Dalam artikel saya sebelumnya, saya mengeksplorasi bagaimana AI dapat membantu kita menciptakan persona fungsional dengan lebih efisien. Kami berupaya membangun persona yang berfokus pada apa yang ingin dicapai pengguna, bukan profil demografis yang terlihat bagus di poster, namun jarang mengubah keputusan desain. Namun menciptakan persona hanyalah setengah dari perjuangan. Tantangan yang lebih besar adalah menyampaikan wawasan tersebut ke tangan orang-orang yang membutuhkannya, pada saat mereka membutuhkannya. Setiap hari, orang-orang di organisasi Anda membuat keputusan yang memengaruhi pengalaman pengguna. Tim produk memutuskan fitur mana yang akan diprioritaskan. Tim pemasaran membuat kampanye. Tim keuangan merancang proses faktur. Tim dukungan pelanggan menulis templat respons. Semua keputusan ini membentuk cara pengguna merasakan produk atau layanan Anda. Dan sebagian besar terjadi tanpa masukan apa pun dari pengguna sebenarnya. Masalah Dengan Cara Kami Berbagi Riset Pengguna Anda melakukan penelitian. Anda menciptakan persona. Anda menulis laporannya. Anda memberikan presentasi. Anda bahkan membuat infografis yang mewah. Lalu apa yang terjadi? Penelitian ini berada di drive bersama di suatu tempat, perlahan mengumpulkan debu digital. Persona tersebut direferensikan dalam pertemuan awal dan kemudian dilupakan. Laporan tersebut dibaca sekali dan tidak pernah dibuka lagi. Saat manajer produk memutuskan apakah akan menambahkan fitur baru, mereka mungkin tidak menggali gudang penelitian tahun lalu. Saat tim keuangan mendesain ulang email faktur, mereka hampir pasti tidak berkonsultasi dengan pengguna. Mereka membuat tebakan terbaik dan melanjutkan. Ini bukan kritik terhadap tim-tim tersebut. Mereka sibuk. Mereka punya tenggat waktu. Dan sejujurnya, meskipun mereka ingin berkonsultasi dengan penelitian tersebut, mereka mungkin tidak tahu di mana menemukannya atau bagaimana menafsirkannya untuk pertanyaan spesifik mereka. Pengetahuan tersebut tetap terkunci di dalam kepala tim UX, yang tidak mungkin hadir dalam setiap keputusan yang dibuat di seluruh organisasi. Bagaimana Jika Pengguna Sebenarnya Bisa Berbicara? Bagaimana jika, alih-alih membuat dokumen statis yang perlu ditemukan dan ditafsirkan orang lain, kami dapat memberikan cara kepada pemangku kepentingan untuk berkonsultasi dengan semua pengguna Anda sekaligus?
Bayangkan seorang manajer pemasaran mengerjakan kampanye baru. Daripada mencoba mengingat apa yang dikatakan persona tentang preferensi perpesanan, mereka cukup bertanya: "Saya sedang mempertimbangkan untuk memimpin dengan penawaran diskon di email ini. Apa pendapat pengguna kami?" Dan AI, yang memanfaatkan semua data penelitian dan persona Anda, dapat merespons dengan pandangan yang terkonsolidasi: kemungkinan reaksi setiap persona, pendapat mereka, perbedaannya, dan serangkaian rekomendasi berdasarkan perspektif kolektif mereka. Satu pertanyaan, menyatukan wawasan di seluruh basis pengguna Anda.
Ini bukan fiksi ilmiah. Dengan AI, kita dapat membangun sistem seperti ini. Kita dapat mengambil semua penelitian yang tersebar (survei, wawancara, tiket dukungan, analitik, persona itu sendiri) dan mengubahnya menjadi sumber daya interaktif yang dapat diminta oleh siapa pun untuk mendapatkan umpan balik multi-perspektif. Membangun Repositori Riset Pengguna Landasan pendekatan ini adalah penyimpanan terpusat dari semua yang Anda ketahui tentang pengguna Anda. Anggap saja ini sebagai satu sumber kebenaran yang dapat diakses dan diambil oleh AI. Jika Anda telah melakukan riset pengguna untuk waktu yang lama, Anda mungkin memiliki lebih banyak data daripada yang Anda sadari. Itu hanya tersebar di berbagai alat dan format:
Hasil survei ada di platform survei Anda, Transkrip wawancara di Google Dokumen, Tiket dukungan pelanggan di sistem helpdesk Anda, Data analitik di berbagai dasbor, Sebutan dan ulasan media sosial, Persona lama dari proyek sebelumnya, Rekaman dan catatan uji kegunaan.
Langkah pertama adalah mengumpulkan semua ini ke dalam satu tempat. Tidak perlu diatur secara sempurna. AI sangat pandai memahami masukan yang berantakan. Jika Anda memulai dari awal dan belum memiliki banyak penelitian, Anda dapat menggunakan alat penelitian mendalam AI untuk menetapkan dasar.
Alat-alat ini dapat memindai web untuk berdiskusi tentang kategori produk Anda, ulasan pesaing, dan pertanyaan umum yang diajukan orang. Ini memberi Anda sesuatu untuk dikerjakan saat Anda membangun penelitian utama Anda. Membuat Persona Interaktif Setelah Anda memiliki repositori, langkah selanjutnya adalah menciptakan persona yang dapat dikonsultasikan oleh AI atas nama pemangku kepentingan. Hal ini dibangun langsung dari pendekatan persona fungsional yang saya uraikan di artikel saya sebelumnya, dengan satu perbedaan utama: persona ini menjadi lensa yang digunakan AI untuk menganalisis pertanyaan, bukan sekadar referensi.dokumen. Prosesnya bekerja seperti ini:
Masukkan gudang penelitian Anda ke alat AI. Mintalah untuk mengidentifikasi segmen pengguna yang berbeda berdasarkan sasaran, tugas, dan titik gesekan. Buatlah itu menghasilkan persona terperinci untuk setiap segmen. Konfigurasikan AI untuk berkonsultasi dengan semua persona ketika pemangku kepentingan mengajukan pertanyaan, memberikan umpan balik yang terkonsolidasi.
Di sinilah pendekatan ini sangat berbeda dengan pendekatan tradisional. Karena AI adalah konsumen utama dokumen persona ini, dokumen tersebut tidak perlu dapat dipindai atau dimasukkan ke dalam satu halaman. Persona tradisional dibatasi oleh keterbacaan manusia: Anda harus menyaring semuanya menjadi poin-poin penting dan kutipan kunci yang dapat diserap sekilas oleh seseorang. Namun AI tidak memiliki batasan seperti itu. Ini berarti persona Anda bisa lebih detail. Anda dapat memasukkan observasi perilaku yang panjang, poin data yang kontradiktif, dan konteks yang berbeda-beda yang tidak akan pernah bertahan dalam proses pengeditan poster persona tradisional. AI dapat menampung semua kerumitan ini dan memanfaatkannya saat menjawab pertanyaan. Anda juga dapat membuat lensa atau perspektif berbeda dalam setiap persona, yang disesuaikan dengan fungsi bisnis tertentu. Persona “Pejuang Akhir Pekan” Anda mungkin memiliki lensa pemasaran (preferensi pengiriman pesan, kebiasaan saluran, tanggapan kampanye), lensa produk (prioritas fitur, pola kegunaan, pemicu peningkatan), dan lensa dukungan (pertanyaan umum, poin frustrasi, preferensi resolusi). Ketika seorang manajer pemasaran mengajukan pertanyaan, AI memanfaatkan informasi pemasaran yang relevan. Ketika manajer produk bertanya, ia menarik perhatiannya dari lensa produk. Persona yang sama, kedalaman berbeda tergantung siapa yang bertanya.
Persona harus tetap mencakup semua elemen fungsional yang telah kita diskusikan sebelumnya: tujuan dan tugas, pertanyaan dan keberatan, titik kesulitan, titik kontak, dan kesenjangan layanan. Namun kini elemen-elemen ini menjadi dasar bagaimana AI mengevaluasi pertanyaan dari sudut pandang masing-masing persona, mensintesis pandangan mereka menjadi rekomendasi yang dapat ditindaklanjuti. Opsi Implementasi Anda dapat mengaturnya dengan berbagai tingkat kecanggihan tergantung pada sumber daya dan kebutuhan Anda. Pendekatan Sederhana Sebagian besar platform AI kini menawarkan fitur proyek atau ruang kerja yang memungkinkan Anda mengunggah dokumen referensi. Di ChatGPT, ini disebut Proyek. Claude memiliki fitur serupa. Kopilot dan Gemini menyebutnya Ruang atau Permata. Untuk memulai, buat proyek khusus dan unggah dokumen dan persona penelitian utama Anda. Kemudian tulis instruksi yang jelas yang memberi tahu AI untuk berkonsultasi dengan semua persona saat menjawab pertanyaan. Sesuatu seperti: Anda membantu pemangku kepentingan memahami pengguna kami. Saat ada pertanyaan, konsultasikan dengan semua persona pengguna dalam proyek ini dan berikan: (1) ringkasan singkat tentang kemungkinan respons setiap persona, (2) gambaran umum yang menyoroti hal-hal yang mereka setujui dan perbedaannya, dan (3) rekomendasi berdasarkan perspektif kolektif mereka. Gunakan semua dokumen penelitian untuk menginformasikan analisis Anda. Jika penelitian tidak sepenuhnya mencakup suatu topik, carilah platform sosial seperti Reddit, Twitter, dan forum yang relevan untuk melihat bagaimana orang-orang yang cocok dengan persona ini mendiskusikan masalah serupa. Jika Anda masih ragu tentang sesuatu, katakan dengan jujur dan sarankan penelitian tambahan apa yang mungkin bisa membantu.
Pendekatan ini memiliki beberapa keterbatasan. Ada batasan berapa banyak file yang dapat Anda unggah, jadi Anda mungkin perlu memprioritaskan penelitian terpenting atau menggabungkan persona Anda ke dalam satu dokumen komprehensif. Pendekatan yang Lebih Canggih Untuk organisasi yang lebih besar atau penggunaan yang lebih berkelanjutan, alat seperti Notion menawarkan keuntungan karena dapat menampung seluruh repositori penelitian Anda dan memiliki kemampuan AI bawaan. Anda dapat membuat database untuk berbagai jenis penelitian, menghubungkannya bersama-sama, dan kemudian menggunakan AI untuk melakukan kueri di segala hal.
Keuntungannya di sini adalah AI memiliki akses ke lebih banyak konteks. Saat pemangku kepentingan mengajukan pertanyaan, mereka dapat memanfaatkan survei, tiket dukungan, transkrip wawancara, dan data analisis sekaligus. Hal ini menghasilkan respons yang lebih kaya dan bernuansa. Apa yang Tidak Dapat Digantikan Ini Saya harus jelas tentang batasannya. Persona virtual bukanlah pengganti untuk berbicara dengan pengguna sebenarnya. Hal ini merupakan cara untuk membuat penelitian yang ada lebih mudah diakses dan ditindaklanjuti. Ada beberapa skenario di mana Anda masih memerlukan penelitian utama:
Saat meluncurkan sesuatu yang benar-benar baru yang tidak tercakup dalam penelitian Anda saat ini; Saat Anda perlu memvalidasi desain atau prototipe tertentu; Saat data repositori Anda menjadi basi; Ketika pemangku kepentinganperlu mendengar langsung dari manusia nyata untuk membangun empati.
Faktanya, Anda dapat mengonfigurasi AI untuk mengenali situasi ini. Ketika seseorang mengajukan pertanyaan yang melampaui apa yang dapat dijawab oleh penelitian, AI dapat menjawab dengan sesuatu seperti: "Saya tidak memiliki cukup informasi untuk menjawabnya dengan percaya diri. Ini mungkin pertanyaan yang bagus untuk wawancara atau survei pengguna secara singkat." Dan ketika Anda melakukan penelitian baru, data tersebut dimasukkan kembali ke dalam repositori. Persona berkembang seiring waktu seiring dengan semakin dalamnya pemahaman Anda. Ini jauh lebih baik daripada pendekatan tradisional, di mana persona dibuat sekali dan kemudian perlahan-lahan menjadi ketinggalan jaman. Pergeseran Organisasi Jika pendekatan ini diterapkan di organisasi Anda, sesuatu yang menarik akan terjadi. Peran tim UX bergeser dari penjaga pengetahuan pengguna menjadi kurator dan pengelola repositori. Daripada menghabiskan waktu membuat laporan yang mungkin dibaca atau tidak, Anda menghabiskan waktu untuk memastikan repositori tetap terkini dan AI dikonfigurasi untuk memberikan respons yang bermanfaat. Teliti perubahan komunikasi dari push (presentasi, laporan, email) menjadi pull (pemangku kepentingan mengajukan pertanyaan ketika mereka membutuhkan jawaban). Pemikiran yang berpusat pada pengguna menjadi didistribusikan ke seluruh organisasi daripada terkonsentrasi di satu tim. Hal ini tidak membuat peneliti UX menjadi kurang berharga. Bahkan, hal ini membuat mereka lebih berharga karena pekerjaan mereka kini memiliki jangkauan yang lebih luas dan dampak yang lebih besar. Namun hal ini mengubah sifat pekerjaannya. Memulai Jika Anda ingin mencoba pendekatan ini, mulailah dari yang kecil. Jika Anda memerlukan panduan dasar tentang persona fungsional sebelum mendalaminya, saya telah menulis panduan terperinci untuk membuatnya. Pilih satu proyek atau tim dan siapkan implementasi sederhana menggunakan Proyek ChatGPT atau alat serupa. Kumpulkan penelitian apa pun yang Anda miliki (walaupun terasa tidak lengkap), buat satu atau dua persona, dan lihat bagaimana tanggapan pemangku kepentingan. Perhatikan pertanyaan apa yang mereka ajukan. Ini akan memberi tahu Anda di mana kesenjangan penelitian Anda dan data tambahan apa yang paling berharga. Saat Anda menyempurnakan pendekatan ini, Anda dapat memperluas ke lebih banyak tim dan peralatan yang lebih canggih. Namun prinsip intinya tetap sama: manfaatkan semua pengetahuan pengguna yang tersebar dan berikan suara yang dapat didengar oleh siapa pun di organisasi Anda. Dalam artikel saya sebelumnya, saya berpendapat bahwa kita harus beralih dari persona demografis ke persona fungsional yang fokus pada apa yang coba dilakukan pengguna. Sekarang saya menyarankan agar kita mengambil langkah berikutnya: dari persona statis ke persona interaktif yang benar-benar dapat berpartisipasi dalam percakapan saat pengambilan keputusan. Karena setiap hari, di seluruh organisasi Anda, orang-orang membuat keputusan yang memengaruhi pengguna Anda. Dan pengguna Anda berhak mendapatkan tempat di meja tersebut, meskipun itu meja virtual. Bacaan Lebih Lanjut Tentang SmashingMag
“Melihat Lebih Dekat Persona: Apa Itu Dan Bagaimana Cara Kerjanya | 1”, Shlomo Goltz “Cara Meningkatkan Proses Desain Anda Dengan Persona Berbasis Data”, Tim Noetzel “Cara Membuat Riset UX Anda Sulit Diabaikan”, Vitaly Friedman “Cara Membangun Hubungan Pelanggan yang Kuat Untuk Riset Pengguna”, Renaissance Rachel
