Savā iepriekšējā rakstā es izpētīju, kā AI var palīdzēt mums efektīvāk izveidot funkcionālas personas. Mēs apskatījām tādu personu veidošanu, kas koncentrējas uz to, ko lietotāji cenšas paveikt, nevis demogrāfiskos profilus, kas labi izskatās uz plakātiem, bet reti maina dizaina lēmumus. Taču personību radīšana ir tikai puse no kaujas. Lielāks izaicinājums ir iegūt šo ieskatu to cilvēku rokās, kuriem tie ir vajadzīgi, tajā brīdī, kad tie ir vajadzīgi. Katru dienu cilvēki visā jūsu organizācijā pieņem lēmumus, kas ietekmē lietotāju pieredzi. Produktu komandas izlemj, kurām funkcijām piešķirt prioritāti. Mārketinga komandas izstrādā kampaņas. Finanšu komandas izstrādā rēķinu izrakstīšanas procesus. Klientu atbalsta komandas raksta atbilžu veidnes. Visi šie lēmumi nosaka to, kā lietotāji saskaras ar jūsu produktu vai pakalpojumu. Un lielākā daļa no tām notiek bez faktisko lietotāju ieguldījuma. Problēma ar to, kā mēs kopīgojam lietotāju pētījumus Jūs veicat pētījumu. Jūs izveidojat personas. Jūs rakstāt atskaites. Jūs sniedzat prezentācijas. Jūs pat veidojat izdomātas infografikas. Un kas tad notiek? Pētījums kaut kur atrodas kopīgā diskā, lēnām vācot digitālos putekļus. Personas tiek minētas sākuma sanāksmēs un pēc tam tiek aizmirstas. Pārskati vienreiz tiek pārmeklēti un vairs netiek atvērti. Kad produktu menedžeris lemj, vai pievienot jaunu līdzekli, viņš, iespējams, neizpēta pagājušā gada pētījumu krātuvi. Kad finanšu komanda pārveido rēķina e-pasta ziņojumu, viņi gandrīz noteikti nekonsultējas ar lietotāju personām. Viņi izdara vislabāko minējumu un dodas tālāk. Tā nav kritika pret šīm komandām. Viņi ir aizņemti. Viņiem ir noteikti termiņi. Un, godīgi sakot, pat ja viņi vēlētos iepazīties ar pētījumu, viņi, iespējams, nezinātu, kur to atrast vai kā to interpretēt konkrētajam jautājumam. Zināšanas paliek aizslēgtas UX komandas galvās, kas, iespējams, nevar būt klāt, pieņemot katru lēmumu, kas tiek pieņemts visā organizācijā. Ko darīt, ja lietotāji patiešām varētu runāt? Kā būtu, ja tā vietā, lai izveidotu statiskus dokumentus, kas cilvēkiem jāatrod un jāinterpretē, mēs varētu sniegt ieinteresētajām personām iespēju vienlaikus konsultēties ar visām jūsu lietotāju personām?
Iedomājieties mārketinga vadītāju, kas strādā pie jaunas kampaņas. Tā vietā, lai mēģinātu atcerēties, ko personas teica par ziņojumapmaiņas preferencēm, viņi varētu vienkārši pajautāt: "Es domāju par vadību ar atlaižu piedāvājumu šajā e-pastā. Ko par to domā mūsu lietotāji?" Un AI, izmantojot visus jūsu pētījumu datus un personas, varētu atbildēt ar konsolidētu skatījumu: kā katra persona varētu reaģēt, kur viņi piekrīt, kur tie atšķiras, un ieteikumu kopumu, pamatojoties uz viņu kolektīvajām perspektīvām. Viens jautājums, sintezēts ieskats visā jūsu lietotāju bāzē.
Tā nav zinātniskā fantastika. Izmantojot AI, mēs varam izveidot tieši šāda veida sistēmu. Mēs varam izmantot visus šos izkliedētos pētījumus (aptaujas, intervijas, atbalsta biļetes, analīzi, pašas personas) un pārvērst to par interaktīvu resursu, ko ikviens var meklēt, lai iegūtu vairāku perspektīvu atsauksmes. Lietotāju izpētes repozitorija izveide Šīs pieejas pamatā ir centralizēta visu, ko zināt par saviem lietotājiem, krātuve. Uztveriet to kā vienu patiesības avotu, kam AI var piekļūt un no kā var smelties. Ja kādu laiku esat veicis lietotāju izpēti, iespējams, jums ir vairāk datu, nekā jūs domājat. Tas ir tikai izkaisīts pa dažādiem rīkiem un formātiem:
Aptaujas rezultāti atrodas jūsu aptauju platformā, Interviju atšifrējumi pakalpojumā Google dokumenti, Klientu atbalsta biļetes jūsu palīdzības dienesta sistēmā, Analytics dati dažādos informācijas paneļos, Sociālo mediju pieminēšana un atsauksmes, Vecas personas no iepriekšējiem projektiem, Lietojamības pārbaudes ieraksti un piezīmes.
Pirmais solis ir to visu apkopot vienā vietā. Tam nav jābūt perfekti organizētam. AI ļoti labi spēj izprast nekārtīgas ievades. Ja sākat no nulles un jums nav daudz pētījumu, varat izmantot AI dziļās izpētes rīkus, lai noteiktu bāzes līniju.
Šie rīki var meklēt tīmeklī diskusijas par jūsu produktu kategoriju, konkurentu atsauksmes un bieži uzdotos jautājumus. Tas sniedz jums kaut ko, ar ko strādāt, kamēr veicat primāro pētījumu. Interaktīvu personību izveide Kad esat izveidojis savu repozitoriju, nākamais solis ir izveidot personas, ar kurām AI var konsultēties ieinteresēto personu vārdā. Tas balstās tieši uz funkcionālās personas pieeju, ko es izklāstīju savā iepriekšējā rakstā, ar vienu būtisku atšķirību: šīs personas kļūst par objektīviem, caur kuriem AI analizē jautājumus, nevis tikai atsauces.dokumentus. Process darbojas šādi:
Ievadiet savu pētījumu repozitoriju ar AI rīku. Lūdziet to identificēt atšķirīgus lietotāju segmentus, pamatojoties uz mērķiem, uzdevumiem un berzes punktiem. Ļaujiet tai izveidot detalizētas personas katram segmentam. Konfigurējiet AI, lai konsultētos ar visām personām, kad ieinteresētās personas uzdod jautājumus, sniedzot konsolidētu atgriezenisko saiti.
Šeit šī pieeja ievērojami atšķiras no tradicionālajām personām. Tā kā mākslīgais intelekts ir šo personas dokumentu galvenais patērētājs, tiem nav jābūt skenējamiem vai jāietilpst vienā lapā. Tradicionālās personības ierobežo cilvēka lasāmība: jums ir jāizdala viss līdz aizzīmju punktiem un galvenajiem citātiem, ko kāds var uztvert vienā mirklī. Bet AI nav šādu ierobežojumu. Tas nozīmē, ka jūsu personas var būt daudz detalizētākas. Varat iekļaut garus uzvedības novērojumus, pretrunīgus datu punktus un niansētu kontekstu, kas nekad nepārdzīvotu tradicionālā personisko plakātu rediģēšanas procesu. AI var aptvert visu šo sarežģītību un izmantot to, atbildot uz jautājumiem. Katrai personai varat arī izveidot dažādus objektīvus vai perspektīvas, kas pielāgotas konkrētām biznesa funkcijām. Jūsu “Weekend Warrior” personai var būt mārketinga objektīvs (ziņapmaiņas preferences, kanālu paradumi, kampaņas atbildes), produkta objektīvs (funkciju prioritātes, lietojamības modeļi, jaunināšanas aktivizētāji) un atbalsta objektīvs (izplatīti jautājumi, neapmierinātības punkti, izšķirtspējas preferences). Kad mārketinga menedžeris uzdod jautājumu, AI izmanto mārketingam saistītu informāciju. Kad produktu menedžeris jautā, tas izvelk no produkta objektīva. Viena un tā pati persona, atšķirīgs dziļums atkarībā no tā, kurš jautā.
Personām joprojām ir jāiekļauj visi funkcionālie elementi, par kuriem mēs runājām iepriekš: mērķi un uzdevumi, jautājumi un iebildumi, sāpju punkti, saskares punkti un pakalpojumu nepilnības. Bet tagad šie elementi kļūst par pamatu tam, kā AI novērtē jautājumus no katras personas perspektīvas, sintezējot viņu uzskatus praktiskos ieteikumos. Īstenošanas iespējas Varat to iestatīt ar dažādu sarežģītības līmeni atkarībā no jūsu resursiem un vajadzībām. Vienkāršā pieeja Lielākā daļa AI platformu tagad piedāvā projektu vai darbvietas funkcijas, kas ļauj augšupielādēt atsauces dokumentus. ChatGPT tos sauc par projektiem. Klodam ir līdzīga iezīme. Otrais pilots un Dvīņi tos sauc par telpām vai dārgakmeņiem. Lai sāktu, izveidojiet īpašu projektu un augšupielādējiet galvenos pētniecības dokumentus un personas. Pēc tam uzrakstiet skaidrus norādījumus, liekot AI konsultēties ar visām personām, atbildot uz jautājumiem. Kaut kas līdzīgs: Jūs palīdzat ieinteresētajām personām izprast mūsu lietotājus. Uzdodot jautājumus, konsultējieties ar visām lietotāja personībām šajā projektā un sniedziet: (1) īsu kopsavilkumu par to, kā katra persona varētu reaģēt, (2) pārskatu, kurā uzsvērta, kur viņi piekrīt un kur tie atšķiras, un (3) ieteikumus, pamatojoties uz viņu kolektīvajām perspektīvām. Izmantojiet visus pētījuma dokumentus, lai sniegtu informāciju par savu analīzi. Ja pētījums pilnībā neaptver kādu tēmu, meklējiet sociālās platformas, piemēram, Reddit, Twitter un attiecīgos forumus, lai redzētu, kā cilvēki, kas atbilst šīm personām, apspriež līdzīgas problēmas. Ja joprojām neesat pārliecināts par kaut ko, pasakiet to godīgi un iesakiet, kādi papildu pētījumi varētu palīdzēt.
Šai pieejai ir daži ierobežojumi. Augšupielādējamo failu skaitam ir noteikti ierobežojumi, tāpēc jums, iespējams, būs jānosaka svarīgākā pētījuma prioritāte vai jāapvieno personas vienā visaptverošā dokumentā. Sarežģītāka pieeja Lielākām organizācijām vai biežākai lietošanai tāds rīks kā Notion piedāvā priekšrocības, jo tajā var būt visa jūsu pētījumu krātuve un tajā ir iebūvētas AI iespējas. Varat izveidot datu bāzes dažāda veida pētījumiem, saistīt tās kopā un pēc tam izmantot AI, lai vaicātu par visu.
Ieguvums šeit ir tāds, ka AI var piekļūt daudz plašākam kontekstam. Kad ieinteresētā persona uzdod jautājumu, tā var vienlaikus izmantot aptaujas, atbalsta biļetes, interviju atšifrējumus un analītikas datus. Tas nodrošina bagātīgākas un niansētākas atbildes. Ko tas neaizstāj Man vajadzētu būt skaidram par ierobežojumiem. Virtuālās personas nevar aizstāt sarunas ar reāliem lietotājiem. Tie ir veids, kā padarīt esošos pētījumus pieejamākus un efektīvākus. Ir vairāki scenāriji, kuros jums joprojām ir nepieciešama primārā izpēte:
uzsākot kaut ko patiesi jaunu, ko jūsu esošais pētījums neaptver; Kad nepieciešams apstiprināt konkrētus dizainus vai prototipus; Kad jūsu repozitorija dati kļūst novecojuši; Kad ieinteresētās personaslai veidotu empātiju, ir jādzird tieši no īstiem cilvēkiem.
Faktiski jūs varat konfigurēt AI, lai atpazītu šīs situācijas. Kad kāds uzdod jautājumu, kas pārsniedz to, ko var sniegt pētījums, AI var atbildēt ar kaut ko līdzīgu: "Man nav pietiekami daudz informācijas, lai uz to atbildētu pārliecinoši. Tas varētu būt labs jautājums ātrai lietotāja intervijai vai aptaujai." Un, kad veicat jaunu pētījumu, šie dati tiek atgriezti repozitorijā. Personas laika gaitā attīstās, padziļinoties jūsu izpratnei. Tas ir daudz labāks par tradicionālo pieeju, kad personas tiek izveidotas vienreiz un tad lēnām noveco. Organizatoriskā maiņa Ja šī pieeja jūsu organizācijā iedzīvojas, notiek kaut kas interesants. UX komandas loma mainās no lietotāju zināšanu nodrošinātājas uz repozitorija kuratoriem un uzturētājiem. Tā vietā, lai tērētu laiku, veidojot pārskatus, kurus var vai nevar izlasīt, jūs pavadāt laiku, lai nodrošinātu, ka repozitorijs ir aktuāls un AI ir konfigurēts, lai sniegtu noderīgas atbildes. Izpētiet komunikācijas izmaiņas no push (prezentācijas, ziņojumi, e-pasta ziņojumi) uz pull (ieinteresētās personas uzdod jautājumus, kad tām vajadzīgas atbildes). Uz lietotāju orientēta domāšana tiek sadalīta visā organizācijā, nevis koncentrēta vienā komandā. Tas nepadara UX pētniekus mazāk vērtīgus. Ja kas, tas padara tos vērtīgākus, jo viņu darbam tagad ir plašāka sasniedzamība un lielāka ietekme. Bet tas maina darba būtību. Darba sākšana Ja vēlaties izmēģināt šo pieeju, sāciet ar mazumiņu. Ja pirms niršanas jums ir nepieciešams funkcionālo personību pamats, esmu uzrakstījis detalizētu ceļvedi to izveidei. Izvēlieties vienu projektu vai komandu un iestatiet vienkāršu ieviešanu, izmantojot ChatGPT Projects vai līdzīgu rīku. Apkopojiet visus veiktos pētījumus (pat ja šķiet, ka tie ir nepilnīgi), izveidojiet vienu vai divas personas un skatieties, kā ieinteresētās personas reaģē. Pievērsiet uzmanību tam, kādus jautājumus viņi uzdod. Tie parādīs, kur jūsu pētījumā ir nepilnības un kādi papildu dati būtu visvērtīgākie. Pilnveidojot pieeju, varat paplašināties, iekļaujot vairāk komandu un sarežģītākus rīkus. Taču pamatprincips paliek nemainīgs: izmantojiet visas izkaisītās lietotāju zināšanas un sniedziet tām balsi, ko var dzirdēt ikviens jūsu organizācijā. Savā iepriekšējā rakstā es apgalvoju, ka mums vajadzētu pāriet no demogrāfiskām personām uz funkcionālām personām, kas koncentrējas uz to, ko lietotāji cenšas darīt. Tagad es iesaku mums spert nākamo soli: no statiskām personām līdz interaktīvām personām, kas faktiski var piedalīties sarunās, kurās tiek pieņemti lēmumi. Jo katru dienu jūsu organizācijā cilvēki pieņem lēmumus, kas ietekmē jūsu lietotājus. Un jūsu lietotāji ir pelnījuši vietu pie galda, pat ja tas ir virtuāls. Papildu lasīšana vietnē SmashingMag
“Sīkāka personību apskate: kas tās ir un kā tās darbojas | 1”, Šlomo Golcs “Kā uzlabot savu projektēšanas procesu, izmantojot uz datiem balstītas personas”, Tims Noetzels “Kā padarīt jūsu UX pētījumu grūti ignorējamu”, Vitālijs Frīdmens “Kā izveidot spēcīgas klientu attiecības lietotāju izpētei”, Renaissance Reičela
