#marketing #strategy Otwieram typowy brief: *„Nasza grupa docelowa to kobiety 25–45, dochód średni i wyższy, zainteresowane modą, sportem i rozwojem osobistym"*. Gratulacje. Ten opis pasuje mniej więcej do co drugiej kobiety na planecie — i żadna z nich nie kupuje z tego powodu. Ani wiek, ani dochód, ani „zainteresowanie rozwojem osobistym" nie wyjaśniają, dlaczego człowiek właśnie dziś wyciągnął kartę i zapłacił tobie, a nie konkurencji. Wczoraj też nie wyjaśniały. I w 1962 roku, kiedy to wszystko wymyślono, też nie wyjaśniały. Poniżej — dlaczego tak jest, z datami i badaniami. ## Narodziny mitu ### Skąd się wzięła „grupa docelowa"? Grupa docelowa nie narodziła się jako teoria ludzkiego zachowania. Narodziła się jako sposób na sprzedaż czasu reklamowego w telewizji. A było to tak. Pod koniec lat 50. amerykańska stacja ABC była trzecia z trzech — mniejszy zasięg, mniej stacji, mniej pieniędzy. Nie mogła sprzedawać reklam „według łącznej liczby widzów": w tym wskaźniku zawsze wyprzedzały ją CBS i NBC. Wtedy prezes ABC Oliver Treyz i założyciel stacji Leonard Goldenson poszli do firmy Nielsen — tej samej, która mierzy oglądalność telewizji — i poprosili, żeby mierzyła nie tylko *ilu* ludzi ogląda, ale i *kto dokładnie*: płeć i wiek. W 1962 roku Nielsen zaczął publikować wyniki z podziałem na płeć i grupy wiekowe, a ABC dostała swój argument: „tak, ogląda nas mniej ludzi, za to nasi widzowie to młode rodziny, które mają pieniądze do wydania". Serwis Sportico, rozkładając tę historię na czynniki pierwsze, ujmuje to wprost: ABC [w gruncie rzeczy wyssała „demografię 18–49" z palca, żeby odebrać udział w rynku większym konkurentom](https://www.sportico.com/business/media/2023/how-the-18-49-demo-defied-death-tv-currency-1234754958/). Potem stało się to, co dzieje się z każdą wygodną jednostką handlową: została standardem. Reklamodawcom spodobał się pomysł, żeby płacić nie za „wszystkich jak leci", tylko za „właściwych ludzi" — i już pod koniec lat 60. Nielsen [dzielił widownię na coraz drobniejsze komórki płci i wieku](https://aliciapatterson.org/richard-levine/counting-heads-tv-demographics/), a „mężczyźni i kobiety 18–49" zamienili się w walutę, w której do dziś handluje się czasem antenowym. Zauważ, co tu się wydarzyło. Nikt nie udowodnił, że wiek i płeć wyjaśniają zakupy. Nikt nawet nie zamierzał. Podział na płeć i wiek pojawił się dlatego, że było to **jedyne, co firma badawcza umiała zmierzyć u telewidza**, i dlatego, że jedna stacja potrzebowała ładnego argumentu w negocjacjach. To było opakowanie towaru o nazwie „czas reklamowy" — nie model człowieka. > „Kobiety 25–45" to nie wiedza o kliencie. To cennik stacji telewizyjnej z 1962 roku A potem narzędzie przeżyło własną funkcję. Telewizyjny model zakupu umarł, a nawyk opisywania klienta płcią, wiekiem i dochodem — został. Tak bywa: najpierw narzędzie rozwiązuje problem, potem problem znika, a narzędzie dalej wędruje z podręcznika do podręcznika, już jako „podstawy zawodu". ### Skąd się wzięła „buyer persona"? Druga część mitu — persony. Te slajdy, na których segment dostaje imię, stockowe zdjęcie, stan cywilny i listę hobby. Persony mają zresztą prawdziwego autora i prawdziwą datę urodzenia: Alan Cooper, rok 1999, książka [„The Inmates Are Running the Asylum"](https://www.amazon.com/Inmates-Are-Running-Asylum-Products/dp/0672326140). Cooper projektował interfejsy oprogramowania, a persony wymyślił do konkretnego zadania inżynierskiego: żeby zespół deweloperski przestał projektować „dla użytkownika w ogóle" i zaczął projektować dla konkretnego człowieka z konkretnym **celem**. Słowo klucz — cel: metoda Coopera tak się właśnie nazywa: *goal-directed design*, „projektowanie od celów". Imię i ludzkie detale były zabiegiem przeciwko abstrakcji, a konstrukcją nośną persony był cel, dla którego człowiek w ogóle otwiera produkt. Marketing pożyczył od Coopera formę i wyrzucił treść. Imię, zdjęcie, wiek i hobby — zostawił. Cel — zgubił po drodze. Tak narodziła się „buyer persona": *„Marta, 34 lata, menedżerka średniego szczebla, mężatka, dwoje dzieci, lubi jogę i podcasty o psychologii"*. Teraz proste pytanie: które z tych pól zmienia choć jedną twoją decyzję? Jeśli Marta ma nie 34, tylko 39 lat i lubi nie jogę, tylko bieganie — co się zmieni w produkcie? W cenie? W tekście reklamy? Nic. A jeśli pole można podmienić na dowolne inne i nic się nie zmieni — to nie jest segmentacja. To dekoracja do slajdu z budżetem. ## Dlaczego portrety nie działają? ### Nabywcy konkurujących marek to demograficznie ci sami ludzie Badacze szkoły Ehrenberga nie pracują na ankietach, tylko na danych panelowych — zapisach realnych zakupów tysięcy gospodarstw domowych obserwowanych latami. [Kennedy i Ehrenberg w 2001 roku](https://www.researchgate.net/publication/260555051_Brand_user_profiles_seldom_differ) przeanalizowali dane z 42 kategorii produktowych w Wielkiej Brytanii i dostali niewygodny wynik: profile płci, wieku i statusu społecznego nabywców konkurujących marek prawie się nie różnią. Klienci jednej marki kawy, jednego proszku do prania czy jednego banku to demograficznie ci sami ludzie, co klienci marki obok. W 2014 roku Journal of Advertising Research powtórzył test w maksymalnej skali: [25 lat danych, 50 kategorii — profile użytkowników konkurujących marek „prawie nigdy się nie różnią"](https://www.researchgate.net/publication/260554967_In_25_Years_Across_50_Categories_User_Profiles_for_Directly_Competing_Brands_Seldom_Differ_Affirming_Andrew_Ehrenberg's_Principles). Najbardziej wymowne jest to, że [nawet akademiccy oponenci tej szkoły przyznają](http://arc.hhs.se/download.aspx?mediumid=1799): to, że zmienne demograficzne nie rozróżniają nabywców marek, nauka wie od lat 70. I to od dawna nie jest akademicka egzotyka: wnioski szkoły złożyły się na bestseller Byrona Sharpa „How Brands Grow", [wydany także po polsku](https://howbrandsgrow.pl/) — [pod patronatem IAB Polska](https://www.iab.org.pl/aktualnosci/patronat-iab-wydawnictwo-how-brands-grow/). Nauka przeciw portretom oficjalnie dotarła na nasz rynek. → Skoro demografia nie potrafi odróżnić nabywcy Pepsi od nabywcy Coca-Coli — dwóch marek, które od pół wieku toczą wojnę o „różne pozycjonowanie" — to co dokładnie zamierzasz „targetować" swoim portretem? ### Zachowanie człowieka określa sytuacja, a nie „profil osobowości" Psychologia przeszła tę drogę już w 1968 roku. Walter Mischel w książce „Personality and Assessment" pokazał to, co później nazwano *person–situation debate*: trwałe cechy człowieka bardzo słabo przewidują jego konkretne zachowanie, a sytuacja, w której się znajduje — mocno. Mówiąc prościej: wiedząc o człowieku „wszystko" — charakter, wartości, nawyki — i tak prawie nie jesteś w stanie przewidzieć, co zrobi w konkretnym momencie. Znając sytuację — jesteś. Przenieś to na zakupy. Ten sam człowiek w poniedziałek rano bierze espresso w dziewięćdziesiąt sekund w kiosku przy stacji — i jego kryteria to: szybko, bez kolejki, bez rozmów. W sobotę ten sam człowiek siedzi dwie godziny w kawiarni nad deserem — i jego kryteria to: klimat, nikt nie pogania, jest ładnie. Płeć się nie zmieniła. Wiek się nie zmienił. Dochód i „profil zainteresowań" nie drgnęły ani o milimetr. Zmieniło się zadanie — a wraz z nim wszystko, co ważne przy wyborze: konkurenci, cena, kryteria, gotowość do czekania. > Rozrzut wymagań u jednego człowieka w ciągu tygodnia jest większy niż rozrzut między „segmentami" w twojej prezentacji ### Firmy z prawdziwymi danymi o zachowaniach wyrzuciły demografię na śmietnik. Dosłownie Netflix ma więcej danych o realnych zachowaniach niż jakakolwiek agencja marketingowa z portretami. I oto co mówi Todd Yellin, wiceprezes Netfliksa ds. produktu: [„Geografia, wiek i płeć? Wyrzuciliśmy to na śmietnik"](https://fortune.com/2016/03/27/netflix-predicts-taste/). Wewnątrz firmy spodziewano się, że dane społeczno-demograficzne okażą się złotem. Wniosek po konfrontacji z realnym zachowaniem: *„it's almost useless"* — „to prawie bezużyteczne". Netflix grupuje widzów według gustu — tego, co realnie oglądają — a nie według danych z dowodu. Tę samą drogę przeszedł Intercom. Współzałożyciel firmy wspomina, jak w Google'u produkował persony na tony — i żadna się nie przydała; wnioski z tego doświadczenia Intercom ujął w manifeście [„Focus on the job, not the customer"](https://www.intercom.com/blog/when-personas-fail-you/): produkty odpowiadają nie na pytanie „komu sprzedać", tylko „jakie zadanie wykonać". ### Platformy reklamowe postawiły na algorytmy Jeśli nauka nie przekonuje — oto co przez ostatnie pięć lat wydarzyło się w samym narzędziu, dla którego portrety kiedyś wymyślono: w zakupie reklamy. **2021 — Apple wywraca rynek, Google wypuszcza Performance Max** - **Kwiecień 2021, Apple.** Wychodzi iOS 14.5 z funkcją App Tracking Transparency: każda aplikacja musi zapytać o zgodę na śledzenie ([zapowiedź Apple](https://www.apple.com/newsroom/2021/01/data-privacy-day-at-apple-improving-transparency-and-empowering-users/), [premiera 26 kwietnia](https://techcrunch.com/2021/04/26/apples-app-tracking-transparency-feature-has-arrived-heres-what-you-need-to-know/)). Użytkownicy masowo klikają „nie śledź" — precyzja targetowania punktowego siada na wszystkich platformach naraz. - **Listopad 2021, Google.** Performance Max [wychodzi z bety i staje się dostępny dla wszystkich reklamodawców](https://blog.google/products/ads-commerce/performance-max/). Kampanie nowego typu: bez klasycznych grup reklam i słów kluczowych — wrzucasz teksty, grafiki i budżet, a algorytm sam decyduje, komu, gdzie i jak wyświetlać w całym ekosystemie: wyszukiwarka, YouTube, Mapy, Gmail. **2022 — czystka w Mecie i przymusowa automatyzacja w Google** - **Styczeń 2022, Meta.** [Znikają tysiące „wrażliwych" kategorii targetowania](https://www.facebook.com/government-nonprofits/blog/preparing-for-upcoming-removal-of-certain-ad-targeting-options): zdrowie, religia, polityka, orientacja seksualna. - **Lipiec–wrzesień 2022, Google.** [Przymusowa migracja kampanii Smart Shopping i Local na Performance Max](https://blog.google/products/ads-commerce/upgrade-to-performance-max/). Opcji „zostawmy po staremu" nie ma — stare formaty po prostu przestają istnieć. - **Sierpień 2022, Meta.** [Start Advantage+ Shopping Campaigns](https://about.fb.com/news/2022/08/introducing-new-automation-tools-to-increase-sales-and-drive-growth/) — bezpośrednia odpowiedź na Performance Max: szczegółowe ustawienia odbiorców wycięte, zdaj się na algorytm. **2023 — Google grzebie look-alike** - **Sierpień 2023, Google.** [Similar Audiences wyłączone](https://www.searchenginejournal.com/google-announces-sunset-of-similar-audiences/470017/) — grupy odbiorców podobnych do twoich klientów: od maja nie można tworzyć nowych, od sierpnia zostają usunięte ze wszystkich kampanii. Uzasadnienie Google jest wymowne: algorytmy same znajdą właściwych ludzi, ręczne grupy odbiorców nie są już potrzebne. **2024–2025 — koniec wykluczeń i dyktat szerokich ustawień** - **Styczeń–marzec 2024, Meta.** Druga wielka fala [czystki szczegółowych zainteresowań](https://www.jonloomer.com/meta-advertising-changes-2025/); kampanie ze starymi ustawieniami zatrzymują się do marca. - **2024, Meta.** Tryb Advantage+ (odbiorców dobiera algorytm) rozlewa się na wszystkie typy kampanii, a „rozszerzanie grupy odbiorców" zostaje domyślnie włączone: twoje checkboxy to od teraz „wskazówka", a nie granica. - **Lipiec 2024 — styczeń 2025, Meta.** [Wyłączenie Detailed Targeting Exclusions](https://www.facebook.com/business/help/458835214668072): od 29 lipca 2024 nie utworzysz kampanii z wykluczeniami zainteresowań, od 31 stycznia 2025 wykluczenia nie działają nigdzie. Algorytmowi nie można już zabronić pokazywania reklam „nie tym" — sam optymalizuje konwersje. - **Czerwiec 2025, Meta.** [Tysiące szczegółowych zainteresowań zwinięte do szerokich grup](https://www.socialmediatoday.com/news/meta-removes-more-detailed-ad-targeting-options-facebook-instagram/757856/): „fani muzyki elektronicznej", „SUV-y" i „kuchnia wegańska" stają się po prostu „muzyką", „samochodami" i „jedzeniem" ([MediaPost](https://www.mediapost.com/publications/article/408262/meta-further-consolidates-ad-targeting-options.html)). **2026 — algorytm bez alternatywy** - **15 stycznia 2026, Meta.** Zestawy reklam ze starymi ręcznymi ustawieniami targetowania szczegółowego [zatrzymują się automatycznie](https://adligator.com/blog/meta-broad-targeting-advantage-plus-audiences-2026). Advantage+ Audiences to de facto standard bez alternatywy. - **Wrzesień 2026, Google.** [Automatyczna migracja na AI Max](https://blog.google/products/ads-commerce/dsa-upgrade-to-ai-max-2026/) kampanii z *automatically created assets* i z *broad match* na poziomie kampanii; przenosiny samych Dynamic Search Ads Google [przesunął w czerwcu na luty 2027](https://www.leadgen-economy.com/blog/google-ai-max-september-2026-aca-broad-match-flip/) — ale wyrok już zapadł: reklama w wyszukiwarce staje się „znaczeniowa", a nie przywiązana do słów i list. Docelowy model zakupu wygląda tak: reklamodawca oddaje platformie kreację i cel („chcę zakupów"), a algorytm sam znajduje ludzi na podstawie sygnałów behawioralnych — kto na co reagował, kto co kupował. Parametry „kobiety 25–45, zainteresowania: moda" są z tego schematu wykreślone. Polskie blogi performance'owe już rzeczowo rozkładają na czynniki pierwsze pytanie [„czy reklamy na Facebooku będą działać bez ustawiania grupy docelowej"](https://blog.adstore.pl/nowe-targetowanie-w-meta-ads/) — którego samo postawienie pięć lat temu brzmiałoby absurdalnie. Przyjrzyj się uważnie, co zostało jedynym narzędziem w rękach reklamodawcy: > Kreacja stała się targetowaniem To nie metafora, tylko dosłowny opis mechaniki. Reklama sformułowana językiem zadania — *„przestań tracić leady, kiedy twój handlowiec śpi"* — sama wybiera z szerokiej grupy tych, którzy to zadanie mają: reszta po prostu nie klika. Algorytm widzi, kto zareagował, i szuka podobnych — według zachowania, a nie danych z dowodu. Parametr „mężczyzna, 25–34" nigdy nie niósł informacji o tym, czy człowiek ma zadanie. Reakcja na tekst o zadaniu — niesie. #### Mój moment przełomowy Ostatecznie przekonałem się o śmierci grup docelowych w 2020 roku — w momencie, kiedy Meta, spełniając wymogi antydyskryminacyjne, wprowadziła w Europie specjalną kategorię reklam „Zatrudnienie". Moja agencja była wtedy w całości skupiona na marketingu rekrutacyjnym (B2E) dla gig economy i firm transportowych — żyliśmy wyłącznie w tej kategorii. A klasyczna logika branży transportowej brzmiała: za kierownicą tirów statystycznie dominują mężczyźni, więc budżet koncentrujemy na mężczyznach. Tak pracowali wszyscy. W nowej kategorii ustawień płci i wieku nie było. W ogóle. Została tylko geografia. Szykowałem się na katastrofę: koszt pozyskania wzrośnie, a budżet pójdzie na ludzi, którym tiry nie są do niczego potrzebne. Stało się odwrotnie: pozyskanie kierowcy **potaniało**. Odbierając mi targetowanie, Meta zostawiła kampanie czystym algorytmom ML — a te znajdowały kandydatów celniej niż moje ręczne ustawienia. A potem miły bonus: zaczęliśmy rekrutować kobiety. Nie dlatego, że odpaliliśmy „osobną kampanię dla kobiet" — nigdy byśmy jej nie odpalili, portret nie pozwalał. Algorytm sam znalazł kobiety, dla których ta praca okazała się interesująca. Mój demograficzny „zdrowy rozsądek" latami odcinał od lejka ludzi, którzy naprawdę chcieli tej pracy. ## Portrety wyrzucone. Co w zamian? ### Jobs to be Done: ludzie zatrudniają produkty do zadań > **Job ([[Jobs To Be Done|Jobs to be Done]])** — zadanie, do którego człowiek „zatrudnia" produkt w konkretnej sytuacji, z konkretnymi kryteriami sukcesu. > *Kawę zatrudnia się, żeby się obudzić, umilić sobie drogę, zająć czymś ręce na spotkaniu i zrobić wrażenie. To cztery różne Prace — z różnymi konkurentami, różnymi kryteriami i różnymi pieniędzmi.* > **Segment** — grupa ludzi z podobnym zadaniem i podobnymi kryteriami jego sukcesu. A nie grupa ludzi o podobnym profilu demograficznym. > *Kryteria sukcesu to konkretne poprzeczki, według których człowiek oceni wynik: „dojechać" to nie kryterium, „dojechać w 20 minut, czystym autem, bez rozmów" — to kryterium.* Historię, od której zaczęło się podejście [[Jobs To Be Done|Jobs to be Done]], warto opowiedzieć według oryginału — artykułu Claytona Christensena, Scotta Cooka i Taddy'ego Halla [„Marketing Malpractice: The Cause and the Cure"](https://hbr.org/2005/12/marketing-malpractice-the-cause-and-the-cure), Harvard Business Review, grudzień 2005. Już sam tytuł — „Błąd w sztuce marketingu" — nieźle oddaje stosunek autorów do segmentacji portretami. Sieć fast foodów chciała sprzedawać więcej koktajli mlecznych. Działała jak z podręcznika: opisała profil typowego nabywcy koktajli, zebrała grupy fokusowe, zapytała — zrobić gęstszy? słodszy? tańszy? większy? Uczciwie ulepszyła produkt według wszystkich odpowiedzi. Sprzedaż ani drgnęła. Wtedy badacze zrobili dziwną rzecz: przestali badać kupujących i zaczęli badać zakupy. Po prostu stali w restauracji i patrzyli, kto, kiedy i w jakich okolicznościach bierze koktajl. Okazało się, że [około 40% koktajli sprzedawano wcześnie rano](https://www.library.hbs.edu/working-knowledge/clay-christensens-milkshake-marketing) — samotnym kierowcom, na wynos. Ich zadanie nie miało nic wspólnego z deserem: przed nimi długa, nudna droga, trzeba czymś zająć wolną rękę i z uczuciem sytości dociągnąć do obiadu. Gęsty koktajl jest idealny: pije się go dwadzieścia minut, nie kruszy się, mieści się w uchwycie na kubek. A jego konkurenci w tym zadaniu to nie koktajle innych sieci, tylko banan, drożdżówka, snickers i nuda. A wieczorem ten sam koktajl w tej samej restauracji kupowali rodzice dzieciom — do zadania „zgodzić się wreszcie na prośbę dziecka i poczuć się dobrym rodzicem". I do tego zadania ten sam produkt był zły: dziecko męczy się, ciągnąc gęstą masę przez słomkę, rodzic czeka. Jeden produkt, jedna lada, jeden „profil nabywcy" — a rynki dwa, i ulepszenia dla jednego psują produkt dla drugiego. Wniosek Christensen ujął w zdaniu, które stało się klasyką: ludzie nie kupują produktów — oni je **zatrudniają** do wykonania zadania. A demografia nabywcy nie mówiła o zadaniu nic: poranny kierowca i wieczorny rodzic spokojnie mogli być tym samym człowiekiem. > Rynek koktajlu mlecznego to nie „mężczyźni 30–50". To „nudna droga do pracy" Najbardziej usystematyzowaną wersję tego podejścia, jaką spotkałem, zebrał Ivan Zamesin w otwartym kanonie [Next Move Theory](https://github.com/zamesin/Next-Move-Theory-Canon-and-Skills/tree/main/Next-Move-Theory-Canon). ### A co z demografią? Teza „grupa docelowa nie istnieje" nie oznacza „płeć i wiek nigdy na nic nie wpływają". Demografia ma prawo brać udział w segmentacji, kiedy jest **przyczynowa** — czyli kiedy za cechą stoi realne zadanie. Sklep z artykułami dziecięcymi pokazuje reklamy młodym rodzicom — i to działa. Ale nie dlatego, że „kobiety 25–35" to magiczny segment, tylko dlatego, że w domu pojawiło się dziecko, a wraz z nim dziesiątki zadań, które miesiąc temu nie istniały. Cecha „rodzic niemowlaka" to po prostu marker zadania. Zabierz zadanie — i cecha stanie się pusta: bezdzietnemu człowiekowi możesz pokazać reklamę pieluch tysiąc razy, zakupu nie będzie. To samo z wiekiem w reklamie alkoholu czy kredytów: jest tam nie dlatego, że „nasza grupa to mężczyźni 18+", tylko dlatego, że tak każe prawo. Nie działa „portret". Działa zadanie albo ograniczenie schowane za cechą. Stąd praktyczny test na dowolne kryterium segmentacji — trzy pytania: 1. Czy to kryterium mówi, jaką wartość budować? 2. Czy mówi, skąd wezmą się pieniądze? 3. Czy mówi, jak tworzyć popyt? „Kobieta 30–45, zainteresowana rozwojem osobistym" — zero na trzy. „Rodzina, która właśnie wprowadziła się do nowego mieszkania" — wygląda lepiej, ale to wciąż jeden na trzy: wiadomo tylko, kiedy się pojawić. Z przeprowadzki wyrasta naraz kilkadziesiąt różnych zadań — internet, meble, remont, ubezpieczenie — a „wiedzieć, komu pokazać reklamę" to nie to samo, co „wiedzieć, jaką wartość budować". Sytuacja staje się kryterium przyczynowym dopiero wtedy, kiedy wskazuje konkretne zadanie i jego kryteria sukcesu: „Rodzina tydzień po przeprowadzce: rodzice pracują zdalnie, a w mieszkaniu wciąż nie ma internetu" — trzy na trzy: wiadomo, jaką wartość budować (łącze działające od jutra, a nie „technik w ciągu 14 dni" — kryterium sukcesu to termin, nie prędkość), wiadomo, skąd pieniądze (bez internetu stoi im praca, więc za szybką instalację zapłacą bez wahania), wiadomo, jak tworzyć popyt (pojawić się w momencie zmiany adresu, a nie kręcić reklam do wszystkich jak leci). I bonus: prawdziwe kryterium segmentacji zawsze da się zamienić w pytanie ankietowe albo pole w CRM-ie — czyli sprawdzić na żywym człowieku, zanim wydasz na niego pieniądze. „Czy niedawno się państwo przeprowadzili?" — zapytać można. „Czy jest pani Martą, lat 34, która lubi jogę i podcasty o psychologii?" — nie można. > Grupa docelowa nie istnieje nie dlatego, że ludzie są tacy sami. Tylko dlatego, że demografia to proxy. Przyczyną jest zadanie ## Rynek kandydatów jest zepsuty **Jeśli na rozmowie rekrutacyjnej słyszę cokolwiek o buyer personach — to dla mnie poważny red flag.** Nie „dyskusyjna metodyka". Nie „jedna z roboczych koncepcji, do której można podchodzić różnie". Oznaka niekompetencji. Bo kandydat w tym momencie pokazuje trzy rzeczy naraz. Skąd bierze wiedzę: z szablonów z blogów producentów narzędzi, a nie z danych i źródeł pierwotnych. Jak śledzi branżę: największe platformy reklamowe wyłączyły targetowanie demograficzne na jego oczach, a on nie zauważył. I jak traktuje weryfikowalność: zupełnie mu nie przeszkadza, że z pełnym przekonaniem pracuje z wymyślonym przyjacielem, którego nikt nigdy nie sprawdził na realnych zakupach. > Buyer persony w marketingu są jak astrologia w HR Skąd się biorą tacy kandydaci? Tak się ich uczy. Właśnie teraz, za pieniądze. Otwórz program niemal dowolnego kursu marketingowego — od szkół online po programy uczelniane: moduł „portret grupy docelowej" figuruje w pierwszych lekcjach jako fundament, na którym dalej „buduje się strategię". Co roku rynek zasilają tysiące absolwentów z pracą dyplomową o Marcie, lat 34 — i niosą oni Martę do twoich zespołów, twoich briefów i twoich budżetów. Studentów w 2026 roku na poważnie uczy się narzędzia, które narodziło się jako cennik stacji telewizyjnej w 1962, zostało obalone danymi panelowymi w 2001 i fizycznie wyłączone przez platformy reklamowe w 2024. To nie jest „opóźnienie względem branży". To ciemnogród z akredytacją — nauczanie alchemii sto lat po odkryciu układu okresowego pierwiastków. Rozumiem, dlaczego tak się dzieje. Persona to idealny artefakt dydaktyczny: łatwo ją wytłumaczyć, łatwo narysować w szablonie, łatwo z niej odpytać na egzaminie, a student w ciągu jednych zajęć dostaje poczucie, że „zrozumiał klienta". Prawdziwa praca z zadaniami — wywiady, dane panelowe, ekonomika zadania — nie mieści się w formacie webinaru. > Uczy się nie tego, co działa, tylko tego, co wygodnie się wykłada ## Dlatego AI nie napisze ci dobrej strategii Modele językowe są wytrenowane na całym masowym kontencie marketingowym naraz — na tych samych szablonach, kursach i notatkach z poprzedniego rozdziału. AI nie odróżni soli od cukru, dopóki człowiek o to nie poprosi. W tej właśnie chwili AI generuje buyer persony setkom tysięcy ludzi i proponuje oprzeć na nich strategię. > — Gemini, po co włączyłeś do briefu buyer persony? Przecież są pseudonaukowe. > > — Słuszna uwaga. Odpowiem wprost: poszedłem po linii najmniejszego oporu i podsunąłem ci najbardziej rozpowszechniony, szablonowy wariant z tych, które istnieją w moich danych treningowych. Kiedy zakwestionowałeś ten punkt, przełączyłem się z trybu „generowanie typowego szablonu" na analizę współczesnej teorii marketingu. I tu masz całkowitą rację: pod względem realnej skuteczności i pracy na danych Jobs to be Done bije wymyślone portrety na głowę. To moje niedopatrzenie — powinienem był od początku przygotować nowoczesny brief, oparty na wzorcach behawioralnych i sytuacjach konsumpcji, a nie sięgać po przestarzałe klisze. Wczytaj się: model **wie**, że persony nie działają. Ale domyślnie i tak je wypluwa — bo tak jest napisane w milionie tekstów, na których się uczył. Teraz dwa niewygodne pytania. Ilu twoich marketerów zauważy taki punkt w briefie i go poprawi? A ilu już wgrało sobie śmieciowe „skille" dla Claude Code do tworzenia buyer person? Taki punkt briefu to ziarno, z którego w trakcie „myślenia" modelu wyrasta drzewo halucynacji. AI pisze zły brief → na podstawie złego briefu generuje slop, z którego mało co zadziała → pogrzebałeś produkt pod szyldem „automatyzacji marketingu". I nie jestem tu bynajmniej przeciwko AI — jestem za, i to obiema rękami. Po prostu modelowi trzeba wprost wpisać w instrukcję: wytnij persony, wychodź od zadań. Inaczej działa stara dobra zasada: > Shit in — shit out ## Wniosek Spójrz na dowolny działający schemat z ostatnich lat: produkt pod konkretne zadanie → kreacja napisana pod to zadanie → szeroki zakup, w którym ludzi znajduje algorytm. Zadania odpowiadają za to, co budować i co mówić. Zasięg — za to, komu pokazać. A teraz znajdź w tym schemacie miejsce na portret grupy docelowej. Nie ma go. Stąd mój główny wniosek. Jeśli chcesz świadomie ulepszać produkt, tworzyć popyt i znajdować klientów — wyrzuć niedziałające metodyki. Nie „dostosuj do siebie", nie „łącz z nowoczesnymi podejściami" — wyrzuć. One nie są neutralne: zaśmiecają głowę i odciągają uwagę od sedna. Każda godzina spędzona nad portretem wymyślonej Marty to godzina niespędzona na rozmowie z żywym klientem o jego zadaniu. > Rynek nie składa się z ludzi. Rynek składa się z zadań --- > [!quote]- Źródła > **Nauka przeciw portretom demograficznym** > - [Kennedy & Ehrenberg — Brand user profiles seldom differ (2001, dane panelowe z 42 kategorii)](https://www.researchgate.net/publication/260555051_Brand_user_profiles_seldom_differ) > - [In 25 Years, Across 50 Categories, User Profiles for Directly Competing Brands Seldom Differ — Journal of Advertising Research, 2014](https://www.researchgate.net/publication/260554967_In_25_Years_Across_50_Categories_User_Profiles_for_Directly_Competing_Brands_Seldom_Differ_Affirming_Andrew_Ehrenberg's_Principles) > - [Przegląd akademickiej dyskusji o segmentacji, w tym stanowisko Wedela i Kamakury](http://arc.hhs.se/download.aspx?mediumid=1799) > - [Fortune: Netflix — Geography, Age, and Gender are "Garbage" for Predicting Taste (2016)](https://fortune.com/2016/03/27/netflix-predicts-taste/) > > **Źródła pierwotne koncepcji** > - [Christensen, Cook, Hall — Marketing Malpractice: The Cause and the Cure, HBR, grudzień 2005 (ten słynny artykuł o koktajlu mlecznym)](https://hbr.org/2005/12/marketing-malpractice-the-cause-and-the-cure) + [omówienie Harvard Business School](https://www.library.hbs.edu/working-knowledge/clay-christensens-milkshake-marketing) > - [Alan Cooper — The Inmates Are Running the Asylum (1999): geneza person](https://www.amazon.com/Inmates-Are-Running-Asylum-Products/dp/0672326140) > - [Sportico: How the 18-49 Demo Became the Coin of the TV Realm — historia wynalezienia „demo" przez stację ABC](https://www.sportico.com/business/media/2023/how-the-18-49-demo-defied-death-tv-currency-1234754958/) > - [Richard Levine — Counting Heads: TV Demographics (historia demograficznych pomiarów Nielsena)](https://aliciapatterson.org/richard-levine/counting-heads-tv-demographics/) > > **Śmierć targetowania punktowego: Apple** > - [Apple Newsroom — App Tracking Transparency](https://www.apple.com/newsroom/2021/01/data-privacy-day-at-apple-improving-transparency-and-empowering-users/) · [TechCrunch o premierze iOS 14.5, 26.04.2021](https://techcrunch.com/2021/04/26/apples-app-tracking-transparency-feature-has-arrived-heres-what-you-need-to-know/) > > **Śmierć targetowania punktowego: Meta** > - [Meta — usunięcie „wrażliwych" kategorii od 19.01.2022](https://www.facebook.com/government-nonprofits/blog/preparing-for-upcoming-removal-of-certain-ad-targeting-options) > - [Meta — start Advantage+ Shopping Campaigns, sierpień 2022](https://about.fb.com/news/2022/08/introducing-new-automation-tools-to-increase-sales-and-drive-growth/) > - [Meta Business Help — wyłączenie Detailed Targeting Exclusions (lipiec 2024 — styczeń 2025)](https://www.facebook.com/business/help/458835214668072) > - [Jon Loomer: 83 Changes to Meta Advertising in 2025](https://www.jonloomer.com/meta-advertising-changes-2025/) > - [Social Media Today: konsolidacja szczegółowych zainteresowań, czerwiec 2025](https://www.socialmediatoday.com/news/meta-removes-more-detailed-ad-targeting-options-facebook-instagram/757856/) · [MediaPost](https://www.mediapost.com/publications/article/408262/meta-further-consolidates-ad-targeting-options.html) > - [Adligator: deadline 15.01.2026 i Advantage+ Audiences jako standard](https://adligator.com/blog/meta-broad-targeting-advantage-plus-audiences-2026) > > **Śmierć targetowania punktowego: Google** > - [Google — Performance Max otwarty dla wszystkich reklamodawców, listopad 2021](https://blog.google/products/ads-commerce/performance-max/) > - [Google — przymusowa migracja Smart Shopping i Local na Performance Max, 2022](https://blog.google/products/ads-commerce/upgrade-to-performance-max/) > - [Search Engine Journal — wygaszenie Similar Audiences (maj–sierpień 2023)](https://www.searchenginejournal.com/google-announces-sunset-of-similar-audiences/470017/) > - [Google — migracja Dynamic Search Ads na AI Max](https://blog.google/products/ads-commerce/dsa-upgrade-to-ai-max-2026/) · [przesunięcie migracji DSA na luty 2027](https://www.leadgen-economy.com/blog/google-ai-max-september-2026-aca-broad-match-flip/) > > **Kto jeszcze o tym mówi** > - [Intercom — Focus on the job, not the customer](https://www.intercom.com/blog/when-personas-fail-you/) · [książka Intercom on Jobs-to-be-Done](https://www.intercom.com/resources/books/intercom-jobs-to-be-done) > > **Polski rynek** > - [Polskie wydanie „How Brands Grow" Byrona Sharpa (Wydawnictwo Blix)](https://howbrandsgrow.pl/) · [patronat IAB Polska](https://www.iab.org.pl/aktualnosci/patronat-iab-wydawnictwo-how-brands-grow/) · [analiza questus](https://questus.pl/byron-sharp-czy-marketing-jaki-znamy-odchodzi-do-przeszlosci/) > - [Sellwise — Jobs to be done w sprzedaży i marketingu](https://www.sellwise.pl/jobs-to-be-done/) · [sprawny.marketing o podejściu JTBD](https://sprawnymarketing.pl/blog/o-podejsciu-jobs-to-be-done/) · [NowyMarketing — Od astrologii do danych](https://nowymarketing.pl/od-astrologii-do-danych-dlaczego-twoje-persony-nie-dzialaja/) > - [adstore — nowe targetowanie w Meta Ads](https://blog.adstore.pl/nowe-targetowanie-w-meta-ads/) · [digitalk — targetowanie w Facebook Ads](https://digitalk.pl/blog/targetowanie-w-facebook-ads-jak-to-zrobic/) > > **Segmentacja według zadań — ujęcie systemowe** > - [Ivan Zamesin — kanon Next Move Theory (otwarte repozytorium)](https://github.com/zamesin/Next-Move-Theory-Canon-and-Skills/tree/main/Next-Move-Theory-Canon) > - [Rozdział kanonu: Segmentation by Customer Jobs](https://github.com/zamesin/Next-Move-Theory-Canon-and-Skills/blob/main/Next-Move-Theory-Canon/Advanced-Jobs-To-Be-Done/segmentation.md)