នៅក្នុងអត្ថបទមុនរបស់ខ្ញុំ ខ្ញុំបានស្វែងយល់ពីរបៀបដែល AI អាចជួយយើងបង្កើតមុខងារបុគ្គលិកឱ្យកាន់តែមានប្រសិទ្ធភាព។ យើងបានមើលលើការកសាងបុគ្គលដែលផ្តោតលើអ្វីដែលអ្នកប្រើកំពុងព្យាយាមសម្រេចជាជាងទម្រង់ប្រជាសាស្រ្តដែលមើលទៅល្អនៅលើផ្ទាំងរូបភាព ប៉ុន្តែកម្រនឹងផ្លាស់ប្តូរការសម្រេចចិត្តរចនា។ ប៉ុន្តែការបង្កើត personas គឺគ្រាន់តែពាក់កណ្តាលសមរភូមិប៉ុណ្ណោះ។ បញ្ហាប្រឈមធំជាងនេះគឺការទទួលបានការយល់ដឹងទាំងនោះទៅក្នុងដៃមនុស្សដែលត្រូវការពួកគេ នៅពេលដែលពួកគេត្រូវការ។ ជារៀងរាល់ថ្ងៃ មនុស្សទូទាំងស្ថាប័នរបស់អ្នកធ្វើការសម្រេចចិត្តដែលប៉ះពាល់ដល់បទពិសោធន៍អ្នកប្រើប្រាស់។ ក្រុមផលិតផលសម្រេចថាលក្ខណៈពិសេសណាមួយដែលត្រូវកំណត់អាទិភាព។ ក្រុមទីផ្សារបង្កើតយុទ្ធនាការ។ ក្រុមហិរញ្ញវត្ថុរៀបចំដំណើរការវិក្កយបត្រ។ ក្រុមគាំទ្រអតិថិជនសរសេរគំរូឆ្លើយតប។ ការសម្រេចចិត្តទាំងអស់នេះបង្ហាញពីរបៀបដែលអ្នកប្រើប្រាស់ជួបប្រទះនឹងផលិតផល ឬសេវាកម្មរបស់អ្នក។ ហើយភាគច្រើននៃពួកវាកើតឡើងដោយគ្មានការបញ្ចូលណាមួយពីអ្នកប្រើប្រាស់ពិតប្រាកដ។ បញ្ហាជាមួយនឹងរបៀបដែលយើងចែករំលែកការស្រាវជ្រាវអ្នកប្រើប្រាស់ អ្នកធ្វើការស្រាវជ្រាវ។ អ្នកបង្កើតមនុស្ស។ អ្នកសរសេររបាយការណ៍។ អ្នកផ្តល់បទបង្ហាញ។ អ្នកថែមទាំងបង្កើត Infographics ដ៏ប្រណិត។ ហើយបន្ទាប់មកមានអ្វីកើតឡើង? ការស្រាវជ្រាវស្ថិតនៅក្នុងដ្រាយចែករំលែកនៅកន្លែងណាមួយ ប្រមូលផ្តុំធូលីឌីជីថលយឺតៗ។ មនុស្សត្រូវបានយោងនៅក្នុងការប្រជុំចាប់ផ្តើមហើយបន្ទាប់មកភ្លេច។ របាយការណ៍ត្រូវបានសង្ខេបម្តងហើយមិនដែលបើកម្តងទៀត។ នៅពេលដែលអ្នកគ្រប់គ្រងផលិតផលកំពុងសម្រេចចិត្តថាតើត្រូវបន្ថែមមុខងារថ្មីឬអត់ ពួកគេប្រហែលជាមិនស្វែងរកឃ្លាំងស្រាវជ្រាវកាលពីឆ្នាំមុនទេ។ នៅពេលដែលក្រុមហិរញ្ញវត្ថុកំពុងរៀបចំអ៊ីមែលវិក្កយបត្រឡើងវិញ ពួកគេស្ទើរតែមិនពិគ្រោះជាមួយបុគ្គលរបស់អ្នកប្រើប្រាស់នោះទេ។ ពួកគេធ្វើការទាយដ៏ល្អបំផុតរបស់ពួកគេ ហើយបន្តទៅមុខទៀត។ នេះមិនមែនជាការរិះគន់ក្រុមទាំងនោះទេ។ ពួកគេរវល់។ ពួកគេមានកាលបរិច្ឆេទកំណត់។ ហើយនិយាយដោយស្មោះត្រង់ បើទោះបីជាពួកគេចង់ពិគ្រោះជាមួយការស្រាវជ្រាវក៏ដោយ ក៏ពួកគេប្រហែលជាមិនដឹងថាត្រូវរកវានៅឯណា ឬរបៀបបកស្រាយវាសម្រាប់សំណួរជាក់លាក់របស់ពួកគេ។ ចំណេះដឹងនៅតែជាប់គាំងនៅក្នុងប្រធានក្រុម UX ដែលមិនអាចមានវត្តមានសម្រាប់រាល់ការសម្រេចចិត្តដែលត្រូវបានធ្វើឡើងនៅទូទាំងស្ថាប័ន។ ចុះបើអ្នកប្រើប្រាស់ពិតជាអាចនិយាយបាន? ចុះប្រសិនបើជំនួសឱ្យការបង្កើតឯកសារឋិតិវន្តដែលមនុស្សត្រូវការស្វែងរក និងបកស្រាយ យើងអាចផ្តល់ឱ្យភាគីពាក់ព័ន្ធនូវវិធីមួយដើម្បីពិគ្រោះជាមួយអ្នកប្រើប្រាស់ទាំងអស់របស់អ្នកក្នុងពេលតែមួយ?
ស្រមៃមើលអ្នកគ្រប់គ្រងទីផ្សារដែលកំពុងធ្វើការលើយុទ្ធនាការថ្មីមួយ។ ជំនួសឱ្យការព្យាយាមចងចាំនូវអ្វីដែលបុគ្គលបាននិយាយអំពីចំណូលចិត្តនៃការផ្ញើសារ ពួកគេអាចសួរយ៉ាងសាមញ្ញថា "ខ្ញុំកំពុងគិតអំពីការនាំមុខជាមួយនឹងការផ្តល់ជូនបញ្ចុះតម្លៃនៅក្នុងអ៊ីមែលនេះ។ តើអ្នកប្រើប្រាស់របស់យើងគិតយ៉ាងណា?" ហើយ AI ដែលគូរលើទិន្នន័យស្រាវជ្រាវរបស់អ្នក និងបុគ្គលទាំងអស់អាចឆ្លើយតបជាមួយនឹងទិដ្ឋភាពរួមមួយ៖ របៀបដែលបុគ្គលនីមួយៗទំនងជាមានប្រតិកម្ម កន្លែងដែលពួកគេយល់ព្រម កន្លែងដែលពួកគេខុសគ្នា និងសំណុំនៃអនុសាសន៍ផ្អែកលើទស្សនៈរួមរបស់ពួកគេ។ សំណួរមួយ ការយល់ដឹងដែលបានសំយោគនៅទូទាំងមូលដ្ឋានអ្នកប្រើប្រាស់ទាំងមូលរបស់អ្នក។
នេះមិនមែនជារឿងប្រឌិតបែបវិទ្យាសាស្ត្រទេ។ ជាមួយនឹង AI យើងអាចបង្កើតប្រព័ន្ធបែបនេះយ៉ាងពិតប្រាកដ។ យើងអាចយកការស្រាវជ្រាវដែលខ្ចាត់ខ្ចាយទាំងអស់នោះ (ការស្ទង់មតិ ការសម្ភាសន៍ សំបុត្រគាំទ្រ ការវិភាគ បុគ្គលខ្លួនឯង) ហើយប្រែក្លាយវាទៅជាធនធានអន្តរកម្ម ដែលអ្នកណាម្នាក់អាចសាកសួរសម្រាប់មតិកែលម្អពហុទស្សនៈ។ ការកសាងឃ្លាំងស្រាវជ្រាវអ្នកប្រើប្រាស់ មូលដ្ឋានគ្រឹះនៃវិធីសាស្រ្តនេះគឺជាឃ្លាំងកណ្តាលនៃអ្វីគ្រប់យ៉ាងដែលអ្នកដឹងអំពីអ្នកប្រើប្រាស់របស់អ្នក។ គិតថាវាជាប្រភពនៃការពិតតែមួយដែល AI អាចចូលប្រើនិងទាញយកពី។ ប្រសិនបើអ្នកកំពុងធ្វើការស្រាវជ្រាវអ្នកប្រើប្រាស់ក្នុងរយៈពេលណាមួយ អ្នកប្រហែលជាមានទិន្នន័យច្រើនជាងអ្នកដឹង។ វាត្រូវបានរាយប៉ាយនៅទូទាំងឧបករណ៍ និងទម្រង់ផ្សេងៗគ្នា៖
លទ្ធផលស្ទង់មតិអង្គុយនៅក្នុងវេទិកាស្ទង់មតិរបស់អ្នក, សំភាសន៍ប្រតិចារិកក្នុង Google Docs, សំបុត្រជំនួយអតិថិជននៅក្នុងប្រព័ន្ធ helpdesk របស់អ្នក ទិន្នន័យវិភាគនៅក្នុងផ្ទាំងគ្រប់គ្រងផ្សេងៗ, ប្រព័ន្ធផ្សព្វផ្សាយសង្គមលើកឡើង និងពិនិត្យ, មនុស្សចាស់ពីគម្រោងមុន, កំណត់ចំណាំ និងតេស្តសមត្ថភាពប្រើប្រាស់។
ជំហានដំបូងគឺប្រមូលរបស់ទាំងអស់នេះទៅកន្លែងមួយ។ វាមិនចាំបាច់រៀបចំយ៉ាងល្អឥតខ្ចោះនោះទេ។ AI គឺល្អគួរឱ្យកត់សម្គាល់ក្នុងការធ្វើឱ្យមានអារម្មណ៍នៃការបញ្ចូលដែលរញ៉េរញ៉ៃ។ ប្រសិនបើអ្នកចាប់ផ្តើមពីដំបូង ហើយមិនមានការស្រាវជ្រាវដែលមានស្រាប់ច្រើនទេ អ្នកអាចប្រើឧបករណ៍ស្រាវជ្រាវស៊ីជម្រៅ AI ដើម្បីបង្កើតមូលដ្ឋានគ្រឹះមួយ។
ឧបករណ៍ទាំងនេះអាចស្កេនគេហទំព័រសម្រាប់ការពិភាក្សាអំពីប្រភេទផលិតផលរបស់អ្នក ការពិនិត្យគូប្រជែង និងសំណួរទូទៅដែលមនុស្សសួរ។ នេះផ្តល់ឱ្យអ្នកនូវអ្វីដែលត្រូវធ្វើការជាមួយ ខណៈពេលដែលអ្នកបង្កើតការស្រាវជ្រាវបឋមរបស់អ្នក។ ការបង្កើតបុគ្គលអន្តរកម្ម នៅពេលដែលអ្នកមានឃ្លាំងរបស់អ្នក ជំហានបន្ទាប់គឺបង្កើតបុគ្គលដែល AI អាចពិគ្រោះយោបល់ជំនួសអ្នកពាក់ព័ន្ធ។ នេះបង្កើតដោយផ្ទាល់លើវិធីសាស្រ្តបុគ្គលដែលមានមុខងារដែលខ្ញុំបានរៀបរាប់នៅក្នុងអត្ថបទមុនរបស់ខ្ញុំ ជាមួយនឹងភាពខុសគ្នាសំខាន់មួយ៖ មនុស្សទាំងនេះក្លាយជាកញ្ចក់ដែល AI វិភាគសំណួរ មិនមែនគ្រាន់តែជាឯកសារយោងប៉ុណ្ណោះទេឯកសារ។ ដំណើរការដំណើរការដូចនេះ៖
បញ្ចូលឃ្លាំងស្រាវជ្រាវរបស់អ្នកទៅឧបករណ៍ AI ។ សុំឱ្យវាកំណត់អត្តសញ្ញាណផ្នែកអ្នកប្រើប្រាស់ផ្សេងគ្នា ដោយផ្អែកលើគោលដៅ ភារកិច្ច និងចំណុចកកិត។ ឱ្យវាបង្កើតបុគ្គលលម្អិតសម្រាប់ផ្នែកនីមួយៗ។ កំណត់រចនាសម្ព័ន្ធ AI ដើម្បីពិគ្រោះជាមួយបុគ្គលទាំងអស់ នៅពេលដែលភាគីពាក់ព័ន្ធសួរសំណួរ ផ្តល់មតិកែលម្អរួម។
នេះគឺជាកន្លែងដែលវិធីសាស្រ្តនេះខុសគ្នាយ៉ាងខ្លាំងពីបុគ្គលប្រពៃណី។ ដោយសារតែ AI គឺជាអ្នកប្រើប្រាស់ចម្បងនៃឯកសារ persona ទាំងនេះ ពួកគេមិនចាំបាច់ស្កេន ឬសមនៅលើទំព័រតែមួយនោះទេ។ បុគ្គលបែបបុរាណត្រូវបានរារាំងដោយការអានរបស់មនុស្ស៖ អ្នកត្រូវបង្វែរអ្វីៗគ្រប់យ៉ាងទៅជាចំណុចចំណុច និងសម្រង់សំខាន់ៗដែលនរណាម្នាក់អាចស្រូបយកបានភ្លាមៗ។ ប៉ុន្តែ AI មិនមានដែនកំណត់បែបនេះទេ។ នេះមានន័យថា បុគ្គលរបស់អ្នកអាចលម្អិតបន្ថែមទៀត។ អ្នកអាចរួមបញ្ចូលការសង្កេតអាកប្បកិរិយារយៈពេលវែង ចំណុចទិន្នន័យផ្ទុយគ្នា និងបរិបទមិនច្បាស់លាស់ ដែលនឹងមិនរួចផុតពីដំណើរការកែសម្រួលសម្រាប់ផ្ទាំងរូបភាពបុគ្គលបែបប្រពៃណី។ AI អាចទប់ស្មុគស្មាញទាំងអស់នេះ ហើយទាញយកវាពេលឆ្លើយសំណួរ។ អ្នកក៏អាចបង្កើតកែវថត ឬទស្សនវិស័យផ្សេងៗគ្នានៅក្នុងបុគ្គលនីមួយៗ ស្របតាមមុខងារអាជីវកម្មជាក់លាក់។ បុគ្គលិកលក្ខណៈ "អ្នកចម្បាំងចុងសប្តាហ៍" របស់អ្នកអាចមានកញ្ចក់ទីផ្សារ (ចំណូលចិត្តការផ្ញើសារ ទម្លាប់ប៉ុស្តិ៍ ការឆ្លើយតបនៃយុទ្ធនាការ) កញ្ចក់ផលិតផល (អាទិភាពលក្ខណៈពិសេស គំរូលទ្ធភាពប្រើប្រាស់ ធ្វើឱ្យប្រសើរ) និងកញ្ចក់ជំនួយ (សំណួរទូទៅ ចំណុចខកចិត្ត ចំណូលចិត្តដំណោះស្រាយ)។ នៅពេលអ្នកគ្រប់គ្រងទីផ្សារសួរសំណួរ AI ទាញព័ត៌មានទាក់ទងនឹងទីផ្សារ។ នៅពេលដែលអ្នកគ្រប់គ្រងផលិតផលសួរ វាទាញចេញពីកញ្ចក់ផលិតផល។ បុគ្គលដូចគ្នា ជម្រៅខុសគ្នា អាស្រ័យលើអ្នកណាសួរ។
បុគ្គលគួរតែនៅតែរួមបញ្ចូលធាតុមុខងារទាំងអស់ដែលយើងបានពិភាក្សាពីមុន៖ គោលដៅ និងភារកិច្ច សំណួរ និងការជំទាស់ ចំណុចឈឺចាប់ ចំណុចប៉ះ និងចន្លោះសេវាកម្ម។ ប៉ុន្តែឥឡូវនេះធាតុទាំងនេះក្លាយជាមូលដ្ឋានសម្រាប់របៀបដែល AI វាយតម្លៃសំណួរពីទស្សនៈរបស់មនុស្សម្នាក់ៗ ដោយសំយោគទស្សនៈរបស់ពួកគេទៅជាអនុសាសន៍ដែលអាចអនុវត្តបាន។ ជម្រើសនៃការអនុវត្ត អ្នកអាចរៀបចំវាជាមួយកម្រិតភាពទំនើបខុសៗគ្នាអាស្រ័យលើធនធាន និងតម្រូវការរបស់អ្នក។ វិធីសាស្រ្តសាមញ្ញ ឥឡូវនេះវេទិកា AI ភាគច្រើនផ្តល់ជូននូវមុខងារគម្រោង ឬកន្លែងធ្វើការ ដែលអនុញ្ញាតឱ្យអ្នកផ្ទុកឯកសារយោង។ នៅក្នុង ChatGPT ទាំងនេះត្រូវបានគេហៅថាគម្រោង។ Claude មានលក្ខណៈពិសេសស្រដៀងគ្នា។ Copilot និង Gemini ហៅពួកគេថា Space ឬ Gems ។ ដើម្បីចាប់ផ្តើម បង្កើតគម្រោងជាក់លាក់មួយ ហើយបង្ហោះឯកសារស្រាវជ្រាវសំខាន់ៗ និងបុគ្គលរបស់អ្នក។ បន្ទាប់មកសរសេរការណែនាំច្បាស់លាស់ប្រាប់ AI ឱ្យពិគ្រោះជាមួយមនុស្សទាំងអស់នៅពេលឆ្លើយសំណួរ។ អ្វីមួយដូចជា៖ អ្នកកំពុងជួយភាគីពាក់ព័ន្ធឱ្យយល់ពីអ្នកប្រើប្រាស់របស់យើង។ នៅពេលសួរសំណួរ សូមពិគ្រោះជាមួយអ្នកប្រើប្រាស់ទាំងអស់នៅក្នុងគម្រោងនេះ ហើយផ្តល់៖ (1) សេចក្តីសង្ខេបខ្លីៗអំពីរបៀបដែលបុគ្គលម្នាក់ៗទំនងជានឹងឆ្លើយតប (2) ទិដ្ឋភាពទូទៅដែលបញ្ជាក់ពីកន្លែងដែលពួកគេយល់ព្រម និងកន្លែងដែលពួកគេខុសគ្នា និង (3) អនុសាសន៍ផ្អែកលើទស្សនៈរួមរបស់ពួកគេ។ គូរលើឯកសារស្រាវជ្រាវទាំងអស់ ដើម្បីជូនដំណឹងអំពីការវិភាគរបស់អ្នក។ ប្រសិនបើការស្រាវជ្រាវមិនគ្របដណ្តប់ទាំងស្រុងលើប្រធានបទណាមួយទេ សូមស្វែងរកវេទិកាសង្គមដូចជា Reddit, Twitter និងវេទិកាដែលពាក់ព័ន្ធ ដើម្បីមើលពីរបៀបដែលមនុស្សដែលត្រូវគ្នានឹងបុគ្គលទាំងនេះពិភាក្សាអំពីបញ្ហាស្រដៀងគ្នានេះ។ ប្រសិនបើអ្នកនៅតែមិនប្រាកដអំពីអ្វីមួយ សូមនិយាយដោយស្មោះត្រង់ ហើយផ្តល់យោបល់ថាតើការស្រាវជ្រាវបន្ថែមអាចជួយអ្វីខ្លះ។
វិធីសាស្រ្តនេះមានដែនកំណត់មួយចំនួន។ មានអក្សរកាត់លើចំនួនឯកសារដែលអ្នកអាចផ្ទុកឡើង ដូច្នេះអ្នកប្រហែលជាត្រូវកំណត់អាទិភាពលើការស្រាវជ្រាវដ៏សំខាន់បំផុតរបស់អ្នក ឬបង្រួបបង្រួមបុគ្គលរបស់អ្នកទៅក្នុងឯកសារដ៏ទូលំទូលាយតែមួយ។ វិធីសាស្រ្តកាន់តែទំនើប សម្រាប់ស្ថាប័នធំ ឬការប្រើប្រាស់ជាបន្តបន្ទាប់ ឧបករណ៍ដូចជា Notion ផ្តល់អត្ថប្រយោជន៍ ព្រោះវាអាចផ្ទុកឃ្លាំងស្រាវជ្រាវទាំងមូលរបស់អ្នក និងមានសមត្ថភាព AI ភ្ជាប់មកជាមួយ។ អ្នកអាចបង្កើតមូលដ្ឋានទិន្នន័យសម្រាប់ប្រភេទផ្សេងៗនៃការស្រាវជ្រាវ ភ្ជាប់ពួកវាជាមួយគ្នា ហើយបន្ទាប់មកប្រើ AI ដើម្បីសាកសួរអ្វីៗគ្រប់យ៉ាង។
អត្ថប្រយោជន៍នៅទីនេះគឺថា AI មានលទ្ធភាពចូលទៅកាន់បរិបទជាច្រើនទៀត។ នៅពេលដែលភាគីពាក់ព័ន្ធសួរសំណួរ វាអាចទាញការស្ទង់មតិ សំបុត្រគាំទ្រ ប្រតិចារិកសំភាសន៍ និងទិន្នន័យវិភាគទាំងអស់ក្នុងពេលតែមួយ។ នេះធ្វើឱ្យមានការឆ្លើយតបល្អប្រសើរជាងមុន និងមានលក្ខណៈល្អិតល្អន់។ អ្វីដែលនេះមិនជំនួស ខ្ញុំគួរតែច្បាស់អំពីដែនកំណត់។ បុគ្គលនិម្មិតមិនមែនជាការជំនួសសម្រាប់ការនិយាយទៅកាន់អ្នកប្រើប្រាស់ពិតប្រាកដនោះទេ។ ពួកគេគឺជាមធ្យោបាយមួយដើម្បីធ្វើឱ្យការស្រាវជ្រាវដែលមានស្រាប់កាន់តែអាចចូលដំណើរការបាន និងអាចធ្វើសកម្មភាពបាន។ មានសេណារីយ៉ូជាច្រើនដែលអ្នកនៅតែត្រូវការការស្រាវជ្រាវបឋម៖
នៅពេលចាប់ផ្តើមអ្វីដែលថ្មីពិតប្រាកដដែលការស្រាវជ្រាវដែលមានស្រាប់របស់អ្នកមិនគ្របដណ្តប់; នៅពេលដែលអ្នកត្រូវការធ្វើឱ្យមានសុពលភាពការរចនាជាក់លាក់ ឬគំរូដើម; នៅពេលដែលទិន្នន័យឃ្លាំងរបស់អ្នកកំពុងជាប់គាំង; នៅពេលដែលភាគីពាក់ព័ន្ធត្រូវការស្តាប់ដោយផ្ទាល់ពីមនុស្សពិតដើម្បីបង្កើតការយល់ចិត្ត។
ជាការពិត អ្នកអាចកំណត់រចនាសម្ព័ន្ធ AI ដើម្បីទទួលស្គាល់ស្ថានភាពទាំងនេះ។ នៅពេលនរណាម្នាក់សួរសំណួរដែលលើសពីអ្វីដែលការស្រាវជ្រាវអាចឆ្លើយបាន AI អាចឆ្លើយតបជាមួយនឹងអ្វីមួយដូចជា៖ "ខ្ញុំមិនមានព័ត៌មានគ្រប់គ្រាន់ដើម្បីឆ្លើយដោយទំនុកចិត្តនោះទេ។ នេះអាចជាសំណួរដ៏ល្អសម្រាប់ការសម្ភាសន៍ ឬស្ទាបស្ទង់មតិអ្នកប្រើប្រាស់រហ័ស។" ហើយនៅពេលដែលអ្នកធ្វើការស្រាវជ្រាវថ្មី ទិន្នន័យនោះនឹងត្រឡប់ចូលទៅក្នុងឃ្លាំងវិញ។ មនុស្សវិវឌ្ឍតាមពេលវេលា នៅពេលដែលការយល់ដឹងរបស់អ្នកកាន់តែស៊ីជម្រៅ។ នេះគឺប្រសើរជាងវិធីសាស្រ្តបែបប្រពៃណី ដែលបុគ្គលត្រូវបានបង្កើតឡើងម្តង ហើយបន្ទាប់មករសាត់បន្តិចម្តងៗ ហួសសម័យ។ ការផ្លាស់ប្តូរអង្គការ ប្រសិនបើវិធីសាស្រ្តនេះចាប់បាននៅក្នុងស្ថាប័នរបស់អ្នក អ្វីមួយដែលគួរឱ្យចាប់អារម្មណ៍នឹងកើតឡើង។ តួនាទីរបស់ក្រុម UX ផ្លាស់ប្តូរពីការធ្វើជាឆ្មាំទ្វារនៃចំណេះដឹងអ្នកប្រើប្រាស់ ទៅជាអ្នកថែរក្សា និងអ្នកថែទាំឃ្លាំង។ ជំនួសឱ្យការចំណាយពេលបង្កើតរបាយការណ៍ដែលអាចឬមិនអាចអានបាន អ្នកចំណាយពេលវេលាដើម្បីធានាថាឃ្លាំងនៅដដែល ហើយថា AI ត្រូវបានកំណត់រចនាសម្ព័ន្ធដើម្បីផ្តល់ការឆ្លើយតបដ៏មានប្រយោជន៍។ ការទំនាក់ទំនងស្រាវជ្រាវផ្លាស់ប្តូរពីការជំរុញ (បទបង្ហាញ របាយការណ៍ អ៊ីមែល) ដើម្បីទាញ (អ្នកពាក់ព័ន្ធសួរសំណួរនៅពេលពួកគេត្រូវការចម្លើយ)។ ការគិតដែលផ្តោតលើអ្នកប្រើប្រាស់ត្រូវបានចែកចាយពាសពេញស្ថាប័នជាជាងការប្រមូលផ្តុំនៅក្នុងក្រុមតែមួយ។ នេះមិនធ្វើឱ្យអ្នកស្រាវជ្រាវ UX មានតម្លៃទាបនោះទេ។ ប្រសិនបើមានអ្វីក៏ដោយ វាធ្វើឱ្យពួកគេកាន់តែមានតម្លៃ ពីព្រោះការងាររបស់ពួកគេឥឡូវនេះមានលទ្ធភាពទូលំទូលាយ និងមានឥទ្ធិពលកាន់តែខ្លាំង។ ប៉ុន្តែវាផ្លាស់ប្តូរធម្មជាតិនៃការងារ។ ការចាប់ផ្តើម ប្រសិនបើអ្នកចង់សាកល្បងវិធីនេះ ចូរចាប់ផ្តើមពីតូចទៅ។ ប្រសិនបើអ្នកត្រូវការ primer លើ functional personas មុនពេលជ្រមុជទឹក ខ្ញុំបានសរសេរការណែនាំលម្អិតដើម្បីបង្កើតពួកវា។ ជ្រើសរើសគម្រោង ឬក្រុមមួយ ហើយរៀបចំការអនុវត្តសាមញ្ញដោយប្រើគម្រោង ChatGPT ឬឧបករណ៍ស្រដៀងគ្នា។ ប្រមូលផ្តុំការស្រាវជ្រាវអ្វីដែលអ្នកមាន (ទោះបីជាវាមានអារម្មណ៍ថាមិនពេញលេញក៏ដោយ) បង្កើតបុគ្គលមួយ ឬពីរ ហើយមើលពីរបៀបដែលភាគីពាក់ព័ន្ធឆ្លើយតប។ យកចិត្តទុកដាក់ចំពោះសំណួរដែលពួកគេសួរ។ ទាំងនេះនឹងប្រាប់អ្នកពីកន្លែងដែលការស្រាវជ្រាវរបស់អ្នកមានចន្លោះប្រហោង និងទិន្នន័យបន្ថែមអ្វីដែលមានតម្លៃបំផុត។ នៅពេលអ្នកកែលម្អវិធីសាស្រ្ត អ្នកអាចពង្រីកទៅក្រុមកាន់តែច្រើន និងឧបករណ៍ទំនើបជាងមុន។ ប៉ុន្តែគោលការណ៍ស្នូលនៅតែដដែល៖ យកចំណេះដឹងរបស់អ្នកប្រើប្រាស់ដែលខ្ចាត់ខ្ចាយទាំងអស់ ហើយផ្តល់ជាសំឡេងដែលនរណាម្នាក់នៅក្នុងស្ថាប័នរបស់អ្នកអាចឮបាន។ នៅក្នុងអត្ថបទមុនរបស់ខ្ញុំ ខ្ញុំបានប្រកែកថា យើងគួរតែផ្លាស់ប្តូរពីបុគ្គលប្រជាសាស្រ្តទៅជាបុគ្គលដែលមានមុខងារ ដែលផ្តោតលើអ្វីដែលអ្នកប្រើកំពុងព្យាយាមធ្វើ។ ឥឡូវនេះ ខ្ញុំកំពុងស្នើឱ្យយើងឈានទៅជំហានបន្ទាប់៖ ពីបុគ្គលដែលមានលក្ខណៈឋិតិវន្ត ទៅជាបុគ្គលដែលមានអន្តរកម្ម ដែលអាចចូលរួមក្នុងការសន្ទនាដែលការសម្រេចចិត្តត្រូវបានធ្វើឡើង។ ដោយសារតែរាល់ថ្ងៃ នៅទូទាំងស្ថាប័នរបស់អ្នក មនុស្សកំពុងធ្វើការសម្រេចចិត្តដែលប៉ះពាល់ដល់អ្នកប្រើប្រាស់របស់អ្នក។ ហើយអ្នកប្រើប្រាស់របស់អ្នកសមនឹងទទួលបានកៅអីនៅតុ ទោះបីជាវាជានិម្មិតក៏ដោយ។ ការអានបន្ថែមនៅលើ SmashingMag
"មើលឱ្យកាន់តែជិតនៅ Personas: តើពួកគេជាអ្វីនិងរបៀបដែលពួកគេធ្វើការ | 1", Shlomo Goltz "របៀបធ្វើអោយប្រសើរឡើងនូវដំណើរការរចនារបស់អ្នកជាមួយនឹង Data-Based Personas" Tim Notzel "តើធ្វើដូចម្តេចដើម្បីធ្វើឱ្យការស្រាវជ្រាវ UX របស់អ្នកពិបាកក្នុងការមិនអើពើ" Vitaly Friedman "របៀបបង្កើតទំនាក់ទំនងអតិថិជនរឹងមាំសម្រាប់ការស្រាវជ្រាវអ្នកប្រើប្រាស់", ក្រុមហ៊ុន Renaissance Rachel
