SEO OS: от поискового сигнала к понятному действию

Психология делает ИИ-персоны покупателей точнее

Виртуальные персоны на одних промптах дают обобщения. Психологические модели добавляют цифры и прогноз, а не угадывание. Что взять маркетингу.

AI-маркетинг · Новости

Все новости
AG Branding
Виртуальная персона покупателя: контур профиля, слои данных и пятиосевая психологическая модель

Маркетинг давно описывает покупателя как живого героя: пара привычек, пара убеждений, имя и короткая история. С виртуальными персонами эта история стала цифровой. В описание добавляют промпт и ждут, что модель ответит так же, как ответил бы реальный человек из этой группы.

Автор MarTech разобрал, почему такой персонаж часто говорит обобщениями. Если спросить у модели про персону, для которой есть данные только про машины и бренды, как она относится к домашним животным, ответ придёт из представлений модели о поколении, а не из данных о конкретном человеке. Спасением становится то, что психологи накопили за десятки лет: устойчивые модели личности и шкалы, которые позволяют предсказывать поведение там, где прямых замеров не было.

Персона без психологии упирается в догадку

Обычная персона описывает человека через поведение и взгляды: ходит в торговый центр по субботам, недоверчиво относится к рассрочке, любит корейскую косметику. Эти детали помогают команде представить покупателя, но не дают инструмента для следующего вопроса. Когда нужно понять, выберет ли человек поход в горы или лежание на пляже, список привычек молчит.

Виртуальная персона работает так же, только ошибку делает модель. Ей разрешено достраивать пропуски правдоподобными обобщениями о группе. За пределами измеренных данных точность падает, и предсказание перестаёт быть предсказанием.

Где ломается точность

Персона, собранная только из промпта, заполняет пробелы стереотипами о сегменте. Чем дальше вопрос от исходных данных, тем меньше в ответе фактов о конкретном человеке.

Пять шкал вместо мешка фактов

Автор MarTech предлагает опираться на модель «Большой пятёрки». Она оценивает человека по пяти шкалам: открытость, добросовестность, экстраверсия, доброжелательность и нейротизм. У шкал есть числовые оценки, а значит, их можно передать модели и сравнить между людьми.

Для примера автор берёт героиню мюзикла «Звуки музыки» Марию. Высокая открытость: поёт не вовремя, импровизирует, мечтает. Низкая добросовестность: опаздывает, забывает правила. Высокая экстраверсия: заражает людей музыкой. Высокая доброжелательность с оговоркой: спорит, когда считает чужое решение ошибочным. Нейротизм от низкого к среднему: в целом стойкая, но срывается, когда чувства переполняют.

Такой профиль даёт больше, чем описание поведения в монастыре. По нему модель строит гипотезу, куда Мария поедет в отпуск, не подставляя первый пришедший в голову стереотип о монахинях.

Куда движется рынок персон

Сборка персон идёт к гибридным описаниям. В них совмещают реальные действия, высказанные установки и психологический профиль вроде «Большой пятёрки». Сюда же добавляют модели решений вроде теории перспектив, которая объясняет, почему человек избегает потерь активнее, чем гонится за равной выгодой.

Автор отмечает сдвиг и от чата в сторону моделей, которые не описывают поведение, а предсказывают его. Чат отвечает на вопросы о персоне. Модель прогнозирует поведение: сколько клиентов выберет дорогой тариф, кто отпишется после первой рассылки, кто вернётся за повторной покупкой. Персона превращается в инструмент прогноза.

Персоны всегда были выдуманными. Это не мешало им приносить пользу. Теперь у нас есть шанс соединить длинную историю исследований с данными и собрать персону, близкую к реальному человеку.

Что это значит для бизнеса

Компания, которая продаёт на Дальнем Востоке и за его пределами, чаще собирает персоны из интуиции менеджеров по продажам. Такой портрет живёт в голове и не проверяется. Пять шкал добавляют проверяемость: людей можно опросить, оценки свести в таблицу, а модель научить работать по этой таблице, а не по догадке.

Начать можно с малого. Взять тридцать клиентов, у которых есть реальные сделки, и попросить их пройти короткий опрос на пять шкал. Дальше сравнить, как эти шкалы соотносятся с тем, что люди покупают, и на этой связи построить прогноз для новых сегментов.

Второй шаг - держать персону привязанной к данным и прямо говорить модели, где данных нет. Тогда она не станет достраивать ответ про животных, если в основе лежал только рынок автомобилей. Внедрение искусственного интеллекта в маркетинг выигрывает там, где модель опирается на цифры. Начать с такой задачи можно на консультации по внедрению ИИ.

Читайте также