Ankstesniame straipsnyje aš ištyriau, kaip AI gali padėti mums efektyviau sukurti funkcines asmenybes. Išnagrinėjome asmenybių kūrimą, sutelkiančius dėmesį į tai, ką naudotojai bando pasiekti, o ne į demografinius profilius, kurie gerai atrodo plakatuose, bet retai keičia dizaino sprendimus. Tačiau asmenybių kūrimas yra tik pusė darbo. Didesnis iššūkis yra gauti tas įžvalgas į žmonių, kuriems jų reikia, rankas tuo metu, kai jiems jų reikia. Kiekvieną dieną jūsų organizacijos žmonės priima sprendimus, turinčius įtakos naudotojų patirčiai. Produktų komandos nusprendžia, kurioms funkcijoms teikti pirmenybę. Rinkodaros komandos rengia kampanijas. Finansų komandos kuria sąskaitų faktūrų išrašymo procesus. Klientų aptarnavimo komandos rašo atsakymų šablonus. Visi šie sprendimai lemia tai, kaip vartotojai patiria jūsų produktą ar paslaugą. Ir dauguma jų įvyksta be jokių faktinių vartotojų indėlio. Problema, susijusi su tuo, kaip dalijamės vartotojų tyrimais Jūs atliekate tyrimą. Jūs kuriate asmenybes. Jūs rašote ataskaitas. Jūs pateikiate pristatymus. Jūs netgi kuriate nuostabias infografikas. Ir kas tada atsitiks? Tyrimas yra kažkur bendrame diske, lėtai kaupdamas skaitmenines dulkes. Asmenybės minimos pradiniuose susitikimuose, o paskui pamirštamos. Ataskaitos vieną kartą nuskaitomos ir daugiau nebeatidaromos. Kai produkto vadybininkas nusprendžia, ar pridėti naują funkciją, jis tikriausiai nesigilina į praėjusių metų tyrimų saugyklą. Kai finansų komanda perkuria sąskaitos faktūros el. laišką, jie beveik neabejotinai nesikonsultuoja su naudotojų asmenimis. Jie geriausiai spėja ir juda toliau. Tai nėra tų komandų kritika. Jie užsiėmę. Jie turi terminus. Ir sąžiningai, net jei jie norėtų pasikonsultuoti su tyrimu, tikriausiai nežinotų, kur jį rasti ar kaip jį interpretuoti savo konkrečiam klausimui. Žinios lieka užrakintos UX komandos galvoje, kuri niekaip negali dalyvauti priimant kiekvieną organizacijoje priimamą sprendimą. Ką daryti, jei vartotojai iš tikrųjų galėtų kalbėti? Ką daryti, jei užuot kurę statinius dokumentus, kuriuos žmonės turi rasti ir interpretuoti, galėtume suteikti suinteresuotosioms šalims galimybę vienu metu konsultuotis su visais jūsų naudotojų asmenimis?
Įsivaizduokite rinkodaros vadovą, dirbantį su nauja kampanija. Užuot bandę prisiminti, ką asmenys pasakė apie susirašinėjimo nuostatas, jie galėtų tiesiog paklausti: „Galvoju apie tai, kaip pasiūlyti nuolaidą šiame el. laiške. Ką pagalvotų mūsų vartotojai? Ir dirbtinis intelektas, remdamasis visais jūsų tyrimų duomenimis ir asmenimis, galėtų atsakyti pateikdamas bendrą požiūrį: kaip kiekvienas asmuo greičiausiai reaguotų, kur jie sutinka, kuo skiriasi, ir rekomendacijų rinkinį, pagrįstą jų kolektyvinėmis perspektyvomis. Vienas klausimas, apibendrinta įžvalga visoje jūsų vartotojų bazėje.
Tai ne mokslinė fantastika. Su AI galime sukurti būtent tokią sistemą. Galime paimti visus tuos išsklaidytus tyrimus (apklausas, interviu, palaikymo bilietus, analizę, pačias asmenybes) ir paversti jį interaktyviu šaltiniu, kurio kiekvienas gali teirautis dėl įvairių perspektyvų grįžtamojo ryšio. Vartotojų tyrimų saugyklos kūrimas Šio metodo pagrindas yra centralizuota visko, ką žinote apie savo vartotojus, saugykla. Pagalvokite apie tai kaip apie vienintelį tiesos šaltinį, kurį dirbtinis intelektas gali pasiekti ir iš kurio semtis. Jei ilgą laiką atlikote naudotojų tyrimus, tikriausiai turite daugiau duomenų, nei manote. Jis tiesiog išsklaidytas įvairiuose įrankiuose ir formatuose:
Apklausos rezultatai yra jūsų apklausų platformoje, Interviu nuorašai „Google“ dokumentuose, klientų aptarnavimo bilietai jūsų pagalbos tarnybos sistemoje, „Analytics“ duomenys įvairiose informacijos suvestinėse, Socialinių tinklų paminėjimai ir apžvalgos, Senos asmenybės iš ankstesnių projektų, Naudojimo testo įrašai ir pastabos.
Pirmas žingsnis yra visa tai surinkti į vieną vietą. Nereikia tobulai organizuoti. AI nepaprastai gerai supranta netvarkingus įvestis. Jei pradedate nuo nulio ir neturite daug tyrimų, galite naudoti AI giluminio tyrimo įrankius, kad nustatytumėte bazinę liniją.
Šie įrankiai gali ieškoti žiniatinklyje diskusijų apie jūsų produktų kategoriją, konkurentų atsiliepimus ir dažniausiai užduodamus klausimus. Tai suteikia jums su kuo dirbti, kol kuriate pirminį tyrimą. Interaktyvių asmenybių kūrimas Kai turėsite saugyklą, kitas žingsnis yra sukurti asmenis, su kuriais AI gali pasikonsultuoti suinteresuotųjų šalių vardu. Tai tiesiogiai grindžiama funkcinio asmens požiūriu, kurį aprašiau savo ankstesniame straipsnyje, su vienu esminiu skirtumu: šie asmenys tampa objektyvais, per kuriuos AI analizuoja klausimus, o ne tik nuorodas.dokumentus. Procesas veikia taip:
Pateikite savo tyrimų saugyklą AI įrankiui. Paprašykite jo nustatyti skirtingus naudotojų segmentus pagal tikslus, užduotis ir trinties taškus. Leiskite jam sukurti išsamias kiekvieno segmento asmenybes. Sukonfigūruokite dirbtinį intelektą, kad jis konsultuotųsi su visais asmenimis, kai suinteresuotosios šalys užduoda klausimus, ir pateiksite konsoliduotą atsiliepimą.
Čia šis požiūris labai skiriasi nuo tradicinių asmenybių. Kadangi dirbtinis intelektas yra pagrindinis šių asmens dokumentų vartotojas, jų nereikia nuskaityti ar tilpti viename puslapyje. Tradicines asmenybes riboja žmonių skaitomumas: jūs turite viską suskirstyti iki punktų ir pagrindinių citatų, kurias kas nors gali įsisavinti iš pirmo žvilgsnio. Tačiau AI neturi tokių apribojimų. Tai reiškia, kad jūsų asmenybės gali būti daug išsamesnės. Galite įtraukti ilgus elgesio stebėjimus, prieštaringus duomenų taškus ir niuansuotą kontekstą, kuris niekada neišgyventų tradicinio asmeninio plakato redagavimo proceso. AI gali išlaikyti visą šį sudėtingumą ir remtis atsakydamas į klausimus. Taip pat galite sukurti skirtingus objektyvus ar perspektyvas kiekvienam asmeniui, pritaikytus konkrečioms verslo funkcijoms. Jūsų „Savaitgalio kario“ asmenybė gali turėti rinkodaros objektyvą (pranešimų parinktys, kanalo įpročiai, kampanijos atsakymai), produkto objektyvą (funkcijų prioritetai, naudojimo modeliai, atnaujinimo aktyvikliai) ir palaikymo objektyvą (dažniausi klausimai, nusivylimo taškai, skiriamosios gebos nuostatos). Kai rinkodaros vadovas užduoda klausimą, AI remiasi su rinkodara susijusia informacija. Kai produkto vadybininkas paklausia, jis išsitraukia iš produkto objektyvo. Ta pati asmenybė, skirtingas gylis, priklausomai nuo to, kas klausia.
Asmenys vis tiek turėtų apimti visus funkcinius elementus, kuriuos aptarėme anksčiau: tikslus ir užduotis, klausimus ir prieštaravimus, skausmo taškus, kontaktinius taškus ir paslaugų spragas. Tačiau dabar šie elementai tampa pagrindu, kaip dirbtinis intelektas vertina klausimus iš kiekvieno asmens perspektyvos, sujungdamas jų nuomonę į įgyvendinamas rekomendacijas. Įgyvendinimo parinktys Priklausomai nuo išteklių ir poreikių, galite tai nustatyti įvairiais sudėtingumo lygiais. Paprastas požiūris Dauguma AI platformų dabar siūlo projektų arba darbo srities funkcijas, kurios leidžia įkelti informacinius dokumentus. ChatGPT tai vadinama projektais. Claude turi panašią savybę. Antrasis pilotas ir Dvyniai juos vadina erdvėmis arba brangakmeniais. Norėdami pradėti, sukurkite specialų projektą ir įkelkite pagrindinius tyrimo dokumentus ir asmenybes. Tada parašykite aiškias instrukcijas, nurodydami AI atsakant į klausimus konsultuotis su visais asmenimis. Kažkas panašaus: Padedate suinteresuotosioms šalims suprasti mūsų vartotojus. Kai užduodate klausimus, pasitarkite su visais šio projekto naudotojais ir pateikite: (1) trumpą santrauką, kaip kiekvienas asmuo greičiausiai reaguotų, (2) apžvalgą, pabrėždamas, kuo jie sutinka ir kuo skiriasi, ir (3) rekomendacijas, pagrįstas jų kolektyvinėmis perspektyvomis. Remkitės visais tyrimo dokumentais, kad galėtumėte analizuoti. Jei tyrimas neapima iki galo temos, ieškokite tokiose socialinėse platformose kaip Reddit, Twitter ir atitinkamuose forumuose, kad sužinotumėte, kaip šiuos asmenis atitinkantys žmonės aptaria panašias problemas. Jei vis dar nesate tikri dėl kažko, pasakykite tai nuoširdžiai ir pasiūlykite, kokie papildomi tyrimai galėtų padėti.
Šis metodas turi tam tikrų apribojimų. Yra ribos, kiek failų galite įkelti, todėl jums gali tekti teikti pirmenybę svarbiausiems tyrimams arba sujungti asmenis į vieną išsamų dokumentą. Sudėtingesnis požiūris Didesnėms organizacijoms ar nuolatiniam naudojimui įrankis, pvz., „Notion“, suteikia pranašumų, nes jame gali būti visa tyrimų saugykla ir integruotos AI galimybės. Galite kurti duomenų bazes įvairių tipų tyrimams, susieti jas kartu, o tada naudoti AI užklausai dėl visko.
Nauda yra ta, kad AI turi prieigą prie daug daugiau konteksto. Kai suinteresuotoji šalis užduoda klausimą, ji gali iš karto remtis apklausomis, palaikymo bilietais, interviu stenogramomis ir analizės duomenimis. Taip gaunami turtingesni ir niuansesni atsakymai. Ko tai nepakeičia Turėčiau aiškiai suprasti apribojimus. Virtualios asmenybės nėra pakaitalas pokalbiams su tikrais vartotojais. Jie yra būdas padaryti esamus tyrimus prieinamesnius ir veiksmingesnius. Yra keletas scenarijų, kai jums vis tiek reikia pirminio tyrimo:
Kai pradedate ką nors tikrai naujo, ko jūsų esami tyrimai neapima; Kai reikia patvirtinti konkrečius projektus ar prototipus; Kai jūsų saugyklos duomenys pasensta; Kai suinteresuotosios šalysreikia išgirsti tiesiogiai iš tikrų žmonių, kad sukurtumėte empatiją.
Tiesą sakant, galite sukonfigūruoti AI, kad atpažintų šias situacijas. Kai kas nors užduoda klausimą, kuris viršija tai, ką gali atsakyti tyrimas, AI gali atsakyti taip: „Neturiu pakankamai informacijos, kad galėčiau į tai atsakyti užtikrintai. Tai gali būti geras klausimas greitam vartotojo interviu ar apklausai. Ir kai atliekate naujus tyrimus, šie duomenys grįžta į saugyklą. Asmenys laikui bėgant tobulėja, kai jūsų supratimas gilėja. Tai daug geriau nei tradicinis požiūris, kai asmenybės sukuriamos vieną kartą, o paskui pamažu pasensta. Organizacinis poslinkis Jei toks požiūris įgauna jūsų organizaciją, nutinka kažkas įdomaus. UX komandos vaidmuo keičiasi iš vartotojo žinių saugotojos į saugyklos kuratorių ir prižiūrėtoją. Užuot praleidę laiką kurdami ataskaitas, kurios gali būti perskaitytos arba ne, praleidžiate laiką, kad užtikrintumėte, jog saugykla išliktų naujausia ir AI sukonfigūruotas teikti naudingus atsakymus. Tyrinėkite komunikacijos pokyčius, o ne „push“ (pristatymai, ataskaitos, el. laiškai) į „pulti“ (suinteresuotosios šalys užduoda klausimus, kai joms reikia atsakymų). Į vartotoją orientuotas mąstymas paskirstomas visoje organizacijoje, o ne sutelkiamas vienoje komandoje. Dėl to UX tyrinėtojai nėra mažiau vertingi. Jei kas, tai daro juos vertingesnius, nes jų darbas dabar yra platesnis ir didesnis. Tačiau tai keičia darbo pobūdį. Darbo pradžia Jei norite išbandyti šį metodą, pradėkite nuo mažo. Jei prieš pasinerdami jums reikia funkcionalių asmenybių pradmenų, parašiau išsamų jų kūrimo vadovą. Pasirinkite vieną projektą arba komandą ir nustatykite paprastą diegimą naudodami „ChatGPT Projects“ ar panašų įrankį. Surinkite bet kokius atliktus tyrimus (net jei jie atrodo nebaigti), sukurkite vieną ar du asmenis ir pažiūrėkite, kaip reaguoja suinteresuotosios šalys. Atkreipkite dėmesį į tai, kokius klausimus jie užduoda. Jie parodys, kur jūsų tyrime yra spragų ir kokie papildomi duomenys būtų vertingiausi. Tobulindami metodą galėsite išplėsti komandų skaičių ir sudėtingesnius įrankius. Tačiau pagrindinis principas išlieka tas pats: pasiimkite visas tas išsklaidytas vartotojų žinias ir suteikite joms balsą, kurį galėtų išgirsti bet kuris jūsų organizacijos narys. Ankstesniame savo straipsnyje aš teigiau, kad turėtume pereiti nuo demografinių asmenų prie funkcinių asmenybių, kurios sutelkia dėmesį į tai, ką bando daryti vartotojai. Dabar siūlau žengti kitą žingsnį: nuo statiškų asmenybių iki interaktyvių, kurios iš tikrųjų gali dalyvauti pokalbiuose, kuriuose priimami sprendimai. Nes kiekvieną dieną jūsų organizacijoje žmonės priima sprendimus, turinčius įtakos jūsų naudotojams. Ir jūsų vartotojai nusipelno vietos prie stalo, net jei tai virtualus. Tolesnis skaitymas apie SmashingMag
„Atidžiau pažvelgti į asmenis: kas jie yra ir kaip jie veikia | 1“, Shlomo Goltz „Kaip patobulinti savo projektavimo procesą naudojant duomenų pagrindu sukurtas asmenybes“, Timas Noetzelis „Kaip padaryti, kad jūsų UX tyrimą būtų sunku ignoruoti“, Vitalijus Friedmanas „Kaip sukurti tvirtus santykius su klientais, kad būtų galima tirti naudotojus“, „Renaissance Rachel“.
