Et af de typiske spørgsmål man får fra en kunde, når man arbejder med personas er: “Hvor mange skal vi ha” Og mit svar er altid: “Det ved jeg ikke, det kommer an på, hvad vi kan se fra data”. I denne tid arbejder jeg på et større projekt, der skal ende med personas til en offentlig tjeneste og processen i dette arbejde kan anskueliggøre, hvordan det er at finde frem til, hvor mange personas man skal have.
For at få et grundlag for et solidt grundlag at skabe personas ud fra, startede vi med at skrabe så mange rapporter til os som det overhovedet var muligt. Det viste sig, at der var lavet en virkelig solidt funderet rapport, der indeholdt masser af information om området. Udgangspunktet for rapporten var fokusgruppeundersøgelser og spørgeskemaundersøgelser.
Desværre så havde rapporten ikke fokus på netop det, der kendetegner den enkelte, men på helheder, i dette tilfælde brancher. I en traditionel fokusgruppe, er deltagerne valgt fordi de repræsenterer et område (bilister, mælkedrikkere, avislæsere osv.) og de ytrer sig som repræsentanter. Ofte er det svært at gå fra en viden om f.eks. at bilister gerne vil høre mere trafikradio til at bruge denne oplysning i en persona beskrivelse fordi det, der kan karakterisere en persona ikke er til stede i afrapporteringen.
I vores tilfælde havde kunden yderligere en lang række andre glimrende undersøgelser, der desværre heller ikke gav noget til personas beskrivelsen.
Sideløbende med at vi læste rapporten, interviewede vi personer fra kundens call-center. Interviewene gav stor viden, men desværre så havde de ansatte i call centeret heller ikke fokus på det der kan give viden til personas beskrivelserne, f.eks. hvem det var der ringede, hvor gamle de var osv. Fokus er naturligvis på de problemer de ringer ind med. Afdækningen af deres erfaringer med kunder, der ringer ind, forekom os at være gisninger og antagelser.
Det interessante er, at samlet set, så kunne de to undersøgelser supplere hinanden og pludselig oplevede vi, at der kom nogle mønstre, der kunne underbygges med data og hvorfra vi kunne skabe en række kategorier, der kan danne udgangspunkt for personas beskrivelserne. Fra materialet fik vi 7 kategorier og efter et møde med kunden, blev det klart at nogle af kategorierne dækker over underkategorier, så vi nu er oppe på 11 kategorier. Vi samler yderligere materiale for at se, om vi kan underbygge alle 11 kategorier med data eller om nogle af dem, er rene antagelser og derfor ikke repræsenterer brugerne.
Det er selvfølgelig ikke alle 11 kategorier der bliver til personas, men de er et vigtigt led i processen med at prioritere og validere de endelige personas.