211service.com
Betere beslissingen nemen met big data persona's
Geleverd door Qatar Stichting
Een persona is een denkbeeldige figuur die een segment van echte mensen vertegenwoordigt, en het is een communicatieve ontwerptechniek gericht op een beter begrip van de gebruiker. Gedurende tientallen jaren van gebruik waren persona's datastructuren, statische frameworks, gebruikersattributen zonder interactiviteit. Een persona was een middel om gegevens over de denkbeeldige persoon te ordenen en om informatie te presenteren aan de besluitvormers. Dit was niet echt uitvoerbaar voor de meeste situaties.
Hoe persona's en data samenwerken
Met toenemende analysegegevens kunnen nu persona's worden gegenereerd met behulp van big data en algoritmische benaderingen. Deze integratie van persona's en analyses biedt impactvolle mogelijkheden om persona's te verschuiven van platte bestanden met gegevenspresentatie naar interactieve interfaces voor analysesystemen. Deze persona-analysesystemen bieden zowel de empathische verbinding van persona's als de rationele inzichten van analyses. Met persona-analysesystemen is de persona niet langer een statisch, plat bestand. In plaats daarvan zijn het operationele manieren om toegang te krijgen tot gebruikersgegevens. Door persona's en analyses te combineren, zijn de gebruikersgegevens ook minder uitdagend om te gebruiken voor mensen die niet over de vaardigheden of de wens beschikken om met complexe analyses te werken. Een ander voordeel van persona-analysesystemen is dat men honderden gegevensgestuurde persona's kan creëren om de verschillende gedrags- en demografische nuances in de onderliggende gebruikerspopulatie weer te geven.
Een benadering van persona's als interfaces biedt de voordelen van zowel persona's als analysesystemen en lost elks tekortkomingen op. Door zowel het persona- als het analyseproces te transformeren, bieden persona's als interfaces zowel theoretische als praktische implicaties voor onder meer ontwerp, marketing, reclame, gezondheidszorg en human resources.
Deze persona als interface-aanpak vormt de basis van het persona-analysesysteem, Automatic Persona Generation (APG). Bij het stimuleren van vooruitgang van zowel persona als analytische conceptualisering, ontwikkeling en gebruik, presenteert APG een meerlagige full-stack integratie die drie niveaus van presentatie van gebruikersgegevens biedt, namelijk a) de conceptuele persona, b) de analytische statistieken, en c) de basisgegevens.
APG genereert afgietsels van persona's die de gebruikerspopulatie vertegenwoordigen, waarbij elk segment een persona heeft. Door te vertrouwen op regelmatige intervallen voor gegevensverzameling, verrijken gegevensgestuurde persona's de traditionele persona met extra elementen, zoals gebruikersloyaliteit, sentimentanalyse en interessante onderwerpen, functies die door APG-klanten worden gevraagd.
Door gebruik te maken van ontwerpconcepten voor intelligente systemen, identificeert APG unieke gedragspatronen van gebruikersinteracties met producten (dat wil zeggen, dit kunnen producten, diensten, inhoud, interfacefuncties, enz. zijn) en koppelt deze unieke patronen vervolgens aan demografische groepen op basis van de sterkte van de associatie met het unieke patroon. Na het verkrijgen van een gegroepeerde interactiematrix, passen we matrixfactorisatie of andere algoritmen toe om latente gebruikersinteractie te identificeren. Matrixfactorisatie en gerelateerde algoritmen zijn bijzonder geschikt om de dimensionaliteit van grote datasets te verminderen door latente factoren te onderscheiden.
Hoe datagestuurde persona's van APG werken
APG verrijkt de gebruikerssegmenten die worden geproduceerd door algoritmen door een toepasselijke naam, afbeelding, opmerkingen op sociale media en gerelateerde demografische kenmerken (bijv. burgerlijke staat, opleidingsniveau, beroep, enz.) toe te voegen door de doelgroepprofielen van prominente sociale-mediaplatforms te doorzoeken. APG heeft een interne database met metatags van duizenden gekochte auteursrechtelijk beschermde foto's die qua leeftijd, geslacht en etnisch geschikt zijn. Het systeem heeft ook een interne database met honderdduizenden namen die ook qua leeftijd, geslacht en etnisch geschikt zijn. Voor een persona van een Indiase vrouw van in de twintig selecteert APG bijvoorbeeld twintig jaar geleden automatisch een populaire naam voor vrouwen in India. De datagedreven persona's van APG worden vervolgens via het interactieve online systeem getoond aan de gebruikers uit de organisatie.
APG gebruikt de fundamentele gebruikersgegevens waarop de systeemalgoritmen reageren en zet deze gegevens om in informatie over gebruikers. Dit resultaat van de algoritmische verwerking bestaat uit bruikbare statistieken en metingen over de gebruikerspopulatie (d.w.z. percentages, waarschijnlijkheden, gewichten, enz.) van het type dat men normaal zou zien in analysepakketten die aan de industriestandaard voldoen. Het gebruik van deze bruikbare statistieken is het volgende abstractieniveau van APG. Het resultaat is een persona-analysesysteem dat gebruikersinzichten op verschillende granulariteitsniveaus kan presenteren, met niveaus die zowel geïntegreerd zijn als geschikt voor de taak.
Leidinggevenden op C-niveau willen bijvoorbeeld een overzicht op hoog niveau van de gebruikers waarvoor persona's van toepassing zijn. Operationele managers willen misschien een probabilistische weergave waarvoor de analyse geschikt is. De uitvoerders moeten directe gebruikersactie ondernemen, zoals voor een marketingcampagne, waarvoor de individuele gebruikersgegevens meer geschikt zijn.
Elk niveau van de APG kan als volgt worden onderverdeeld:
Conceptueel niveau, mensen. Het hoogste abstractieniveau, het conceptuele niveau, is de set persona's die APG genereert uit de data met behulp van de hierboven beschreven methode, met een standaard van tien persona's. In theorie kan APG echter zoveel persona's genereren als nodig is. De persona heeft bijna alle typische kenmerken die je aantreft in traditionele flat-file persona-profielen. In APG maken persona's als interfaces echter een dramatisch verhoogde interactiviteit mogelijk bij het benutten van persona's binnen organisaties. Er wordt gezorgd voor interactiviteit zodat de beslisser het standaardaantal kan wijzigen om meer of minder persona's te genereren, terwijl het systeem momenteel is ingesteld op vijf tot vijftien persona's. Het systeem kan een reeks persona's doorzoeken of gebruikmaken van analyses om persona-interesses te voorspellen.
Analyseniveau: percentages, kansen en gewichten . Op analyseniveau fungeren APG-persona's als interfaces voor de onderliggende informatie en gegevens die worden gebruikt om de persona's te creëren. De specifieke informatie kan enigszins verschillen per gegevensbron. Toch zal het analyseniveau de statistieken en maatregelen weerspiegelen die zijn gegenereerd op basis van de fundamentele gebruikersgegevens en de persona's creëren. In APG bieden de persona's toegang tot de verschillende analytische informatie via klikbare pictogrammen op de persona-interface. APG geeft bijvoorbeeld het percentage van de gehele gebruikerspopulatie weer dat een bepaalde persona vertegenwoordigt. Dit analytische inzicht is waardevol voor besluitvormers om het belang van ontwerpen of ontwikkelen voor een specifieke persona te bepalen en helpt bij het aanpakken van de kwestie van de validiteit van de persona bij het vertegenwoordigen van daadwerkelijke gebruikers.
Gebruikersniveau: individuele gegevens. Door gebruik te maken van de demografische metadata van het onderliggende factorisatie-algoritme, hebben besluitvormers rechtstreeks toegang tot het specifieke gebruikersniveau (d.w.z. individueel of geaggregeerd) binnen APG. De numerieke gebruikersdata (in verschillende vormen) vormen de basis van de persona's en analytics.
De implicaties van datagestuurde persona's
De conceptuele verschuiving van persona's van platte bestanden naar persona's als interfaces voor een beter begrip van de gebruiker opent nieuwe mogelijkheden voor interactie tussen besluitvormers, persona's en analyses. Met behulp van datagestuurde persona's ingebed als interfaces voor analysesystemen, kunnen besluitvormers bijvoorbeeld analysesystemen doordrenken met het voordeel van persona's om een psychologische band te vormen, via empathie, tussen belanghebbenden en gebruikersgegevens en toch toegang hebben tot de praktische gebruikersnummers. Er zijn verschillende praktische implicaties voor managers en praktijkmensen. Namelijk, persona's zijn nu bruikbaar, omdat de persona's nauwkeurig de onderliggende gebruikersgegevens weerspiegelen. Dit aspect van de volledige stack-implementatie was eerder niet beschikbaar met persona's of analyses.
APG is een volledig functioneel systeem dat wordt ingezet bij echte klantorganisaties. Bezoek alstublieft https://persona.qcri.org demo te zien.
Deze inhoud is geschreven door Qatar Computing Research Institute , Hamad Bin Khalifa University, een lid van de Qatar Foundation. Het is niet geschreven door de redactie van MIT Technology Review.