No meu artigo anterior, explorei como a IA pode axudarnos a crear personaxes funcionais de forma máis eficiente. Analizamos a creación de persoas que se centren no que os usuarios intentan lograr en lugar de perfís demográficos que se ven ben nos carteis pero que raramente cambian as decisións de deseño. Pero crear personaxes é só a metade da batalla. O reto máis grande é facer chegar esas ideas ás persoas que as necesitan, no momento en que as necesitan. Todos os días, as persoas da túa organización toman decisións que afectan á experiencia do usuario. Os equipos de produto deciden que funcións priorizar. Os equipos de marketing elaboran campañas. Os equipos financeiros deseñan procesos de facturación. Os equipos de atención ao cliente escriben modelos de resposta. Todas estas decisións configuran como os usuarios experimentan o teu produto ou servizo. E a maioría deles ocorren sen ningunha entrada de usuarios reais. O problema de como compartimos a investigación de usuarios Fai a investigación. Ti creas as persoas. Ti escribes os informes. Vostede fai as presentacións. Incluso fas infografías elegantes. E entón que pasa? A investigación atópase nunha unidade compartida nalgún lugar, acumulando lentamente po dixital. As persoas son referenciadas nas reunións de inicio e despois esquécense. Os informes son descremados unha vez e nunca máis se abren. Cando un xestor de produto está a decidir se engadir unha nova función, probablemente non explora o repositorio de investigación do ano pasado. Cando o equipo de finanzas está a redeseñar o correo electrónico da factura, case seguro que non consultan os usuarios. Eles fan o mellor e seguen adiante. Esta non é unha crítica a eses equipos. Están ocupados. Teñen prazos. E sinceramente, aínda que quixesen consultar a investigación, probablemente non saberían onde atopala nin como interpretala para a súa pregunta específica. O coñecemento permanece encerrado dentro dos xefes do equipo de UX, que non poden estar presentes en todas as decisións que se toman na organización. E se os usuarios puidesen falar realmente? E se, en lugar de crear documentos estáticos que a xente precisa atopar e interpretar, puidésemos darlle aos interesados unha forma de consultar a todas as súas persoas de usuario á vez?
Imaxina un xestor de mercadotecnia traballando nunha nova campaña. En lugar de tentar lembrar o que dixeron as persoas sobre as preferencias de mensaxería, simplemente poderían preguntar: "Estou pensando en liderar cunha oferta de desconto neste correo electrónico. Que pensarían os nosos usuarios?" E a IA, baseándose en todos os datos e persoas da túa investigación, podería responder cunha visión consolidada: como reaccionaría cada persoa, onde está de acordo, onde difiren e un conxunto de recomendacións baseadas nas súas perspectivas colectivas. Unha pregunta, información sintetizada en toda a túa base de usuarios.
Isto non é ciencia ficción. Con IA, podemos construír exactamente este tipo de sistema. Podemos tomar toda esa investigación dispersa (as enquisas, as entrevistas, os tickets de soporte, as analíticas, as propias persoas) e convertela nun recurso interactivo que calquera pode consultar para obter comentarios multi-perspectivas. Creación do repositorio de investigación de usuarios A base deste enfoque é un repositorio centralizado de todo o que sabe sobre os seus usuarios. Pense nela como unha única fonte de verdade á que pode acceder e aproveitar a IA. Se estivo facendo investigacións de usuarios durante algún tempo, probablemente teña máis datos dos que pensa. Está repartido por diferentes ferramentas e formatos:
Resultados da enquisa na túa plataforma de enquisas, Transcricións de entrevistas en Google Docs, Tickets de atención ao cliente no teu sistema de asistencia técnica, Datos analíticos en varios paneis, Mencións e comentarios das redes sociais, Personaxes antigas de proxectos anteriores, Gravacións e notas de probas de usabilidade.
O primeiro paso é reunir todo isto nun só lugar. Non necesita estar perfectamente organizado. A IA é moi boa para dar sentido ás entradas desordenadas. Se comezas desde cero e non tes moita investigación existente, podes usar ferramentas de investigación profunda da IA para establecer unha liña de base.
Estas ferramentas poden escanear a web en busca de discusións sobre a túa categoría de produto, opinións dos competidores e preguntas comúns que fai a xente. Isto dáche algo co que traballar mentres creas a túa investigación principal. Creación de Personas Interactivas Unha vez que teñas o teu repositorio, o seguinte paso é crear persoas que a IA poida consultar en nome das partes interesadas. Isto baséase directamente no enfoque das persoas funcionales que delineei no meu artigo anterior, cunha diferenza fundamental: estas persoas convértense en lentes a través das cales a IA analiza preguntas, non só referencias.documentos. O proceso funciona así:
Alimenta o teu repositorio de investigación a unha ferramenta de IA. Pídalle que identifique distintos segmentos de usuarios en función de obxectivos, tarefas e puntos de fricción. Fai que xere persoas detalladas para cada segmento. Configura a IA para consultar a todas as persoas cando as partes interesadas fagan preguntas, proporcionando comentarios consolidados.
Aquí é onde este enfoque diverxe significativamente das persoas tradicionais. Debido a que a IA é o consumidor principal destes documentos persoais, non é necesario que se poidan escanear nin caber nunha única páxina. Os personaxes tradicionais están limitados pola lexibilidade humana: tes que destilar todo en viñetas e citas clave que alguén pode absorber dunha ollada. Pero a IA non ten tal limitación. Isto significa que as túas persoas poden ser considerablemente máis detalladas. Podes incluír longas observacións de comportamento, puntos de datos contraditorios e contexto matizado que nunca sobrevivirían ao proceso de edición dun póster tradicional. A IA pode manter toda esta complexidade e aproveitar nela ao responder preguntas. Tamén podes crear diferentes lentes ou perspectivas dentro de cada persoa, adaptadas a funcións empresariais específicas. O teu personaxe de "Weekend Warrior" pode ter unha lente de mercadotecnia (preferencias de mensaxería, hábitos de canles, respostas de campaña), unha lente de produto (prioridades de funcións, patróns de usabilidade, activadores de actualización) e unha lente de asistencia (preguntas comúns, puntos de frustración, preferencias de resolución). Cando un xestor de mercadotecnia fai unha pregunta, a IA utiliza a información relevante para o marketing. Cando un xestor de produto pregunta, tira da lente do produto. Mesma persoa, diferente profundidade dependendo de quen o pregunte.
As persoas aínda deberían incluír todos os elementos funcionais que comentamos antes: obxectivos e tarefas, preguntas e obxeccións, puntos de dor, puntos de contacto e lagoas de servizo. Pero agora estes elementos convértense na base de como a IA avalía as preguntas desde a perspectiva de cada persoa, sintetizando as súas opinións en recomendacións viables. Opcións de implantación Podes configuralo con distintos niveis de sofisticación dependendo dos teus recursos e necesidades. O enfoque sinxelo A maioría das plataformas de IA ofrecen agora funcións de proxectos ou espazos de traballo que che permiten cargar documentos de referencia. En ChatGPT, estes chámanse Proxectos. Claude ten unha característica semellante. Copiloto e Xemelgos chámanlles Espazos ou Xemas. Para comezar, crea un proxecto dedicado e carga os teus documentos de investigación e persoas clave. Despois escribe instrucións claras dicíndolle á IA que consulte a todas as persoas cando responda ás preguntas. Algo así como: Estás axudando ás partes interesadas a comprender aos nosos usuarios. Cando se lle faga preguntas, consulte a todas as persoas usuarias deste proxecto e proporcione: (1) un breve resumo de como respondería cada persoa, (2) unha visión xeral destacando onde están de acordo e onde difiren, e (3) recomendacións baseadas nas súas perspectivas colectivas. Utiliza todos os documentos de investigación para fundamentar a túa análise. Se a investigación non abarca completamente un tema, busca en plataformas sociais como Reddit, Twitter e foros relevantes para ver como as persoas que coinciden con estas persoas discuten problemas similares. Se aínda non estás seguro de algo, dígoo con sinceridade e suxire que investigación adicional pode axudar.
Este enfoque ten algunhas limitacións. Hai límites sobre cantos ficheiros podes cargar, polo que é posible que teñas que priorizar a túa investigación máis importante ou consolidar as túas persoas nun único documento completo. O enfoque máis sofisticado Para organizacións máis grandes ou para un uso máis continuo, unha ferramenta como Notion ofrece vantaxes porque pode albergar todo o teu repositorio de investigación e ten capacidades de IA incorporadas. Podes crear bases de datos para diferentes tipos de investigación, vinculalas e, a continuación, usar a IA para consultar todo.
O beneficio aquí é que a IA ten acceso a moito máis contexto. Cando un interesado fai unha pregunta, pode utilizar enquisas, tickets de asistencia, transcricións de entrevistas e datos analíticos ao mesmo tempo. Isto fai respostas máis ricas e matizadas. O que isto non substitúe Debería ter claro as limitacións. As persoas virtuais non son un substituto para falar con usuarios reais. Son unha forma de facer que a investigación existente sexa máis accesible e accionable. Hai varios escenarios nos que aínda necesitas investigación primaria:
Cando lanzas algo realmente novo que a túa investigación existente non cobre; Cando necesites validar deseños ou prototipos específicos; Cando os datos do repositorio están obsoletos; Cando as partes interesadasprecisa escoitar directamente de humanos reais para crear empatía.
De feito, pode configurar a IA para recoñecer estas situacións. Cando alguén fai unha pregunta que vai máis aló do que a investigación pode responder, a IA pode responder con algo así como: "Non teño información suficiente para responder iso con confianza. Esta pode ser unha boa pregunta para unha entrevista ou enquisa rápida con usuarios". E cando realizas novas investigacións, eses datos volven ao repositorio. As persoas evolucionan co paso do tempo a medida que a túa comprensión se afonda. Isto é moito mellor que o enfoque tradicional, onde os personaxes se crean unha vez e despois van pasando lentamente. A quenda organizativa Se este enfoque se aplica na túa organización, ocorre algo interesante. O papel do equipo de UX pasa de ser os gardas do coñecemento do usuario a ser os curadores e mantedores do repositorio. En lugar de dedicar tempo a crear informes que poden ser lidos ou non, pasas tempo garantindo que o repositorio se mantén actualizado e que a IA está configurada para dar respostas útiles. A comunicación da investigación cambia de push (presentacións, informes, correos electrónicos) a pull (as partes interesadas fan preguntas cando necesitan respostas). O pensamento centrado no usuario distribúese por toda a organización en lugar de concentrarse nun equipo. Isto non fai que os investigadores de UX sexan menos valiosos. En todo caso, fainos máis valiosos porque o seu traballo agora ten un alcance máis amplo e un maior impacto. Pero si cambia a natureza do traballo. Comezando Se queres probar este enfoque, comeza pouco. Se necesitas unha guía básica sobre persoas funcionais antes de mergullarte, escribín unha guía detallada para crealas. Escolle un proxecto ou equipo e configura unha implementación sinxela usando Proxectos ChatGPT ou unha ferramenta similar. Reúne calquera investigación que teñas (aínda que pareza incompleta), crea unha ou dúas persoas e mira como responden as partes interesadas. Presta atención ás preguntas que fan. Estes indicaranche onde ten lagoas a túa investigación e que datos adicionais serían máis valiosos. A medida que perfeccionas o enfoque, podes ampliar a máis equipos e ferramentas máis sofisticadas. Pero o principio fundamental segue sendo o mesmo: toma todo ese coñecemento disperso dos usuarios e dálle unha voz que calquera da túa organización poida escoitar. No meu artigo anterior, argumentei que deberíamos pasar de persoas demográficas a persoas funcionais que se centran no que os usuarios están tentando facer. Agora estou suxindo que demos o seguinte paso: desde persoas estáticas ata persoas interactivas que realmente poden participar nas conversas onde se toman decisións. Porque todos os días, na túa organización, as persoas están tomando decisións que afectan aos teus usuarios. E os teus usuarios merecen un asento na mesa, aínda que sexa virtual. Máis lecturas sobre SmashingMag
"Unha ollada máis atenta ás Personas: que son e como funcionan | 1", Shlomo Goltz "Como mellorar o teu proceso de deseño con persoas baseadas en datos", Tim Noetzel "Como facer que a túa investigación de UX sexa difícil de ignorar", Vitaly Friedman "Como construír fortes relacións cos clientes para a investigación de usuarios", Renaissance Rachel
