En el meu article anterior, vaig explorar com la IA ens pot ajudar a crear persones funcionals de manera més eficient. Hem estudiat la creació de persones que se centren en allò que els usuaris estan intentant aconseguir en lloc de perfils demogràfics que es veuen bé als pòsters però que poques vegades canvien les decisions de disseny. Però crear persones és només la meitat de la batalla. El repte més gran és posar aquestes idees en mans de les persones que les necessiten, en el moment que les necessiten. Cada dia, les persones de la vostra organització prenen decisions que afecten l'experiència de l'usuari. Els equips de producte decideixen quines funcions prioritzar. Els equips de màrqueting elaboren campanyes. Els equips financers dissenyen processos de facturació. Els equips d'atenció al client escriuen plantilles de resposta. Totes aquestes decisions configuren com els usuaris experimenten el vostre producte o servei. I la majoria d'ells es produeixen sense cap intervenció dels usuaris reals. El problema de com compartim la investigació dels usuaris Tu fas la investigació. Creeu els personatges. Tu escriviu els informes. Tu fas les presentacions. Fins i tot feu infografies de luxe. I llavors què passa? La investigació es troba en una unitat compartida en algun lloc, recollint pols digital lentament. Les persones es fan referència a les reunions inicials i després s'obliden. Els informes s'escriuen una vegada i no es tornen a obrir mai més. Quan un gestor de producte decideix si afegeix una funció nova, és probable que no busqui el dipòsit de recerca de l'any passat. Quan l'equip financer està redissenyant el correu electrònic de la factura, gairebé segur que no consulten les persones de l'usuari. Fan la seva millor endevinació i segueixen endavant. Això no és una crítica a aquests equips. Estan ocupats. Tenen terminis. I sincerament, encara que volguessin consultar la investigació, probablement no sabrien on trobar-la ni com interpretar-la per a la seva pregunta concreta. El coneixement es manté tancat dins dels caps de l'equip d'UX, que no poden estar presents a totes les decisions que es prenen a l'organització. Què passaria si els usuaris poguessin parlar realment? Què passa si, en lloc de crear documents estàtics que la gent ha de trobar i interpretar, poguéssim oferir als grups d'interès una manera de consultar tots els teus usuaris alhora?
Imagineu un gerent de màrqueting treballant en una campanya nova. En lloc d'intentar recordar què van dir els personatges sobre les preferències de missatgeria, simplement podrien preguntar: "Estic pensant a liderar amb una oferta de descompte en aquest correu electrònic. Què pensarien els nostres usuaris?" I l'IA, basant-se en totes les dades i persones de la vostra investigació, podria respondre amb una visió consolidada: com reaccionaria cada persona, on està d'acord, on es diferencien i un conjunt de recomanacions basades en les seves perspectives col·lectives. Una pregunta, informació sintetitzada a tota la vostra base d'usuaris.
Això no és ciència ficció. Amb la IA, podem construir exactament aquest tipus de sistema. Podem agafar tota aquesta investigació dispersa (les enquestes, les entrevistes, els tiquets de suport, les analítiques, les persones mateixes) i convertir-la en un recurs interactiu que qualsevol pot consultar per obtenir comentaris multi-perspectives. Construcció del dipòsit de recerca d'usuaris La base d'aquest enfocament és un repositori centralitzat de tot el que sabeu dels vostres usuaris. Penseu en això com una única font de veritat a la qual la IA pot accedir i extreure. Si heu estat fent recerca d'usuaris durant molt de temps, probablement tingueu més dades de les que us penseu. Només està escampat per diferents eines i formats:
Resultats de l'enquesta a la vostra plataforma d'enquesta, Transcripcions d'entrevistes a Google Docs, Bitllets d'atenció al client al vostre sistema d'assistència, Dades d'anàlisi en diversos taulers, Mencions i ressenyes a les xarxes socials, Personatges antigues de projectes anteriors, Enregistraments i notes de proves d'usabilitat.
El primer pas és reunir tot això en un sol lloc. No cal que estigui perfectament organitzat. La IA és molt bona per donar sentit a les entrades desordenades. Si comenceu des de zero i no teniu gaire investigació existent, podeu utilitzar eines de recerca profunda d'IA per establir una línia de base.
Aquestes eines poden escanejar el web per trobar debats sobre la vostra categoria de producte, ressenyes de la competència i preguntes habituals que la gent fa. Això us ofereix alguna cosa amb què treballar mentre desenvolupeu la vostra recerca principal. Creació de Personas interactives Un cop tingueu el vostre dipòsit, el següent pas és crear persones que l'IA pugui consultar en nom de les parts interessades. Això es basa directament en l'enfocament de la persona funcional que vaig descriure al meu article anterior, amb una diferència clau: aquestes persones es converteixen en lents a través de les quals l'IA analitza preguntes, no només referència.documents. El procés funciona així:
Alimenta el teu dipòsit de recerca a una eina d'IA. Demaneu-li que identifiqui diferents segments d'usuari basats en objectius, tasques i punts de fricció. Feu que generi persones detallades per a cada segment. Configureu l'IA per consultar totes les persones quan les parts interessades facin preguntes, proporcionant comentaris consolidats.
Aquí és on aquest enfocament divergeix significativament de les persones tradicionals. Com que la intel·ligència artificial és el consumidor principal d'aquests documents personals, no cal que es puguin escanejar ni cabre en una sola pàgina. Les persones tradicionals estan limitades per la llegibilitat humana: ho heu de destil·lar tot fins a punts clau i cites clau que algú pugui absorbir d'un cop d'ull. Però la IA no té aquesta limitació. Això significa que les vostres persones poden ser considerablement més detallades. Podeu incloure observacions de comportament llargues, punts de dades contradictoris i un context matisat que mai sobreviuria al procés d'edició d'un pòster tradicional. La IA pot aguantar tota aquesta complexitat i aprofitar-la quan respon a preguntes. També podeu crear diferents lents o perspectives dins de cada persona, adaptades a funcions empresarials específiques. El vostre personatge "Weekend Warrior" pot tenir una lent de màrqueting (preferències de missatgeria, hàbits de canal, respostes de campanya), una lent de producte (prioritats de funcions, patrons d'usabilitat, activadors d'actualització) i una lent de suport (preguntes habituals, punts de frustració, preferències de resolució). Quan un gerent de màrqueting fa una pregunta, l'IA es basa en la informació rellevant per al màrqueting. Quan un gestor de producte demana, treu de la lent del producte. Mateixa persona, diferent profunditat segons qui ho demani.
Les persones encara haurien d'incloure tots els elements funcionals que hem comentat abans: objectius i tasques, preguntes i objeccions, punts de dolor, punts de contacte i llacunes de servei. Però ara aquests elements es converteixen en la base de com l'IA avalua les preguntes des de la perspectiva de cada persona, sintetitzant les seves opinions en recomanacions accionables. Opcions d'implementació Podeu configurar-ho amb diferents nivells de sofisticació en funció dels vostres recursos i necessitats. L'enfocament simple La majoria de plataformes d'IA ofereixen ara funcions de projecte o espai de treball que us permeten penjar documents de referència. A ChatGPT, aquests s'anomenen Projectes. Claude té una característica semblant. Copilot i Bessons els anomenen Espais o Gemmes. Per començar, creeu un projecte dedicat i pengeu els vostres documents de recerca clau i persones. A continuació, escriviu instruccions clares dient a l'IA que consulti totes les persones quan respongui a les preguntes. Alguna cosa com: Esteu ajudant les parts interessades a entendre els nostres usuaris. Quan es facin preguntes, consulteu tots els usuaris d'aquest projecte i proporcioneu: (1) un breu resum de com respondria cada persona, (2) una visió general que destaqui on estan d'acord i en què difereixen, i (3) recomanacions basades en les seves perspectives col·lectives. Aprofiteu tots els documents de recerca per a la vostra anàlisi. Si la investigació no cobreix completament un tema, cerqueu plataformes socials com Reddit, Twitter i fòrums rellevants per veure com les persones que coincideixen amb aquestes persones discuteixen problemes similars. Si encara no esteu segur d'alguna cosa, digueu-ho amb honestedat i suggereix quina investigació addicional pot ajudar.
Aquest enfocament té algunes limitacions. Hi ha límits sobre quants fitxers podeu carregar, de manera que potser haureu de prioritzar la vostra investigació més important o consolidar les vostres persones en un únic document complet. L'enfocament més sofisticat Per a organitzacions més grans o per a un ús més continuat, una eina com Notion ofereix avantatges perquè pot contenir tot el vostre repositori de recerca i té capacitats d'IA integrades. Podeu crear bases de dades per a diferents tipus d'investigació, enllaçar-les i, a continuació, utilitzar l'IA per consultar tot.
El benefici aquí és que la IA té accés a molt més context. Quan una part interessada fa una pregunta, pot utilitzar enquestes, tiquets de suport, transcripcions d'entrevistes i dades d'anàlisi alhora. Això fa que hi hagi respostes més riques i matisades. Què això no substitueix He de tenir clar les limitacions. Les persones virtuals no són un substitut de parlar amb usuaris reals. Són una manera de fer que la investigació existent sigui més accessible i accionable. Hi ha diversos escenaris on encara necessiteu investigació primària:
En llançar alguna cosa realment nova que la vostra investigació actual no cobreix; Quan necessiteu validar dissenys o prototips específics; Quan les dades del vostre repositori es tornen obsoletes; Quan les parts interessadesnecessita escoltar directament dels humans reals per generar empatia.
De fet, podeu configurar l'IA per reconèixer aquestes situacions. Quan algú fa una pregunta que va més enllà del que la investigació pot respondre, l'IA pot respondre amb alguna cosa com: "No tinc prou informació per respondre-ho amb confiança. Aquesta podria ser una bona pregunta per a una entrevista o enquesta ràpida amb l'usuari". I quan feu una nova investigació, aquestes dades es retroalimenten al dipòsit. Les persones evolucionen amb el temps a mesura que s'aprofundeix la vostra comprensió. Això és molt millor que l'enfocament tradicional, on les persones es creen una vegada i després es desfasen lentament. El torn organitzatiu Si aquest enfocament s'aplica a la vostra organització, passa alguna cosa interessant. El paper de l'equip d'UX passa de ser els guardians del coneixement dels usuaris a ser els conservadors i mantenedors del dipòsit. En lloc de dedicar temps a crear informes que es poden llegir o no, dediqueu temps a assegurar-vos que el repositori es mantingui actual i que l'IA estigui configurada per donar respostes útils. La comunicació de la investigació canvia de push (presentacions, informes, correus electrònics) a pull (parts interessats que fan preguntes quan necessiten respostes). El pensament centrat en l'usuari es distribueix per tota l'organització en lloc de concentrar-se en un equip. Això no fa que els investigadors d'UX siguin menys valuosos. En tot cas, els fa més valuosos perquè la seva feina ara té un abast més ampli i un impacte més gran. Però sí que canvia la naturalesa de l'obra. Primers passos Si voleu provar aquest enfocament, comenceu petit. Si necessiteu una introducció sobre persones funcionals abans de submergir-vos, he escrit una guia detallada per crear-les. Trieu un projecte o equip i configureu una implementació senzilla mitjançant els projectes ChatGPT o una eina similar. Reuneix qualsevol recerca que tinguis (encara que sembli incompleta), creeu una o dues persones i mireu com responen les parts interessades. Fixeu-vos en quines preguntes fan. Això us indicarà on hi ha llacunes la vostra investigació i quines dades addicionals serien més valuoses. A mesura que perfeccioneu l'enfocament, podeu ampliar-vos a més equips i eines més sofisticades. Però el principi bàsic segueix sent el mateix: agafeu tot el coneixement de l'usuari dispers i doneu-li una veu que qualsevol de la vostra organització pugui escoltar. En el meu article anterior, vaig argumentar que hauríem de passar de persones demogràfiques a persones funcionals que se centren en el que els usuaris estan intentant fer. Ara suggereixo que fem el següent pas: des de persones estàtiques fins a persones interactives que realment poden participar en les converses on es prenen decisions. Perquè cada dia, a tota la vostra organització, les persones prenen decisions que afecten els vostres usuaris. I els vostres usuaris es mereixen un seient a la taula, encara que sigui virtual. Més lectura sobre SmashingMag
"Una mirada més propera als Personas: què són i com funcionen | 1", Shlomo Goltz "Com millorar el vostre procés de disseny amb persones basades en dades", Tim Noetzel "Com fer que la vostra investigació UX sigui difícil d'ignorar", Vitaly Friedman "Com construir relacions sòlides amb els clients per a la investigació dels usuaris", Renaissance Rachel
