前回の記事では、機能的なペルソナをより効率的に作成するために AI がどのように役立つかを検討しました。私たちは、ポスターには映えるがデザイン上の決定をほとんど変更しない人口統計的プロフィールではなく、ユーザーが達成しようとしていることに焦点を当てたペルソナを構築することに着目しました。 しかし、ペルソナを作成するだけでは戦いは半分にすぎません。より大きな課題は、それらの洞察を、必要なときに、必要とする人々の手に届けることです。 毎日、組織内の人々がユーザー エクスペリエンスに影響を与える決定を行っています。製品チームはどの機能を優先するかを決定します。マーケティング チームはキャンペーンを作成します。財務チームは請求プロセスを設計します。カスタマー サポート チームは応答テンプレートを作成します。これらすべての決定によって、ユーザーが製品やサービスをどのように体験するかが決まります。 そしてそのほとんどは、実際のユーザーからの入力なしで発生します。 ユーザー調査の共有方法の問題 研究はあなたが行います。ペルソナを作成するのはあなたです。レポートを書くのはあなたです。プレゼンテーションを行うのはあなたです。派手なインフォグラフィックも作成できます。それで何が起こるでしょうか？ 研究はどこかの共有ドライブに置かれ、徐々にデジタルの塵を集めています。ペルソナはキックオフ ミーティングで言及されますが、その後忘れ去られます。レポートは一度流し読みされ、二度と開かれることはありません。 プロダクト マネージャーが新しい機能を追加するかどうかを決定するとき、おそらく昨年のリサーチ リポジトリを徹底的に調べたりはしません。財務チームが請求書メールを再設計するとき、ほぼ確実にユーザー ペルソナを参照しません。彼らは最善の推測を立てて先に進みます。 これはそれらのチームを批判するものではありません。彼らは忙しいのです。期限があります。そして正直に言うと、研究結果を参考にしたいと思ったとしても、それをどこで見つければよいのか、特定の質問に対してどのように解釈すればよいのかもおそらくわからないでしょう。 知識は UX チームの責任者の中に閉じ込められたままであり、組織全体で行われるすべての意思決定に同席することは不可能です。 ユーザーが実際に話せるとしたらどうなるでしょうか? ユーザーが検索して解釈する必要がある静的なドキュメントを作成する代わりに、関係者がすべてのユーザー ペルソナを一度に参照できる方法を提供できたらどうでしょうか?
マーケティング マネージャーが新しいキャンペーンに取り組んでいると想像してください。メッセージングの設定についてペルソナが言ったことを覚えておこうとする代わりに、「このメールで割引オファーを提案しようと考えています。ユーザーはどう思うでしょうか?」と尋ねるだけで済みます。 そして、AI は、すべての研究データとペルソナを活用して、統合されたビュー、つまり各ペルソナがどのように反応する可能性が高いか、どこが一致するか、どこが異なるか、および集合的な観点に基づいた一連の推奨事項で応答できます。 1 つの質問から、ユーザー ベース全体にわたる洞察が総合されます。
これはSFではありません。 AIを使えば、まさにこのようなシステムを構築することができます。私たちは、その散在した調査 (アンケート、インタビュー、サポート チケット、分析、ペルソナ自体) をすべて取得して、誰でも多視点のフィードバックを照会できるインタラクティブなリソースに変えることができます。 ユーザーリサーチリポジトリの構築 このアプローチの基礎となるのは、ユーザーについて知っているすべての情報を一元的に保管するリポジトリです。これは、AI がアクセスしてそこから引き出すことができる単一の真実の情報源と考えてください。 ある程度の期間にわたってユーザー調査を行っている場合は、おそらく自分が思っているよりも多くのデータを持っているでしょう。さまざまなツールや形式に分散しているだけです。
調査プラットフォームにある調査結果、 Googleドキュメントのインタビュー記録、 ヘルプデスク システムのカスタマー サポート チケット、 さまざまなダッシュボードの分析データ、 ソーシャルメディアでの言及やレビュー、 以前のプロジェクトの古いペルソナ、 ユーザビリティテストの記録とメモ。
最初のステップは、これらすべてを 1 か所に集めることです。完璧に整理されている必要はありません。 AI は、乱雑な入力を理解することに非常に優れています。 ゼロから開始し、既存の調査があまりない場合は、AI の詳細調査ツールを使用してベースラインを確立できます。
これらのツールは、Web をスキャンして、製品カテゴリ、競合他社のレビュー、ユーザーからのよくある質問に関するディスカッションを見つけることができます。これにより、主な研究を進める際に取り組むものが得られます。 インタラクティブなペルソナの作成 リポジトリを作成したら、次のステップは、AI が関係者に代わって相談できるペルソナを作成することです。これは、前の記事で概説した機能的ペルソナのアプローチに直接基づいていますが、1 つの重要な違いがあります。これらのペルソナは、AI が単に参照するだけでなく、質問を分析するためのレンズになるということです。書類。 プロセスは次のように機能します。
研究リポジトリを AI ツールにフィードします。 目標、タスク、摩擦点に基づいて個別のユーザーセグメントを識別するように依頼します。 セグメントごとに詳細なペルソナを生成します。 関係者が質問したときにすべてのペルソナに相談し、統合されたフィードバックを提供するように AI を構成します。
ここが、このアプローチが従来のペルソナとは大きく異なる点です。 AI はこれらのペルソナ ドキュメントの主な利用者であるため、スキャン可能である必要も、単一ページに収まる必要もありません。従来のペルソナは、人間が読みやすいという制約がありました。つまり、誰かが一目で理解できる箇条書きや重要な引用に至るまで、すべてを抽出する必要があります。しかし、AI にはそのような制限はありません。 これは、ペルソナをより詳細に設定できることを意味します。従来のペルソナ ポスターの編集プロセスでは決して生き残ることのできない、長い行動観察、矛盾したデータ ポイント、微妙なコンテキストを含めることができます。 AI はこの複雑さをすべて保持し、質問に答えるときにそれを活用できます。 また、特定のビジネス機能に合わせて、各ペルソナ内に異なるレンズや視点を作成することもできます。あなたの「週末戦士」ペルソナには、マーケティングの視点 (メッセージングの好み、チャネルの習慣、キャンペーンの反応)、製品の視点 (機能の優先順位、使いやすさのパターン、アップグレードのトリガー)、およびサポートの視点 (よくある質問、不満点、解決策の好み) がある場合があります。マーケティング マネージャーが質問すると、AI はマーケティング関連の情報を引き出します。プロダクトマネージャーが尋ねると、製品のレンズから目を逸らします。同じペルソナでも、質問者によって深さが異なります。
ペルソナには、目標とタスク、質問と反対意見、問題点、タッチポイント、サービスギャップなど、以前に説明したすべての機能要素を含める必要があります。しかし現在、これらの要素は、AI が各ペルソナの観点から質問を評価し、その意見を実行可能な推奨事項に統合する方法の基礎となります。 実装オプション リソースとニーズに応じて、さまざまなレベルの洗練度でこれを設定できます。 シンプルなアプローチ 現在、ほとんどの AI プラットフォームは、参照ドキュメントをアップロードできるプロジェクトまたはワークスペース機能を提供しています。 ChatGPT では、これらはプロジェクトと呼ばれます。クロードにも同様の特徴があります。副操縦士とジェミニはそれらをスペースまたはジェムと呼んでいます。 まず、専用のプロジェクトを作成し、主要な調査ドキュメントとペルソナをアップロードします。次に、質問に応答するときにすべてのペルソナに相談するように AI に指示する明確な指示を書きます。次のようなもの: あなたは関係者がユーザーを理解するのに役立ちます。質問されたら、このプロジェクトのすべてのユーザー ペルソナに相談し、(1) 各ペルソナがどのように応答する可能性があるかについての簡単な概要、(2) 一致する点と異なる点を強調した概要、および (3) 集合的な観点に基づいた推奨事項を提供します。すべての調査文書を利用して分析を行います。調査でトピックが完全にカバーされていない場合は、Reddit、Twitter、関連フォーラムなどのソーシャル プラットフォームを検索して、これらのペルソナに一致する人々が同様の問題についてどのように議論しているかを確認してください。まだ何か不明な点がある場合は、正直にその旨を伝え、役立つ可能性のある追加の調査を提案してください。
このアプローチにはいくつかの制限があります。アップロードできるファイルの数には制限があるため、最も重要な調査を優先するか、ペルソナを 1 つの包括的なドキュメントに統合する必要がある場合があります。 より洗練されたアプローチ 大規模な組織や継続的に使用する場合、Notion のようなツールは、研究リポジトリ全体を保持でき、AI 機能が組み込まれているため、利点があります。さまざまな種類の研究用にデータベースを作成し、それらをリンクし、AI を使用してあらゆるものに対してクエリを実行できます。
ここでの利点は、AI がより多くのコンテキストにアクセスできることです。関係者が質問すると、アンケート、サポート チケット、インタビュー記録、分析データを一度に活用できます。これにより、より豊かで微妙な応答が可能になります。 これに代わるものではないもの 制限について明確にする必要があります。 仮想ペルソナは、実際のユーザーとの会話に代わるものではありません。これらは、既存の研究をよりアクセスしやすく、実用的なものにする方法です。 まだ一次調査が必要なシナリオがいくつかあります。
既存の研究ではカバーされていない真に新しいものを立ち上げるとき。 特定の設計やプロトタイプを検証する必要がある場合。 リポジトリ データが古くなった場合。 ステークホルダーがいるとき共感を築くには、実際の人間から直接話を聞く必要があります。
実際、こうした状況を認識するように AI を構成できます。誰かが調査で答えられる範囲を超えた質問をすると、AI は次のように答えることができます。「自信を持って答えるには十分な情報がありません。これは、簡単なユーザー インタビューやアンケートには良い質問かもしれません。」 新しい調査を実施すると、そのデータがリポジトリにフィードバックされます。理解が深まるにつれて、ペルソナは時間の経過とともに進化します。これは、ペルソナを一度作成してから徐々に時代遅れになる従来のアプローチよりもはるかに優れています。 組織の転換 このアプローチが組織内で普及すると、何か興味深いことが起こります。 UX チームの役割は、ユーザーの知識の門番から、リポジトリの管理者および保守者に変わります。 読まれるかどうかわからないレポートの作成に時間を費やすのではなく、リポジトリが最新の状態に保たれ、AI が有用な応答を返すように構成されていることを確認することに時間を費やします。 研究コミュニケーションは、プッシュ (プレゼンテーション、レポート、電子メール) からプル (関係者が答えを必要とするときに質問する) に変わります。ユーザー中心の考え方は、1 つのチームに集中するのではなく、組織全体に分散されます。 だからといって、UX研究者の価値が下がるわけではありません。むしろ、彼らの仕事の範囲が広がり、より大きな影響力を持つようになるため、彼らの価値はさらに高まります。しかし、それは仕事の性質を変えることになります。 はじめに このアプローチを試してみたい場合は、小さなことから始めてください。本題に入る前に機能ペルソナの入門書が必要な場合は、機能ペルソナの作成に関する詳細なガイドを書いています。プロジェクトまたはチームを 1 つ選択し、ChatGPT プロジェクトまたは同様のツールを使用して簡単な実装をセットアップします。手持ちの調査を（不完全だと思われる場合でも）収集し、1 つまたは 2 つのペルソナを作成し、関係者がどのように反応するかを確認します。 彼らがどんな質問をするかに注目してください。これらにより、研究のどこにギャップがあるのか、どのような追加データが最も価値があるのかがわかります。 アプローチを改良すると、より多くのチームとより洗練されたツールに拡張できます。しかし、核となる原則は変わりません。それは、散在するユーザーの知識をすべて収集し、組織内の誰もが聞くことができる意見を提供することです。 前回の記事で、私は人口統計上のペルソナから、ユーザーが何をしようとしているのかに焦点を当てた機能上のペルソナに移行する必要があると主張しました。私は今、次のステップに進むことを提案しています。静的なペルソナから、意思決定が行われる会話に実際に参加できる対話型のペルソナへです。 なぜなら、組織全体で毎日、人々がユーザーに影響を与える意思決定を行っているからです。そして、それが仮想テーブルであっても、ユーザーはテーブルに着席する権利があります。 SmashingMag の続きを読む
「ペルソナを詳しく見る: ペルソナの概要とその仕組み | 1」Shlomo Goltz 「データベースのペルソナを使用してデザイン プロセスを改善する方法」、ティム ノッツェル 「UX リサーチを無視しにくくする方法」ヴィタリー・フリードマン 「ユーザー調査のために強力な顧客関係を構築する方法」、ルネッサンス レイチェル
