Синтетические персоны для лучшего отслеживания запросов

Отслеживание запросов обычно показывает тенденции, а не точные результаты. Чтобы получить самые чёткие данные и свести к минимуму нерелевантную информацию, лучше всего категоризировать и отслеживать запросы по пользовательским персонам.

Купил акции на все деньги, а они упали? А Илон Маск снова написал твит? Знакомо. У нас тут клуб тех, кто пытается понять этот цирк и не сойти с ума.

Купить на падении (нет)

На этой неделе я освещаю:

Почему AI-персонализация делает традиционные модели «отслеживания SERP» неполными, и как синтетические персоны заполняют этот пробел.
Данные валидации Стэнфорда, показывающие 85% точности при снижении затрат в три раза, и то, как Bain сократил время исследований на 50-70%.
Структура карточки персонажа с пятью полями и способы генерации 15-30 отслеживаемых подсказок на сегмент по уровням намерений.

Традиционные поисковые системы и поисковые системы на основе искусственного интеллекта значительно различаются: AI-поиск предоставляет результаты, адаптированные специально для каждого пользователя.

Каждый пользователь получает разные ответы, основанные на его контексте, истории и предполагаемом намерении.
Средний запрос к ИИ примерно в 5 раз длиннее, чем классические поисковые ключевые слова (23 слова против 4.2 слов), передавая гораздо более богатые сигналы о намерениях, которые модели ИИ используют для персонализации.
Персонализация создает проблему отслеживания: вы больше не можете отслеживать «определенный» ответ ИИ, поскольку каждый запрос по сути уникален и формируется индивидуальным контекстом пользователя.

При создании пользовательских персон можно лучше понять различные группы клиентов и их реакцию, но это также может занять много времени. Сбор информации посредством интервью и анализ результатов часто занимают недели.

Модели ИИ быстро развиваются, поэтому любые подробные описания того, как они работают — часто называемые «личностями» — вскоре устаревают и не помогают понять, как получить наилучшие результаты.

Синтетические персоны помогают вам понять ваших пользователей, создавая профили на основе их поведения и данных – таких как веб-аналитика, записи о клиентах, запросы в службу поддержки и онлайн-обзоры. Вы можете создать множество различных версий этих персон и даже вести с ними беседы, чтобы увидеть, как они естественно задавали бы вопросы.

Ключевым моментом является то, что эти элементы помогают нам более точно отслеживать запросы, отражая то, как люди фактически ищут информацию и с какими ограничениями они сталкиваются.

Существует ключевое различие между традиционными и синтетическими персонами. Традиционные персоны просто описывают *кто* такие пользователи, фокусируясь на их характеристиках. Синтетические персоны, с другой стороны, предсказывают *как* пользователи будут себя вести. По сути, традиционные персоны документируют группу пользователей, в то время как синтетические персоны пытаются реалистично моделировать и имитировать эту группу.

Как SEO-эксперт, я усвоил, что понимание *кто* является вашей целевой аудиторией, имеет решающее значение. Покупатель IT в крупной компании, сосредоточенный на безопасности и нуждающийся в подробных записях о покупках для аудитов, будет искать совсем иначе, чем тот, кто просто ищет самую низкую цену и нуждается в быстром ответе. Их цели и ограничения формируют их поисковые запросы, поэтому адаптация контента к этим конкретным ‘задачам’ и ограничениям является ключом к хорошему ранжированию.

Первый запрос: «инструменты управления проектами предприятия, аудит журналов соответствия SOC 2.»
Второй запрос: «best free project management app.»
Одна и та же категория продуктов, совершенно разные запросы. Вам нужны оба типа пользователей, чтобы отслеживать оба шаблона запросов.

Создавайте персоны с точностью 85% за треть от стоимости.

Исследователи из Стэнфорда и Google DeepMind создали AI-версии людей, обучив их на записях двухчасовых интервью. Затем они протестировали, могут ли эти AI-версии точно предсказать, как реальные люди отреагируют на новые вопросы опроса.

Метод: Исследователи провели повторные опросы с первоначальными участниками интервью, задавая им новые вопросы. Синтетические личности ответили на те же вопросы.
Результат: 85% точности. Синтетические личности повторили то, что сказали реальные участники исследования.
Для справки, это сопоставимо с согласованностью повторного тестирования человеком. Если вы зададите одному и тому же человеку один и тот же вопрос с разницей в две недели, он будет согласован с самим собой примерно в 85% случаев.

Созданные ИИ личности точно предсказывали поведение людей в 98% случаев. Это говорит о том, что ИИ не просто заучил ответы наизусть, а действительно понял основные причины *почему* люди ведут себя так, как ведут, что позволило ему прогнозировать поведение даже в незнакомых ситуациях.

Bain & Company протестировала новый подход и обнаружила, что он обеспечивает сопоставимое по качеству понимание, как и традиционные исследования, но значительно быстрее и дешевле. В частности, это сократило время, необходимое для проведения исследования, с недель до дней – улучшение на 50-70% – и снизило затраты на 60-70%, за счет исключения таких расходов, как привлечение участников, стимулы и транскрипция.

Вот в чём дело: качество этих результатов полностью зависит от данных, которые вы используете. Исследование Стенфорда выиграло от подробных двухчасовых интервью. Если вы основываете свой анализ на ограниченной информации – например, на простых посещениях веб-сайтов или базовых демографических данных – вы получите поверхностные профили. По сути, вы получаете то, что вкладываете.

Как создать синтетические персоны для лучшего отслеживания запросов

Создание синтетического персонажа состоит из трех частей:

Заполните Карточку Персоны – пять полей, которые отражают то, как человек думает и осуществляет поиск.
Добавьте метаданные для отслеживания качества персонажа и времени, когда требуется его обновление.

Многие команды попадают в распространенную ловушку: они пытаются создать пользовательские персоны, основываясь на вопросах, которые задают люди. Это не имеет смысла, потому что вам нужно понимать своих пользователей *до того*, как вы поймете, на какие вопросы стоит обратить внимание. Более эффективный подход — сначала выяснить, какую информацию ваши пользователи на самом деле пытаются найти, а затем использовать эти потребности для разработки реалистичных персон и прогнозирования того, какие вопросы они могли бы задать.

Цель состоит в том, чтобы понять, чего пытаются добиться пользователи и какой язык они используют естественным образом:

Обращения в службу поддержки и форумы сообщества: Точная формулировка, которую клиенты используют при описании проблем. Неотфильтрованный сигнал с высокой степенью заинтересованности.
CRM и расшифровки продаж: Вопросы, которые они задают, возражения, которые они выдвигают, примеры использования, которые заключают сделки. Показывает процесс принятия решений.
Интервью и опросы клиентов: Непосредственная обратная связь от клиентов об информационных потребностях и поведении при исследованиях.
Обзоры (G2, Trustpilot и т.д.): Чего они хотели бы знать до покупки. Разрыв между ожиданиями и реальностью.
Данные поисковых запросов Search Console: Вопросы, которые они задают Google. Используйте регулярные выражения для фильтрации вопросов:
```
(?i)^(who|what|why|how|when|where|which|can|does|is|are|should|guide|tutorial|course|learn|examples?|definition|meaning|checklist|framework|template|tips?|ideas?|best|top|lists?|comparison|vs|difference|benefits|advantages|alternatives).*
```
(Я предпочитаю использовать последние 28 дней, сегментировать по целевой стране)

Структура карточки персонажа (только пять полей – больше создаёт технический долг):

Эти пять ключевых деталей предоставляют все необходимое для воссоздания того, как человек взаимодействует с ИИ. Они намеренно упрощены – вы всегда можете добавить больше сложности позже, но начать с малого делает эти профили проще в управлении.

Работа, которую нужно выполнить: Какая реальная задача, которую они пытаются решить? Не «узнать о X», а «решить, покупать X или нет» или «исправить проблему Y».
Ограничения: Каковы их временные рамки, уровень толерантности к риску, требования соответствия нормативным требованиям, бюджетные ограничения и ограничения в инструментах? Все это определяет, как они ищут и какие доказательства им нужны.
Метрика успеха: Как они оценивают «достаточно хорошо»? Руководители хотят уверенности в направлении. Инженеры хотят воспроизводимых деталей.
Критерии принятия решений: Какие доказательства, структура и уровень детализации им требуются, чтобы доверять информации и действовать на её основе?
Словарный запас: Какие термины и фразы они используют естественно? Не «снижение оттока клиентов», а «удержание клиентов». Не «оптимизация UX», а «упрощение использования сайта».

Требования к спецификации

Эта информация о личностях укрепляет доверие, делая процесс прозрачным, а не загадочным.

Когда кто-то ставит под сомнение результаты работы личности, вы можете проследить путь к доказательствам.

Оценка достоверности по каждому полю: Высокая/Средняя/Низкая оценка для каждого из пяти полей Карты Персоны, подкрепленная количеством доказательств (например, «Критерии принятия решений: ВЫСОКАЯ достоверность, основана на 47 звонков клиентам против Словарный запас: НИЗКАЯ достоверность, основана на 3 внутренних письмах»).
Примечания к охвату: Явно укажите, чего не хватает в данных (например, «Переоценивает корпоративных покупателей, полностью игнорирует пользователей, которые ушли до обращения в поддержку»)
Проверочные тесты: От трех до пяти проверок реальности на соответствие известным бизнес-истинам для выявления галлюцинаций (например, «Если персона утверждает, что «цена» является главным ограничением, соответствует ли это нашим фактическим данным о цикле сделок?»).
Триггеры регенерации: Предопределенные сигналы, указывающие на необходимость повторного запуска скрипта и обновления личности (например, выход на рынок нового конкурента или значительное изменение словарного запаса в обращениях в службу поддержки).

Где лучше всего работают синтетические персоны

Прежде чем создавать синтетические персоны, поймите, где они приносят пользу, а где оказываются неэффективными.

Высокоценные варианты использования

Разработка запросов для отслеживания ИИ: Смоделируйте, как различные сегменты пользователей формулировали бы вопросы к поисковым системам ИИ (основной вариант использования, рассматриваемый в этой статье).
Тестирование концепций на ранней стадии: Протестируйте 20 вариантов сообщений, выберите пять лучших перед тем, как тратить деньги на реальные исследования.
Микросегментное исследование: Понимайте поведение десятков различных должностных функций пользователей (администратор предприятия, рядовой сотрудник, покупатель-руководитель) или вариантов использования без необходимости опрашивать каждого из них.
Труднодоступные сегменты: Протестируйте идеи с руководителями или техническими оценщиками, не требуя их времени.
Непрерывная итерация: Обновляйте персоны по мере поступления новых заявок в службу поддержки, отзывов и звонков от отдела продаж.

Ключевые ограничения синтетических персон, которые вам необходимо понимать

Предвзятость лести: Персоны ИИ чрезмерно позитивны. Реальные пользователи говорят: «Я начал курс, но не закончил». Синтетические персоны говорят: «Я закончил курс». Они хотят угодить.
Отсутствие трений: Они более рациональны и последовательны, чем реальные люди. Если ваши обучающие данные включают обращения в службу поддержки, описывающие разочарования, или отзывы, упоминающие проблемные моменты, персона может ссылаться на эти закономерности, когда его спрашивают – он просто не будет спонтанно испытывать новые трудности, с которыми вы еще не сталкивались.
Поверхностная приоритизация: Спросите, что важно, и они перечислят 10 факторов как равнозначно важные. Реальные пользователи имеют четкую иерархию (цена имеет в 10 раз большее значение, чем цвет интерфейса).
Унаследованная предвзятость: Предвзятость обучающих данных проникает сквозь все. Если ваша CRM недостаточно представляет покупателей из малого бизнеса, ваши персоны тоже будут предвзятыми.
Риск ложной уверенности: Самая большая опасность. Синтетические личности всегда дают последовательные ответы. Это заставляет команды проявлять излишнюю уверенность и пропускать реальную проверку.

При изучении идей и сужении выбора используйте вымышленные профили пользователей. Однако не основывайте свои окончательные решения исключительно на этих профилях – всегда получайте обратную связь от реальных пользователей, чтобы сделать окончательный выбор.

Решение проблемы холодного старта для отслеживания запросов.

Рассматривайте синтетические персоны как способ уточнить ваши идеи, а не принимать окончательные решения. Они помогают вам отсеять большое количество концепций – скажем, двадцать – и сузить их до сильных пяти. Затем крайне важно протестировать эти финальные пять с реальными пользователями перед запуском чего-либо.

Когда речь заходит об улучшении AI-подсказок, использование смоделированных профилей пользователей — или «синтетических персон» — помогает преодолеть распространенную проблему: необходимость большого количества первоначальных данных. Вам не нужно ждать месяцами, чтобы собрать достаточно реальных примеров, прежде чем вы сможете начать вносить улучшения. Эти персоны позволяют вам мгновенно протестировать, как различные группы пользователей могут взаимодействовать с вашим AI, а затем улучшить систему еще больше по мере сбора фактических данных пользователей.

Синтетические персоны могут быть полезны, но полагаться на них *вместо* реальной проверки клиентов – это то, во что попадают команды. Они быстрые и простые в использовании, что является причиной, по которой они могут вводить в заблуждение. Всегда перепроверяйте свои предположения с реальными клиентами – не пропускайте этот важный шаг!

Смотрите также

2026-02-10 18:11