Edellisessä artikkelissani tutkin, kuinka tekoäly voi auttaa meitä luomaan toimivia henkilöitä tehokkaammin. Tarkastelimme sellaisten henkilöiden rakentamista, jotka keskittyvät siihen, mitä käyttäjät yrittävät saada aikaan, sen sijaan, että voitaisiin luoda demografisia profiileja, jotka näyttävät hyviltä julisteissa mutta muuttavat harvoin suunnittelupäätöksiä. Mutta persoonallisuuden luominen on vain puoli voittoa. Suurempi haaste on saada nämä oivallukset ihmisten käsiin, jotka tarvitsevat niitä juuri sillä hetkellä, kun he niitä tarvitsevat. Organisaatiosi ihmiset tekevät päivittäin päätöksiä, jotka vaikuttavat käyttökokemukseen. Tuotetiimit päättävät, mitkä ominaisuudet asettavat etusijalle. Markkinointitiimit suunnittelevat kampanjoita. Rahoitustiimit suunnittelevat laskutusprosesseja. Asiakastukitiimit kirjoittavat vastausmalleja. Kaikki nämä päätökset muokkaavat sitä, miten käyttäjät kokevat tuotteesi tai palvelusi. Ja useimmat niistä tapahtuvat ilman todellisten käyttäjien panosta. Käyttäjätutkimuksen jakamisen ongelma Teet tutkimuksen. Luot persoonat. Kirjoitat raportit. Pidät esitykset. Teet jopa upeita infografioita. Ja mitä sitten tapahtuu? Tutkimus istuu jossain jaetussa asemassa ja kerää hitaasti digitaalista pölyä. Persoonat mainitaan aloituskokouksissa ja sitten unohdetaan. Raportit luvataan kerran, eikä niitä avata enää. Kun tuotepäällikkö päättää uuden ominaisuuden lisäämisestä, hän ei todennäköisesti kaivaudu läpi viime vuoden tutkimustietovarastoon. Kun taloustiimi suunnittelee laskusähköpostia uudelleen, he eivät läheskään varmasti ota yhteyttä käyttäjähenkilöihin. He tekevät parhaansa arvauksensa ja jatkavat eteenpäin. Tämä ei ole kritiikkiä näitä joukkueita kohtaan. He ovat kiireisiä. Heillä on määräajat. Ja rehellisesti sanottuna, vaikka he haluaisivatkin tutustua tutkimukseen, he eivät luultavasti tietäisi, mistä se löytää tai kuinka tulkita sitä omaan kysymykseensä. Tieto pysyy lukittuna UX-tiimin pään sisällä, joka ei voi olla läsnä jokaisessa organisaatiossa tehtävässä päätöksessä. Mitä jos käyttäjät voisivat todella puhua? Entä jos sen sijaan, että luomme staattisia asiakirjoja, jotka ihmisten on löydettävä ja tulkittava, voisimme tarjota sidosryhmille tavan kuulla kaikkia käyttäjähenkilöitäsi kerralla?
Kuvittele markkinointipäällikkö työskentelemässä uuden kampanjan parissa. Sen sijaan, että yrittäisivät muistaa, mitä persoonat sanoivat viestiasetuksista, he voisivat yksinkertaisesti kysyä: "Ajattelen johtamista alennustarjouksella tässä sähköpostissa. Mitä käyttäjämme ajattelisivat?" Ja tekoäly hyödyntää kaikkia tutkimustietojasi ja persoonaasi, voisi vastata yhdistetyllä näkemyksellä: kuinka kukin henkilö todennäköisesti reagoisi, missä he ovat samaa mieltä, missä he ovat eri mieltä, ja joukko suosituksia, jotka perustuvat heidän kollektiivisiin näkökulmiinsa. Yksi kysymys, syntetisoitu näkemys koko käyttäjäkunnastasi.
Tämä ei ole tieteiskirjallisuutta. Tekoälyllä voimme rakentaa juuri tällaisen järjestelmän. Voimme ottaa kaiken tuon hajallaan olevan tutkimuksen (kyselyt, haastattelut, tukiliput, analytiikan, persoonat itse) ja muuttaa sen interaktiiviseksi resurssiksi, josta kuka tahansa voi kysyä monipuolista palautetta. Käyttäjätutkimustietovaraston rakentaminen Tämän lähestymistavan perustana on keskitetty tietovarasto kaikesta, jonka tiedät käyttäjistäsi. Ajattele sitä yhtenä totuuden lähteenä, jota tekoäly voi käyttää ja josta se voi ammentaa. Jos olet tehnyt käyttäjätutkimusta jonkin aikaa, sinulla on todennäköisesti enemmän tietoa kuin uskotkaan. Se on vain hajallaan eri työkalujen ja formaattien kesken:
Kyselytulokset kyselyalustallasi, Haastattelujen tekstitykset Google Docsissa, Asiakastuen liput helpdesk-järjestelmässäsi, Analytics-tiedot eri hallintapaneeleissa, Sosiaalisen median maininnat ja arvostelut, Vanhat persoonat aiemmista projekteista, Käytettävyystestin tallenteet ja muistiinpanot.
Ensimmäinen askel on koota kaikki tämä yhteen paikkaan. Sen ei tarvitse olla täydellisesti järjestetty. AI on erittäin hyvä ymmärtämään sotkuisia syötteitä. Jos aloitat tyhjästä eikä sinulla ole paljon olemassa olevaa tutkimusta, voit käyttää tekoälyn syvätutkimustyökaluja perustaaksesi.
Nämä työkalut voivat etsiä verkosta keskusteluja tuoteluokistasi, kilpailijoiden arvosteluja ja yleisiä kysymyksiä, joita ihmiset kysyvät. Tämä antaa sinulle työskentelyä, kun rakennat ensisijaista tutkimustasi. Interaktiivisten henkilöiden luominen Kun sinulla on arkisto, seuraava askel on luoda henkilöitä, joita tekoäly voi kuulla sidosryhmien puolesta. Tämä rakentuu suoraan edellisessä artikkelissani hahmottelemaani toiminnalliseen persoonalähestymistapaan yhdellä keskeisellä erolla: näistä henkilöistä tulee linssejä, joiden kautta tekoäly analysoi kysymyksiä, ei vain viittauksia.asiakirjoja. Prosessi toimii näin:
Syötä tutkimusvarastosi tekoälytyökaluun. Pyydä sitä tunnistamaan erilliset käyttäjäsegmentit tavoitteiden, tehtävien ja kitkapisteiden perusteella. Pyydä sitä luomaan yksityiskohtaiset persoonat jokaiselle segmentille. Määritä tekoäly kuulemaan kaikkia henkilöitä, kun sidosryhmät esittävät kysymyksiä, ja anna konsolidoitua palautetta.
Tässä tämä lähestymistapa poikkeaa merkittävästi perinteisistä henkilöistä. Koska tekoäly on näiden henkilöasiakirjojen ensisijainen kuluttaja, niiden ei tarvitse olla skannattuja tai mahtua yhdelle sivulle. Perinteisiä persoonaa rajoittaa ihmisen luettavuus: sinun on tislattava kaikki luettelokohtiin ja keskeisiin lainauksiin, jotka joku voi omaksua yhdellä silmäyksellä. Mutta tekoälyllä ei ole tällaista rajoitusta. Tämä tarkoittaa, että persoonallisuutesi voivat olla huomattavasti yksityiskohtaisempia. Voit sisällyttää pitkiä käyttäytymishavaintoja, ristiriitaisia datapisteitä ja vivahteikkaan kontekstin, jotka eivät koskaan kestäisi perinteisen persoonajulisteen muokkausprosessia. Tekoäly voi sisältää kaiken tämän monimutkaisuuden ja hyödyntää sitä vastatessaan kysymyksiin. Voit myös luoda jokaiselle henkilölle erilaisia linssejä tai näkökulmia, jotka on räätälöity tiettyihin liiketoimintatoimintoihin. "Weekend Warrior" -henkilölläsi voi olla markkinointilinssi (viestiasetukset, kanavatottumukset, kampanjavastaukset), tuotelinssi (ominaisuuksien prioriteetit, käytettävyysmallit, päivityskäynnistimet) ja tukilinssi (yleiset kysymykset, turhautumiskohdat, resoluutioasetukset). Kun markkinointipäällikkö esittää kysymyksen, tekoäly hyödyntää markkinoinnin kannalta merkityksellistä tietoa. Kun tuotepäällikkö kysyy, se vetää pois tuotteen linssistä. Sama persoona, eri syvyys riippuen siitä, kuka kysyy.
Persoonien tulee silti sisältää kaikki toiminnalliset elementit, joista keskustelimme aiemmin: tavoitteet ja tehtävät, kysymykset ja vastalauseet, kipukohdat, kosketuspisteet ja palveluaukot. Mutta nyt näistä elementeistä tulee perusta sille, kuinka tekoäly arvioi kysymyksiä jokaisen henkilön näkökulmasta ja syntetisoi heidän näkemyksensä toimiviksi suosituksiksi. Käyttöönottovaihtoehdot Voit määrittää tämän eri tasoilla resurssien ja tarpeiden mukaan. Yksinkertainen lähestymistapa Useimmat tekoälyalustat tarjoavat nyt projekti- tai työtilaominaisuuksia, joiden avulla voit ladata viiteasiakirjoja. ChatGPT:ssä näitä kutsutaan projekteiksi. Claudella on samanlainen ominaisuus. Copilot ja Gemini kutsuvat heitä avaruuksiksi tai helmiksi. Aloita luomalla oma projekti ja lataamalla tärkeimmät tutkimusdokumentit ja persoonat. Kirjoita sitten selkeät ohjeet, jotka käskevät tekoälyä kuulemaan kaikkia henkilöitä vastatessaan kysymyksiin. Jotain tällaista: Autat sidosryhmiä ymmärtämään käyttäjiämme. Kun kysyt kysymyksiä, ota yhteyttä kaikkiin tämän projektin käyttäjäpersooniin ja toimita: (1) lyhyt yhteenveto siitä, kuinka kukin henkilö todennäköisesti vastaisi, (2) yleiskatsaus, jossa korostetaan, missä he ovat samaa mieltä ja missä he eroavat, ja (3) suositukset, jotka perustuvat heidän yhteisiin näkemyksiinsä. Hyödynnä kaikki tutkimusasiakirjat analyysisi pohjaksi. Jos tutkimus ei kata täysin aihetta, etsi sosiaalisilta alustoilta, kuten Reddit, Twitter ja asiaankuuluvilta foorumeilta, kuinka näitä henkilöitä vastaavat ihmiset keskustelevat samankaltaisista asioista. Jos olet edelleen epävarma jostakin, sano se rehellisesti ja ehdota, mitä lisätutkimuksia voisi auttaa.
Tällä lähestymistavalla on joitain rajoituksia. Ladattavien tiedostojen lukumäärä on rajoitettu, joten sinun on ehkä priorisoitava tärkeimmät tutkimuksesi tai yhdistettävä henkilösi yhdeksi kattavaksi asiakirjaksi. Kehittyneempi lähestymistapa Suuremmille organisaatioille tai jatkuvalle käytölle Notionin kaltainen työkalu tarjoaa etuja, koska siihen mahtuu koko tutkimustietovarastosi ja siinä on sisäänrakennetut tekoälyominaisuudet. Voit luoda tietokantoja erityyppistä tutkimusta varten, linkittää ne yhteen ja tehdä tekoälyn avulla kyselyitä kaikesta.
Hyöty tässä on, että tekoälyllä on pääsy paljon enemmän kontekstiin. Kun sidosryhmä esittää kysymyksen, se voi hyödyntää tutkimuksia, tukilippuja, haastattelukopioita ja analytiikkatietoja kerralla. Tämä tekee vastauksesta monipuolisempia ja vivahteikkaampia. Mitä tämä ei korvaa Minun pitäisi olla selvä rajoituksista. Virtuaaliset persoonat eivät korvaa todellisten käyttäjien kanssa puhumista. Ne ovat tapa tehdä olemassa olevasta tutkimuksesta helpompaa ja toimivampaa. On olemassa useita skenaarioita, joissa tarvitset edelleen perustutkimusta:
Kun lanseeraat jotain aidosti uutta, jota nykyinen tutkimuksesi ei kata; Kun sinun on vahvistettava tietyt mallit tai prototyypit; Kun arkiston tiedot ovat vanhentumassa; Kun sidosryhmättäytyy kuulla suoraan todellisilta ihmisiltä empatian rakentamiseksi.
Itse asiassa voit määrittää tekoälyn tunnistamaan nämä tilanteet. Kun joku kysyy kysymyksen, joka menee pidemmälle kuin mitä tutkimus voi vastata, tekoäly voi vastata seuraavasti: "Minulla ei ole tarpeeksi tietoa vastatakseni siihen varma. Tämä saattaa olla hyvä kysymys nopeaa käyttäjähaastattelua tai kyselyä varten." Ja kun teet uutta tutkimusta, tiedot syötetään takaisin arkistoon. Persoonat kehittyvät ajan myötä, kun ymmärryksesi syvenee. Tämä on paljon parempi kuin perinteinen lähestymistapa, jossa persoonat luodaan kerran ja vanhenevat sitten hitaasti. Organisaatiomuutos Jos tämä lähestymistapa tarttuu organisaatioosi, tapahtuu jotain mielenkiintoista. UX-tiimin rooli siirtyy käyttäjätiedon portinvartijasta arkiston kuraattoriksi ja ylläpitäjäksi. Sen sijaan, että käyttäisit aikaa raporttien luomiseen, joita voidaan lukea tai ei, käytät aikaa varmistaaksesi, että arkiston pysyy ajan tasalla ja että tekoäly on määritetty antamaan hyödyllisiä vastauksia. Tutkimusviestintä muuttuu push (esitykset, raportit, sähköpostit) pulloon (sidosryhmät esittävät kysymyksiä, kun he tarvitsevat vastauksia). Käyttäjäkeskeinen ajattelu jakautuu koko organisaatioon sen sijaan, että se keskittyisi yhteen tiimiin. Tämä ei tee UX-tutkijoista vähemmän arvokkaita. Jos mikä tahansa, se tekee niistä arvokkaampia, koska heidän työllään on nyt laajempi ulottuvuus ja suurempi vaikutus. Mutta se muuttaa työn luonnetta. Aloitus Jos haluat kokeilla tätä lähestymistapaa, aloita pienestä. Jos tarvitset toiminnallisia persoonia ennen sukellusta, olen kirjoittanut yksityiskohtaisen oppaan niiden luomiseen. Valitse yksi projekti tai tiimi ja määritä yksinkertainen toteutus ChatGPT Projectsin tai vastaavan työkalun avulla. Kerää mitä tahansa tutkimusta (vaikka se tuntuisi epätäydelliseltä), luo yksi tai kaksi persoonaa ja katso, miten sidosryhmät reagoivat. Kiinnitä huomiota siihen, mitä kysymyksiä he kysyvät. Nämä kertovat sinulle, missä tutkimuksessasi on aukkoja ja mikä lisätieto olisi arvokkainta. Kun tarkennat lähestymistapaa, voit laajentaa tiimejä ja kehittyneempiä työkaluja. Mutta ydinperiaate pysyy samana: ota kaikki hajallaan oleva käyttäjätieto ja anna sille ääni, jonka kaikki organisaatiossasi voivat kuulla. Edellisessä artikkelissani väitin, että meidän pitäisi siirtyä demografisista henkilöistä toiminnallisiin persooniin, jotka keskittyvät siihen, mitä käyttäjät yrittävät tehdä. Nyt ehdotan, että otamme seuraavan askeleen: staattisista henkilöistä interaktiivisiin henkilöihin, jotka voivat todella osallistua keskusteluihin, joissa päätöksiä tehdään. Koska ihmiset tekevät joka päivä kaikkialla organisaatiossasi päätöksiä, jotka vaikuttavat käyttäjiisi. Ja käyttäjäsi ansaitsevat paikan pöytään, vaikka se olisikin virtuaalinen. Lisätietoa SmashingMagista
"Tarkempi katsaus henkilöihin: mitä ne ovat ja miten ne toimivat | 1", Shlomo Goltz "Kuinka parantaa suunnitteluprosessiasi tietopohjaisilla henkilöillä", Tim Noetzel "Kuinka tehdä UX-tutkimuksestasi vaikea sivuuttaa", Vitaly Friedman "Kuinka rakentaa vahvoja asiakassuhteita käyttäjätutkimukseen", Renaissance Rachel
