Nel mio articolo precedente, ho esplorato come l’intelligenza artificiale può aiutarci a creare personaggi funzionali in modo più efficiente. Abbiamo cercato di creare personaggi incentrati su ciò che gli utenti stanno cercando di realizzare piuttosto che profili demografici che abbiano un bell'aspetto sui poster ma che raramente cambino le decisioni di progettazione. Ma creare personaggi è solo metà della battaglia. La sfida più grande è mettere queste informazioni nelle mani delle persone che ne hanno bisogno, nel momento in cui ne hanno bisogno. Ogni giorno, le persone della tua organizzazione prendono decisioni che influiscono sull'esperienza dell'utente. I team di prodotto decidono a quali funzionalità dare la priorità. I team di marketing creano campagne. I team finanziari progettano i processi di fatturazione. I team di assistenza clienti scrivono modelli di risposta. Tutte queste decisioni determinano il modo in cui gli utenti sperimentano il tuo prodotto o servizio. E la maggior parte di essi avviene senza alcun input da parte degli utenti effettivi. Il problema con il modo in cui condividiamo la ricerca sugli utenti Fai la ricerca. Tu crei i personaggi. Tu scrivi i rapporti. Tu fai le presentazioni. Realizzi anche infografiche fantasiose. E poi cosa succede? La ricerca si trova in un disco condiviso da qualche parte, raccogliendo lentamente polvere digitale. I personaggi vengono citati nelle riunioni kickoff e poi dimenticati. I rapporti vengono scremati una volta e non vengono mai più aperti. Quando un product manager decide se aggiungere una nuova funzionalità, probabilmente non esamina il repository di ricerca dell'anno scorso. Quando il team finanziario riprogetta l'e-mail di fatturazione, quasi certamente non consulta i personaggi degli utenti. Fanno la loro ipotesi migliore e vanno avanti. Questa non è una critica a quelle squadre. Sono occupati. Hanno delle scadenze. E onestamente, anche se volessero consultare la ricerca, probabilmente non saprebbero dove trovarla né come interpretarla per il loro specifico problema. La conoscenza rimane rinchiusa nelle teste del team UX, che non può essere presente a ogni decisione presa all'interno dell'organizzazione. E se gli utenti potessero effettivamente parlare? E se, invece di creare documenti statici che le persone devono trovare e interpretare, potessimo offrire alle parti interessate un modo per consultare tutti i tuoi utenti contemporaneamente?
Immagina un responsabile marketing che lavora su una nuova campagna. Invece di cercare di ricordare cosa hanno detto gli utenti riguardo alle preferenze di messaggistica, potrebbero semplicemente chiedere: "Sto pensando di proporre un'offerta di sconto in questa email. Cosa penserebbero i nostri utenti?" E l’intelligenza artificiale, attingendo a tutti i dati di ricerca e ai personaggi, potrebbe rispondere con una visione consolidata: come probabilmente ogni persona reagirebbe, dove è d’accordo, dove differisce e una serie di raccomandazioni basate sulle loro prospettive collettive. Una domanda, informazioni sintetizzate sull'intera base utenti.
Questa non è fantascienza. Con l’intelligenza artificiale possiamo costruire esattamente questo tipo di sistema. Possiamo prendere tutta quella ricerca sparsa (i sondaggi, le interviste, i ticket di supporto, le analisi, le persone stesse) e trasformarla in una risorsa interattiva a cui chiunque può interrogare per un feedback multi-prospettiva. Costruire il repository di ricerca sugli utenti La base di questo approccio è un archivio centralizzato di tutto ciò che sai sui tuoi utenti. Consideratelo come un’unica fonte di verità a cui l’intelligenza artificiale può accedere e da cui attingere. Se hai effettuato ricerche sugli utenti per un certo periodo di tempo, probabilmente hai più dati di quanto pensi. È semplicemente sparso in diversi strumenti e formati:
Risultati del sondaggio presenti nella tua piattaforma di sondaggio, Trascrizioni delle interviste in Google Docs, Ticket di assistenza clienti nel tuo sistema di helpdesk, Dati analitici in vari dashboard, Menzioni e recensioni sui social media, Vecchi personaggi di progetti precedenti, Registrazioni e note dei test di usabilità.
Il primo passo è raccogliere tutto questo in un unico posto. Non è necessario che sia perfettamente organizzato. L’intelligenza artificiale è straordinariamente brava a dare un senso a input disordinati. Se stai iniziando da zero e non disponi di molte ricerche esistenti, puoi utilizzare gli strumenti di ricerca approfondita dell'intelligenza artificiale per stabilire una linea di base.
Questi strumenti possono scansionare il Web alla ricerca di discussioni sulla categoria del tuo prodotto, recensioni della concorrenza e domande comuni poste dalle persone. Questo ti dà qualcosa su cui lavorare mentre sviluppi la tua ricerca primaria. Creazione di personaggi interattivi Una volta ottenuto il repository, il passo successivo è creare personaggi che l'intelligenza artificiale possa consultare per conto delle parti interessate. Ciò si basa direttamente sull'approccio delle personalità funzionali che ho delineato nel mio articolo precedente, con una differenza fondamentale: queste personas diventano lenti attraverso le quali l'intelligenza artificiale analizza le domande, non solo i riferimenti.documenti. Il processo funziona in questo modo:
Alimenta il tuo repository di ricerca con uno strumento di intelligenza artificiale. Chiedigli di identificare segmenti di utenti distinti in base a obiettivi, attività e punti di attrito. Chiedigli di generare personaggi dettagliati per ciascun segmento. Configura l'intelligenza artificiale per consultare tutti i personaggi quando le parti interessate pongono domande, fornendo feedback consolidato.
È qui che questo approccio diverge significativamente dai personaggi tradizionali. Poiché l’intelligenza artificiale è il consumatore principale di questi documenti personali, non è necessario che siano scansionabili o che rientrino in un’unica pagina. I personaggi tradizionali sono vincolati dalla leggibilità umana: devi distillare tutto in elenchi puntati e citazioni chiave che qualcuno possa assorbire a colpo d'occhio. Ma l’intelligenza artificiale non ha tale limitazione. Ciò significa che i tuoi personaggi possono essere notevolmente più dettagliati. Puoi includere lunghe osservazioni comportamentali, dati contraddittori e un contesto sfumato che non sopravviverebbe mai al processo di editing per un poster di persona tradizionale. L’intelligenza artificiale può contenere tutta questa complessità e attingere ad essa quando risponde alle domande. Puoi anche creare obiettivi o prospettive diverse all'interno di ciascuna persona, adattate a specifiche funzioni aziendali. Il tuo personaggio "Guerriero del fine settimana" potrebbe avere un obiettivo di marketing (preferenze di messaggistica, abitudini del canale, risposte alle campagne), un obiettivo di prodotto (priorità di funzionalità, modelli di usabilità, trigger di aggiornamento) e un obiettivo di supporto (domande comuni, punti di frustrazione, preferenze di risoluzione). Quando un responsabile marketing pone una domanda, l'intelligenza artificiale attinge alle informazioni rilevanti per il marketing. Quando un product manager lo chiede, tira fuori l'obiettivo del prodotto. Stessa persona, profondità diversa a seconda di chi lo chiede.
Le personas dovrebbero comunque includere tutti gli elementi funzionali di cui abbiamo discusso in precedenza: obiettivi e compiti, domande e obiezioni, punti critici, punti di contatto e lacune di servizio. Ma ora questi elementi diventano la base su cui l’IA valuta le domande dal punto di vista di ciascuna persona, sintetizzando le loro opinioni in raccomandazioni attuabili. Opzioni di implementazione Puoi configurarlo con diversi livelli di sofisticazione a seconda delle tue risorse e esigenze. L'approccio semplice La maggior parte delle piattaforme di intelligenza artificiale ora offre funzionalità di progetto o di spazio di lavoro che consentono di caricare documenti di riferimento. In ChatGPT, questi sono chiamati Progetti. Claude ha una caratteristica simile. Copilota e Gemelli li chiamano Spazi o Gemme. Per iniziare, crea un progetto dedicato e carica i tuoi documenti di ricerca e i tuoi personaggi chiave. Quindi scrivi istruzioni chiare che dicano all'IA di consultare tutti i personaggi quando rispondono alle domande. Qualcosa come: Stai aiutando le parti interessate a comprendere i nostri utenti. Quando vengono poste domande, consulta tutti gli utenti personas in questo progetto e fornisci: (1) un breve riepilogo di come ogni persona probabilmente risponderebbe, (2) una panoramica che evidenzia dove sono d'accordo e dove differiscono e (3) raccomandazioni basate sulle loro prospettive collettive. Attingi a tutti i documenti di ricerca per informare la tua analisi. Se la ricerca non copre completamente un argomento, cerca piattaforme social come Reddit, Twitter e forum pertinenti per vedere come le persone che corrispondono a questi personaggi discutono questioni simili. Se non sei ancora sicuro di qualcosa, dillo onestamente e suggerisci quali ulteriori ricerche potrebbero aiutarti.
Questo approccio presenta alcune limitazioni. Esistono limiti al numero di file che puoi caricare, quindi potresti dover dare priorità alla ricerca più importante o consolidare i tuoi personaggi in un unico documento completo. L'approccio più sofisticato Per le organizzazioni più grandi o per un uso più continuativo, uno strumento come Notion offre vantaggi perché può contenere l'intero repository di ricerca e ha funzionalità di intelligenza artificiale integrate. Puoi creare database per diversi tipi di ricerca, collegarli insieme e quindi utilizzare l'intelligenza artificiale per eseguire query su tutto.
Il vantaggio qui è che l’intelligenza artificiale ha accesso a molto più contesto. Quando uno stakeholder pone una domanda, può attingere contemporaneamente a sondaggi, ticket di supporto, trascrizioni di interviste e dati analitici. Ciò consente risposte più ricche e sfumate. Cosa questo non sostituisce Dovrei essere chiaro riguardo ai limiti. I personaggi virtuali non sostituiscono il dialogo con utenti reali. Sono un modo per rendere la ricerca esistente più accessibile e attuabile. Esistono diversi scenari in cui è ancora necessaria la ricerca primaria:
Quando lanci qualcosa di veramente nuovo che la tua ricerca esistente non copre; Quando è necessario convalidare progetti o prototipi specifici; Quando i dati del tuo repository diventano obsoleti; Quando le parti interessatehanno bisogno di ascoltare direttamente persone reali per creare empatia.
Infatti, puoi configurare l'IA per riconoscere queste situazioni. Quando qualcuno pone una domanda che va oltre ciò a cui la ricerca può rispondere, l'intelligenza artificiale può rispondere con qualcosa del tipo: "Non ho abbastanza informazioni per rispondere con sicurezza. Questa potrebbe essere una buona domanda per un rapido colloquio o sondaggio con l'utente". E quando conduci una nuova ricerca, i dati vengono inseriti nel repository. I personaggi si evolvono nel tempo man mano che la tua comprensione si approfondisce. Questo è molto meglio dell’approccio tradizionale, in cui i personaggi vengono creati una volta e poi lentamente diventano obsoleti. Il cambiamento organizzativo Se questo approccio prende piede nella tua organizzazione, succede qualcosa di interessante. Il ruolo del team UX passa dall'essere il custode della conoscenza dell'utente all'essere il curatore e il manutentore del repository. Invece di dedicare tempo alla creazione di report che potrebbero o meno essere letti, dedichi tempo a garantire che il repository rimanga aggiornato e che l'intelligenza artificiale sia configurata per fornire risposte utili. La comunicazione della ricerca cambia da push (presentazioni, report, e-mail) a pull (le parti interessate fanno domande quando hanno bisogno di risposte). Il pensiero centrato sull’utente viene distribuito in tutta l’organizzazione anziché concentrato in un unico team. Ciò non rende i ricercatori UX meno preziosi. Semmai, li rende più preziosi perché il loro lavoro ora ha una portata più ampia e un impatto maggiore. Ma cambia la natura del lavoro. Come iniziare Se vuoi provare questo approccio, inizia in piccolo. Se hai bisogno di un'introduzione alle personalità funzionali prima di approfondire, ho scritto una guida dettagliata per crearle. Scegli un progetto o un team e imposta un'implementazione semplice utilizzando Progetti ChatGPT o uno strumento simile. Raccogli tutte le ricerche che hai (anche se sembrano incomplete), crea uno o due personaggi e guarda come rispondono le parti interessate. Presta attenzione alle domande che pongono. Questi ti diranno dove la tua ricerca presenta lacune e quali dati aggiuntivi sarebbero più preziosi. Man mano che perfezioni l'approccio, puoi espanderlo a più team e strumenti più sofisticati. Ma il principio fondamentale rimane lo stesso: prendere tutta la conoscenza sparsa degli utenti e dargli una voce che chiunque nella tua organizzazione possa sentire. Nel mio articolo precedente, ho sostenuto che dovremmo passare da personaggi demografici a personaggi funzionali che si concentrino su ciò che gli utenti stanno cercando di fare. Ora suggerisco di fare il passo successivo: da personaggi statici a personaggi interattivi che possono effettivamente partecipare alle conversazioni in cui vengono prese le decisioni. Perché ogni giorno, all'interno della tua organizzazione, le persone prendono decisioni che incidono sui tuoi utenti. E i tuoi utenti meritano un posto al tavolo, anche se virtuale. Ulteriori letture su SmashingMag
"Uno sguardo più da vicino alle Personas: cosa sono e come funzionano | 1", Shlomo Goltz "Come migliorare il processo di progettazione con personaggi basati sui dati", Tim Noetzel "Come rendere la tua ricerca UX difficile da ignorare", Vitaly Friedman "Come costruire solide relazioni con i clienti per la ricerca sugli utenti", Renaissance Rachel
