ባለፈው ጽሑፌ AI እንዴት ተግባራዊ ግለሰቦችን በብቃት ለመፍጠር እንደሚረዳን መርምሬያለሁ። በፖስተሮች ላይ ጥሩ የሚመስሉ ነገር ግን የንድፍ ውሳኔዎችን እምብዛም የማይቀይሩ የስነሕዝብ መገለጫዎችን ሳይሆን ተጠቃሚዎች ለማከናወን በሚሞክሩት ላይ የሚያተኩሩ ሰዎችን መገንባት ተመልክተናል። ግን ስብዕናን መፍጠር የግማሹን ትግል ብቻ ነው። ትልቁ ፈተና እነዚያን ግንዛቤዎች በሚፈልጓቸው ሰዎች እጅ፣ በሚፈልጉት ቅጽበት ማግኘት ነው። በየቀኑ፣ በድርጅትዎ ውስጥ ያሉ ሰዎች የተጠቃሚን ልምድ የሚነኩ ውሳኔዎችን ያደርጋሉ። የምርት ቡድኖች ለየትኞቹ ባህሪያት ቅድሚያ እንደሚሰጡ ይወስናሉ. የግብይት ቡድኖች የዕደ-ጥበብ ዘመቻዎች። የፋይናንስ ቡድኖች የክፍያ መጠየቂያ ሂደቶችን ይነድፋሉ። የደንበኛ ድጋፍ ሰጪ ቡድኖች የምላሽ አብነቶችን ይጽፋሉ። እነዚህ ሁሉ ውሳኔዎች ተጠቃሚዎች የእርስዎን ምርት ወይም አገልግሎት እንዴት እንደሚለማመዱ ይቀርጻሉ። እና አብዛኛዎቹ የሚከሰቱት ከትክክለኛ ተጠቃሚዎች ምንም ግብአት ሳይኖር ነው። የተጠቃሚ ምርምርን እንዴት እንደምናጋራው ያለው ችግር ጥናቱን ትሰራለህ። ግለሰቦቹን ትፈጥራለህ። ሪፖርቶቹን ትጽፋለህ. አቀራረቦቹን ትሰጣለህ። እንዲያውም የሚያምሩ ኢንፎግራፊዎችን ትሰራለህ። እና ከዚያ ምን ይሆናል? ጥናቱ በአንድ ቦታ በጋራ ድራይቭ ላይ ተቀምጧል፣ ቀስ በቀስ ዲጂታል አቧራ ይሰበስባል። ግለሰቦቹ በጅማሮ ስብሰባዎች ላይ ይጠቀሳሉ ከዚያም ይረሳሉ። ሪፖርቶቹ አንዴ ተጭበረበሩ እና እንደገና አይከፈቱም። አንድ የምርት አስተዳዳሪ አዲስ ባህሪን ለመጨመር ሲወስን ምናልባት ያለፈውን ዓመት የምርምር ማከማቻ ውስጥ አይቆፍሩም። የፋይናንስ ቡድኑ የክፍያ መጠየቂያ ኢሜይሉን በአዲስ መልክ ሲያዘጋጅ፣ በእርግጠኝነት የተጠቃሚውን ሰው አያማክሩም። ምርጥ ግምታቸውን አውጥተው ወደፊት ቀጠሉ። ይህ የእነዚያ ቡድኖች ትችት አይደለም። በሥራ የተጠመዱ ናቸው። የጊዜ ገደብ አላቸው። እና እንደ እውነቱ ከሆነ፣ ጥናቱን ለማማከር ቢፈልጉም፣ ምናልባት የት እንደሚያገኙ ወይም ለጥያቄያቸው እንዴት እንደሚተረጉሙ ላያውቁ ይችላሉ። እውቀቱ በ UX ቡድን ኃላፊዎች ውስጥ ተቆልፎ ይቆያል, በድርጅቱ ውስጥ ለሚደረጉት እያንዳንዱ ውሳኔዎች ሊኖሩ አይችሉም. ተጠቃሚዎች በትክክል መናገር ቢችሉስ? ሰዎች ሊያገኟቸው እና ሊተረጉሙዋቸው የሚፈልጓቸውን የማይንቀሳቀሱ ሰነዶችን ከመፍጠር ይልቅ ለባለድርሻ አካላት ሁሉንም የተጠቃሚ ግለሰቦችዎን በአንድ ጊዜ እንዲያማክሩ ብንችልስ?
አንድ የግብይት አስተዳዳሪ በአዲስ ዘመቻ ላይ ሲሰራ አስብ። ግለሰቦቹ ስለ የመልእክት መላላኪያ ምርጫዎች የተናገሩትን ለማስታወስ ከመሞከር ይልቅ፣ “በዚህ ኢሜይል በቅናሽ አቅርቦት ለመምራት እያሰብኩ ነው። ተጠቃሚዎቻችን ምን ያስባሉ?” ብለው ሊጠይቁ ይችላሉ። እና AI፣ ሁሉንም የእርስዎን የምርምር መረጃዎች እና ሰዎች በመሳል፣ በተጠናከረ እይታ ምላሽ ሊሰጥ ይችላል፡ እያንዳንዱ ሰው እንዴት ምላሽ እንደሚሰጥ፣ የት እንደሚስማሙ፣ የት እንደሚለያዩ እና በቡድን አመለካከታቸው ላይ የተመሰረቱ ምክሮች። አንድ ጥያቄ፣ በሁሉም የተጠቃሚ መሰረትህ ላይ ግንዛቤን አጣምሮ።
ይህ የሳይንስ ልብወለድ አይደለም. በ AI, በትክክል ይህን አይነት ስርዓት መገንባት እንችላለን. እነዚያን የተበታተኑ ምርምሮች (የዳሰሳ ጥናቶችን፣ ቃለመጠይቆችን፣ የድጋፍ ትኬቶችን፣ ትንታኔዎችን፣ ግለሰቦቹን) ወስደን ማንም ሰው ባለብዙ እይታ ግብረ መልስ ሊጠይቅ ወደ ሚችል በይነተገናኝ ምንጭ ልንለውጠው እንችላለን። የተጠቃሚ ምርምር ማከማቻ መገንባት የዚህ አሰራር መሰረት ስለተጠቃሚዎችዎ የሚያውቁት የሁሉም ነገር ማእከላዊ ማከማቻ ነው። AI ሊደርስበት እና ሊስበው የሚችለው እንደ አንድ የእውነት ምንጭ አድርገው ያስቡት። ለማንኛውም የጊዜ ርዝማኔ በተጠቃሚዎች ላይ ምርምር ሲያደርጉ ከቆዩ ምናልባት እርስዎ ከሚያስቡት በላይ ብዙ ውሂብ ሊኖርዎት ይችላል. በተለያዩ መሳሪያዎች እና ቅርጸቶች ብቻ ተበታትኗል፡-
በእርስዎ የዳሰሳ መድረክ ላይ ተቀምጠው የዳሰሳ ውጤቶች፣ በGoogle ሰነዶች ውስጥ የቃለ መጠይቅ ግልባጭ፣ በእርስዎ የእገዛ ዴስክ ስርዓት ውስጥ የደንበኛ ድጋፍ ትኬቶች፣ በተለያዩ ዳሽቦርዶች ውስጥ የትንታኔ መረጃ፣ የማህበራዊ ሚዲያ መግለጫዎች እና ግምገማዎች ፣ ከቀደምት ፕሮጄክቶች የቆዩ ሰዎች ፣ የአጠቃቀም ሙከራ ቅጂዎች እና ማስታወሻዎች።
የመጀመሪያው እርምጃ እነዚህን ሁሉ ወደ አንድ ቦታ መሰብሰብ ነው. ፍጹም መደራጀት አያስፈልግም። AI የተዘበራረቁ ግብዓቶችን ስሜት በማሳደግ በሚያስደንቅ ሁኔታ ጥሩ ነው። ከባዶ እየጀመርክ ብዙ ነባር ምርምር ከሌለህ የመነሻ መስመርን ለማዘጋጀት AI ጥልቅ የምርምር መሳሪያዎችን መጠቀም ትችላለህ።
እነዚህ መሳሪያዎች ስለምርትዎ ምድብ፣የተፎካካሪ ግምገማዎች እና ሰዎች የሚጠይቋቸው የተለመዱ ጥያቄዎችን ለማግኘት ድሩን መቃኘት ይችላሉ። ይህ የመጀመሪያ ደረጃ ምርምርዎን በሚገነቡበት ጊዜ አብረው የሚሰሩበት ነገር ይሰጥዎታል። በይነተገናኝ ሰዎች መፍጠር አንዴ ማከማቻህን ካገኘህ ቀጣዩ እርምጃ AI ባለድርሻ አካላትን ወክሎ ሊያማክርባቸው የሚችሉ ሰዎችን መፍጠር ነው። ይህ በቀጥታ የሚገነባው ባለፈው ጽሑፌ ላይ የገለጽኩትን የተግባር ሰው አቀራረብን ነው፣ ከአንድ ቁልፍ ልዩነት ጋር፡ እነዚህ ሰዎች AI ጥያቄዎችን የሚመረምርባቸው ሌንሶች ይሆናሉ እንጂ ማጣቀሻ ብቻ አይደሉም።ሰነዶች. ሂደቱ እንደሚከተለው ይሰራል.
የምርምር ማከማቻዎን ወደ AI መሳሪያ ይመግቡ። በግቦች፣ ተግባራት እና የግጭት ነጥቦች ላይ በመመስረት የተለዩ የተጠቃሚ ክፍሎችን እንዲለይ ጠይቀው። ለእያንዳንዱ ክፍል ዝርዝር ሰዎችን እንዲያመነጭ ያድርጉ። ባለድርሻ አካላት ጥያቄዎችን ሲጠይቁ ሁሉንም ሰው ለማማከር AIን ያዋቅሩ፣ የተጠናከረ ግብረ መልስ ይስጡ።
ይህ አካሄድ ከባህላዊ ሰዎች በእጅጉ የሚለየው እዚህ ላይ ነው። የነዚህ የግለሰቦች ሰነዶች ዋና ተጠቃሚ AI ስለሆነ፣ በአንድ ገጽ ላይ መቃኘት ወይም መግጠም አያስፈልጋቸውም። ባህላዊ ሰዎች በሰዎች ተነባቢነት የተገደቡ ናቸው፡ ሁሉንም ነገር በጨረፍታ አንድ ሰው ሊወስዳቸው ወደ ሚችሉባቸው ነጥቦች እና ቁልፍ ጥቅሶች መቀነስ አለቦት። ግን AI እንደዚህ አይነት ገደብ የለውም. ይህ ማለት የእርስዎ ሰዎች በበለጠ ዝርዝር ሊሆኑ ይችላሉ ማለት ነው። ረጅም የባህሪ ምልከታዎችን፣ የሚቃረኑ የውሂብ ነጥቦችን እና ከባህላዊ ሰው ፖስተር የአርትዖት ሂደቱን በፍፁም የማይተርፉ ልዩ አውድ ማካተት ይችላሉ። AI ይህን ሁሉ ውስብስብነት ይይዛል እና ለጥያቄዎች መልስ ሲሰጥ በእሱ ላይ መሳል ይችላል. እንዲሁም በእያንዳንዱ ሰው ውስጥ ለተወሰኑ የንግድ ተግባራት የተበጁ ሌንሶችን ወይም አመለካከቶችን መፍጠር ይችላሉ። የእርስዎ "የሳምንት መጨረሻ ተዋጊ" ሰው የግብይት መነፅር (የመልእክት ምርጫዎች፣ የሰርጥ ልምዶች፣ የዘመቻ ምላሾች)፣ የምርት መነፅር (የባህሪ ቅድሚያ የሚሰጣቸው ጉዳዮች፣ የአጠቃቀም ቅጦች፣ የማሻሻያ ቀስቅሴዎች) እና የድጋፍ ሌንስ (የተለመዱ ጥያቄዎች፣ ብስጭት ነጥቦች፣ የመፍትሄ ምርጫዎች) ሊኖረው ይችላል። አንድ የግብይት ሥራ አስኪያጅ ጥያቄ ሲጠይቅ፣ AI ከግብይት ጋር ተዛማጅነት ያላቸውን መረጃዎች ይሳሉ። አንድ የምርት አስተዳዳሪ ሲጠይቅ ከምርቱ መነፅር ይጎትታል። ማን እንደጠየቀው ተመሳሳይ ሰው፣ የተለያየ ጥልቀት።
ግለሰቦቹ አሁንም ከዚህ በፊት የተነጋገርናቸውን ሁሉንም ተግባራዊ አካላት ማካተት አለባቸው፡ ግቦች እና ተግባራት፣ ጥያቄዎች እና ተቃውሞዎች፣ የህመም ነጥቦች፣ የመዳሰሻ ነጥቦች እና የአገልግሎት ክፍተቶች። አሁን ግን እነዚህ አካላት AI ጥያቄዎችን ከእያንዳንዱ ሰው እይታ አንጻር እንዴት እንደሚገመግም, አመለካከታቸውን ወደ ተግባራዊ ምክሮች በማዋሃድ መሰረት ይሆናሉ. የትግበራ አማራጮች ይህንን እንደ ሃብቶችዎ እና ፍላጎቶችዎ በተለያዩ የተራቀቁ ደረጃዎች ማቀናበር ይችላሉ። ቀላል አቀራረብ አብዛኛዎቹ AI መድረኮች አሁን የማመሳከሪያ ሰነዶችን እንዲሰቅሉ የሚያስችልዎ የፕሮጀክት ወይም የስራ ቦታ ባህሪያትን ያቀርባሉ። በቻትጂፒቲ እነዚህ ፕሮጀክቶች ይባላሉ። ክላውድ ተመሳሳይ ባህሪ አለው. ኮፒሎት እና ጀሚኒ Spaces ወይም Gems ይሏቸዋል። ለመጀመር፣ የተወሰነ ፕሮጀክት ይፍጠሩ እና ቁልፍ የምርምር ሰነዶችዎን እና ግለሰቦችዎን ይስቀሉ። ከዚያም AI ለጥያቄዎች ምላሽ በሚሰጥበት ጊዜ ሁሉንም ሰዎች እንዲያማክር የሚነግር ግልጽ መመሪያዎችን ይፃፉ። የሆነ ነገር፡- ባለድርሻ አካላት ተጠቃሚዎቻችንን እንዲረዱ እየረዳችሁ ነው። ጥያቄዎች ሲጠየቁ፣ በዚህ ፕሮጀክት ውስጥ ያሉትን ሁሉንም የተጠቃሚዎች ሰዎች አማክር እና ያቅርቡ፡ (1) እያንዳንዱ ሰው እንዴት ምላሽ እንደሚሰጥ አጭር ማጠቃለያ፣ (2) የሚስማሙበትን እና የሚለያዩበትን ቦታ የሚያጎላ አጠቃላይ እይታ፣ እና (3) በጋራ አመለካከታቸው ላይ የተመሰረተ ምክሮችን ይስጡ። ትንታኔዎን ለማሳወቅ ሁሉንም የምርምር ሰነዶች ይሳሉ። ጥናቱ ሙሉ ለሙሉ አንድን ጉዳይ ካልሸፈነ፣ እንደ Reddit፣ Twitter፣ እና ተዛማጅ መድረኮችን ፈልግ ከእነዚህ ሰዎች ጋር የሚዛመዱ ሰዎች ተመሳሳይ ጉዳዮችን እንዴት እንደሚወያዩ ለማየት። ስለ አንድ ነገር አሁንም እርግጠኛ ካልሆኑ፣ በሐቀኝነት ይናገሩ እና ምን ተጨማሪ ምርምር ሊረዳ እንደሚችል ጠቁም።
ይህ አቀራረብ አንዳንድ ገደቦች አሉት. ምን ያህል ፋይሎችን መስቀል እንደምትችል የሚጠቁሙ ቁልፎች አሉ፣ ስለዚህ በጣም አስፈላጊ የሆነውን ምርምርህን ቅድሚያ መስጠት ወይም ሰውህን ወደ አንድ አጠቃላይ ሰነድ ማዋሃድ ያስፈልግህ ይሆናል። ይበልጥ የተራቀቀ አቀራረብ ለትላልቅ ድርጅቶች ወይም ለቀጣይ አጠቃቀም፣ እንደ ኖሽን ያለ መሳሪያ ጥቅማጥቅሞችን ይሰጣል ምክንያቱም አጠቃላይ የምርምር ማከማቻዎን ሊይዝ ስለሚችል እና በውስጡም አብሮገነብ የ AI ችሎታዎች አሉት።
እዚህ ያለው ጥቅም AI ብዙ ተጨማሪ አውድ መዳረሻ ያለው መሆኑ ነው። አንድ ባለድርሻ አካል ጥያቄ ሲጠይቅ፣ የዳሰሳ ጥናቶችን፣ የድጋፍ ትኬቶችን፣ የቃለ መጠይቅ ግልባጮችን እና የትንታኔ መረጃዎችን በአንድ ጊዜ መሳል ይችላል። ይህ የበለጠ የበለጸጉ፣ ይበልጥ ግልጽ የሆኑ ምላሾችን ያመጣል። ይህ የማይተካው ስለ ውስንነቶች ግልጽ መሆን አለብኝ. ምናባዊ ሰዎች ከእውነተኛ ተጠቃሚዎች ጋር ለመነጋገር ምትክ አይደሉም። ነባር ምርምሮችን ይበልጥ ተደራሽ እና ተግባራዊ ለማድረግ የሚረዱ መንገዶች ናቸው። አሁንም የመጀመሪያ ደረጃ ጥናት የሚያስፈልግባቸው ብዙ ሁኔታዎች አሉ፡-
የእርስዎ ነባር ምርምር የማይሸፍነውን እውነተኛ አዲስ ነገር ሲጀምሩ; የተወሰኑ ንድፎችን ወይም ፕሮቶታይፖችን ማረጋገጥ ሲፈልጉ; የእርስዎ ማከማቻ ውሂብ እያሽቆለቆለ ሲመጣ; ባለድርሻ አካላት ሲሆኑርኅራኄን ለመገንባት ከእውነተኛ ሰዎች በቀጥታ መስማት ያስፈልጋል።
እንደ እውነቱ ከሆነ, እነዚህን ሁኔታዎች ለመለየት AI ማዋቀር ይችላሉ. አንድ ሰው ጥናቱ ሊመልስ ከሚችለው በላይ የሆነ ጥያቄ ሲጠይቅ፣ AI እንዲህ በማለት ምላሽ ሊሰጥ ይችላል፡- “ይህን በድፍረት ለመመለስ በቂ መረጃ የለኝም። ይህ ምናልባት ለፈጣን የተጠቃሚ ቃለ መጠይቅ ወይም ዳሰሳ ጥሩ ጥያቄ ሊሆን ይችላል። እና አዲስ ምርምር ሲያደርጉ፣ ያ መረጃ ወደ ማከማቻው ይመለሳል። ግንዛቤዎ እየጠነከረ ሲሄድ ሰዎች በጊዜ ሂደት ይሻሻላሉ። ይህ ሰዎች አንድ ጊዜ ሲፈጠሩ እና ቀስ በቀስ ጊዜ ያለፈባቸው ከሆኑ ባህላዊ አቀራረብ በጣም የተሻለ ነው። ድርጅታዊ ለውጥ ይህ አካሄድ በድርጅትዎ ውስጥ ከያዘ፣ አንድ አስደሳች ነገር ይከሰታል። የ UX ቡድን ሚና የተጠቃሚ እውቀት በረኛ ከመሆን ወደ ክምችት ጠባቂ እና ጠባቂነት ይሸጋገራል። ሊነበቡ ወይም ላይገኙ የሚችሉ ሪፖርቶችን በመፍጠር ጊዜ ከማጥፋት ይልቅ ማከማቻው ወቅታዊ ሆኖ እንዲቆይ እና AI አጋዥ ምላሾችን ለመስጠት መዋቀሩን በማረጋገጥ ጊዜዎን ያሳልፋሉ። የምርምር ግንኙነት ከመግፋት (አቀራረቦች፣ ሪፖርቶች፣ ኢሜይሎች) ወደ መጎተት (ባለድርሻ አካላት መልስ ሲፈልጉ ጥያቄዎችን ይጠይቃሉ) ይቀየራል። ተጠቃሚን ያማከለ አስተሳሰብ በአንድ ቡድን ውስጥ ከማተኮር ይልቅ በድርጅቱ ውስጥ ይሰራጫል። ይህ የ UX ተመራማሪዎችን ያነሰ ዋጋ አያደርግም. የሆነ ነገር ካለ, የበለጠ ዋጋ እንዲኖራቸው ያደርጋቸዋል, ምክንያቱም ስራቸው አሁን ሰፊ ተደራሽነት እና ከፍተኛ ተጽዕኖ አለው. ግን የሥራውን ባህሪ ይለውጣል. መጀመር ይህንን አካሄድ መሞከር ከፈለጉ በትንሹ ይጀምሩ። ወደ ውስጥ ከመግባትዎ በፊት በተግባራዊ ሰዎች ላይ ፕሪመር ከፈለጉ እነሱን ለመፍጠር ዝርዝር መመሪያ ጽፌያለሁ። አንድ ፕሮጀክት ወይም ቡድን ይምረጡ እና ChatGPT ፕሮጀክቶችን ወይም ተመሳሳይ መሳሪያዎችን በመጠቀም ቀላል ትግበራ ያዘጋጁ። ያለዎትን ማንኛውንም ጥናት ይሰብስቡ (ምንም እንኳን ያልተሟላ ቢመስልም) አንድ ወይም ሁለት ሰዎችን ይፍጠሩ እና ባለድርሻ አካላት እንዴት ምላሽ እንደሚሰጡ ይመልከቱ። ለሚጠይቁት ጥያቄዎች ትኩረት ይስጡ. እነዚህ ምርምርዎ የት ክፍተቶች እንዳሉበት እና ምን ተጨማሪ መረጃ በጣም ጠቃሚ እንደሚሆን ይነግሩዎታል። አቀራረቡን በሚያሻሽሉበት ጊዜ፣ ወደ ብዙ ቡድኖች እና ይበልጥ የተራቀቀ መሣሪያ ማስፋፋት ይችላሉ። ነገር ግን ዋናው መርህ ተመሳሳይ ነው፡ ሁሉንም የተበታተነ የተጠቃሚ እውቀት ይውሰዱ እና በድርጅትዎ ውስጥ ያለ ማንኛውም ሰው ሊሰማው የሚችለውን ድምጽ ይስጡት። ባለፈው ጽሑፌ፣ ከሥነ ሕዝብ አወቃቀር ሰዎች ወደ ተግባር ተኮር ሰዎች መሸጋገር አለብን ብዬ ተከራክሬ ነበር። አሁን ቀጣዩን እርምጃ እንድንወስድ ሀሳብ አቀርባለሁ፡ ከስታቲስቲክስ ሰዎች እስከ በይነተገናኝ እስከ ውሳኔዎች በሚደረጉ ንግግሮች ውስጥ መሳተፍ ይችላሉ። ምክንያቱም በየቀኑ፣ በድርጅትዎ ውስጥ ሰዎች በተጠቃሚዎችዎ ላይ ተጽእኖ የሚያሳድሩ ውሳኔዎችን እየወሰዱ ነው። እና የእርስዎ ተጠቃሚዎች በጠረጴዛው ላይ መቀመጫ ይገባቸዋል፣ ምንም እንኳን ምናባዊ ቢሆንም። በSmashingMag ላይ ተጨማሪ ንባብ
"ሰዎችን በቅርበት መመልከት: ምን እንደሆኑ እና እንዴት እንደሚሰሩ | 1", ሽሎሞ ጎልትስ "በመረጃ ላይ በተመሰረቱ ሰዎች የንድፍ ሂደትዎን እንዴት ማሻሻል እንደሚቻል", Tim Noetzel ቪታሊ ፍሬድማን “የእርስዎን UX ምርምር ችላ ለማለት ከባድ ማድረግ የሚቻለው እንዴት ነው?” "ለተጠቃሚ ምርምር ጠንካራ የደንበኞች ግንኙነቶችን እንዴት መገንባት እንደሚቻል", ህዳሴ ራቸል
