મારા પાછલા લેખમાં, મેં શોધ્યું કે કેવી રીતે AI વધુ કાર્યક્ષમ વ્યક્તિઓને બનાવવામાં મદદ કરી શકે છે. અમે એવા વ્યક્તિત્વો બનાવવા તરફ જોયું કે જે પોસ્ટરો પર સારી દેખાતી વસ્તી વિષયક પ્રોફાઇલને બદલે વપરાશકર્તાઓ શું પૂર્ણ કરવાનો પ્રયાસ કરી રહ્યાં છે તેના પર ધ્યાન કેન્દ્રિત કરે છે પરંતુ ભાગ્યે જ ડિઝાઇન નિર્ણયો બદલાય છે. પરંતુ વ્યક્તિત્વ બનાવવા એ માત્ર અડધી યુદ્ધ છે. સૌથી મોટો પડકાર એવા લોકોના હાથમાં તે આંતરદૃષ્ટિ મેળવવાનો છે જેમને તેમની જરૂર છે, આ ક્ષણે તેઓને તેમની જરૂર છે. દરરોજ, તમારી સંસ્થાના લોકો એવા નિર્ણયો લે છે જે વપરાશકર્તાના અનુભવને અસર કરે છે. પ્રોડક્ટ ટીમ નક્કી કરે છે કે કઈ સુવિધાઓને પ્રાથમિકતા આપવી. માર્કેટિંગ ટીમો ઝુંબેશ હાથ ધરે છે. ફાઇનાન્સ ટીમ ઇન્વોઇસિંગ પ્રક્રિયાઓ ડિઝાઇન કરે છે. ગ્રાહક સપોર્ટ ટીમો પ્રતિભાવ નમૂનાઓ લખે છે. આ તમામ નિર્ણયો વપરાશકર્તાઓ તમારા ઉત્પાદન અથવા સેવાનો અનુભવ કેવી રીતે કરે છે તે આકાર આપે છે. અને તેમાંના મોટાભાગના વાસ્તવિક વપરાશકર્તાઓના કોઈપણ ઇનપુટ વિના થાય છે. અમે વપરાશકર્તા સંશોધન કેવી રીતે શેર કરીએ છીએ તેની સમસ્યા તમે સંશોધન કરો. તમે વ્યક્તિત્વ બનાવો. તમે અહેવાલો લખો. તમે પ્રસ્તુતિઓ આપો. તમે ફેન્સી ઇન્ફોગ્રાફિક્સ પણ બનાવો છો. અને પછી શું થાય? સંશોધન ક્યાંક શેર કરેલી ડ્રાઇવમાં બેસે છે, ધીમે ધીમે ડિજિટલ ધૂળ ભેગી કરે છે. વ્યક્તિઓ કિકઓફ મીટિંગ્સમાં સંદર્ભિત થાય છે અને પછી ભૂલી જાય છે. અહેવાલો એક વખત સ્કીમ કરવામાં આવે છે અને ફરી ક્યારેય ખોલવામાં આવતા નથી. જ્યારે પ્રોડક્ટ મેનેજર નવી સુવિધા ઉમેરવી કે કેમ તે નક્કી કરી રહ્યા હોય, ત્યારે તેઓ કદાચ ગયા વર્ષના સંશોધન ભંડારમાંથી પસાર થતા નથી. જ્યારે ફાઇનાન્સ ટીમ ઇન્વોઇસ ઇમેઇલને ફરીથી ડિઝાઇન કરી રહી હોય, ત્યારે તેઓ લગભગ ચોક્કસપણે વપરાશકર્તા વ્યક્તિઓની સલાહ લેતા નથી. તેઓ તેમનું શ્રેષ્ઠ અનુમાન લગાવે છે અને આગળ વધે છે. આ તે ટીમોની ટીકા નથી. તેઓ વ્યસ્ત છે. તેમની પાસે સમયમર્યાદા છે. અને પ્રામાણિકપણે, જો તેઓ સંશોધનની સલાહ લેવા માંગતા હોય, તો પણ તેઓ કદાચ જાણતા નથી કે તે ક્યાં શોધવું અથવા તેમના ચોક્કસ પ્રશ્ન માટે તેનું અર્થઘટન કેવી રીતે કરવું. જ્ઞાન UX ટીમના વડાઓની અંદર બંધ રહે છે, જેઓ સમગ્ર સંસ્થામાં લેવામાં આવતા દરેક નિર્ણયો માટે હાજર રહી શકતા નથી. જો વપરાશકર્તાઓ ખરેખર બોલી શકે તો શું? જો લોકોને શોધવા અને અર્થઘટન કરવાની જરૂર હોય તેવા સ્થિર દસ્તાવેજો બનાવવાને બદલે, અમે હિતધારકોને તમારા બધા વપરાશકર્તા વ્યક્તિઓ સાથે એકસાથે સલાહ લેવાનો માર્ગ આપી શકીએ તો શું?
નવી ઝુંબેશ પર કામ કરતા માર્કેટિંગ મેનેજરની કલ્પના કરો. વ્યક્તિઓએ મેસેજિંગ પસંદગીઓ વિશે શું કહ્યું હતું તે યાદ રાખવાનો પ્રયાસ કરવાને બદલે, તેઓ ફક્ત પૂછી શકે છે: "હું આ ઇમેઇલમાં ડિસ્કાઉન્ટ ઓફર સાથે અગ્રણી બનવા વિશે વિચારી રહ્યો છું. અમારા વપરાશકર્તાઓ શું વિચારશે?" અને AI, તમારા તમામ સંશોધન ડેટા અને વ્યક્તિત્વો પર રેખાંકન કરીને, એક સંકલિત દૃષ્ટિકોણ સાથે પ્રતિસાદ આપી શકે છે: દરેક વ્યક્તિત્વ સંભવતઃ કેવી રીતે પ્રતિક્રિયા આપશે, તેઓ ક્યાં સંમત છે, તેઓ ક્યાં અલગ છે અને તેમના સામૂહિક પરિપ્રેક્ષ્યોના આધારે ભલામણોનો સમૂહ. એક પ્રશ્ન, તમારા સમગ્ર વપરાશકર્તા આધાર પર સંશ્લેષિત આંતરદૃષ્ટિ.
આ વિજ્ઞાન સાહિત્ય નથી. AI સાથે, અમે બરાબર આ પ્રકારની સિસ્ટમ બનાવી શકીએ છીએ. અમે તે તમામ છૂટાછવાયા સંશોધનો (સર્વેક્ષણો, ઇન્ટરવ્યુ, સપોર્ટ ટિકિટ, વિશ્લેષણ, વ્યક્તિત્વ પોતે) લઈ શકીએ છીએ અને તેને એક ઇન્ટરેક્ટિવ સંસાધનમાં ફેરવી શકીએ છીએ કે જે કોઈપણ બહુ-પરિપ્રેક્ષ્ય પ્રતિસાદ માટે ક્વેરી કરી શકે છે. વપરાશકર્તા સંશોધન ભંડારનું નિર્માણ આ અભિગમનો પાયો એ દરેક વસ્તુનું કેન્દ્રિય ભંડાર છે જે તમે તમારા વપરાશકર્તાઓ વિશે જાણો છો. તેને સત્યના એક સ્ત્રોત તરીકે વિચારો કે જે AI ઍક્સેસ કરી શકે છે અને તેમાંથી ડ્રો કરી શકે છે. જો તમે કોઈપણ લાંબા સમયથી વપરાશકર્તા સંશોધન કરી રહ્યાં છો, તો તમારી પાસે કદાચ તમારા ખ્યાલ કરતાં વધુ ડેટા હશે. તે ફક્ત વિવિધ ટૂલ્સ અને ફોર્મેટમાં પથરાયેલું છે:
તમારા સર્વેક્ષણ પ્લેટફોર્મ પર બેસીને સર્વેક્ષણ પરિણામો, Google ડૉક્સમાં ઇન્ટરવ્યૂ ટ્રાન્સક્રિપ્ટ, તમારી હેલ્પડેસ્ક સિસ્ટમમાં ગ્રાહક સપોર્ટ ટિકિટો, વિવિધ ડેશબોર્ડ્સમાં એનાલિટિક્સ ડેટા, સોશિયલ મીડિયાનો ઉલ્લેખ અને સમીક્ષાઓ, અગાઉના પ્રોજેક્ટ્સમાંથી જૂની વ્યક્તિઓ, ઉપયોગિતા પરીક્ષણ રેકોર્ડિંગ્સ અને નોંધો.
પ્રથમ પગલું આ બધાને એક જગ્યાએ એકત્રિત કરવાનું છે. તેને સંપૂર્ણ રીતે ગોઠવવાની જરૂર નથી. અવ્યવસ્થિત ઇનપુટ્સને સમજવામાં AI નોંધપાત્ર રીતે સારું છે. જો તમે શરૂઆતથી શરૂ કરી રહ્યાં હોવ અને તમારી પાસે વધુ સંશોધન નથી, તો તમે બેઝલાઇન સ્થાપિત કરવા માટે AI ઊંડા સંશોધન સાધનોનો ઉપયોગ કરી શકો છો.
આ સાધનો તમારી પ્રોડક્ટ કેટેગરી, પ્રતિસ્પર્ધી સમીક્ષાઓ અને લોકો પૂછતા સામાન્ય પ્રશ્નો વિશે ચર્ચાઓ માટે વેબને સ્કેન કરી શકે છે. જ્યારે તમે તમારું પ્રાથમિક સંશોધન તૈયાર કરો છો ત્યારે આ તમને કામ કરવા માટે કંઈક આપે છે. ઇન્ટરેક્ટિવ વ્યક્તિઓ બનાવવી એકવાર તમારી પાસે તમારી રીપોઝીટરી થઈ જાય, પછીનું પગલું એ વ્યક્તિઓ બનાવવાનું છે કે જે AI હિતધારકો વતી સલાહ લઈ શકે. આ એક મુખ્ય તફાવત સાથે, મેં મારા પાછલા લેખમાં દર્શાવેલ કાર્યાત્મક વ્યક્તિત્વ અભિગમ પર સીધું જ નિર્માણ કરે છે: આ વ્યક્તિત્વ લેન્સ બની જાય છે જેના દ્વારા AI માત્ર સંદર્ભ જ નહીં, પ્રશ્નોનું વિશ્લેષણ કરે છે.દસ્તાવેજો. પ્રક્રિયા આ રીતે કાર્ય કરે છે:
તમારા સંશોધન ભંડારને AI ટૂલમાં ફીડ કરો. તેને લક્ષ્યો, કાર્યો અને ઘર્ષણ બિંદુઓના આધારે વિશિષ્ટ વપરાશકર્તા વિભાગોને ઓળખવા માટે કહો. તેને દરેક સેગમેન્ટ માટે વિગતવાર વ્યક્તિત્વો જનરેટ કરવા દો. જ્યારે હિસ્સેદારો પ્રશ્નો પૂછે ત્યારે તમામ વ્યક્તિઓની સલાહ લેવા માટે AI ને ગોઠવો, એકીકૃત પ્રતિસાદ પ્રદાન કરો.
અહીં તે છે જ્યાં આ અભિગમ પરંપરાગત વ્યક્તિઓથી નોંધપાત્ર રીતે અલગ પડે છે. કારણ કે AI આ વ્યક્તિત્વ દસ્તાવેજોનો પ્રાથમિક ઉપભોક્તા છે, તેમને સ્કેન કરવા યોગ્ય અથવા એક જ પૃષ્ઠ પર ફિટ કરવાની જરૂર નથી. પરંપરાગત વ્યક્તિત્વ માનવ વાંચનક્ષમતા દ્વારા અવરોધિત છે: તમારે બુલેટ પોઈન્ટ્સ અને મુખ્ય અવતરણો સુધી બધું જ ડિસ્ટિલ કરવું પડશે જે કોઈ એક નજરમાં શોષી શકે છે. પરંતુ AI પાસે આવી કોઈ મર્યાદા નથી. આનો અર્થ એ છે કે તમારા વ્યક્તિત્વ નોંધપાત્ર રીતે વધુ વિગતવાર હોઈ શકે છે. તમે લાંબા વર્તણૂકલક્ષી અવલોકનો, વિરોધાભાસી ડેટા બિંદુઓ અને સૂક્ષ્મ સંદર્ભનો સમાવેશ કરી શકો છો જે પરંપરાગત વ્યક્તિત્વ પોસ્ટર માટે સંપાદન પ્રક્રિયામાં ક્યારેય ટકી શકશે નહીં. AI આ બધી જટિલતાને પકડી શકે છે અને પ્રશ્નોના જવાબ આપતી વખતે તેના પર ડ્રો કરી શકે છે. તમે દરેક વ્યક્તિની અંદર વિવિધ લેન્સ અથવા પરિપ્રેક્ષ્ય પણ બનાવી શકો છો, જે ચોક્કસ વ્યવસાયિક કાર્યોને અનુરૂપ છે. તમારા "વીકએન્ડ વોરિયર" વ્યક્તિત્વમાં માર્કેટિંગ લેન્સ (મેસેજિંગ પસંદગીઓ, ચેનલની આદતો, ઝુંબેશ પ્રતિસાદો), પ્રોડક્ટ લેન્સ (સુવિધા પ્રાથમિકતાઓ, ઉપયોગીતા પેટર્ન, અપગ્રેડ ટ્રિગર્સ) અને સપોર્ટ લેન્સ (સામાન્ય પ્રશ્નો, હતાશાના મુદ્દાઓ, રિઝોલ્યુશન પસંદગીઓ) હોઈ શકે છે. જ્યારે માર્કેટિંગ મેનેજર કોઈ પ્રશ્ન પૂછે છે, ત્યારે AI માર્કેટિંગ-સંબંધિત માહિતીને ખેંચે છે. જ્યારે પ્રોડક્ટ મેનેજર પૂછે છે, ત્યારે તે પ્રોડક્ટ લેન્સમાંથી ખેંચે છે. સમાન વ્યક્તિત્વ, કોણ પૂછે છે તેના આધારે જુદી જુદી ઊંડાઈ.
વ્યકિતત્વોમાં હજુ પણ અમે પહેલાં ચર્ચા કરેલ તમામ કાર્યાત્મક ઘટકોનો સમાવેશ થવો જોઈએ: ધ્યેયો અને કાર્યો, પ્રશ્નો અને વાંધાઓ, પીડા બિંદુઓ, ટચપોઇન્ટ્સ અને સર્વિસ ગેપ. પરંતુ હવે આ તત્વો એઆઈ દરેક વ્યક્તિના પરિપ્રેક્ષ્યમાંથી પ્રશ્નોનું મૂલ્યાંકન કેવી રીતે કરે છે, તેમના મંતવ્યોને કાર્યક્ષમ ભલામણોમાં સંશ્લેષણ કરે છે તેનો આધાર બની જાય છે. અમલીકરણ વિકલ્પો તમે આને તમારા સંસાધનો અને જરૂરિયાતોને આધારે વિવિધ સ્તરના અભિજાત્યપણુ સાથે સેટ કરી શકો છો. સરળ અભિગમ મોટાભાગના AI પ્લેટફોર્મ હવે પ્રોજેક્ટ અથવા વર્કસ્પેસ સુવિધાઓ પ્રદાન કરે છે જે તમને સંદર્ભ દસ્તાવેજો અપલોડ કરવા દે છે. ChatGPT માં, આને પ્રોજેક્ટ્સ કહેવામાં આવે છે. ક્લાઉડ પાસે સમાન લક્ષણ છે. કોપાયલોટ અને જેમિની તેમને સ્પેસ અથવા જેમ્સ કહે છે. પ્રારંભ કરવા માટે, એક સમર્પિત પ્રોજેક્ટ બનાવો અને તમારા મુખ્ય સંશોધન દસ્તાવેજો અને વ્યક્તિત્વો અપલોડ કરો. પછી પ્રશ્નોના જવાબ આપતી વખતે તમામ વ્યક્તિઓની સલાહ લેવા માટે AI ને કહેતી સ્પષ્ટ સૂચનાઓ લખો. જેવું કંઈક: તમે હિતધારકોને અમારા વપરાશકર્તાઓને સમજવામાં મદદ કરી રહ્યાં છો. જ્યારે પ્રશ્નો પૂછવામાં આવે, ત્યારે આ પ્રોજેક્ટમાંના તમામ વપરાશકર્તા વ્યક્તિઓની સલાહ લો અને પ્રદાન કરો: (1) દરેક વ્યક્તિ કેવી રીતે પ્રતિસાદ આપશે તેનો સંક્ષિપ્ત સારાંશ, (2) તેઓ ક્યાં સંમત થાય છે અને તેઓ ક્યાં અલગ છે તે હાઇલાઇટ કરે છે અને (3) તેમના સામૂહિક પરિપ્રેક્ષ્યોના આધારે ભલામણો. તમારા વિશ્લેષણની જાણ કરવા માટે તમામ સંશોધન દસ્તાવેજો દોરો. જો સંશોધન કોઈ વિષયને સંપૂર્ણપણે આવરી લેતું નથી, તો આ વ્યક્તિઓ સાથે મેળ ખાતા લોકો સમાન મુદ્દાઓની ચર્ચા કેવી રીતે કરે છે તે જોવા માટે Reddit, Twitter અને સંબંધિત ફોરમ જેવા સામાજિક પ્લેટફોર્મ્સ શોધો. જો તમે હજુ પણ કોઈ બાબત વિશે અચોક્કસ હો, તો પ્રમાણિકતાથી કહો અને વધારાના સંશોધનમાં શું મદદ કરી શકે તે સૂચવો.
આ અભિગમની કેટલીક મર્યાદાઓ છે. તમે કેટલી ફાઇલો અપલોડ કરી શકો છો તેના પર મર્યાદાઓ છે, તેથી તમારે તમારા સૌથી મહત્વપૂર્ણ સંશોધનને પ્રાથમિકતા આપવાની અથવા એક વ્યાપક દસ્તાવેજમાં તમારા વ્યક્તિત્વને એકીકૃત કરવાની જરૂર પડી શકે છે. વધુ સુસંસ્કૃત અભિગમ મોટી સંસ્થાઓ અથવા વધુ ચાલુ ઉપયોગ માટે, નોટેશન જેવું સાધન લાભ આપે છે કારણ કે તે તમારા સમગ્ર સંશોધન ભંડારને પકડી શકે છે અને તેમાં AI ક્ષમતાઓ બિલ્ટ ઇન છે. તમે વિવિધ પ્રકારના સંશોધન માટે ડેટાબેસેસ બનાવી શકો છો, તેમને એકસાથે લિંક કરી શકો છો અને પછી દરેક બાબતમાં ક્વેરી કરવા માટે AI નો ઉપયોગ કરી શકો છો.
અહીંનો ફાયદો એ છે કે AI પાસે ઘણા વધુ સંદર્ભોની ઍક્સેસ છે. જ્યારે કોઈ હિસ્સેદાર કોઈ પ્રશ્ન પૂછે છે, ત્યારે તે સર્વેક્ષણો, સપોર્ટ ટિકિટ્સ, ઈન્ટરવ્યુ ટ્રાન્સક્રિપ્ટ્સ અને એનાલિટિક્સ ડેટાને એકસાથે લઈ શકે છે. આનાથી વધુ સમૃદ્ધ, વધુ સૂક્ષ્મ પ્રતિભાવો મળે છે. વોટ ધીસ ડોઝ નોટ રિપ્લેસ મારે મર્યાદાઓ વિશે સ્પષ્ટ હોવું જોઈએ. વર્ચ્યુઅલ વ્યક્તિઓ વાસ્તવિક વપરાશકર્તાઓ સાથે વાત કરવાનો વિકલ્પ નથી. તેઓ હાલના સંશોધનને વધુ સુલભ અને કાર્યક્ષમ બનાવવાનો માર્ગ છે. એવા ઘણા દૃશ્યો છે જ્યાં તમારે હજી પણ પ્રાથમિક સંશોધનની જરૂર છે:
જ્યારે તમારું વર્તમાન સંશોધન આવરી લેતું નથી એવું કંઈક નવું લોંચ કરતી વખતે; જ્યારે તમારે ચોક્કસ ડિઝાઇન અથવા પ્રોટોટાઇપ્સને માન્ય કરવાની જરૂર હોય; જ્યારે તમારો રીપોઝીટરી ડેટા વાસી થઈ રહ્યો છે; જ્યારે હોદ્દેદારોસહાનુભૂતિ કેળવવા માટે વાસ્તવિક માણસો પાસેથી સીધા સાંભળવાની જરૂર છે.
હકીકતમાં, તમે આ પરિસ્થિતિઓને ઓળખવા માટે AI ને ગોઠવી શકો છો. જ્યારે કોઈ એવો પ્રશ્ન પૂછે છે જે સંશોધન જવાબ આપી શકે છે તેનાથી આગળ વધે છે, ત્યારે AI કંઈક આનાથી જવાબ આપી શકે છે: "મારી પાસે વિશ્વાસપૂર્વક જવાબ આપવા માટે પૂરતી માહિતી નથી. ઝડપી વપરાશકર્તા ઇન્ટરવ્યુ અથવા સર્વેક્ષણ માટે આ એક સારો પ્રશ્ન હોઈ શકે છે." અને જ્યારે તમે નવું સંશોધન કરો છો, ત્યારે તે ડેટા રીપોઝીટરીમાં પાછો ફરે છે. જેમ જેમ તમારી સમજણ ઊંડી થતી જાય છે તેમ તેમ સમયની સાથે વ્યક્તિઓ વિકસિત થાય છે. આ પરંપરાગત અભિગમ કરતાં ઘણું સારું છે, જ્યાં વ્યક્તિત્વ એકવાર બનાવવામાં આવે છે અને પછી ધીમે ધીમે જૂની થઈ જાય છે. સંસ્થાકીય શિફ્ટ જો આ અભિગમ તમારી સંસ્થામાં ચાલે છે, તો કંઈક રસપ્રદ બને છે. યુએક્સ ટીમની ભૂમિકા વપરાશકર્તાના જ્ઞાનના દ્વારપાળક બનવાથી રીપોઝીટરીના ક્યુરેટર અને જાળવણી કરનાર બનવામાં બદલાઈ જાય છે. અહેવાલો બનાવવામાં સમય પસાર કરવાને બદલે જે વાંચી શકાય કે ન પણ મળી શકે, તમે એ સુનિશ્ચિત કરવામાં સમય પસાર કરો છો કે રિપોઝીટરી ચાલુ રહે અને એઆઈ મદદરૂપ પ્રતિસાદ આપવા માટે ગોઠવેલ છે. સંશોધન સંદેશાવ્યવહાર પુશ (પ્રસ્તુતિઓ, અહેવાલો, ઇમેઇલ્સ) થી ખેંચવા માટે બદલાય છે (જ્યારે તેમને જવાબોની જરૂર હોય ત્યારે હિસ્સેદારો પ્રશ્નો પૂછે છે). વપરાશકર્તા-કેન્દ્રિત વિચારસરણી એક ટીમમાં કેન્દ્રિત થવાને બદલે સમગ્ર સંસ્થામાં વિતરિત થાય છે. આ UX સંશોધકોને ઓછા મૂલ્યવાન બનાવતું નથી. જો કંઈપણ હોય, તો તે તેમને વધુ મૂલ્યવાન બનાવે છે કારણ કે તેમના કાર્યની હવે વ્યાપક પહોંચ અને વધુ અસર છે. પરંતુ તે કામની પ્રકૃતિને બદલી નાખે છે. શરૂઆત કરવી જો તમે આ અભિગમ અજમાવવા માંગતા હો, તો નાની શરૂઆત કરો. જો તમને ડાઇવિંગ કરતા પહેલા કાર્યાત્મક વ્યક્તિઓ પર પ્રાઇમરની જરૂર હોય, તો મેં તેમને બનાવવા માટે વિગતવાર માર્ગદર્શિકા લખી છે. એક પ્રોજેક્ટ અથવા ટીમ પસંદ કરો અને ChatGPT પ્રોજેક્ટ્સ અથવા સમાન ટૂલનો ઉપયોગ કરીને એક સરળ અમલીકરણ સેટ કરો. તમારી પાસે જે કંઈ સંશોધન છે તે એકત્રિત કરો (ભલે તે અધૂરું લાગે), એક કે બે વ્યક્તિઓ બનાવો અને જુઓ કે હિસ્સેદારો કેવો પ્રતિભાવ આપે છે. તેઓ કયા પ્રશ્નો પૂછે છે તેના પર ધ્યાન આપો. આ તમને જણાવશે કે તમારા સંશોધનમાં ક્યાં અંતર છે અને કયો વધારાનો ડેટા સૌથી વધુ મૂલ્યવાન હશે. જેમ જેમ તમે અભિગમને સુધારશો તેમ, તમે વધુ ટીમો અને વધુ અત્યાધુનિક ટૂલિંગ સુધી વિસ્તારી શકો છો. પરંતુ મુખ્ય સિદ્ધાંત એ જ રહે છે: તે બધા વિખરાયેલા વપરાશકર્તા જ્ઞાન લો અને તેને એક અવાજ આપો જે તમારી સંસ્થામાં કોઈપણ સાંભળી શકે. મારા અગાઉના લેખમાં, મેં દલીલ કરી હતી કે આપણે વસ્તી વિષયક વ્યક્તિઓમાંથી કાર્યાત્મક વ્યક્તિઓ તરફ જવું જોઈએ જે વપરાશકર્તાઓ શું કરવાનો પ્રયાસ કરી રહ્યા છે તેના પર ધ્યાન કેન્દ્રિત કરે છે. હવે હું સૂચન કરું છું કે આપણે આગળનું પગલું લઈએ: સ્થિર વ્યક્તિઓથી લઈને અરસપરસ વ્યક્તિઓ કે જેઓ વાસ્તવમાં વાતચીતમાં ભાગ લઈ શકે છે જ્યાં નિર્ણય લેવામાં આવે છે. કારણ કે દરરોજ, તમારી સમગ્ર સંસ્થામાં, લોકો એવા નિર્ણયો લેતા હોય છે જે તમારા વપરાશકર્તાઓને અસર કરે છે. અને તમારા વપરાશકર્તાઓ ટેબલ પર બેઠક માટે લાયક છે, પછી ભલે તે વર્ચ્યુઅલ હોય. SmashingMag પર વધુ વાંચન
"વ્યક્તિઓને નજીકથી જુઓ: તેઓ શું છે અને તેઓ કેવી રીતે કાર્ય કરે છે | 1", શ્લોમો ગોલ્ટ્ઝ "ડેટા-આધારિત વ્યક્તિઓ સાથે તમારી ડિઝાઇન પ્રક્રિયાને કેવી રીતે સુધારવી", ટિમ નોએત્ઝલ "તમારા UX સંશોધનને કેવી રીતે અવગણવું મુશ્કેલ બનાવવું", વિટાલી ફ્રીડમેન "વપરાશકર્તા સંશોધન માટે મજબૂત ગ્રાહક સંબંધો કેવી રીતે બનાવવું", પુનરુજ્જીવન રચેલ
