ໃນບົດຄວາມທີ່ຜ່ານມາຂອງຂ້ອຍ, ຂ້ອຍໄດ້ຄົ້ນຫາວິທີທີ່ AI ສາມາດຊ່ວຍພວກເຮົາສ້າງບຸກຄົນທີ່ມີປະສິດຕິພາບຫຼາຍຂຶ້ນ. ພວກເຮົາໄດ້ເບິ່ງການສ້າງບຸກຄະລາກອນທີ່ເນັ້ນໃສ່ສິ່ງທີ່ຜູ້ໃຊ້ພະຍາຍາມເຮັດສໍາເລັດແທນທີ່ຈະເປັນໂປຣໄຟລ໌ປະຊາກອນທີ່ເບິ່ງດີຢູ່ໃນໂປສເຕີແຕ່ບໍ່ຄ່ອຍຈະປ່ຽນແປງການຕັດສິນໃຈອອກແບບ. ແຕ່ການສ້າງ personas ແມ່ນພຽງແຕ່ເຄິ່ງຫນຶ່ງຂອງການສູ້ຮົບ. ສິ່ງທ້າທາຍໃຫຍ່ກວ່າແມ່ນການໄດ້ຮັບຄວາມເຂົ້າໃຈເຫຼົ່ານັ້ນເຂົ້າໄປໃນມືຂອງຜູ້ທີ່ຕ້ອງການ, ໃນເວລານີ້ພວກເຂົາຕ້ອງການ. ທຸກໆມື້, ຄົນທົ່ວອົງການຂອງເຈົ້າເຮັດການຕັດສິນໃຈທີ່ມີຜົນກະທົບຕໍ່ປະສົບການຂອງຜູ້ໃຊ້. ທີມງານຜະລິດຕະພັນຕັດສິນໃຈວ່າຄຸນສົມບັດໃດທີ່ຈະຈັດລໍາດັບຄວາມສໍາຄັນ. ທີມງານການຕະຫຼາດສ້າງແຄມເປນຫັດຖະກໍາ. ທີມງານການເງິນອອກແບບຂະບວນການອອກໃບແຈ້ງໜີ້. ທີມງານສະຫນັບສະຫນູນລູກຄ້າຂຽນແມ່ແບບການຕອບສະຫນອງ. ການຕັດສິນໃຈທັງໝົດເຫຼົ່ານີ້ເຮັດໃຫ້ຜູ້ໃຊ້ມີປະສົບການກັບຜະລິດຕະພັນ ຫຼືການບໍລິການຂອງທ່ານແນວໃດ. ແລະສ່ວນໃຫຍ່ຂອງພວກເຂົາເກີດຂຶ້ນໂດຍບໍ່ມີການປ້ອນຂໍ້ມູນໃດໆຈາກຜູ້ໃຊ້ຕົວຈິງ. ບັນຫາກັບວິທີທີ່ພວກເຮົາແບ່ງປັນການຄົ້ນຄວ້າຂອງຜູ້ໃຊ້ ເຈົ້າເຮັດການຄົ້ນຄວ້າ. ເຈົ້າສ້າງຄົນ. ເຈົ້າຂຽນບົດລາຍງານ. ທ່ານໃຫ້ການນໍາສະເຫນີ. ທ່ານຍັງເຮັດ infographics fancy. ແລະຫຼັງຈາກນັ້ນເກີດຫຍັງຂຶ້ນ? ການຄົ້ນຄວ້າດັ່ງກ່າວນັ່ງຢູ່ໃນ drive ທີ່ແບ່ງປັນຢູ່ບ່ອນໃດຫນຶ່ງ, ຄ່ອຍໆລວບລວມຂີ້ຝຸ່ນດິຈິຕອນ. ບຸກຄົນໄດ້ຮັບການອ້າງອີງໃນກອງປະຊຸມເລີ່ມຕົ້ນແລະຫຼັງຈາກນັ້ນລືມ. ບົດລາຍງານໄດ້ຮັບການ skimmed ຫນຶ່ງຄັ້ງແລະບໍ່ເຄີຍເປີດອີກເທື່ອຫນຶ່ງ. ໃນເວລາທີ່ຜູ້ຈັດການຜະລິດຕະພັນກໍາລັງຕັດສິນໃຈວ່າຈະເພີ່ມຄຸນສົມບັດໃຫມ່, ພວກເຂົາອາດຈະບໍ່ຂຸດຂຸມການຄົ້ນຄວ້າຂອງປີທີ່ຜ່ານມາ. ໃນເວລາທີ່ທີມງານການເງິນກໍາລັງອອກແບບໃຫມ່ໃນອີເມລ໌ໃບແຈ້ງຫນີ້, ພວກເຂົາເຈົ້າເກືອບແນ່ນອນວ່າບໍ່ໄດ້ປຶກສາຫາລືກັບບຸກຄົນຜູ້ໃຊ້. ພວກເຂົາເຈົ້າເຮັດໃຫ້ການຄາດເດົາທີ່ດີທີ່ສຸດຂອງພວກເຂົາແລະກ້າວຕໍ່ໄປ. ນີ້ບໍ່ແມ່ນການວິພາກວິຈານຂອງທີມງານເຫຼົ່ານັ້ນ. ພວກເຂົາຫຍຸ້ງຢູ່. ພວກເຂົາເຈົ້າມີກໍານົດເວລາ. ແລະດ້ວຍຄວາມຊື່ສັດ, ເຖິງແມ່ນວ່າພວກເຂົາຕ້ອງການປຶກສາຫາລືການຄົ້ນຄວ້າ, ພວກເຂົາອາດຈະບໍ່ຮູ້ວ່າຈະຊອກຫາມັນຢູ່ໃສຫຼືວິທີການຕີຄວາມມັນສໍາລັບຄໍາຖາມສະເພາະຂອງພວກເຂົາ. ຄວາມຮູ້ຖືກກັກຂັງຢູ່ໃນຫົວຂອງທີມງານ UX, ຜູ້ທີ່ບໍ່ສາມາດມີຢູ່ສໍາລັບທຸກໆການຕັດສິນໃຈທີ່ດໍາເນີນໃນທົ່ວອົງການ. ຈະເປັນແນວໃດຖ້າຜູ້ໃຊ້ສາມາດເວົ້າໄດ້? ຈະເປັນແນວໃດຖ້າ, ແທນທີ່ຈະສ້າງເອກະສານສະຖິດທີ່ຄົນຕ້ອງການຊອກຫາແລະຕີຄວາມ ໝາຍ, ພວກເຮົາສາມາດໃຫ້ຜູ້ທີ່ກ່ຽວຂ້ອງມີວິທີທີ່ຈະປຶກສາຜູ້ໃຊ້ທັງຫມົດຂອງເຈົ້າໃນເວລາດຽວກັນບໍ?
ຈິນຕະນາການຜູ້ຈັດການດ້ານກາລະຕະຫຼາດທີ່ເຮັດວຽກຢູ່ໃນແຄມເປນໃຫມ່. ແທນທີ່ຈະພະຍາຍາມຈື່ສິ່ງທີ່ personas ເວົ້າກ່ຽວກັບຄວາມມັກການສົ່ງຂໍ້ຄວາມ, ພວກເຂົາສາມາດຖາມງ່າຍໆວ່າ: "ຂ້ອຍຄິດກ່ຽວກັບການສະເຫນີສ່ວນຫຼຸດໃນອີເມວນີ້. ຜູ້ໃຊ້ຂອງພວກເຮົາຈະຄິດແນວໃດ?" ແລະ AI, ແຕ້ມກ່ຽວກັບຂໍ້ມູນການຄົ້ນຄວ້າແລະບຸກຄົນທັງຫມົດຂອງທ່ານ, ສາມາດຕອບສະຫນອງດ້ວຍທັດສະນະລວມ: ແຕ່ລະຄົນມີແນວໂນ້ມທີ່ຈະຕອບສະຫນອງແນວໃດ, ບ່ອນທີ່ພວກເຂົາຕົກລົງ, ບ່ອນທີ່ພວກເຂົາແຕກຕ່າງກັນ, ແລະຊຸດຄໍາແນະນໍາໂດຍອີງໃສ່ທັດສະນະລວມຂອງພວກເຂົາ. ຄໍາຖາມຫນຶ່ງ, ຄວາມເຂົ້າໃຈສັງລວມທົ່ວຖານຜູ້ໃຊ້ທັງຫມົດຂອງທ່ານ.
ນີ້ບໍ່ແມ່ນ fiction ວິທະຍາສາດ. ດ້ວຍ AI, ພວກເຮົາສາມາດສ້າງລະບົບປະເພດນີ້ຢ່າງແທ້ຈິງ. ພວກເຮົາສາມາດເອົາການຄົ້ນຄວ້າກະແຈກກະຈາຍທັງຫມົດນັ້ນ (ການສໍາຫຼວດ, ການສໍາພາດ, ປີ້ສະຫນັບສະຫນູນ, ການວິເຄາະ, ບຸກຄົນຂອງຕົນເອງ) ແລະປ່ຽນເປັນຊັບພະຍາກອນແບບໂຕ້ຕອບທີ່ທຸກຄົນສາມາດສອບຖາມສໍາລັບຄໍາຄຶດຄໍາເຫັນຫຼາຍມຸມ. ການກໍ່ສ້າງ Repository ການຄົ້ນຄວ້າຜູ້ໃຊ້ ພື້ນຖານຂອງວິທີການນີ້ແມ່ນ repository ສູນກາງຂອງທຸກສິ່ງທີ່ທ່ານຮູ້ກ່ຽວກັບຜູ້ໃຊ້ຂອງທ່ານ. ຄິດວ່າມັນເປັນແຫຼ່ງດຽວຂອງຄວາມຈິງທີ່ AI ສາມາດເຂົ້າເຖິງແລະແຕ້ມມາຈາກ. ຖ້າທ່ານໄດ້ເຮັດການຄົ້ນຄວ້າຜູ້ໃຊ້ສໍາລັບໄລຍະເວລາໃດກໍ່ຕາມ, ທ່ານອາດຈະມີຂໍ້ມູນຫຼາຍກວ່າທີ່ທ່ານຮັບຮູ້. ມັນກະແຈກກະຈາຍໄປທົ່ວເຄື່ອງມື ແລະຮູບແບບຕ່າງໆ:
ຜົນການສໍາຫຼວດນັ່ງຢູ່ໃນເວທີການສໍາຫຼວດຂອງທ່ານ, ການສໍາພາດຂໍ້ຄວາມໃນ Google Docs, ປີ້ສະຫນັບສະຫນູນລູກຄ້າໃນລະບົບ helpdesk ຂອງທ່ານ, ຂໍ້ມູນການວິເຄາະໃນ dashboards ຕ່າງໆ, ສື່ມວນຊົນສັງຄົມກ່າວເຖິງແລະການທົບທວນຄືນ, ບຸກຄົນເກົ່າຈາກໂຄງການທີ່ຜ່ານມາ, ບັນທຶກການທົດສອບການນຳໃຊ້ ແລະບັນທຶກ.
ຂັ້ນຕອນທໍາອິດແມ່ນລວບລວມທັງຫມົດນີ້ເຂົ້າໄປໃນບ່ອນດຽວ. ມັນບໍ່ຈໍາເປັນຕ້ອງມີການຈັດຕັ້ງຢ່າງສົມບູນ. AI ແມ່ນດີທີ່ໂດດເດັ່ນໃນການເຮັດໃຫ້ຄວາມຮູ້ສຶກຂອງວັດສະດຸປ້ອນທີ່ສັບສົນ. ຖ້າທ່ານກໍາລັງເລີ່ມຕົ້ນຈາກຈຸດເລີ່ມຕົ້ນແລະບໍ່ມີການຄົ້ນຄວ້າທີ່ມີຢູ່ຫຼາຍ, ທ່ານສາມາດນໍາໃຊ້ເຄື່ອງມືການຄົ້ນຄວ້າເລິກຂອງ AI ເພື່ອສ້າງພື້ນຖານ.
ເຄື່ອງມືເຫຼົ່ານີ້ສາມາດສະແກນເວັບເພື່ອສົນທະນາກ່ຽວກັບປະເພດຜະລິດຕະພັນຂອງທ່ານ, ການທົບທວນຄືນຂອງຄູ່ແຂ່ງ, ແລະຄໍາຖາມທົ່ວໄປທີ່ຄົນຖາມ. ນີ້ເຮັດໃຫ້ທ່ານມີບາງສິ່ງບາງຢ່າງທີ່ຈະເຮັດວຽກຮ່ວມກັບໃນຂະນະທີ່ທ່ານສ້າງການຄົ້ນຄວ້າຕົ້ນຕໍຂອງທ່ານ. ການສ້າງບຸກຄົນແບບໂຕ້ຕອບ ເມື່ອທ່ານມີ repository ຂອງທ່ານ, ຂັ້ນຕອນຕໍ່ໄປແມ່ນການສ້າງ personas ທີ່ AI ສາມາດປຶກສາຫາລືໃນນາມຂອງພາກສ່ວນກ່ຽວຂ້ອງ. ນີ້ສ້າງໂດຍກົງກ່ຽວກັບວິທີການສ່ວນບຸກຄົນທີ່ເປັນປະໂຫຍດທີ່ຂ້ອຍໄດ້ອະທິບາຍໄວ້ໃນບົດຄວາມທີ່ຜ່ານມາຂອງຂ້ອຍ, ໂດຍມີຄວາມແຕກຕ່າງທີ່ສໍາຄັນຫນຶ່ງ: ບຸກຄົນເຫຼົ່ານີ້ກາຍເປັນທັດສະນະທີ່ AI ວິເຄາະຄໍາຖາມ, ບໍ່ພຽງແຕ່ການອ້າງອິງ.ເອກະສານ. ຂະບວນການເຮັດວຽກດັ່ງນີ້:
ປ້ອນບ່ອນເກັບຂໍ້ມູນການຄົ້ນຄວ້າຂອງທ່ານໃຫ້ກັບເຄື່ອງມື AI. ຂໍໃຫ້ມັນລະບຸພາກສ່ວນຜູ້ໃຊ້ທີ່ແຕກຕ່າງກັນໂດຍອີງໃສ່ເປົ້າຫມາຍ, ວຽກງານ, ແລະຈຸດ friction. ໃຫ້ມັນສ້າງບຸກຄົນລະອຽດສໍາລັບແຕ່ລະພາກສ່ວນ. ຕັ້ງຄ່າ AI ເພື່ອປຶກສາຫາລືກັບບຸກຄົນທຸກຄົນເມື່ອຜູ້ມີສ່ວນກ່ຽວຂ້ອງຖາມຄໍາຖາມ, ໃຫ້ຄໍາຄຶດຄໍາເຫັນລວມ.
ນີ້ແມ່ນບ່ອນທີ່ວິທີການນີ້ແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍຈາກຄົນພື້ນເມືອງ. ເນື່ອງຈາກວ່າ AI ເປັນຜູ້ບໍລິໂພກຫຼັກຂອງເອກະສານ persona ເຫຼົ່ານີ້, ພວກມັນບໍ່ຈໍາເປັນຕ້ອງສະແກນໄດ້ຫຼືເຫມາະໃນຫນ້າດຽວ. ບຸກຄົນແບບດັ້ງເດີມແມ່ນຖືກຈໍາກັດໂດຍການອ່ານຂອງມະນຸດ: ທ່ານຕ້ອງກັ່ນທຸກສິ່ງທຸກຢ່າງລົງໄປຫາຈຸດ bullet ແລະຄໍາເວົ້າທີ່ສໍາຄັນທີ່ຜູ້ໃດຜູ້ຫນຶ່ງສາມາດດູດຊຶມໄດ້ທັນທີ. ແຕ່ AI ບໍ່ມີຂໍ້ຈໍາກັດດັ່ງກ່າວ. ນີ້ຫມາຍຄວາມວ່າບຸກຄົນຂອງທ່ານສາມາດມີລາຍລະອຽດຫຼາຍຫຼາຍ. ທ່ານສາມາດລວມເອົາການສັງເກດການປະພຶດທີ່ຍາວນານ, ຈຸດຂໍ້ມູນທີ່ກົງກັນຂ້າມ, ແລະບໍລິບົດທີ່ຄົງຄ້າງທີ່ຈະບໍ່ມີວັນຢູ່ລອດຂະບວນການດັດແກ້ສໍາລັບໂປສເຕີ persona ແບບດັ້ງເດີມ. AI ສາມາດຮັກສາຄວາມສັບສົນທັງຫມົດນີ້ແລະແຕ້ມໃສ່ມັນໃນເວລາຕອບຄໍາຖາມ. ນອກນັ້ນທ່ານຍັງສາມາດສ້າງທັດສະນະຫຼືທັດສະນະທີ່ແຕກຕ່າງກັນພາຍໃນແຕ່ລະບຸກຄົນ, ເຫມາະສົມກັບຫນ້າທີ່ທຸລະກິດສະເພາະ. ບຸກຄົນ "ນັກຮົບທ້າຍອາທິດ" ຂອງທ່ານອາດຈະມີທັດສະນະການຕະຫຼາດ (ຄວາມມັກການສົ່ງຂໍ້ຄວາມ, ນິໄສຂອງຊ່ອງທາງ, ຄໍາຕອບຂອງແຄມເປນ), ເລນຜະລິດຕະພັນ (ລັກສະນະບູລິມະສິດ, ຮູບແບບການນໍາໃຊ້, ການຍົກລະດັບ) ແລະທັດສະນະສະຫນັບສະຫນູນ (ຄໍາຖາມທົ່ວໄປ, ຈຸດອຸກອັ່ງ, ຄວາມມັກການແກ້ໄຂ). ເມື່ອຜູ້ຈັດການດ້ານກາລະຕະຫຼາດຖາມຄໍາຖາມ, AI ດຶງຂໍ້ມູນທີ່ກ່ຽວຂ້ອງກັບການຕະຫຼາດ. ເມື່ອຜູ້ຈັດການຜະລິດຕະພັນຖາມ, ມັນດຶງອອກຈາກເລນຜະລິດຕະພັນ. ບຸກຄົນດຽວກັນ, ຄວາມເລິກແຕກຕ່າງກັນຂຶ້ນຢູ່ກັບຜູ້ທີ່ຖາມ.
ບຸກຄົນຄວນຍັງປະກອບມີອົງປະກອບທີ່ເປັນປະໂຫຍດທັງຫມົດທີ່ພວກເຮົາໄດ້ສົນທະນາກ່ອນ: ເປົ້າຫມາຍແລະວຽກງານ, ຄໍາຖາມແລະການຄັດຄ້ານ, ຈຸດເຈັບປວດ, ຈຸດສໍາຜັດ, ແລະຊ່ອງຫວ່າງການບໍລິການ. ແຕ່ໃນປັດຈຸບັນອົງປະກອບເຫຼົ່ານີ້ກາຍເປັນພື້ນຖານສໍາລັບວິທີການ AI ປະເມີນຄໍາຖາມຈາກທັດສະນະຂອງແຕ່ລະຄົນ, ສັງເຄາະທັດສະນະຂອງເຂົາເຈົ້າເຂົ້າໄປໃນຄໍາແນະນໍາທີ່ປະຕິບັດໄດ້. ທາງເລືອກໃນການຈັດຕັ້ງປະຕິບັດ ທ່ານສາມາດກໍານົດມັນຂຶ້ນກັບລະດັບທີ່ແຕກຕ່າງກັນຂອງຄວາມສະຫຼາດຂຶ້ນກັບຊັບພະຍາກອນແລະຄວາມຕ້ອງການຂອງທ່ານ. ວິທີການງ່າຍດາຍ ແພລດຟອມ AI ສ່ວນໃຫຍ່ຕອນນີ້ມີຄຸນສົມບັດໂຄງການ ຫຼືພື້ນທີ່ເຮັດວຽກທີ່ຊ່ວຍໃຫ້ທ່ານອັບໂຫລດເອກະສານອ້າງອີງ. ໃນ ChatGPT, ເຫຼົ່ານີ້ເອີ້ນວ່າໂຄງການ. Claude ມີລັກສະນະຄ້າຍຄືກັນ. Copilot ແລະ Gemini ເອີ້ນພວກເຂົາວ່າ Space ຫຼື Gems. ເພື່ອເລີ່ມຕົ້ນ, ສ້າງໂຄງການທີ່ອຸທິດຕົນແລະອັບໂຫລດເອກະສານການຄົ້ນຄວ້າທີ່ສໍາຄັນແລະບຸກຄົນຂອງທ່ານ. ຫຼັງຈາກນັ້ນ, ຂຽນຄໍາແນະນໍາທີ່ຊັດເຈນບອກ AI ໃຫ້ປຶກສາຫາລືກັບທຸກຄົນໃນເວລາທີ່ຕອບຄໍາຖາມ. ບາງສິ່ງບາງຢ່າງເຊັ່ນ: ເຈົ້າກໍາລັງຊ່ວຍໃຫ້ຜູ້ມີສ່ວນກ່ຽວຂ້ອງເຂົ້າໃຈຜູ້ໃຊ້ຂອງພວກເຮົາ. ເມື່ອຖືກຖາມຄໍາຖາມ, ໃຫ້ປຶກສາຜູ້ໃຊ້ທັງຫມົດໃນໂຄງການນີ້ແລະສະຫນອງ: (1) ສະຫຼຸບໂດຍຫຍໍ້ກ່ຽວກັບວິທີທີ່ແຕ່ລະຄົນຈະຕອບສະຫນອງ, (2) ພາບລວມທີ່ເນັ້ນໃສ່ບ່ອນທີ່ພວກເຂົາຕົກລົງເຫັນດີແລະບ່ອນທີ່ພວກເຂົາແຕກຕ່າງກັນ, ແລະ (3) ຄໍາແນະນໍາໂດຍອີງໃສ່ທັດສະນະລວມຂອງພວກເຂົາ. ແຕ້ມເອກະສານການຄົ້ນຄວ້າທັງຫມົດເພື່ອແຈ້ງການວິເຄາະຂອງທ່ານ. ຖ້າການຄົ້ນຄວ້າບໍ່ໄດ້ກວມເອົາຫົວຂໍ້ໃດຫນຶ່ງຢ່າງສົມບູນ, ຄົ້ນຫາເວທີສັງຄົມຕ່າງໆເຊັ່ນ Reddit, Twitter, ແລະເວທີສົນທະນາທີ່ກ່ຽວຂ້ອງເພື່ອເບິ່ງວ່າຄົນທີ່ກົງກັບບຸກຄົນເຫຼົ່ານີ້ສົນທະນາກ່ຽວກັບບັນຫາທີ່ຄ້າຍຄືກັນ. ຖ້າທ່ານຍັງບໍ່ແນ່ໃຈກ່ຽວກັບບາງສິ່ງບາງຢ່າງ, ເວົ້າຢ່າງຊື່ສັດແລະແນະນໍາສິ່ງທີ່ການຄົ້ນຄວ້າເພີ່ມເຕີມອາດຈະຊ່ວຍໄດ້.
ວິທີການນີ້ມີຂໍ້ຈໍາກັດບາງຢ່າງ. ມີຫຼາຍໄຟລ໌ທີ່ເຈົ້າສາມາດອັບໂຫລດໄດ້, ດັ່ງນັ້ນເຈົ້າອາດຈະຕ້ອງຈັດລໍາດັບຄວາມສໍາຄັນຂອງການຄົ້ນຄວ້າຂອງເຈົ້າ ຫຼືລວມຕົວບຸກຄົນຂອງເຈົ້າເຂົ້າໃນເອກະສານທີ່ສົມບູນແບບອັນດຽວ. ວິທີການທີ່ຊັບຊ້ອນຫຼາຍ ສໍາລັບອົງການຈັດຕັ້ງຂະຫນາດໃຫຍ່ຫຼືການນໍາໃຊ້ຢ່າງຕໍ່ເນື່ອງຫຼາຍ, ເຄື່ອງມືເຊັ່ນ: Notion ສະເຫນີຂໍ້ໄດ້ປຽບເນື່ອງຈາກວ່າມັນສາມາດຖື repository ການຄົ້ນຄວ້າທັງຫມົດຂອງທ່ານແລະມີຄວາມສາມາດ AI ສ້າງຂຶ້ນໃນ. ທ່ານສາມາດສ້າງຖານຂໍ້ມູນສໍາລັບປະເພດຕ່າງໆຂອງການຄົ້ນຄວ້າ, ເຊື່ອມຕໍ່ໃຫ້ເຂົາເຈົ້າ, ແລະຫຼັງຈາກນັ້ນນໍາໃຊ້ AI ເພື່ອສອບຖາມໃນທົ່ວທຸກສິ່ງທຸກຢ່າງ.
ຜົນປະໂຫຍດຢູ່ທີ່ນີ້ແມ່ນວ່າ AI ມີການເຂົ້າເຖິງສະພາບການຫຼາຍ. ເມື່ອຜູ້ມີສ່ວນຮ່ວມຖາມຄໍາຖາມ, ມັນສາມາດແຕ້ມແບບສໍາຫຼວດ, ປີ້ສະຫນັບສະຫນູນ, ບັນທຶກການສໍາພາດ, ແລະຂໍ້ມູນການວິເຄາະທັງຫມົດໃນເວລາດຽວກັນ. ນີ້ເຮັດໃຫ້ການຕອບສະຫນອງທີ່ອຸດົມສົມບູນ, ຫຼາຍຂື້ນ. ສິ່ງທີ່ນີ້ບໍ່ໄດ້ທົດແທນ ຂ້ອຍຄວນຈະແຈ້ງກ່ຽວກັບຂໍ້ຈໍາກັດ. Virtual personas ບໍ່ແມ່ນການທົດແທນສໍາລັບການເວົ້າກັບຜູ້ໃຊ້ທີ່ແທ້ຈິງ. ພວກເຂົາເປັນວິທີທີ່ຈະເຮັດໃຫ້ການຄົ້ນຄວ້າທີ່ມີຢູ່ແລ້ວສາມາດເຂົ້າເຖິງແລະປະຕິບັດໄດ້ຫຼາຍຂຶ້ນ. ມີຫຼາຍສະຖານະການທີ່ທ່ານຍັງຕ້ອງການການຄົ້ນຄວ້າຂັ້ນຕົ້ນ:
ເມື່ອເປີດຕົວສິ່ງໃຫມ່ຢ່າງແທ້ຈິງທີ່ການຄົ້ນຄວ້າທີ່ມີຢູ່ແລ້ວຂອງເຈົ້າບໍ່ໄດ້ກວມເອົາ; ໃນເວລາທີ່ທ່ານຕ້ອງການ validate ການອອກແບບສະເພາະຫຼື prototypes; ໃນເວລາທີ່ຂໍ້ມູນ repository ຂອງທ່ານແມ່ນໄດ້ຮັບການ stale; ເມື່ອຜູ້ມີສ່ວນກ່ຽວຂ້ອງຈໍາເປັນຕ້ອງໄດ້ຍິນໂດຍກົງຈາກມະນຸດທີ່ແທ້ຈິງເພື່ອສ້າງ empathy.
ໃນຄວາມເປັນຈິງ, ທ່ານສາມາດກໍາຫນົດຄ່າ AI ເພື່ອຮັບຮູ້ສະຖານະການເຫຼົ່ານີ້. ເມື່ອມີຄົນຖາມຄໍາຖາມທີ່ເກີນກວ່າສິ່ງທີ່ການຄົ້ນຄວ້າສາມາດຕອບໄດ້, AI ສາມາດຕອບຄໍາຖາມເຊັ່ນ: "ຂ້ອຍບໍ່ມີຂໍ້ມູນພຽງພໍທີ່ຈະຕອບຢ່າງຫມັ້ນໃຈ. ນີ້ອາດຈະເປັນຄໍາຖາມທີ່ດີສໍາລັບການສໍາພາດຜູ້ໃຊ້ໄວຫຼືການສໍາຫຼວດ." ແລະເມື່ອທ່ານເຮັດການຄົ້ນຄວ້າໃຫມ່, ຂໍ້ມູນນັ້ນຈະກັບຄືນສູ່ບ່ອນເກັບມ້ຽນ. ບຸກຄະລາກອນພັດທະນາໄປຕາມການເວລາເມື່ອຄວາມເຂົ້າໃຈຂອງເຈົ້າເລິກເຊິ່ງຂຶ້ນ. ນີ້ແມ່ນດີກ່ວາວິທີການແບບດັ້ງເດີມຫຼາຍ, ບ່ອນທີ່ຄົນຖືກສ້າງຂື້ນຄັ້ງດຽວແລະຫຼັງຈາກນັ້ນຄ່ອຍໆລ້າສະໄຫມ. ການປ່ຽນແປງການຈັດຕັ້ງ ຖ້າວິທີການນີ້ຕິດຢູ່ໃນອົງການຂອງເຈົ້າ, ບາງສິ່ງບາງຢ່າງທີ່ຫນ້າສົນໃຈກໍ່ເກີດຂື້ນ. ບົດບາດຂອງທີມງານ UX ປ່ຽນຈາກການເປັນຜູ້ເຝົ້າປະຕູຂອງຄວາມຮູ້ຂອງຜູ້ໃຊ້ໄປສູ່ການເປັນຜູ້ຮັກສາ ແລະຮັກສາບ່ອນເກັບມ້ຽນ. ແທນທີ່ຈະໃຊ້ເວລາໃນການສ້າງບົດລາຍງານທີ່ອາດຈະອ່ານຫຼືອາດຈະບໍ່ໄດ້ອ່ານ, ທ່ານໃຊ້ເວລາເພື່ອຮັບປະກັນວ່າບ່ອນເກັບມ້ຽນຍັງຄົງຢູ່ໃນປະຈຸບັນແລະ AI ໄດ້ຖືກຕັ້ງຄ່າເພື່ອໃຫ້ຄໍາຕອບທີ່ເປັນປະໂຫຍດ. ການຄົ້ນຄວ້າການປ່ຽນແປງການສື່ສານຈາກການຊຸກຍູ້ (ການນໍາສະເຫນີ, ບົດລາຍງານ, ອີເມວ) ເພື່ອດຶງ (ຜູ້ມີສ່ວນຮ່ວມຖາມຄໍາຖາມເມື່ອພວກເຂົາຕ້ອງການຄໍາຕອບ). ແນວຄິດທີ່ເນັ້ນໃສ່ຜູ້ໃຊ້ເປັນສູນກາງຈະແຈກຢາຍໄປທົ່ວອົງການຫຼາຍກວ່າການສຸມໃສ່ໃນທີມດຽວ. ນີ້ບໍ່ໄດ້ເຮັດໃຫ້ນັກຄົ້ນຄວ້າ UX ມີມູນຄ່າຫນ້ອຍລົງ. ຖ້າສິ່ງໃດກໍ່ຕາມ, ມັນເຮັດໃຫ້ພວກເຂົາມີຄຸນຄ່າຫຼາຍຂຶ້ນເພາະວ່າວຽກງານຂອງພວກເຂົາໃນປັດຈຸບັນມີການເຂົ້າເຖິງກວ້າງແລະມີຜົນກະທົບຫຼາຍກວ່າເກົ່າ. ແຕ່ມັນມີການປ່ຽນແປງລັກສະນະຂອງການເຮັດວຽກ. ການເລີ່ມຕົ້ນ ຖ້າທ່ານຕ້ອງການລອງວິທີການນີ້, ເລີ່ມຕົ້ນຂະຫນາດນ້ອຍ. ຖ້າທ່ານຕ້ອງການ primer ກ່ຽວກັບບຸກຄົນທີ່ເປັນປະໂຫຍດກ່ອນທີ່ຈະດໍານ້ໍາ, ຂ້າພະເຈົ້າໄດ້ຂຽນຄູ່ມືລາຍລະອຽດໃນການສ້າງພວກມັນ. ເລືອກໂຄງການຫນຶ່ງຫຼືທີມງານແລະສ້າງຕັ້ງການປະຕິບັດງ່າຍດາຍໂດຍໃຊ້ໂຄງການ ChatGPT ຫຼືເຄື່ອງມືທີ່ຄ້າຍຄືກັນ. ລວບລວມການຄົ້ນຄວ້າໃດກໍ່ຕາມທີ່ທ່ານມີ (ເຖິງແມ່ນວ່າມັນມີຄວາມຮູ້ສຶກບໍ່ສົມບູນ), ສ້າງຫນຶ່ງຫຼືສອງຄົນ, ແລະເບິ່ງວ່າຜູ້ມີສ່ວນຮ່ວມຕອບສະຫນອງແນວໃດ. ເອົາໃຈໃສ່ກັບຄໍາຖາມທີ່ພວກເຂົາຖາມ. ສິ່ງເຫຼົ່ານີ້ຈະບອກທ່ານວ່າການຄົ້ນຄວ້າຂອງທ່ານມີຊ່ອງຫວ່າງຢູ່ບ່ອນໃດ ແລະຂໍ້ມູນເພີ່ມເຕີມອັນໃດທີ່ຈະມີຄ່າທີ່ສຸດ. ໃນຂະນະທີ່ທ່ານປັບປຸງວິທີການ, ທ່ານສາມາດຂະຫຍາຍໄປຫາທີມງານເພີ່ມເຕີມແລະເຄື່ອງມືທີ່ຊັບຊ້ອນຫຼາຍຂຶ້ນ. ແຕ່ຫຼັກການຫຼັກຍັງຄົງຢູ່ຄືກັນ: ເອົາຄວາມຮູ້ຂອງຜູ້ໃຊ້ທີ່ກະແຈກກະຈາຍທັງຫມົດແລະໃຫ້ສຽງທີ່ທຸກຄົນໃນອົງການຂອງເຈົ້າໄດ້ຍິນ. ໃນບົດຄວາມທີ່ຜ່ານມາຂອງຂ້ອຍ, ຂ້າພະເຈົ້າໄດ້ໂຕ້ຖຽງວ່າພວກເຮົາຄວນຍ້າຍຈາກ demographic personas ໄປສູ່ບຸກຄົນທີ່ເຮັດວຽກທີ່ເນັ້ນໃສ່ສິ່ງທີ່ຜູ້ໃຊ້ພະຍາຍາມເຮັດ. ໃນປັດຈຸບັນຂ້າພະເຈົ້າແນະນໍາໃຫ້ພວກເຮົາດໍາເນີນຂັ້ນຕອນຕໍ່ໄປ: ຈາກ personas static ໄປຫາຜູ້ທີ່ໂຕ້ຕອບທີ່ສາມາດເຂົ້າຮ່ວມໃນການສົນທະນາທີ່ມີການຕັດສິນໃຈ. ເນື່ອງຈາກວ່າທຸກໆມື້, ໃນທົ່ວອົງການຂອງທ່ານ, ປະຊາຊົນກໍາລັງຕັດສິນໃຈທີ່ມີຜົນກະທົບຕໍ່ຜູ້ໃຊ້ຂອງທ່ານ. ແລະຜູ້ໃຊ້ຂອງທ່ານສົມຄວນໄດ້ຮັບບ່ອນນັ່ງຢູ່ໃນຕາຕະລາງ, ເຖິງແມ່ນວ່າມັນເປັນ virtual ຫນຶ່ງ. ອ່ານເພີ່ມເຕີມໃນ SmashingMag
"ເບິ່ງໃກ້ຊິດຢູ່ໃນ Personas: ພວກເຂົາເປັນແນວໃດແລະວິທີການເຮັດວຽກ | 1", Shlomo Goltz "ວິທີການປັບປຸງຂະບວນການອອກແບບຂອງທ່ານກັບບຸກຄົນທີ່ອີງໃສ່ຂໍ້ມູນ", Tim Notzel "ວິທີການເຮັດໃຫ້ການຄົ້ນຄວ້າ UX ຂອງທ່ານຍາກທີ່ຈະບໍ່ສົນໃຈ", Vitaly Friedman "ວິທີການສ້າງຄວາມສໍາພັນຂອງລູກຄ້າທີ່ເຂັ້ມແຂງສໍາລັບການຄົ້ນຄວ້າຜູ້ໃຊ້", Renaissance Rachel
