AI Ranking Tools
Alle artikelen
Door De redactiepersona'spromptsworkflows

Persona stacking: dezelfde prompt, vijf soorten kopers

Een inkoper, een eindgebruiker en een twijfelaar stellen dezelfde vraag anders. Zo bouw je persona's, laat je ze combineren en lees je de verschillen in je AI-zichtbaarheid.

Een promptlijst voor AI-monitoring lijkt vaak op een lijst zoekwoorden. Neutraal, kort, zonder context. Maar niemand stelt ChatGPT een vraag zonder achtergrond. Een inkoper bij een middelgroot bedrijf stelt de vraag naar een oplossing anders dan een zzp'er die een eerste tool zoekt. Een manager die een leverancier moet verdedigen, vraagt weer iets anders. Als je alleen de neutrale versie meet, meet je een koper die niet bestaat.

Wat een persona hier is

Een persona is in dit verband een beschrijving van wie de vraag stelt: rol, situatie, wat die persoon wil bereiken en wat hem zorgen baart. Het model gebruikt die context bij het formuleren van een antwoord. Het gevolg is dat dezelfde kernvraag voor twee persona's een ander antwoord kan geven, met andere merken, andere criteria en andere bronnen.

Het gaat dus niet om demografie, maar om beslissituatie. Een persona als "financieel directeur van een MKB-bedrijf dat een tool moet verantwoorden" is nuttiger dan "man, 45, Utrecht".

Waarom één persona niet genoeg is

Als je maar één persona meet, krijg je een scheef beeld. Misschien sta je prima in de antwoorden voor de technische beoordelaar en kom je niet voor bij de budgethouder. Dat is waardevolle informatie, want die twee personen beslissen vaak samen. Je ziet het alleen als je beide meet.

Het tweede voordeel is dat verschillen tussen persona's je laten zien welke content je mist. Staat een merk wel in antwoorden voor de technische vraag, maar niet in die over kosten, dan ontbreekt waarschijnlijk een pagina over prijs en terugverdientijd.

Stacking: persona's combineren

Persona stacking betekent dat je meerdere persona's op dezelfde basisprompt laat draaien, zodat je de resultaten naast elkaar kunt leggen. Je hoeft de prompts niet voor elke persona opnieuw te schrijven. Je schrijft de kernvraag één keer en laat de persona's de context leveren.

Zo houd je de basis vergelijkbaar. Verschillen in uitkomst komen dan van de persona, niet van een toevallig andere formulering.

Persona's kiezen

Begin met drie tot vijf. Kies ze op basis van echte gesprekken: salesnotities, supportvragen, interviews, zoekgedrag. Verzin ze niet aan een bureau. Een persona zonder basis in echte klanten levert prompts op die niemand stelt.

Schrijf per persona vier dingen op: rol, doel, grootste zorg en hoe die persoon zijn vraag zou stellen. Houd het kort. Een alinea is genoeg.

Controleer het resultaat met een eenvoudige test. Lees een paar gegenereerde antwoorden en vraag aan iemand van je salesteam: klinkt dit als iemand die we kennen?

De uitkomsten lezen

Zet per kernprompt de persona's naast elkaar. Kijk naar drie dingen. Verschilt de lijst van genoemde merken? Verschillen de aangehaalde bronnen? Verschilt de toon, bijvoorbeeld zorgelijk versus enthousiast?

Wees voorzichtig met kleine verschillen. Antwoorden schommelen ook zonder persona-effect, dus alleen verschillen die in meerdere metingen terugkomen, zijn betrouwbaar. Kijk naar patronen over weken, niet naar een enkele run.

Wat je met de verschillen doet

Een persona waarbij je ontbreekt, is een contentkans. Zoek op welke bronnen daar worden aangehaald en welk type pagina het is. Maak een pagina die jouw perspectief op die vraag geeft: concreet, eerlijk over de beperkingen, met feiten.

Een persona waarbij je negatief wordt beschreven, is een signaal om te onderzoeken. Is de zorg terecht? Dan is het een productpunt. Is hij onterecht? Dan is het een uitleg-pagina.

Valkuilen

De eerste valkuil is te veel persona's. Twintig persona's op vijftig prompts geeft duizend combinaties en niemand leest de uitkomst. De tweede is persona's zo gedetailleerd maken dat ze op één individu lijken. De derde is vergeten dat een persona een hulpmiddel is: het bewijst niet hoe echte kopers zich gedragen.

Zeg in rapportages ook eerlijk dat persona-metingen gesimuleerde context zijn, geen waarnemingen van echte gebruikers.

Hoe een tool het ondersteunt

Promptwatch heeft persona's met persona stacking in de prompttracking. Je maakt persona's aan, bewerkt ze en combineert ze, en koppelt ze aan je prompts. Prompts kun je daarnaast indelen in onderwerpen, tags, prompttypen (organisch, merk, concurrentievergelijking) en intentie. Met de Prompt Explorer krijg je suggesties uit Search Console, rankende zoekwoorden, People Also Ask of een willekeurige pagina, handig om je kernprompts te vullen. En de Brand Book bepaalt wat als een vermelding van je merk telt, zodat je persona-uitkomsten gelijk worden beoordeeld.

Het heatmap-overzicht laat je twee dimensies kruisen, bijvoorbeeld merken tegen modellen of onderwerpen tegen landen, wat helpt bij het vergelijken van persona-resultaten per onderwerp.

Een kleine proef

Kies vijf kernprompts. Schrijf drie persona's. Laat de combinaties twee weken draaien. Zet de uitkomsten in een tabel: prompt, persona, genoemde merken, aangehaalde bronnen. Zoek de rij met het grootste verschil tussen persona's en onderzoek hem. Dat is je eerste echte inzicht, en vaak ook je eerste contentidee.

Op Essential (95 $ per maand) heb je 50 prompts en 6.000 responses, wat voor zo'n proef genoeg is. Houd er rekening mee dat meer persona's meer responses verbruiken, dus reken je limiet door voordat je begint.

Conclusie

Persona's maken je promptlijst realistischer, en persona stacking maakt de resultaten vergelijkbaar. Begin met een paar persona's gebaseerd op echte gesprekken, kijk naar verschillen die terugkomen en vertaal ze naar content. Wil je dat in een platform doen, dan heeft Promptwatch persona's en persona stacking ingebouwd.

Een voorbeeld van een persona

Een compacte persona kan zo luiden: "inkoper bij een middelgroot bedrijf, moet binnen drie weken een leverancier voorstellen, bang voor een lange implementatie, vraagt om een vergelijking met duidelijke prijzen". Een andere: "zzp'er die voor het eerst een tool zoekt, wil weinig instellen, let op de maandprijs". Dezelfde kernvraag over de beste tool levert voor die twee ongetwijfeld een andere lijst en andere bronnen op. Dat verschil is wat je wilt zien, en wat je content moet aanspreken.