LLMによるペルソナ生成のプロンプトはどう設計するか 実態調査から学ぶヒント

本記事では、LLMを使ったペルソナ生成に関する調査を紹介します。

ユーザー理解の手法としてペルソナを取り入れる動きが広がる中、生成の質を左右するプロンプト設計にはまだ不透明な部分が多く残されています。実際に使われている83件のプロンプト分析から、その傾向や活用法を整理しています。

LLMを業務や研究に取り入れたい人にとって、設計や活用のヒントとなる知見が得られる内容です。

背景

LLMを使って「ペルソナ」を作るという話をよく聞くようになりました。もともとペルソナは、製品やサービスの典型的なユーザー像を想定して描くもので、マーケティングやデザインの現場で長く使われてきた手法です。

インタビューなどで集めた情報をもとに、人が手作業で作成するのが一般的です。一方で、オンライン上にある大量のユーザーデータを使い、自動で分析・生成するデータドリブンな方法が登場し、ペルソナ作りのスタイルは大きく変わりました。

LLMの台頭により、スピーディーに多様なペルソナを作成できる可能性が出てきていますが、プロンプトを「どう書けばよいのか」「どんな書き方は避けるべきか」といった指針は、まだあまり整っていません。

質の高いペルソナを作るには、実際のユーザーに関する一次データをもとにし、作成の過程にきちんとした根拠があることが欠かせません。その上で、LLMを活用する上でもどんな工夫を重ねていくべきでしょうか。

そこで本記事では、様々な文献からペルソナ作成に使われているプロンプトを集めて分析した事例を取り上げ、土台になるような知見の共有を目指します。