Prendre de meilleures décisions avec les big data personas

Fourni par Fondation du Qatar

Un personnage est une figure imaginaire représentant un segment de personnes réelles, et c'est une technique de conception communicative visant à améliorer la compréhension de l'utilisateur. Au cours de plusieurs décennies d'utilisation, les personas étaient des structures de données, des attributs d'utilisateur de cadres statiques sans interactivité. Un personnage était un moyen d'organiser des données sur la personne imaginaire et de présenter des informations aux décideurs. Ce n'était pas vraiment exploitable dans la plupart des situations.

Comment les personas et les données fonctionnent ensemble

Avec l'augmentation des données d'analyse, les personas peuvent désormais être générés à l'aide de mégadonnées et d'approches algorithmiques. Cette intégration des personas et des analyses offre des opportunités percutantes de faire passer les personas de fichiers plats de présentation de données à des interfaces interactives pour les systèmes d'analyse. Ces systèmes d'analyse de personnalités fournissent à la fois la connexion empathique des personnalités et les informations rationnelles de l'analyse. Avec les systèmes d'analyse de persona, le persona n'est plus un fichier statique et plat. Il s'agit plutôt de modes opérationnels d'accès aux données utilisateur. La combinaison de personnalités et d'analyses rend également les données utilisateur moins difficiles à utiliser pour ceux qui n'ont pas les compétences ou le désir de travailler avec des analyses complexes. Un autre avantage des systèmes d'analyse de personnalités est qu'il est possible de créer des centaines de personnalités basées sur les données pour refléter les diverses nuances comportementales et démographiques de la population d'utilisateurs sous-jacente.

Une approche de personas en tant qu'interfaces offre les avantages des systèmes de personas et d'analyse et comble les lacunes de chacun. Transformant à la fois le processus de création de persona et d'analyse, les personas en tant qu'interfaces fournissent des implications à la fois théoriques et pratiques pour la conception, le marketing, la publicité, les soins de santé et les ressources humaines, entre autres domaines.

Cette approche de la personnalité en tant qu'interface est à la base du système d'analyse de la personnalité, Automatic Persona Generation (APG). En poussant les progrès de la conceptualisation, du développement et de l'utilisation de la personnalité et de l'analyse, APG présente une intégration multicouche complète offrant trois niveaux de présentation des données utilisateur, qui sont a) la personnalité conceptuelle, b) les mesures analytiques et c) les données fondamentales.

APG génère des distributions de personnages représentant la population d'utilisateurs, chaque segment ayant un personnage. S'appuyant sur des intervalles de collecte de données réguliers, les personnages basés sur les données enrichissent le personnage traditionnel avec des éléments supplémentaires, tels que la fidélité des utilisateurs, l'analyse des sentiments et les sujets d'intérêt, qui sont des fonctionnalités demandées par les clients d'APG.

En s'appuyant sur les concepts de conception de systèmes d'intelligence, APG identifie des modèles comportementaux uniques d'interactions de l'utilisateur avec des produits (c'est-à-dire qu'il peut s'agir de produits, de services, de contenu, de fonctionnalités d'interface, etc.), puis associe ces modèles uniques à des groupes démographiques en fonction de la force de l'association à le motif unique. Après avoir obtenu une matrice d'interaction groupée, nous appliquons la factorisation matricielle ou d'autres algorithmes pour identifier l'interaction utilisateur latente. La factorisation matricielle et les algorithmes associés sont particulièrement adaptés pour réduire la dimensionnalité de grands ensembles de données en discernant les facteurs latents.

Comment fonctionnent les personnages basés sur les données APG

APG enrichit les segments d'utilisateurs produits par les algorithmes en ajoutant un nom, une image, des commentaires sur les réseaux sociaux et des attributs démographiques associés (par exemple, l'état civil, le niveau d'éducation, la profession, etc.) en interrogeant les profils d'audience des principales plateformes de réseaux sociaux. APG dispose d'une base de données interne avec balises méta contenant des milliers de photos achetées sous copyright qui sont adaptées à l'âge, au sexe et à l'ethnie. Le système dispose également d'une base de données interne de centaines de milliers de noms qui sont également adaptés à l'âge, au sexe et à l'ethnie. Par exemple, pour le personnage d'une femme indienne dans la vingtaine, APG sélectionne automatiquement un nom populaire pour les femmes il y a vingt ans en Inde. Les personnages basés sur les données APG sont ensuite affichés aux utilisateurs de l'organisation via le système interactif en ligne.

APG utilise les données utilisateur fondamentales sur lesquelles agissent les algorithmes du système, transformant ces données en informations sur les utilisateurs. Ce résultat de traitement algorithmique est constitué de métriques exploitables et de mesures sur la population d'utilisateurs (c'est-à-dire des pourcentages, des probabilités, des pondérations, etc.) du type que l'on verrait généralement dans les packages d'analyse standard de l'industrie. L'utilisation de ces mesures exploitables est le prochain niveau d'abstraction pris par APG. Le résultat est un système d'analyse de personnalité capable de présenter les informations des utilisateurs à différents niveaux de granularité, avec des niveaux à la fois intégrés et appropriés à la tâche.

Par exemple, les cadres de niveau C peuvent vouloir une vue de haut niveau des utilisateurs pour lesquels les personas seraient applicables. Les responsables opérationnels peuvent souhaiter une vue probabiliste pour laquelle l'analyse serait appropriée. Les responsables de la mise en œuvre doivent agir directement auprès de l'utilisateur, par exemple pour une campagne marketing, pour laquelle les données utilisateur individuelles sont plus adaptées.

Chaque niveau de l'APG peut être décomposé comme suit :

Niveau conceptuel, les gens. Le niveau d'abstraction le plus élevé, le niveau conceptuel, est l'ensemble de personas qu'APG génère à partir des données en utilisant la méthode décrite ci-dessus, avec une valeur par défaut de dix personas. Cependant, APG peut théoriquement générer autant de personas que nécessaire. Le personnage possède presque tous les attributs typiques que l'on trouve dans les profils de personnage traditionnels à fichier plat. Cependant, dans APG, les personas en tant qu'interfaces permettent une interactivité considérablement accrue dans l'exploitation des personas au sein des organisations. L'interactivité est fournie de telle sorte que le décideur peut modifier le nombre par défaut pour générer plus ou moins de personas, le système étant actuellement défini pour entre cinq et quinze personas. Le système peut permettre de rechercher un ensemble de personnages ou de tirer parti des analyses pour prédire les intérêts des personnages.

Niveau d'analyse : pourcentages, probabilités et pondérations . Au niveau analytique, les personas APG agissent comme des interfaces avec les informations et les données sous-jacentes utilisées pour créer les personas. Les informations spécifiques peuvent varier quelque peu selon la source de données. Néanmoins, le niveau d'analyse reflétera les métriques et les mesures générées à partir des données utilisateur fondamentales et créera les personnages. Dans APG, les personas fournissent l'accès aux diverses informations d'analyse via des icônes cliquables sur l'interface de persona. Par exemple, APG affiche le pourcentage de l'ensemble de la population d'utilisateurs qu'un personnage particulier représente. Cet aperçu analytique est précieux pour les décideurs afin de déterminer l'importance de la conception ou du développement pour un personnage spécifique et aide à résoudre le problème de la validité du personnage dans la représentation des utilisateurs réels.

Niveau utilisateur : données individuelles. En exploitant les métadonnées démographiques de l'algorithme de factorisation sous-jacent, les décideurs peuvent accéder au niveau d'utilisateur spécifique (c'est-à-dire individuel ou agrégé) directement dans APG. Les données utilisateur numériques (sous diverses formes) sont à la base des personas et des analyses.

Les implications des personnalités basées sur les données

Le passage conceptuel des personnages de fichiers plats à des personnages en tant qu'interfaces pour une meilleure compréhension de l'utilisateur ouvre de nouvelles possibilités d'interaction entre les décideurs, les personnages et les analyses. En utilisant des personnalités basées sur les données intégrées comme interfaces avec les systèmes d'analyse, les décideurs peuvent, par exemple, imprégner les systèmes d'analyse des avantages des personnalités pour former un lien psychologique, via l'empathie, entre les parties prenantes et les données des utilisateurs tout en ayant toujours accès à la pratique. numéros d'utilisateur. Il y a plusieurs implications pratiques pour les gestionnaires et les praticiens. À savoir, les personas sont désormais exploitables, car les personas reflètent avec précision les données utilisateur sous-jacentes. Cet aspect de mise en œuvre de la pile complète n'était pas disponible auparavant avec les personas ou les analyses.

APG est un système entièrement fonctionnel déployé avec de véritables organisations clientes. Veuillez visiter https://persona.qcri.org pour voir une démo.

Ce contenu a été écrit par Institut de recherche informatique du Qatar , Université Hamad Bin Khalifa, membre de la Qatar Foundation. Il n'a pas été écrit par la rédaction de MIT Technology Review.

cacher