Marktpersönlichkeiten aus Zielgruppendaten werden für einen Markt nach dem anderen aus drei Eingaben erstellt: Panel- oder Umfragedaten darüber, wer kauft, Anzeigen von Mitbewerbern, die zeigen, wen die Konkurrenten bereits ansprechen und mit welchen Versprechen, und öffentliche Gespräche, die die Spannungen offenlegen, die die Menschen äußern. Gruppieren Sie jeden Markt einzeln, vergleichen Sie die Cluster mit den Anzeigen, die dort funktionieren, und behalten Sie nur die Personas bei, die eine Botschaft, ein Angebot oder einen Kanal ändern.
Wichtigste Erkenntnisse
- Eine Marktpersönlichkeit verdient nur dann ihren Platz, wenn sie verändert, was Sie auf diesem Markt sagen, anbieten oder ausgeben.
- Konkurrenzanzeigen zeigen, um welche Personas eine Kategorie bereits streitet; Zielgruppendaten zeigen, ob Ihr Käufer in diesen Kampf verwickelt ist.
- Für Miraflora Wagyu verwandelten GWI-Daten ein vermutetes Preisproblem in eine Feststellung der Deal-Sensibilität: 61.4 % der wohlhabenden Köche in Colorado verwenden Rabattcodes.
- Bei Keeta HK entfernte die gleiche Methode die Preissprache aus jeder Direct-to-Action-Zeile, da die Zielgruppe das Budgetverhalten zu wenig berücksichtigte.
- Personas verändern sich von Monat zu Monat. Erstellen Sie sie also nach einem Zeitplan neu und halten Sie die Stichprobengröße jeder Person sichtbar.
Was ist eine Marktpersona und warum nicht eine globale Persona verwenden?
Eine Marktpersönlichkeit beschreibt einen Käufer in einem bestimmten Markt: was er will, was ihn frustriert und welche Botschaft ihn dorthin führt. Eine globale Persona bildet den Durchschnitt der Märkte und verliert die Unterschiede, die darüber entscheiden, ob eine Anzeige funktioniert.
Die gebräuchlichste Abkürzung ist eine demografische Bezeichnung. Im Arbeitsbereich „Zielgruppenforschung“ von SOMIN wurden in einer Whitespace-Studie von 229 Beiträgen, die zwischen April und Juli 2026 von vier Zielgruppenforschungsmarken veröffentlicht wurden, 33 davon unter einer Spannung gruppiert: Marken zielen falsch ab, weil sie sich zu stark auf Generationslabels wie Gen Z stützen. Ein Label ist ein Startfilter, keine Persona.
Die Lösung besteht darin, den Markt zur Analyseeinheit zu machen. Erstellen Sie zunächst Personas für jeden Markt und vergleichen Sie sie dann marktübergreifend. Der umgekehrte Weg, von einer globalen Persona hin zu lokalen Anpassungen, tendiert dazu, die Annahmen beizubehalten und die Beweise zu verlieren.
Auf welchen Daten sollte eine Market Persona aufbauen?
Nutzen Sie pro Markt mindestens zwei unabhängige Quellen: eine, die Menschen beschreibt, und eine, die beschreibt, was Wettbewerber ihnen bereits sagen. Jeder hat einen toten Winkel, der andere verdeckt ihn.
| Quelle | Was sie Ihnen sagt | Blinder Fleck |
|---|---|---|
| Zielgruppenpanels und Umfragen | Einstellungen, Kaufverhalten und Mediengewohnheiten, indexiert am Marktdurchschnitt | Selbstberichtet und schweigt darüber, welche Nachricht funktioniert |
| Anzeigen und Beiträge von Mitbewerbern | Welche Persönlichkeiten, Spannungen und Angebote Konkurrenten für ihre Erreichung zahlen, nach Markt und Datum | Zeigt, was Marken anbieten, nicht was Käufer verlangen |
| Öffentliches gesellschaftliches Gespräch | Die Spannungen und Worte, die Menschen unaufgefordert verwenden | Tendenziell zu lautstarken Nutzern und bestimmten Plattformen |
| Daten von Erstanbietern | Was Ihre eigenen Kunden getan haben | Deckt nur Personen ab, die Sie bereits gefunden haben |
Panels machen die Personenseite marktspezifisch. Die Flaggschiff-Umfrage von GWI deckt mehr als 50 Märkte ab und repräsentiert über 3 Milliarden Internetnutzer, gemäß der GWI-Methodikseite. Auf der Konkurrenzseite ermöglicht das Ads Transparency Center von Google jedem, Anzeigen von verifizierten Werbetreibenden zu durchsuchen und zu sehen, welche in einer bestimmten Region geschaltet wurden, sodass die Wettbewerbsinformationen von Anfang an nach Markt gefiltert werden können.
Die Quelle prägt auch das Modell. Das Forschungsteam von SOMIN zeigte bei AAAI 2020, dass die Wahl des sozialen Netzwerks als Datenquelle die Genauigkeit eines KI-Modells ändert, um Benutzer zu profilieren, und ein 2022 Artikel in Frontiers in Big Data ergab, dass Menschen auf Twitter und Twitter unterschiedliche Facetten ihrer Persönlichkeit offenbaren Facebook, und dass netzwerkübergreifend abgeleitete Merkmale einen Inhaltsempfehlungsgeber verbesserten. Die praktische Lektion: Bauen Sie eine Persona nicht auf einer Plattform auf und wenden Sie sie überall an. Die vollständige Liste der Beiträge finden Sie auf unserer Forschungsseite.
Wie baut man Schritt für Schritt Market Personas auf?
Korrigieren Sie den Markt und filtern Sie, lesen Sie das Wettbewerbsfeld, gruppieren Sie, validieren Sie anhand von Zielgruppendaten und schreiben Sie dann jede Persona als eine Reihe von Entscheidungen.
- Reparieren Sie den Markt und den Filter. Benennen Sie die Geografie, die Kategorie und das qualifizierende Verhalten. Für Miraflora Wagyu startete SOMIN in der Umfrage SOMIN × GWI Q2 2024 mit 2,838,296 Personen in Colorado, die sich für das Kochen interessierten, und beschränkte sich dann auf 1,318,330 mit einem Haushaltseinkommen von 85.000 und mehr.
- Ziehen Sie Konkurrenzanzeigen für diesen Markt. Sammeln Sie bezahlte und organische Inhalte pro Marke mit Länderfiltern und behalten Sie dann die Anzeigen mit guter Leistung. Für Keeta HK arbeitete SOMIN von 145 gefilterten Anzeigen bis hin zu Anzeigen mit überdurchschnittlicher prognostizierter Klickrate.
- Gruppieren Sie den Inhalt in Personas und Spannungen. In der Wego-Studie stammen Personas aus X-Means-Clustering auf Texteinbettungen und wurden dann nach Markt und Marke verglichen.
- Validieren Sie anhand der Zielgruppendaten. Vergleichen Sie die angenommenen Merkmale jeder Person mit dem Panel: überindiziert, unterindiziert oder flach.
- Schreiben Sie die Persona als Entscheidungen. Geben Sie ihr eine Nachricht, ein Angebot, einen Kanal und eine Liste von Dingen, die Sie nicht sagen sollten.
Dies kommt dem nahe, was die Nielsen Norman Group statistische Personas nennt: zunächst qualitative Arbeit, dann eine Umfrage unter mindestens 100 Personen, idealerweise 500 oder mehr, und eine Clustering-Methode. NN/g weist darauf hin, dass der Ansatz teuer ist und statistische Kenntnisse erfordert. Das ist der Teil, den eine KI-Pipeline komprimieren kann; Die Entscheidung, welche Cluster wichtig sind, bleibt dem Strategen überlassen.
Wie sieht das mit echten Publikumsdaten aus?
In den beiden folgenden Fällen zeigten die Anzeigen der Konkurrenz, wo sich die Menschenmenge aufhielt, und die Zielgruppendaten zeigten, ob sich der Käufer des Kunden darin befand.
Miraflora Wagyu: preissensibel oder geschäftssensibel?
Miraflora Wagyu, eine Premium-Wagyu-E-Commerce-Marke in den USA, hatte einen hohen Cost-per-Acquisition und ahnte, dass ihr Preis angemessen ist. SOMIN kombinierte GWI-Daten mit SOMONITOR-Tracking von 9 Rindfleischmarken und Preisforschung bei 6 Online-Verkäufern. Unter den wohlhabenden Köchen in Colorado suchen 61.0 % nach den besten Angeboten, 61.4 % nutzen Rabattcodes und 67.0 % nutzen Treue- oder Prämienprogramme.
Die Persona war geschäftssensitiv, nicht preissensitiv, und das änderte den Plan. In der Miraflora Wagyu-Fallstudie wird empfohlen, mit sechs Personen von „The Festive Celebrator“ bis „The Grill Master“ auf Werbeaktionen und eine einfachere Kaufabwicklung statt auf den Preis zu konkurrieren. Eine weitere Zahl verdeutlichte das Problem: 78.7 % hatten im letzten Monat Fleisch gekauft, aber nur 10.1 % hatten es online gekauft.
Keeta HK: wenn die ganze Kategorie um den Preis kämpft
Im Bereich Lebensmittellieferungen in Hongkong hat SOMIN zwischen Januar und März 145 Anzeigen von Keeta HK, FoodPanda und Deliveroo verglichen (2025). In der Kategorie dominierten erschwingliche, praktische Lebensmittel, und Keeta lag damit hinter beiden Konkurrenten zurück.
Eine GWI-Untersuchung von Hongkonger Lebensmittelbestellern in der überdurchschnittlichen Einkommensklasse ergab, dass sie bei budgetorientiertem Verhalten zu wenig und bei kuratierten, qualitätsorientierten Entscheidungen zu viel Wert aufwiesen. Deshalb hat SOMIN die Direct-to-Action-Zeile in allen vier KI-generierten Geschichten umgeschrieben, um die Preissprache zu senken. Die Keeta HK-Fallstudie ist ein Beispiel für kreative Ideen vor dem Start, kein gemessenes Kampagnenergebnis, aber sie zeigt, dass die Persona ihre Aufgabe erfüllt: die Kopie zu ändern.
Wie bleiben KI-generierte Personas ehrlich?
Machen Sie jede Persona auf die dahinter stehenden Beiträge und Daten rückverfolgbar, zeigen Sie ihre Stichprobengröße an und erstellen Sie sie nach einem Zeitplan neu.
Modellgenerierte Personas sind fließend, was das Risiko darstellt. Die Insight-Engine von SOMIN brachte die Zeile „Daten offenbaren Muster, aber sie können die Menschheit nicht definieren“ für eine Person hervor, die sie „The Insightful Strategist“ nennt. Aus einem anderen Blickwinkel bezeichnet sie den „Data Illusion Effect“: starke Abhängigkeit von KI und Big Data, die zu Fehlinterpretationen des Verbraucherverhaltens führt. Es ruht auf 51 Beiträgen. Der Schutz ist ein Beweis, den Sie öffnen können, wobei jedes Konzept-Tag auf die Beiträge zurückgeht, die es unterstützen.
Auch Personas bewegen sich. Im selben Arbeitsbereich war die größte Persona in der August-2026 30-tägigen Studie mit 215 Beiträgen „The Tech-Driven Innovator“ mit einer Stichprobe von 115. In der September-Studie mit 220 Beiträgen war es „The Success-Oriented Innovator“ mit 131. Gleiche Kategorie, ein Monat auseinander, eine andere Hauptperson.
Thin Data ist die andere Falle. Das Moments-of-Truth-Modell von SOMIN bringt einen Sucher zum Vorschein, der Anzeigen für neue Nutzer personalisieren möchte, aber nicht über zu wenige Daten verfügt, mit denen er arbeiten kann. Es ist ein generierter Moment, kein Zitat einer realen Person, aber die Antwort gilt: Wenn Ihre eigenen Daten dünn sind, leihen Sie sich Signale aus der Kategorie durch Konkurrenzanzeigen und Paneldaten, bis die Daten von Erstanbietern aufholen.
FAQ
Was ist der Unterschied zwischen einer Persona und einem Zielgruppensegment?
Ein Segment ist ein Filter, z. B. Alter, Einkommen oder Standort, auf den Sie auf einer Anzeigenplattform abzielen können. Eine Persona erklärt, warum Menschen in diesem Segment kaufen, welche Anspannung sie verspüren und welche Botschaft sie bewegt. Sie zielen auf Segmente ab und schreiben für Personas.
Wie viele Personas sollte jeder Markt haben?
Genug, um Entscheidungen zu ändern, und nicht mehr. Die Miraflora Wagyu- und Wego-Studien von SOMIN brachten jeweils sechs hervor, aber das gleichzeitige Testen von zwei oder drei pro Markt sorgt dafür, dass die Ergebnisse lesbar bleiben.
Kann ich Market Personas ohne Umfragedaten erstellen?
Ja, aus Anzeigen von Mitbewerbern und öffentlichen Inhalten, aber betrachten Sie das Ergebnis als einen Überblick darüber, worauf Marken abzielen, und nicht als gemessene Nachfrage. Validieren Sie es mit Panel- oder Erstanbieterdaten, bevor Sie ein Budget festlegen.
Wie oft sollten Market Personas aktualisiert werden?
Mindestens vierteljährlich, in schnelllebigen Kategorien monatlich. SOMINs 30-Tage-Studien zeigten, dass sich die Hauptperson in einer Kategorie zwischen August und September 2026 änderte.
Beginnen Sie mit dem Markt, in dem die Leistung am meisten enttäuscht. Ziehen Sie das letzte Viertel der Anzeigen der Mitbewerber heraus, lesen Sie sie auf Persona und Spannung, überprüfen Sie die zwei oder drei größten Cluster anhand der Paneldaten und schreiben Sie eine Botschaft pro Persona neu. Der Strategieagent von SOMIN führt diese Schleife anhand von Live-Kategoriedaten durch, und unser Artikel über Reisemarketing im Nahen Osten zeigt die Anwendung der Methode auf sechs Märkten.
