买家角色：如何避免创建一个不存在的人

客户角色（用户角色、买家角色——不管你怎么称呼它们）如果你做对了，就不仅仅是一个营销流行语。

问题是，大多数关于构建客户角色的信息充其量是不完整的，最糟糕的是误导或不正确。

买方角色在营销中的价值

本文假设您对客户角色有基本的了解，Tony Zambito 将其定义为：

基于研究的原型（建模）表示购买者是谁，他们试图完成什么，什么目标驱动他们的行为，他们如何思考，他们如何购买，以及他们为什么做出购买决定。

它们不是您客户的精确代表，而是他们特征和态度的近似模型，可帮助您做出营销和产品决策。

构建准确的数据驱动角色的过程很简单，但这并不意味着它很容易。 构建有用的角色需要大量的工作和严谨的工作。

幸运的是，如果您付出一点努力，客户角色可以为您公司各个团队的营销带来活力。

产品和用户体验团队需要角色来构建产品路线图和功能，内容营销人员需要对他们的读者有一个具体的想法，而转换优化专家，当然，我们使用客户角色：他们帮助我们的转换研究建立在视觉和具体的基础上。

但仅仅因为你在办公室周围张贴了一张彩色海报，上面写着“数据科学家丹喜欢绿色并且是一名有竞争力的足球运动员”，并不意味着你做了任何有意义的事情。

通常情况下，我看到组织完全错误地做客户角色。 以下是我见过的四个最常见的错误：

1. 建立一个绝对不存在的角色

故事是这样的：

您阅读了有关客户角色的博客文章。 它引人注目且清晰。 你意识到你需要建立客户角色，因为它会帮助你增加流量、转化率、收入等等。

但是，无论出于何种原因，您决定就某些现实中不存在的理想原型进行编造。 也许是缺乏知识、缺乏耐心，或者只是单纯的冷漠，但您决定构建如下所示的东西：

“数字营销人员戴夫 (Dave the Digital Marketer) 是 [某科技公司] 的一名 28 岁数字营销经理，他住在科罗拉多州丹佛的一套两居室公寓里，收藏了他的狗和葡萄酒。 他最喜欢的颜色是绿色，他开着一辆丰田凯美瑞。”

这些细节不仅非常无关紧要（接下来会出现这个错误），而且它们（在本例中）完全是编造出来的。 然后你做一些愚蠢的事情，比如向它添加一张俗气的照片：

您没有查看人口统计数据、公司数据、行为数据或财务数据。 您只是假设这是因为您的品牌应该吸引这种类型的人。

凭空捏造一个角色有一个目的：它为您提供一个具体的人来为之写作、为其创建消息传递和设计。 如果您刚刚开始，您需要这种级别的可视化来灌输您的营销重点（毕竟那些吸引所有人的人不会吸引任何人）。

但是，如果您是拥有 100 多个客户的成熟品牌，请相信数据并坚持事实。

即使您刚刚起步，您的行业或产品也很少是全新的。 尽管需要付出努力，但您可以从您所在行业的这个目标客户市场收集定性（和定量）数据，以便更真实地了解谁将向您购买。

2. 仅使用定性数据

定性数据很容易收集。 一种有效的解决方案是采访您的顶级客户（那些 LTV 最高的客户）并从他们那里获得一些见解。

用户角色的其他定性数据来源可以是会话重播。 特别是如果您按购买者进行细分，您可以找到与他们如何查看您的网站的一些行为相关性。

最后，如果您有足够大的列表或数据库，您可以发送客户调查或进行现场民意调查。 通常，这些也可以提供可量化的见解（稍后会详细介绍）。

定性数据可让您大致了解客户的动机、恐惧、信念和态度。

然而，仅使用定性数据存在一个明显的问题：人们所说的并不总是与他们所做的相同。

正如市场研究专家 Rob Balon 博士所说，

尽管存在多种消费者研究方法并且可能有所帮助，但意志会干扰其准确性。 除非您可以衡量实际的购买行为，否则理论与现实之间总会存在差异。

这发生在政治（民意调查）、定价研究以及几乎任何你询问某人想要什么或他们将做什么的努力中。 它可以具有启发性，但仅靠它是不够的。

在建立客户角色时，我尝试逆向工作：找到最有价值的客户群——行为、人口统计等。 这是一个简单的问题，即通过 LTV 对您的客户数据库进行细分，并分析将他们与低价值客户区分开来的行为和特征。

从那里，您可以发送带有问题的态度调查，梳理他们的购买行为和偏好。 坚持对你有用的知识（可能没有“你最喜欢的电视节目是什么”类型的问题）。 数字培训产品的示例问题可能是（其中变量的等级为 1-5）：

您将得到定量数据，基本上是一排排在分析之前没有任何意义的数字，并且在总体上几乎没有任何意义。

从那里您可以进行因子分析或主成分分析，然后进行聚类分析，以获得真正的数据驱动角色。 这需要一些相当高级的分析师技能。 如果你缺少这些，你仍然可以通过数字分析数据和一些基本的细分来获得完美可操作的客户角色（尽管你不会得到这样漂亮的可视化）：

那看起来很干净。 这是我最近在 CXL 做的一个用户角色项目的 k-means 聚类的样子：

总结，首先收集和分析现场行为数据、高价值客户群、态度和偏好数据。 这些东西减轻了对你的角色的偏见注入。

3. 仅使用定量数据

定量洞察的问题（除了态度数据的固有缺点之外）在于，其中大部分是相关的并基于历史数据，有时容易被误解。

Microsoft 的杰出工程师 Ronny Kohavi 给出了以下示例：

手掌越大，平均寿命越短（具有较高的统计显着性）。

你不会相信这是因果关系，对吧？ 当然不是，有一个共同的原因：女性的手掌较小，平均寿命长六年。

正如 Kohavi 所说，“显然你不会相信手掌大小是因果关系，但关于产品特征的观察性研究如何减少客户流失？”

因此，您的最高价值客户更频繁地使用站点搜索并更多地访问常见问题解答页面的事实可能仅仅是因为他们更投入并且更感兴趣开始。 相关性不等于因果关系。

这就是为什么除了诚实和稳健的分析师工作之外，您还需要合并定性数据。 特别是在人物塑造方面，定性数据为您的形象客户的图片带来了一定的丰富性。 它可以帮助您更全面地了解他们是谁以及他们想要什么。

我喜欢通过两种主要方式为客户角色收集定性洞察。 一是对关键细分市场的客户进行一对一访谈。

在客户访谈中获胜的方法是提出大量开放式问题。 HubSpot 建议的类似以下问题：

• 目前贵公司的首要任务是什么？
• 与____________有关的一些最佳决定是什么？
• 您对当前与_________相关的情况有什么看法？
• 如果我们在五 (10, 20) 年后开会，必须发生什么事情才能让您对与 ___________ 相关的情况感到满意？
• 您在地平线上看到了哪些机会？
• 您认为实现这一目标有哪些挑战？
• 如果我们要在这方面合作，您最希望看到的前两三个结果是什么？
• 您将如何衡量我们与这些成果相关的成功？
• 在这种情况下，您无法取得进展的最大风险是什么？

我喜欢收集这些数据的另一种方式是调查客户。 您可以问他们以下问题：

• 在线选择[产品]时，您最关心的是什么？
• 是什么让你从[品牌]购买？
• 除了[您的品牌]，您还考虑了哪些竞争对手？
• 是什么让您选择 [您的品牌] 而不是其他供应商？
• 在从[您的品牌] 购买之前，您有哪些疑问或犹豫？

等等。 这些东西是一门艺术和科学，我不会深入研究。重点是，在什么（定量）后面用一些为什么（定性）为您的客户角色着色。

4. 使用不相关的数据来构建你的角色

这个错误几乎是第一个错误（编造数据）的延续，但它涉及添加完全不相关的数据。

你可以凭空捏造（“迈克比苹果更喜欢橘子”），或者你可以诚实地从你的定性研究中得出它，但重点是一样的：不相关的数据只会让信息变得更加模糊。

一个很好的经验法则是，如果您花费太多时间来讨论适合您的角色的库存照片，那么您就是只见树木不见森林。

Adele Revella 提供了一份您需要的相关见解的精彩清单（特别是针对内容营销，但也可以用于其他目的）：

• 优先计划：您的买家角色将时间、预算和政治/社会资本用于解决的 3-5 个问题或对象
• 成功因素：买方与成功相关的有形或无形指标或奖励
• 感知障碍：哪些因素会促使买方质疑您的公司及其解决方案是否有助于实现他或她的成功因素？
• 购买过程：您的客户探索和选择可以克服感知障碍并实现其成功因素的解决方案的过程
• 决策标准：买方在做出决策时将评估的每种产品的各个方面。 正如 Revella 建议的那样，“决策标准应包括选择竞争对手的买家和决定不购买解决方案的买家的见解。”

这个建议并不新鲜：分析瘫痪是不好的。 坚持使用可用于做出决策的数据和见解。

小心创建买家角色

虽然有基于个性类型的框架来构建客户角色，但我更喜欢使用我自己的数据。 这并不意味着框架和启发式方法不能帮助您。 在没有数据的情况下，他们可以提供一个思维模型来进行操作。

始终将您的所有广告连接到个性化的点击后登录页面，以降低您的每次客户获取成本。 立即注册 Instapage Enterprise 演示，开始创建您的专用点击后页面。