“Think of segmentation as the art of finding patterns and stories in the data.”
The User Is Always Right (2007), Steve Mulder and Ziv Yaar
Som tidligere nævnt er et af de væsentligste kriterier for godt underbyggede personas at data materialet er i orden, men det sværeste er at finde ud af hvor mange personas man skal have og hvordan man se dette ud fra data. Ovenstående citat angiver lidt af arbejdet med at finde en klynge eller et segment på baggrund af data – det involverer en form for kunst.
Læser man Kim Goodwin fra Cooper.com så anbefaler hun at man opstiller et modsætningspar på en skala som man så kan sige hvor mange brugerne der befinder sig hvor på den givne skala. Dette gentages for en lang række parametre og når man er færdig står man med et billede af brugerne. Denne metode forudsætter naturligvis at man kan opstille modsætningspar for sine brugere, hvilket ikke altid giver mening. Hvad man skal gøre afhænger naturligvis også hvilke metoder man bruger, men en god måde at få mening i data er affinitetsdiagrammer: Man skriver stikord på post-it og grupperer disse. Pludselig står man med en række sammenhænge, der kan udtrykke forskellighederne. Ud fra forskellighederne kan man nu danne en hypotese om hvordan forskellighederne kan udtrykkes i pers
Da jeg i forbindelse med min ph.d. arbejdede med astmatikere og deres pårørende fandt vi ud af at der var 4 forskellige grupper: de der kontrollerede deres sygdom, de der negligerede deres sygdom. Mødre der kontrollerede deres børns sygdom og mødre der var emotionelt berørte af at deres børn var syge. Astmatikerne var udtryk for et modsætningspar, mens mødrene ikke var det. I et for nyligt overstået projekt fandt vi 3 forskellige kategorier for folk der bruger trafikinformationer og deres forskelligheder ville have været svære at rubricere i modsætningspar.
Så på mange måder har Mulder og Yaar ret – det er en kunst.