I min tidligere artikel undersøgte jeg, hvordan AI kan hjælpe os med at skabe funktionelle personligheder mere effektivt. Vi så på at opbygge personas, der fokuserer på, hvad brugerne forsøger at opnå frem for demografiske profiler, der ser godt ud på plakater, men som sjældent ændrer designbeslutninger. Men at skabe personas er kun halvdelen af kampen. Den største udfordring er at få denne indsigt i hænderne på mennesker, der har brug for dem, i det øjeblik, de har brug for dem. Hver dag træffer mennesker på tværs af din organisation beslutninger, der påvirker brugeroplevelsen. Produktteams beslutter, hvilke funktioner der skal prioriteres. Marketingteams laver kampagner. Økonomiteams designer faktureringsprocesser. Kundesupportteams skriver svarskabeloner. Alle disse beslutninger former, hvordan brugerne oplever dit produkt eller din tjeneste. Og de fleste af dem sker uden input fra faktiske brugere. Problemet med, hvordan vi deler brugerforskning Du laver researchen. Du skaber personaerne. Du skriver rapporterne. Du holder oplæggene. Du laver endda fancy infografik. Og hvad sker der så? Forskningen sidder i et fællesdrev et eller andet sted og samler langsomt digitalt støv. Personaerne bliver refereret i kickoff-møder og derefter glemt. Rapporterne bliver skimmet én gang og aldrig åbnet igen. Når en produktchef beslutter sig for, om de vil tilføje en ny funktion, graver de sandsynligvis ikke gennem sidste års forskningsopbevaring. Når økonomiteamet omdesigner faktura-e-mailen, konsulterer de næsten helt sikkert ikke brugernes personas. De gør deres bedste gæt og går videre. Dette er ikke en kritik af disse hold. De har travlt. De har deadlines. Og helt ærligt, selvom de ville konsultere forskningen, ville de sandsynligvis ikke vide, hvor de skulle finde den, eller hvordan de skulle tolke den til deres specifikke spørgsmål. Viden forbliver låst inde i hovederne på UX-teamet, som umuligt kan være til stede for enhver beslutning, der træffes på tværs af organisationen. Hvad hvis brugere rent faktisk kunne tale? Hvad hvis vi i stedet for at skabe statiske dokumenter, som folk skal finde og fortolke, kunne give interessenter en måde at konsultere alle dine brugere på én gang?
Forestil dig en marketingchef, der arbejder på en ny kampagne. I stedet for at prøve at huske, hvad personerne sagde om meddelelsespræferencer, kunne de simpelthen spørge: "Jeg overvejer at lede med et rabattilbud i denne e-mail. Hvad ville vores brugere tænke?" Og AI'en, der trækker på alle dine forskningsdata og personas, kunne reagere med et konsolideret syn: hvordan hver persona sandsynligvis ville reagere, hvor de er enige, hvor de adskiller sig, og et sæt anbefalinger baseret på deres kollektive perspektiver. Et spørgsmål, syntetiseret indsigt på tværs af hele din brugerbase.
Dette er ikke science fiction. Med AI kan vi bygge præcis denne slags system. Vi kan tage al den spredte forskning (undersøgelserne, interviewene, supportbilletterne, analyserne, selve personaerne) og omdanne den til en interaktiv ressource, som alle kan forespørge på for at få feedback fra flere perspektiver. Opbygning af User Research Repository Grundlaget for denne tilgang er et centraliseret lager af alt, hvad du ved om dine brugere. Tænk på det som en enkelt kilde til sandhed, som AI kan få adgang til og trække fra. Hvis du har lavet brugerundersøgelser i længere tid, har du sandsynligvis flere data, end du er klar over. Det er bare spredt over forskellige værktøjer og formater:
Undersøgelsesresultater sidder i din undersøgelsesplatform, Interviewudskrifter i Google Docs, Kundesupportbilletter i dit helpdesk-system, Analysedata i forskellige dashboards, Sociale medier omtaler og anmeldelser, Gamle personer fra tidligere projekter, Usability test optagelser og noter.
Det første skridt er at samle alt dette på ét sted. Det behøver ikke at være perfekt organiseret. AI er bemærkelsesværdigt god til at give mening med rodet input. Hvis du starter fra bunden og ikke har meget eksisterende forskning, kan du bruge AI-dybdeforskningsværktøjer til at etablere en baseline.
Disse værktøjer kan scanne internettet for diskussioner om din produktkategori, anmeldelser fra konkurrenter og almindelige spørgsmål, som folk stiller. Dette giver dig noget at arbejde med, mens du bygger din primære forskning ud. Oprettelse af interaktive personas Når du har dit lager, er næste trin at skabe personas, som AI kan konsultere på vegne af interessenter. Dette bygger direkte på den funktionelle persona-tilgang, jeg skitserede i min tidligere artikel, med en vigtig forskel: disse personas bliver linser, hvorigennem AI analyserer spørgsmål, ikke kun referencerdokumenter. Processen fungerer således:
Giv dit forskningslager til et AI-værktøj. Bed den om at identificere særskilte brugersegmenter baseret på mål, opgaver og friktionspunkter. Få det til at generere detaljerede personas for hvert segment. Konfigurer AI til at konsultere alle personas, når interessenter stiller spørgsmål, hvilket giver konsolideret feedback.
Det er her, denne tilgang afviger væsentligt fra traditionelle personas. Fordi AI er den primære forbruger af disse persona-dokumenter, behøver de ikke at kunne scannes eller passe på en enkelt side. Traditionelle personligheder er begrænset af menneskelig læsbarhed: du skal destillere alt ned til punktopstillinger og nøglecitater, som nogen kan absorbere med et øjeblik. Men AI har ingen sådan begrænsning. Det betyder, at dine personas kan være betydeligt mere detaljerede. Du kan inkludere lange adfærdsobservationer, modstridende datapunkter og nuanceret kontekst, som aldrig ville overleve redigeringsprocessen for en traditionel personaplakat. AI'en kan rumme al denne kompleksitet og trække på den, når den besvarer spørgsmål. Du kan også skabe forskellige linser eller perspektiver inden for hver persona, skræddersyet til specifikke forretningsfunktioner. Din "Weekend Warrior"-persona kan have en marketinglinse (beskedpræferencer, kanalvaner, kampagnesvar), en produktlinse (funktionsprioriteter, brugervenlighedsmønstre, opgraderingstriggere) og en supportlinse (almindelige spørgsmål, frustrationspunkter, opløsningspræferencer). Når en marketingchef stiller et spørgsmål, trækker AI'en på den marketingrelevante information. Når en produktchef spørger, trækker den sig fra produktlinsen. Samme persona, forskellig dybde alt efter hvem der spørger.
Personaerne bør stadig indeholde alle de funktionelle elementer, vi diskuterede før: mål og opgaver, spørgsmål og indvendinger, smertepunkter, berøringspunkter og servicegab. Men nu bliver disse elementer grundlaget for, hvordan AI'en vurderer spørgsmål fra hver persons perspektiv og syntetiserer deres synspunkter til praktiske anbefalinger. Implementeringsmuligheder Du kan indstille dette med forskellige niveauer af sofistikering afhængigt af dine ressourcer og behov. Den simple tilgang De fleste AI-platforme tilbyder nu projekt- eller arbejdsområdefunktioner, som lader dig uploade referencedokumenter. I ChatGPT kaldes disse projekter. Claude har en lignende egenskab. Copilot og Gemini kalder dem Spaces eller Gems. For at komme i gang skal du oprette et dedikeret projekt og uploade dine vigtige forskningsdokumenter og personas. Skriv derefter klare instruktioner, der fortæller AI'en om at konsultere alle personas, når de svarer på spørgsmål. Noget som: Du hjælper interessenter med at forstå vores brugere. Når der stilles spørgsmål, skal du konsultere alle brugerpersonaerne i dette projekt og give: (1) en kort oversigt over, hvordan hver persona sandsynligvis ville reagere, (2) en oversigt, der fremhæver, hvor de er enige, og hvor de adskiller sig, og (3) anbefalinger baseret på deres kollektive perspektiver. Træk på alle forskningsdokumenterne for at informere din analyse. Hvis forskningen ikke dækker et emne fuldt ud, søg på sociale platforme som Reddit, Twitter og relevante fora for at se, hvordan personer, der matcher disse personas, diskuterer lignende problemer. Hvis du stadig er usikker på noget, så sig det ærligt og foreslå, hvad yderligere forskning kan hjælpe.
Denne tilgang har nogle begrænsninger. Der er grænser for, hvor mange filer du kan uploade, så du skal muligvis prioritere din vigtigste forskning eller konsolidere dine personas i et enkelt omfattende dokument. Den mere sofistikerede tilgang Til større organisationer eller mere løbende brug giver et værktøj som Notion fordele, fordi det kan rumme hele dit forskningslager og har AI-kapaciteter indbygget. Du kan oprette databaser til forskellige typer forskning, linke dem sammen og derefter bruge AI'en til at forespørge på tværs af alt.
Fordelen her er, at AI har adgang til meget mere kontekst. Når en interessent stiller et spørgsmål, kan den trække på undersøgelser, supportbilletter, interviewudskrifter og analysedata på én gang. Dette giver rigere, mere nuancerede svar. Hvad dette ikke erstatter Jeg burde være klar over begrænsningerne. Virtuelle personas er ikke en erstatning for at tale med rigtige brugere. De er en måde at gøre eksisterende forskning mere tilgængelig og anvendelig på. Der er flere scenarier, hvor du stadig har brug for primær forskning:
Når du lancerer noget helt nyt, som din eksisterende forskning ikke dækker; Når du skal validere specifikke designs eller prototyper; Når dine lagerdata bliver forældede; Når interessenterbehov for at høre direkte fra rigtige mennesker for at opbygge empati.
Faktisk kan du konfigurere AI til at genkende disse situationer. Når nogen stiller et spørgsmål, der går ud over, hvad forskningen kan svare på, kan AI svare med noget som: "Jeg har ikke nok information til at svare sikkert på det. Dette kan være et godt spørgsmål til et hurtigt brugerinterview eller en undersøgelse." Og når du udfører ny forskning, føres disse data tilbage til depotet. Personaerne udvikler sig over tid, efterhånden som din forståelse bliver dybere. Dette er meget bedre end den traditionelle tilgang, hvor personas bliver skabt én gang og så langsomt forældes. Det organisatoriske skift Hvis denne tilgang fanger i din organisation, sker der noget interessant. UX-teamets rolle skifter fra at være gatekeepere af brugerviden til at være kuratorer og vedligeholdere af repository. I stedet for at bruge tid på at oprette rapporter, der måske eller måske ikke bliver læst, bruger du tid på at sikre, at lageret forbliver opdateret, og at AI er konfigureret til at give nyttige svar. Forskningskommunikation skifter fra push (præsentationer, rapporter, e-mails) til pull (interessenter stiller spørgsmål, når de har brug for svar). Brugercentreret tænkning bliver fordelt på tværs af organisationen snarere end koncentreret i ét team. Dette gør ikke UX-forskere mindre værd. Om noget gør det dem mere værdifulde, fordi deres arbejde nu har en bredere rækkevidde og større effekt. Men det ændrer arbejdets karakter. Kom godt i gang Hvis du vil prøve denne tilgang, så start i det små. Hvis du har brug for en primer om funktionelle personas, før du dykker ind, har jeg skrevet en detaljeret guide til at skabe dem. Vælg et projekt eller et team, og opret en simpel implementering ved hjælp af ChatGPT Projects eller et lignende værktøj. Saml den forskning, du har (selvom den føles ufuldstændig), skab en eller to personas, og se, hvordan interessenter reagerer. Vær opmærksom på, hvilke spørgsmål de stiller. Disse vil fortælle dig, hvor din forskning har huller, og hvilke yderligere data der ville være mest værdifulde. Efterhånden som du forfiner tilgangen, kan du udvide til flere teams og mere sofistikeret værktøj. Men kerneprincippet forbliver det samme: Tag al den spredte brugerviden og giv den en stemme, som alle i din organisation kan høre. I min tidligere artikel argumenterede jeg for, at vi skulle bevæge os fra demografiske personer til funktionelle personer, der fokuserer på, hvad brugerne forsøger at gøre. Nu foreslår jeg, at vi tager det næste skridt: fra statiske personas til interaktive, der faktisk kan deltage i de samtaler, hvor beslutninger bliver truffet. For hver dag, på tværs af din organisation, træffer folk beslutninger, der påvirker dine brugere. Og dine brugere fortjener en plads ved bordet, selvom det er virtuelt. Yderligere læsning om SmashingMag
"Et nærmere kig på personas: Hvad de er, og hvordan de fungerer | 1", Shlomo Goltz "Sådan forbedrer du din designproces med databaserede personas", Tim Noetzel "Sådan gør du din UX-forskning svær at ignorere", Vitaly Friedman "Sådan opbygger man stærke kunderelationer til brugerforskning", Renaissance Rachel
