få många fördelar genom att noggrant välja en mer prisvärd plattform som täcker dina primära kanaler eller genom att använda nästa metod: databerikning från tredje part.

4. Alternativa dataleverantörer och berikningstjänster

Ett annat sätt att skapa rikare personas är att utöka dina data med externa källor. Tänk på detta som att täppa till luckor i din kundkunskap genom att ta in extern information. Det är här leverantörer som SocialScore kommer in (bland andra). Dessa tjänster samlar in konsumentdata från olika alternativa källor – ofta offentliga eller aggregerade data från sociala medier, onlinebeteende, demografi etc. – och använder den för att berika de profiler du har.

Till exempel kan SocialScore ta något som en e-postadress eller ett telefonnummer från din kundlista och leta upp den personens offentliga sociala medieprofiler, intressen och till och med digitala fotavtryck på hundratals webbplatser. Plötsligt kanske du får reda på att kunden Jane Doe är väldigt intresserad av utomhusvandring och följer flera miljövänliga varumärken online – insikter som du aldrig fick från din egen webbplatsanalys. SocialScore beskriver sitt uppdrag som att hjälpa företag att fatta smartare beslut med hjälp av alternativa kunddata för analys, förutsägelse och insikt. I praktiken innebär det att de drar in data från 300+ webbplatser och sociala plattformar, och poängsätter publiken på saker som intressen och onlinebeteende.

Hur ser det ut?

Låt oss säga att du har en persona av ”Miljömedveten Emma” för din hållbara produktlinje, men allt du vet från dina data är att Emma köper dina bambutandborstar. En berikningstjänst kan berätta för dig att ”Emma” (riktiga kunder som passar in på den profilen) sannolikt också prenumererar på vissa bloggar om ekolivsstil, spenderar mycket tid på Pinterest, har ett intresse för yoga och tenderar att använda iPhones. Nu är din persona multidimensionell: inte bara vad hon köper från dig, utan vad hennes livsstil och preferenser är i allmänhet.

En fallstudie om e-handel visade ett varumärke som använde SocialScore för att samla in data från över 60 sociala nätverk och webbplatser, och hämtade detaljer som användarbios, intressen och kommunikationspreferenser för att bygga detaljerade kundprofilersocialscore.io. Detta gjorde det möjligt för dem att anpassa marknadsföringen baserat på hobbyer och kommunikationskanalpreferenser – saker som de aldrig skulle veta enbart från interna data.

Styrkor: Databerikning kan ge dig en fylligare 360°-vy utan att du behöver samla in allt själv. Det är som att turboladda dina personas med samhälleliga och beteendemässiga sammanhang. Det är särskilt värdefullt för mindre företag som inte har resurser att spåra användare över hela webben – dessa leverantörer har gjort grovjobbet. Det är också vanligtvis snabbare att implementera än en fullständig CDP. Du skickar över några kundidentifierare och får tillbaka berikade profiler. Tjänster som denna kan vara billigare än att bygga en gigantisk stack – vissa fungerar på pay-per-match eller prenumerationsmodeller som skalas till din storlek. De kan också tillhandahålla poängmodeller (t.ex. en poäng för ”socialt inflytande” eller en uppskattning av ”köpkraft”) som hjälper kunderna att segmentera på nya sätt.

Svagheter: Det finns viktiga varningar. För det första måste man ta hänsyn till datakvalitet och integritet. Du måste se till att datakällan är kompatibel (kontrollera GDPR osv. och se till att du får använda dessa data för marknadsföring). Kunder kan tycka att det är läskigt om du plötsligt riktar in dig på dem baserat på information som de aldrig har gett dig – så använd berikad data smart och etiskt (t.ex. för att vägleda strategin, inte för att direkt säga ”vi vet att du älskar att vandra” om de aldrig har berättat det för dig). Dessutom kan externa data ibland vara föråldrade eller felaktiga för specifika individer – behandla dem som probabilistiska.

En annan svaghet är att användning av berikad data medför extra kostnader och skapar ett beroende av en tredje part. Och det kommer inte att lösa interna silos av sig självt; du måste fortfarande slå samman dessa berikade data med det du har (även om många leverantörer matar ut data i ett format som är lätt att importera, och vissa kan anslutas till CRM eller CDP:er direkt).

Användningsfall: Alternativa data lyser när du vill utveckla dina personas bortom det uppenbara. Det handlar inte om att byta ut dina förstapartsdata utan om att komplettera bilden. Till exempel, om din interna persona är ”High-Spending Hannah” baserat på inköpsvärde, kan berikning avslöja att det finns två typer av Hannah: en som är karriärfokuserad och aktiv på LinkedIn och en annan som är en societetslejon som är aktiv på Instagram – och du skulle närma dig dessa underpersonligheter på ett annat sätt. Utan extern data skulle du marknadsföra till dem på samma sätt och missa nyanserna.

Var och en av dessa lösningar, t.ex. undersökningar, CDP:er och databerikning, tar upp en specifik aspekt av personan. Du behöver inte nödvändigtvis välja bara en. Faktum är att det bästa tillvägagångssättet ofta är en kombination: använd enkäter för att få kvalitativa känslor, använd din analys/CRM för kvantitativt beteende och kanske koppla in en databerikningstjänst för att lägga till extra insikter. Målet är att förvandla din persona från en statisk skiss till en levande datainformerad profil.

Låt oss nu se hur en persona kan utvecklas i praktiken när du tillämpar några av dessa metoder.

Vanliga frågor