打造你的第一個顧客角色
昨天我們討論了如何通過維度來分析客戶的分佈，以確定我們的角色的候選特徵。現在我們只需要把它們放在一起！
不幸的是，你可能會有大量的特徵列表，因此你的客戶會被分成幾十個組。雖然你歡迎創造幾十個人物角色，它通常是最有用的只有一個少數。為了處理這種複雜性，我們將使用總人口大小來分類可能的人物角色。
例如，我們假設我們為我們的在線家具公司確定了 3 個特徵，每個特徵具有 2 個明確段：年齡（年齡和老年），表格大小（小和大）和購買頻率（一次性和每月）。即使這個簡單的模型與三個性狀（每段兩段），使他們 8 個不同的人格！
這樣太多了，所以讓我們查看每種角色的客戶總人數來削減它。這麼做會讓事情變得更清楚：
| 年紀、桌子尺寸、購買頻率 | 比例 |
| 年輕, Small, 購買一次 | 31% |
| 年輕, Small, 每月購買 | 5% |
| 年輕, Large, 購買一次 | 3% |
| 年輕, Large, 每月購買 | 10% |
| 年長, Small, 購買一次 | 9% |
| 年長, Small, 每月購買 | 27% |
| 年長, Large, 購買一次 | 6% |
| 年長, Large, 每月購買 | 9% |
正如你看到的，結合我們的特質實際上減少了我們的潛在人格對我們人口的非常小的部分。只有「年輕、Small、一次性購買」和「年長、Small、每月購買」代表我們值得的創造的客戶角色。
但是請注意，這兩個角色不涵蓋我們所有的客戶，只是佔大部分。你創造的角色永遠不會覆蓋 100％的用戶，窮舉所有可能性是不切實際的。但是，在使用您的角色時，請記住這一點，因為有許多客戶不在你的覆蓋範圍之中。
你會發現，使用人口作為過濾器是一個非常有效的方式，從幾十個潛在的角色，只有幾個。有了手頭，明天我們將討論如何驗證您的角色是真正代表您的客戶，或者您的客戶只代表您的角色。
