Előző cikkemben azt vizsgáltam, hogyan segíthet az AI hatékonyabban létrehozni funkcionális személyiségeket. Megvizsgáltuk olyan személyiségek felépítését, amelyek arra összpontosítanak, hogy a felhasználók mit próbálnak elérni, nem pedig olyan demográfiai profilokat, amelyek jól mutatnak a plakátokon, de ritkán változtatnak a tervezési döntéseken. De a személyiségek létrehozása csak fél siker. A nagyobb kihívás az, hogy ezeket a betekintéseket olyan emberek kezébe adjuk, akiknek szükségük van rájuk, abban a pillanatban, amikor szükségük van rájuk. A szervezetben minden nap olyan döntéseket hoznak, amelyek befolyásolják a felhasználói élményt. A termékcsapatok döntik el, hogy mely funkciókat részesítsék előnyben. A marketingcsapatok kampányokat készítenek. A pénzügyi csapatok számlázási folyamatokat terveznek. Az ügyfélszolgálati csapatok válaszsablonokat írnak. Mindezek a döntések meghatározzák, hogy a felhasználók hogyan élik meg termékét vagy szolgáltatását. És legtöbbjük a tényleges felhasználók hozzájárulása nélkül történik. A felhasználói kutatások megosztásával kapcsolatos probléma Te csinálod a kutatást. Ön hozza létre a személyiségeket. Te írod a jelentéseket. Te tartod az előadásokat. Még díszes infografikákat is készít. És akkor mi történik? A kutatás valahol egy közös meghajtóban ül, és lassan gyűjti a digitális port. A személyekre hivatkoznak a kezdő találkozókon, majd elfelejtik őket. A jelentések egyszer átfutnak, és soha többé nem nyitják meg. Amikor egy termékmenedzser arról dönt, hogy hozzáadjon-e egy új funkciót, valószínűleg nem kutatja át a tavalyi kutatási tárat. Amikor a pénzügyi csapat újratervezi a számla e-mailt, szinte biztosan nem konzultál a felhasználói személyekkel. A legjobb tippet adják, és továbbmennek. Ez nem a csapatok kritikája. Elfoglaltak. Nekik vannak határidők. És őszintén szólva, még ha szeretnének is konzultálni a kutatással, valószínűleg nem tudnák, hol találják meg, vagy hogyan értelmezzék a konkrét kérdésükre. A tudás bezárva marad az UX csapat fejében, akik nem lehetnek jelen a szervezeten belüli minden döntésnél. Mi van, ha a felhasználók valóban beszélni tudnak? Mi lenne, ha ahelyett, hogy statikus dokumentumokat hoznánk létre, amelyeket az embereknek meg kell találniuk és értelmezniük, lehetőséget adnánk az érdekelt feleknek, hogy egyszerre konzultálhassanak az összes felhasználói személyével?
Képzeljen el egy marketingvezetőt, aki egy új kampányon dolgozik. Ahelyett, hogy megpróbálnának emlékezni arra, hogy a személyek mit mondtak az üzenetküldési beállításokról, egyszerűen megkérdezhetik: „Azon gondolkodom, hogy ebben az e-mailben kedvezményes ajánlattal vezessek. Mit gondolnának a felhasználók?” A mesterséges intelligencia pedig, az Ön összes kutatási adatára és személyére támaszkodva, egy összevont szemlélettel válaszolhat: az egyes személyek valószínűleg hogyan reagálnának, miben értenek egyet, miben térnek el egymástól, valamint egy sor ajánlást a kollektív szempontok alapján. Egy kérdés, szintetizált betekintés a teljes felhasználói bázisra vonatkozóan.
Ez nem sci-fi. Az AI segítségével pontosan ilyen rendszert tudunk felépíteni. Az összes szétszórt kutatást (a felméréseket, az interjúkat, a támogatási jegyeket, az elemzéseket, magukat a személyeket) átvehetjük egy interaktív erőforrássá, amelyből bárki lekérdezhet többszempontú visszajelzést. Felhasználói kutatási adattár építése Ennek a megközelítésnek az alapja egy központosított tárhely mindazoknak, amelyeket a felhasználókról tud. Tekintsd úgy, mint az igazság egyetlen forrását, amelyhez a mesterséges intelligencia hozzáférhet, és amelyből meríthet. Ha bármennyi ideig végez felhasználói kutatást, valószínűleg több adata van, mint gondolná. Csak szétszórva van a különböző eszközök és formátumok között:
A felmérés eredményei a felmérési platformon találhatók, Az interjúk átiratai a Google Dokumentumokban, Ügyfélszolgálati jegyek a helpdesk rendszerében, Analytics adatok különböző irányítópultokon, A közösségi média említések és vélemények, Régi személyiségek korábbi projektekből, Használhatósági teszt felvételek és jegyzetek.
Az első lépés az, hogy mindezt egy helyre gyűjtsük. Nem kell tökéletesen megszervezni. Az AI figyelemreméltóan jó a rendetlen bemenetek értelmezésében. Ha a nulláról kezdi, és nincs sok meglévő kutatása, használhatja az AI mélykutatási eszközeit az alapvonal meghatározásához.
Ezek az eszközök átkutathatják az interneten a termékkategóriával kapcsolatos vitákat, a versenytársak véleményét és az emberek által feltett gyakori kérdéseket. Ez ad valamit, amivel dolgozhat az elsődleges kutatás felépítése közben. Interaktív personák létrehozása Ha megvan a tárhely, a következő lépés a személyek létrehozása, akikkel a mesterséges intelligencia konzultálhat az érdekelt felek nevében. Ez közvetlenül az előző cikkemben felvázolt funkcionális személyiség-megközelítésre épül, egy lényeges különbséggel: ezek a személyek olyan lencsékké válnak, amelyeken keresztül az AI kérdéseket elemez, nem csak hivatkozásokat.dokumentumokat. A folyamat a következőképpen működik:
Táplálja a kutatási adattárat egy AI-eszközbe. Kérje meg, hogy azonosítsa a különböző felhasználói szegmenseket a célok, a feladatok és a súrlódási pontok alapján. Készítsen részletes személyiségeket minden szegmenshez. Konfigurálja az AI-t úgy, hogy konszolidált visszajelzést adjon az összes személyhez, amikor az érdekelt felek kérdéseket tesznek fel.
Ez az a pont, ahol ez a megközelítés jelentősen eltér a hagyományos személyiségektől. Mivel a mesterséges intelligencia ezeknek a személyi dokumentumoknak az elsődleges fogyasztója, nem kell beolvashatónak lenniük, és nem kell egyetlen oldalon elférniük. A hagyományos személyiségeket korlátozza az emberi olvashatóság: mindent le kell desztillálnia pontokig és kulcs idézetekig, amelyeket valaki egy pillantással el tud fogadni. De az AI-nak nincs ilyen korlátozása. Ez azt jelenti, hogy személyei sokkal részletesebbek lehetnek. Tartalmazhat hosszas viselkedési megfigyeléseket, egymásnak ellentmondó adatpontokat és olyan árnyalt kontextust, amely soha nem élné túl a hagyományos személyposzterek szerkesztési folyamatát. A mesterséges intelligencia mindezt az összetettséget meg tudja tartani, és a kérdések megválaszolásakor támaszkodik rá. Különböző objektíveket vagy perspektívákat is létrehozhat az egyes személyeken belül, egyedi üzleti funkciókhoz szabva. Az Ön „Hétvégi harcos” személyisége rendelkezhet marketinglencsével (üzenetkezelési preferenciák, csatornaszokások, kampányreakciók), terméklencsével (funkciók prioritásai, használhatósági minták, frissítési kiváltó okok) és támogató objektívvel (gyakori kérdések, csalódottsági pontok, felbontási beállítások). Amikor egy marketingmenedzser feltesz egy kérdést, az AI a marketinggel kapcsolatos információkra támaszkodik. Amikor egy termékmenedzser kérdez, kihúz a termék lencséjéből. Ugyanaz a személy, eltérő mélység, attól függően, hogy ki kérdez.
A personáknak továbbra is tartalmazniuk kell az összes korábban tárgyalt funkcionális elemet: célokat és feladatokat, kérdéseket és kifogásokat, fájdalompontokat, érintési pontokat és szolgáltatási hiányosságokat. Most azonban ezek az elemek az alapjaivá válnak annak, hogy az AI hogyan értékeli a kérdéseket az egyes személyek szemszögéből, nézeteiket gyakorlati javaslatokká szintetizálva. Megvalósítási lehetőségek Erőforrásaitól és szükségleteitől függően különböző szintű kifinomultsággal állíthatja be. Az egyszerű megközelítés A legtöbb mesterséges intelligencia platform ma már projekt- vagy munkaterület-szolgáltatásokat kínál, amelyek lehetővé teszik referenciadokumentumok feltöltését. A ChatGPT-ben ezeket projekteknek hívják. Claude is hasonló tulajdonságokkal rendelkezik. A másodpilóta és az Ikrek térnek vagy drágakőnek hívják őket. A kezdéshez hozzon létre egy dedikált projektet, és töltse fel kulcsfontosságú kutatási dokumentumait és személyiségeit. Ezután írjon egyértelmű utasításokat, amelyek arra utasítják az AI-t, hogy a kérdések megválaszolásakor minden személlyel konzultáljon. Valami ilyesmi: Segíti az érdekelt feleket, hogy megértsék felhasználóinkat. Kérdések esetén konzultáljon a projektben részt vevő összes felhasználói személyiséggel, és adjon meg: (1) egy rövid összefoglalót arról, hogy az egyes személyek valószínűleg hogyan reagálnának, (2) egy áttekintést, amely kiemeli, hogy hol értenek egyet és miben térnek el egymástól, és (3) ajánlásokat a kollektív nézőpontokon alapulóan. Merítsen minden kutatási dokumentumot elemzéséhez. Ha a kutatás nem fedi le teljesen egy témát, keressen olyan közösségi platformokon, mint a Reddit, a Twitter és a releváns fórumokon, hogy megtudja, hogyan vitatják meg a hasonló kérdéseket az ezeknek a személyeknek megfelelő emberek. Ha még mindig bizonytalan valamiben, mondja meg őszintén, és javasolja, milyen további kutatások segíthetnek.
Ennek a megközelítésnek vannak bizonyos korlátai. Korlátok vannak arra vonatkozóan, hogy hány fájlt tölthet fel, így előfordulhat, hogy fontosabb kutatásait rangsorolnia kell, vagy személyeit egyetlen átfogó dokumentumban kell összevonnia. A kifinomultabb megközelítés Nagyobb szervezetek vagy több folyamatos használat esetén az olyan eszköz, mint a Notion, előnyöket kínál, mert képes tárolni a teljes kutatási tárat, és beépített mesterséges intelligencia-képességekkel rendelkezik. Létrehozhat adatbázisokat a különböző típusú kutatásokhoz, összekapcsolhatja őket, majd az AI segítségével mindent lekérdezhet.
Ennek az az előnye, hogy az AI sokkal több kontextushoz fér hozzá. Amikor egy érdekelt fél kérdést tesz fel, egyszerre támaszkodhat felmérésekre, támogatási jegyekre, interjúk átirataira és elemzési adatokra. Ez gazdagabb, árnyaltabb válaszokat tesz lehetővé. Amit ez nem pótol Tisztában kell lennem a korlátokkal. A virtuális személyek nem helyettesítik a valódi felhasználókkal való beszélgetést. Ez egy módja annak, hogy a meglévő kutatásokat elérhetőbbé és végrehajthatóbbá tegyék. Számos forgatókönyv létezik, ahol továbbra is szükség van elsődleges kutatásra:
Ha valami igazán újat indít, amelyre a meglévő kutatás nem terjed ki; Ha konkrét terveket vagy prototípusokat kell érvényesítenie; Ha a lerakat adatai elavulnak; Amikor az érintettekKözvetlenül a valódi emberektől kell hallania az empátia kialakításához.
Valójában beállíthatja az AI-t, hogy felismerje ezeket a helyzeteket. Ha valaki olyan kérdést tesz fel, amely túlmutat azon, amit a kutatás megválaszolhat, a mesterséges intelligencia a következőképpen válaszolhat: "Nincs elég információm ahhoz, hogy magabiztosan válaszoljak rá. Ez jó kérdés lehet egy gyors felhasználói interjúhoz vagy felméréshez." És amikor új kutatást végez, ezek az adatok visszakerülnek a tárba. A személyiségek idővel fejlődnek, ahogy a megértésed elmélyül. Ez sokkal jobb, mint a hagyományos megközelítés, ahol a személyiségek egyszer jönnek létre, majd lassan elavulnak. A szervezeti váltás Ha ez a megközelítés megragad a szervezetében, akkor valami érdekes történik. Az UX-csapat szerepe a felhasználói tudás kapuőrei helyett a repository kurátoraira és fenntartóira változik. Ahelyett, hogy időt töltene azzal, hogy jelentéseket készítsen, amelyeket esetleg elolvasnak, vagy nem, időt tölt azzal, hogy az adattár naprakész maradjon, és hogy az AI hasznos válaszokat adjon. Kutassa a kommunikáció változásait a push (prezentációk, jelentések, e-mailek) helyett a pull (az érintettek kérdéseket tesznek fel, amikor válaszra van szükségük) felé. A felhasználóközpontú gondolkodás a szervezeten belül megoszlik, nem pedig egyetlen csapatban koncentrálódik. Ez nem teszi kevésbé értékessé az UX-kutatókat. Ha valami, akkor ez értékesebbé teszi őket, mert munkájuk szélesebb körű és nagyobb hatást ér el. De ez megváltoztatja a munka jellegét. Kezdő lépések Ha szeretné kipróbálni ezt a megközelítést, kezdje kicsiben. Ha alapozóra van szüksége a funkcionális személyiségekről, mielőtt merülne, részletes útmutatót írtam ezek létrehozásához. Válasszon ki egy projektet vagy csapatot, és állítson be egy egyszerű megvalósítást a ChatGPT Projects vagy hasonló eszköz segítségével. Gyűjtsön össze bármilyen kutatást (még akkor is, ha hiányosnak tűnik), hozzon létre egy vagy két személyt, és nézze meg, hogyan reagálnak az érintettek. Ügyeljen arra, hogy milyen kérdéseket tesznek fel. Ezek megmutatják, hol vannak hiányosságok a kutatásában, és milyen további adatok lennének a legértékesebbek. Ahogy finomítja a megközelítést, több csapatra és kifinomultabb szerszámokra bővülhet. Az alapelv azonban változatlan: vedd fel az összes szétszórt felhasználói tudást, és adj neki olyan hangot, amelyet a szervezetedben bárki hallhat. Előző cikkemben amellett érveltem, hogy a demográfiai személyekről a funkcionális személyekre kell áttérnünk, amelyek arra összpontosítanak, hogy a felhasználók mit próbálnak tenni. Most azt javaslom, hogy tegyük meg a következő lépést: a statikus személyektől az interaktívakig, amelyek ténylegesen részt vehetnek a beszélgetésekben, ahol döntések születnek. Mert szervezetében minden nap az emberek olyan döntéseket hoznak, amelyek hatással vannak a felhasználókra. A felhasználók pedig megérdemelnek egy helyet az asztalnál, még akkor is, ha az egy virtuális asztal. További olvasnivalók a SmashingMag-ról
„A personák közelebbi pillantása: mik ezek és hogyan működnek | 1”, Shlomo Goltz Tim Noetzel: „Hogyan javítsuk a tervezési folyamatot adatalapú personákkal” „Hogyan tegyük nehezen figyelmen kívül hagyhatóvá az UX-kutatást” – Vitaly Friedman „Hogyan építsünk ki erős ügyfélkapcsolatokat a felhasználók kutatásához”, Renaissance Rachel
