Les personnalités du marché à partir des données d'audience sont construites un marché à la fois à partir de trois entrées : des données de panel ou d'enquête sur qui achète, des publicités de concurrents montrant qui les concurrents ciblent déjà et avec quelles promesses, et une conversation publique révélant les tensions exprimées par les gens. Regroupez chaque marché séparément, comparez les clusters aux publicités qui y sont diffusées et conservez uniquement les personas qui modifient un message, une offre ou un canal.
Points clés
- Une personnalité de marché ne gagne sa place que si elle change ce que vous dites, proposez ou dépensez sur ce marché.
- Les publicités des concurrents montrent pour quels personnages une catégorie se bat déjà ; les données d'audience montrent si votre acheteur participe à ce combat.
- Pour Miraflora Wagyu, les données de GWI ont transformé un problème de prix présumé en un résultat sensible à la transaction :61.4% des cuisiniers aisés du Colorado utilisent des codes de réduction.
- Pour Keeta HK, la même méthode a supprimé la mention des prix de chaque ligne d'action directe, car le public cible était sous-indexé sur son comportement budgétaire.
- Les personas dérivent de mois en mois, alors reconstruisez-les selon un calendrier et gardez la taille de l'échantillon de chacun visible.
Qu’est-ce qu’une personnalité de marché, et pourquoi ne pas utiliser une personnalité globale ?
Une personnalité du marché décrit un acheteur sur un marché spécifique : ce qu'il veut, ce qui le frustre et quel message l'y pousse. Une personnalité mondiale fait la moyenne des marchés et perd les différences qui déterminent si une publicité fonctionne.
Le raccourci le plus courant est une étiquette démographique. Dans l'espace de travail de recherche d'audience de SOMIN, une étude d'espaces portant sur 229 publications publiées entre avril et juillet 2026 par quatre marques d'études d'audience en a regroupé 33 sous une seule tension : les marques mal ciblées parce qu'elles s'appuient trop sur des étiquettes générationnelles telles que la génération Z. Une étiquette est un filtre de départ, pas une personnalité.
La solution consiste à faire du marché l’unité d’analyse. Créez d'abord des personnalités au sein de chaque marché, puis comparez-les entre les marchés. Aller dans l’autre sens, d’une personnalité globale à des ajustements locaux, a tendance à conserver les hypothèses et à perdre les preuves.
Sur quelles données doit-on construire une personnalité de marché ?
Utilisez au moins deux sources indépendantes par marché : une qui décrit les personnes et une qui décrit ce que les concurrents leur disent déjà. Chacun a un angle mort que l’autre couvre.
| Source | Ce qu’elle vous apprend | Angle mort |
|---|---|---|
| Panels d’audience et enquêtes | Attitudes, comportements d'achat et habitudes médiatiques, indexés par rapport à la moyenne du marché | Autodéclaré et silencieux sur le message qui fonctionne |
| Annonces et publications des concurrents | Quelles personnalités, tensions et offres les concurrents paient pour atteindre, par marché et par date | Montre ce que les marques proposent, et non ce que les acheteurs demandent |
| Conversation sociale publique | Les tensions et les mots que les gens utilisent spontanément | Un biais en faveur des utilisateurs vocaux et de certaines plates-formes |
| Données de première partie | Ce que vos propres clients ont fait | Ne couvre que les personnes qui vous ont déjà trouvé |
Les panels rendent le côté humain spécifique au marché. L'enquête phare de GWI couvre plus de 50 marchés et représente plus de 3 milliards d'internautes, selon sa méthodologie GWI page. Du côté des concurrents, le Ads Transparency Center de Google permet à quiconque de rechercher des annonces d'annonceurs vérifiés et de voir celles diffusées dans une région donnée, de sorte que la lecture concurrentielle puisse être filtrée par marché dès le départ.
La source façonne également le modèle. L'équipe de recherche de SOMIN a montré à l'AAAI 2020 que le choix du réseau social comme source de données modifie la précision avec laquelle un modèle d'IA profile les utilisateurs, et un article 2022 dans Frontiers in Big Data a révélé que les gens révèlent différentes facettes de leur personnalité sur Twitter et Facebook, et que les caractéristiques déduites à travers les réseaux ont amélioré un outil de recommandation de contenu. La leçon pratique : ne construisez pas une personnalité sur une seule plateforme et appliquez-la partout. La liste complète des articles se trouve sur notre page de recherche .
Comment construire des personnalités de marché étape par étape ?
Corrigez le marché et filtrez, lisez le champ concurrentiel, regroupez, validez par rapport aux données d'audience, puis écrivez chaque personnage sous la forme d'un ensemble de décisions.
- Fixer le marché et le filtre. Nommer la géographie, la catégorie et le comportement qualificatif. Pour Miraflora Wagyu, SOMIN est parti de 2,838,296 personnes du Colorado intéressées par la cuisine dans l'enquête SOMIN × GWI Q2 2024, puis s'est restreinte à 1,318,330 avec un revenu de ménage de 85k et plus.
- Tirez les publicités des concurrents pour ce marché. Collectez du contenu payant et organique par marque avec des filtres par pays, puis conservez les publicités performantes. Pour Keeta HK, SOMIN a travaillé à partir de 145 annonces filtrées jusqu'à celles dont le taux de clics prévu était supérieur à la moyenne.
- Regroupez le contenu en personnages et tensions. Dans l'étude Wego, les personnages provenaient de X-means regroupés sur des intégrations de texte et ont ensuite été comparés par marché et par marque.
- Validez par rapport aux données d'audience. Vérifiez les traits supposés de chaque personnage par rapport au panel : surindexés, sous-indexés ou plats.
- Écrivez le personnage sous forme de décisions. Donnez-lui un message, une offre, une chaîne et une liste de choses à ne pas dire.
Ceci est proche de ce que Nielsen Norman Group appelle personas statistiques : un travail qualitatif d'abord, puis une enquête auprès d'au moins 100 personnes, idéalement 500 ou plus, et une méthode de clustering. NN/g note que cette approche est coûteuse et nécessite des compétences statistiques. C’est la partie qu’un pipeline d’IA peut compresser ; décider quels clusters comptent reste du ressort du stratège.
À quoi cela ressemble-t-il avec des données d’audience réelles ?
Dans les deux cas ci-dessous, les publicités des concurrents indiquaient où se trouvait la foule et les données d'audience indiquaient si l'acheteur du client y faisait partie.
Miraflora Wagyu : sensible au prix ou sensible aux offres ?
Miraflora Wagyu, une marque de commerce électronique wagyu haut de gamme aux États-Unis, avait un coût par acquisition élevé et soupçonnait son prix. SOMIN a combiné les données GWI avec le suivi SOMONITOR de 9 marques de bœuf et la recherche de prix auprès de 6 vendeurs en ligne. Parmi les cuisiniers aisés du Colorado, 61.0 % recherchent les meilleures offres, 61.4 % utilisent des codes de réduction et 67.0 % utilisent des programmes de fidélité ou de récompense.
Le personnage était sensible à l’affaire, pas au prix, et cela a changé le plan. LeÉtude de cas Miraflora Wagyurecommande de rivaliser sur les promotions et un paiement plus facile plutôt que sur le prix, avec six personnages allant de The Festive Celebrator à The Grill Master. Un autre chiffre a reformulé le problème :78.7% avaient acheté de la viande au cours du mois dernier, mais seulement10.1% l'avaient acheté en ligne.
Keeta HK : quand toute la catégorie se bat sur les prix
Dans le domaine de la livraison de nourriture à Hong Kong, SOMIN a comparé 145 annonces de Keeta HK, FoodPanda et Deliveroo entre janvier et mars 2025. La tension dominante de la catégorie était la nourriture abordable et pratique, et Keeta était à la traîne de ses deux rivaux.
Un contrôle GWI auprès des clients de Hong Kong dans la tranche de revenu supérieure à la moyenne a montré qu'ils sous-indexaient leur comportement axé sur le budget et surindexaient leurs choix sélectionnés et axés sur la qualité. SOMIN a donc réécrit la ligne d'action directe dans les quatre histoires générées par l'IA pour faire baisser le langage des prix. L'étude de cas Keeta HK est un échantillon d'idéation créative préalable au lancement, et non un résultat de campagne mesuré, mais il montre le personnage faisant son travail : changer la copie.
Comment garder les personnages générés par l’IA honnêtes ?
Rendez chaque personnage traçable jusqu'aux publications et aux données qui le sous-tendent, affichez la taille de son échantillon et reconstruisez-le selon un calendrier.
Les personnages générés par les modèles parlent couramment, ce qui constitue un risque. Le moteur d'analyse de SOMIN a produit la ligne « Les données révèlent des modèles, mais elles ne peuvent pas définir l'humanité » pour un personnage qu'il appelle le stratège perspicace, sous un angle qu'il qualifie d'effet d'illusion de données : une forte dépendance à l'IA et au big data conduisant à une mauvaise interprétation du comportement des consommateurs. Il repose sur 51 postes. La sauvegarde est une preuve que vous pouvez ouvrir, chaque balise conceptuelle remontant aux publications qui la prennent en charge.
Les personnages bougent également. Dans le même espace de travail, le personnage le plus important dans l'étude d'août 2026 sur 30 jours portant sur 215 messages était l'innovateur axé sur la technologie, avec un échantillon de 115. Dans l'étude de septembre portant sur 220 messages, il s'agissait de l'innovateur axé sur le succès, avec 131. Même catégorie, à un mois d'intervalle, un personnage principal différent.
Les données minces constituent l’autre piège. Le modèle des moments de vérité de SOMIN présente un chercheur qui souhaite personnaliser les publicités pour les nouveaux utilisateurs mais qui dispose de trop peu de données avec lesquelles travailler. Il s'agit d'un moment généré, pas d'une citation d'une personne réelle, mais la réponse est valable : lorsque vos propres données sont minces, empruntez le signal de la catégorie via les publicités des concurrents et les données de panel jusqu'à ce que les données de première partie rattrapent leur retard.
FAQ
Quelle est la différence entre un persona et un segment d’audience ?
Un segment est un filtre, tel que l'âge, le revenu ou la localisation, que vous pouvez cibler sur une plateforme publicitaire. Un personnage explique pourquoi les gens de ce segment achètent, quelle tension ils ressentent et quel message les émeut. Vous ciblez des segments et écrivez pour des personas.
Combien de personas chaque marché doit-il avoir ?
De quoi changer les décisions et pas plus. Les études Miraflora Wagyu et Wego de SOMIN en ont produit chacune six, mais en tester deux ou trois par marché à la fois permet de conserver des résultats lisibles.
Puis-je créer des personnalités de marché sans données d'enquête ?
Oui, à partir des publicités des concurrents et du contenu public, mais considérez le résultat comme une vision de ce que les marques ciblent plutôt que comme une demande mesurée. Validez-le avec des données de panel ou de première partie avant d'engager un budget.
À quelle fréquence les personnalités du marché doivent-elles être actualisées ?
Au moins trimestriellement et mensuellement dans les catégories à évolution rapide. Les études de 30 jours de SOMIN ont montré que le personnage principal d'une catégorie avait changé entre août et septembre 2026.
Commencez par le marché où les performances déçoivent le plus. Extrayez le dernier trimestre des publicités des concurrents, lisez-les pour déterminer leur personnalité et leur tension, vérifiez les deux ou trois plus grands groupes par rapport aux données du panel et réécrivez un message par personne. SOMINagent de stratégieexécute cette boucle à partir des données de catégorie en direct, et notre article surMarketing de voyage au Moyen-Orientmontre la méthode appliquée sur six marchés.
