Analysoimme, mitä tekoäly todella uskoo ostajista 25 toimialalla. Tulosten pitäisi muuttaa tapaasi ajatella sisältöstrategiaa.
Useimmat brändit luovat sisältöä oletusten pohjalta. Sisäisissä työpajoissa syntyy kolmesta viiteen ostajapersoonaa, jotka tuntuvat oikeilta, ja nämä persoonat ohjaavat sisältökalenteria seuraavan vuoden ajan. Ehkä pidempäänkin.
Ongelma on siinä, että tekoälyjärjestelmät, jotka yhä useammin välittävät ostajien tiedonhakua, toimivat täysin erilaisen mallin pohjalta siitä, keitä ostajasi ovat ja mitä he haluavat. Ja tuo malli rakentuu miljoonien datapisteiden kuvioista, ei kahden tunnin sidosryhmätilaisuudesta.
Halusimme tietää: mitä tekoäly todella uskoo ostajista? Ei sitä, mitä markkinoijat olettavat. Ei sitä, mitä CRM-järjestelmät ehdottavat. Sitä, mikä nousee esiin, kun ostajakäyttäytymisen dataa syntetisoidaan ja jäsennetään mittakaavassa.
Niinpä rakensimme suurimman koskaan julkaistun ostajapersoona-aineiston. Ja sen paljastamat kuviot saavat jokaisen sisältöstrategin harkitsemaan myyntisuppiloaan uudelleen.
Mitä rakensimme ja miksi
PersonaGen-593K on aineisto, joka koostuu 593 181 tekoälyn tuottamasta ostajapersoonasta 339 toimialalla (25 päävertikaalia). Jokainen persoona sisältää jäsenneltyä käyttäytymisdataa: keitä he ovat, mitä he hakevat, mitä kysymyksiä heillä on, mitkä tavoitteet heitä ohjaavat ja mikä heitä turhauttaa.
Raakaluvut:
| Ominaisuus | Määrä |
|---|---|
| Persoonia yhteensä | 593 181 |
| Kattavat toimialat | 339 (25 päävertikaalia) |
| Poimitut hakukyselyt | ~3 miljoonaa |
| Tiedontarvekuvaukset | ~3 miljoonaa |
| Tavoitekuvaukset | ~1,8 miljoonaa |
| Kipupistekuvaukset | ~1,8 miljoonaa |
Aloitimme noin 40 miljoonasta raakapersoonakuvauksesta neljästä julkisesta aineistosta (NVIDIA, BSC-LT, Orange ja Tencent). GPU-kiihdytetyn kaksoiskappaleiden poiston ja semanttisen suodatuksen kautta karsimme määrän noin miljoonaan ainutlaatuiseen kuvaukseen. Sitten rikastimme jokaisen niistä jäsennellyillä käyttäytymisominaisuuksilla suurta kielimallia käyttäen, mikä lopulta tuotti 593 181 täydellistä ja validoitua persoonaa.
Tämä ei ole 500 ihmisen kysely. Se on jäsennelty synteesi siitä, mitä tekoälymallit ymmärtävät ostajakäyttäytymisestä, sellaisessa mittakaavassa, jonka lähestyminen veisi perinteisiltä tutkimusmenetelmiltä vuosia ja miljoonia euroja.
Havainto, jonka pitäisi kirjoittaa sisältöstrategiasi uusiksi
78,7 % ostajien hauista on informatiivisia. Vain 4,3 % on transaktionaalisia.
Lue tuo uudelleen. Aineiston lähes 3 miljoonasta hakukyselystä lähes neljä viidestä on kysymyksiä kuten "Miten arvioin X:ää?" tai "Mitkä ovat parhaat lähestymistavat Y:hyn?", eivät "Osta X" tai "Tilaa Y".
Loput 17 % ovat kaupallisia, vertailukyselyitä kuten "Minkä toimittajan minun pitäisi valita?" Se on harkintavaihe. Tärkeä, mutta silti ei transaktionaalinen.
Mitä tämä tarkoittaa käytännössä
| Haun tarkoitus | Osuus kyselyistä | Mitä ostajat tekevät |
|---|---|---|
| Informatiivinen | 78,7 % | Oppivat, tutkivat, ymmärtävät vaihtoehtoja |
| Kaupallinen | 17,0 % | Vertailevat toimittajia, arvioivat vaihtoehtoja |
| Transaktionaalinen | 4,3 % | Valmiita ostamaan, tilaamaan tai rekisteröitymään |
Useimmat sisältöstrategiat rakentuvat myyntisuppilon pohjalle. Tuotesivut. Hintavertailut. Ominaisuusmatriisit. Demopyynnöt. Se on tuo 4,3 %.
Tuo 78,7 %, kysymykset joita ostajat todella kysyvät, jää usein aliedustetuksi. Ja juuri sellaisesta sisällöstä tekoälyjärjestelmät ammentavat, kun ne muodostavat suosituksia.
Jos brändilläsi ei ole vahvaa informatiivista sisältöä, joka vastaa ostajien kysymyksiin ennen kuin he ovat valmiita ostamaan, tekoäly suosittelee jotakuta, jolla on.
Viisi toimialakuviota, jotka kannattaa tuntea
Aineisto paljastaa selkeitä käyttäytymissignatuureja eri toimialoilla. Tässä sisältö- ja markkinointijohtajille olennaisimmat kuviot.
1. EdTech hallitsee volyymissä ja mahdollisuudessa
EdTech muodostaa 24,3 % kaikista aineiston persoonista (36 152). Tämä ei johdu siitä, että olisimme ylinäytteistäneet sitä. Se nousi esiin luonnostaan lähdedatasta ja heijastaa oppimislähtöisen ostajakäyttäytymisen pelkkää määrää ja monimuotoisuutta.
EdTech-persoonat keskittyvät sertifiointipolkuihin, verkko-oppimisen joustavuuteen ja taitojen kehittämiseen. Jos toimit koulutusteknologiassa, siihen liittyvissä oppimispalveluissa tai ammatillisessa kehityksessä, tämä on aineiston suurin tavoitettavissa oleva persoonajoukko. Sisältömahdollisuus on valtava, ja niin on myös kilpailu tekoälyn huomiosta.
2. Konsultoinnilla on korkein kaupallinen tarkoitus
Vaikka koko aineisto painottuu informatiiviseen suuntaan, konsultointipersoonat rikkovat trendin. Ne osoittavat korkeinta kaupallista hakutarkoitusta 28 prosentilla, mikä on lähes kaksinkertainen aineiston keskiarvoon 17 prosenttiin verrattuna.
Konsultoinnin ostajat tietävät, mitä he tarvitsevat. He vertailevat vaihtoehtoja, eivät tutki käsitettä. Heidän kipupisteensä keskittyvät asiakashankintaan ja erottautumiseen, mikä tarkoittaa, että sisältö joka auttaa heitä arvioimaan vaihtoehtoja (vertailukohdat, tapaustutkimukset, ROI-kehykset) pärjää paremmin kuin yleinen ajatusjohtajuus.
3. Terveydenhuolto kohtaa ainutlaatuisen vaatimustenmukaisuushaasteen
Terveydenhuollon persoonat osoittavat korkeinta vaatimustenmukaisuuteen liittyvien tiedontarpeiden keskittymää 38 prosentilla. He hakevat tietoa pätevöitymisestä, sääntelyvaatimuksista ja näyttöön perustuvista käytännöistä.
Terveydenhuollon tai siihen läheisesti liittyvien toimialojen brändeille tämä sisältää erityisen riskin: terveysaiheista suosituksia tuottavat tekoälyjärjestelmät kohtaavat korkeamman tarkkuusvaatimuksen. Epäjohdonmukaisesta tai huonosti jäsennellystä terveyssisällöstä tulee vastuuriski, kun tekoäly nostaa sen esiin ammatillisissa yhteyksissä.
4. Valmistava teollisuus haluaa prosessia, ei visiota
Valmistavan teollisuuden persoonat ryhmittyvät toiminnan tehokkuuden ympärille (29 % tavoitteista) ja kamppailevat eniten työkalujen monimutkaisuuden kanssa (24 % kipupisteistä). Heidän hakunsa keskittyvät prosessien optimointiin ja automaatioon.
Tämä yleisö ei reagoi tavoitteelliseen viestintään. He haluavat yksityiskohtia: käyttöönotto-oppaita, integraatiodokumentaatiota, vertailumatriiseja teknisine spesifikaatioineen. Sisältö, joka ohittaa vision ja menee suoraan toiminnalliseen "miten"-kysymykseen, voittaa tässä vertikaalissa.
5. Työn ja vapaa-ajan tasapaino on universaali kipupiste
Kaikissa 25 toimialavertikaalissa työn ja vapaa-ajan tasapaino nousi esiin hallitsevana kipupisteenä 107 000 maininnalla. Se esiintyy viiden kärjen huolenaiheena 72 prosentissa toimialasegmenteistä.
Tämä on toimialarajat ylittävä totuus, jonka useimmat B2B-sisällöt jättävät täysin huomiotta. Brändit, jotka tunnustavat ammatillisten päätösten inhimillisen ulottuvuuden (aikarajoitteet, kognitiivinen kuormitus, kilpailevat prioriteetit), puhuttelevat sitä todellisuutta, jossa heidän ostajansa elävät, eivätkä pelkästään sitä kategoriaa, josta he ostavat.
Demografia, jonka tekoäly olettaa
Aineisto paljastaa myös, minkä demografisen profiilin tekoäly liittää eri toimialoihin ja rooleihin:
- Sukupuolijakauma: 52,2 % naisia, 45,4 % miehiä, 2,3 % muunsukupuolisia. Lähes tasapainossa, mutta ei yhtenäinen toimialojen välillä.
- Ikäkuvio: Kaksihuippuinen, huiput ikäryhmissä 18–25 (27,9 %) ja 55–75+ (yhteensä 41,4 %). Keskiuran kohortti, johon suurin osa B2B-markkinoinnista kohdistuu (25–55), muodostaa vain 30,8 %.
- Markkinakonteksti: 71,5 % B2C, 22,5 % B2B, 4,4 % B2B2C, 1,5 % B2G.
Ikäjakauma on erityisen huomionarvoinen. Jos sisältöstrategiasi olettaa 35–50-vuotiaan päätöksentekijän oletusostajaksi, tekoälymallit saattavat liittää toimialaasi hyvin erilaisen demografisen profiilin. Tuo epäsuhta oletetun yleisösi ja tekoälyn oletetun yleisön välillä vaikuttaa siihen, mikä sisältö nostetaan esiin ja kenelle.
Mitä tämä tarkoittaa brändillesi
Jos toimit EdTechissä tai ammatillisessa kehityksessä
Toimit ruuhkaisimmassa persoonatilassa. Erottautuminen vaatii täsmällisyyttä: ei "autamme ihmisiä oppimaan" vaan "autamme keskiuran UX-suunnittelijoita siirtymään opetussuunnitteluun työnantajien tunnustamin sertifikaatein". Persoonat osoittavat, että sertifiointipolut ja joustava aikataulutus ovat hallitsevat hakuärsykkeet. Yleisluontoinen oppimissisältö ei kanna läpi.
Jos toimit konsultoinnissa tai ammatillisissa palveluissa
Ostajillasi on aineiston korkein kaupallinen tarkoitus. He vertailevat ostoksia, eivät selaile. Panosta sisältöön, joka tukee arviointia: läpinäkyviin hinnoittelukehyksiin, menetelmävertailuihin, asiakastulosdataan yksityiskohtineen. "Ajatusjohtajuus ensin" -pelikirja, joka toimii muissa vertikaaleissa, voi suoriutua heikommin täällä, koska ostajasi ovat jo tietoisuusvaiheen ohittaneet.
Jos toimit valmistavassa teollisuudessa tai teollisuudessa
Ohita visio. Aloita toiminnallisilla yksityiskohdilla. Persoonat osoittavat, että työkalujen monimutkaisuus on ensisijainen turhautumisen aihe ja prosessien optimointi ensisijainen tavoite. Sisältö, joka osoittaa mitattavia tehokkuushyötyjä selkein käyttöönottoaskelin, vastaa sitä, miten tekoäly luonnehtii valmistavan teollisuuden ostajien tarkoitusta.
Jos toimit terveydenhuollossa
Jäsennä sisältösi tarkkuutta ja vaatimustenmukaisuutta varten. Tekoälyjärjestelmät ovat erityisen varovaisia terveyteen liittyvien suositusten kanssa, ja persoonadata vahvistaa, että ostajasi asettavat etusijalle pätevöitymis- ja sääntelytiedon. Jäsentämätön tai monitulkintainen sisältö on todennäköisemmin tekoälyn alentama tässä vertikaalissa kuin missään muussa.
Mistä tämä tutkimus on peräisin
PersonaGen-593K:n kehittivät tutkijat Estonian Entrepreneurship University of Applied Sciencesissa (EUAS) ja Rankfor.AI:ssa, ja se julkaistiin vertaisarvioituna artikkelina Springerin Discover Artificial Intelligence -lehdessä.
Menetelmä sisälsi neljän julkisen persoona-aineiston yhdistämisen (~40 miljoonaa raakakuvausta), GPU-kiihdytetyn kaksoiskappaleiden poiston soveltamisen 89,5 prosentin kaksoiskappaleiden poistamiseksi, ja sitten semanttisten upotusmallien käytön edelleen 76,2 prosentin lähes identtisten kappaleiden poistamiseksi. Jäljelle jääneet miljoona ainutlaatuista kuvausta rikastettiin jäsennellyillä käyttäytymisominaisuuksilla ja validoitiin tilastollisen analyysin kautta.
Täydellinen aineisto, menetelmä ja analyysikoodi ovat julkisesti saatavilla riippumatonta todentamista varten.
Käytännön oppi
Tämän mittakaavan ostajakäyttäytymisdata kertoo johdonmukaisen tarinan: useimmat ostajat kysyvät kysymyksiä, eivät etsi ostettavaa. Brändit, jotka voittavat tekoälyn suositukset, ovat niitä, joiden sisältö vastaa noihin kysymyksiin selkeästi, täsmällisesti ja sillä kielellä, jota ostajat todella käyttävät.
Jos 78,7 % potentiaalisista ostajistasi on oppimistilassa, ja sisältöstrategiasi kohdentaa 80 % resursseista tuotekeskeiseen suppilon pohjan materiaaliin, tuottamasi ja tekoälyn suositteleman välillä on rakenteellinen epäsuhta.
Tuon kuilun sulkeminen ei ole sisältövolyymin ongelma. Se on kohdistuksen ongelma. Ja ensimmäinen askel on ymmärtää, mitä tekoäly uskoo ostajiesi haluavan.
Tarkista, miten tekoäly hahmottaa brändisi ostajapersoonat. Käytä Persona Matcher -työkalua vertaillaksesi oletettuja persooniasi siihen, mitä tekoäly todella suosittelee toimialallesi. Tai aja brändisi läpi AI Visibility Monitor -työkalulla nähdäksesi, missä olet.
Perustuu artikkeliin "PersonaGen-593K: A Large-Scale Dataset of AI-Generated Buyer Personas for Consumer Information-Seeking Behavior Research", kirjoittajina Dmitrij Zatuchin (EUAS) ja Daniil Dzemesjuk (Rankfor.AI), esijulkaisu, lähetetty Springer Discover Artificial Intelligence -lehteen, 2026.