Katika nakala yangu iliyotangulia, niligundua jinsi AI inaweza kutusaidia kuunda watu wanaofanya kazi kwa ufanisi zaidi. Tulizingatia kuwajenga watu wanaozingatia kile ambacho watumiaji wanajaribu kutimiza badala ya wasifu wa demografia ambao unaonekana vizuri kwenye mabango lakini mara chache hubadilisha maamuzi ya muundo. Lakini kuunda watu ni nusu tu ya vita. Changamoto kubwa ni kupata maarifa hayo mikononi mwa watu wanaoyahitaji, kwa wakati wanaohitaji. Kila siku, watu kote katika shirika lako hufanya maamuzi yanayoathiri matumizi ya mtumiaji. Timu za bidhaa huamua ni vipengele vipi vya kuweka kipaumbele. Timu za masoko hufanya kampeni za ufundi. Timu za fedha husanifu michakato ya ankara. Timu za usaidizi kwa wateja huandika violezo vya majibu. Maamuzi haya yote huchangia jinsi watumiaji wanavyotumia bidhaa au huduma yako. Na wengi wao hutokea bila mchango wowote kutoka kwa watumiaji halisi. Tatizo la Jinsi Tunavyoshiriki Utafiti wa Watumiaji Wewe fanya utafiti. Unaunda watu. Unaandika ripoti. Unatoa mawasilisho. Unatengeneza hata infographics za kupendeza. Na kisha nini kinatokea? Utafiti unakaa katika hifadhi ya pamoja mahali fulani, unakusanya vumbi la kidijitali polepole. Watu hurejelewa katika mikutano ya kuanza na kisha kusahaulika. Ripoti hukaririwa mara moja na hazifunguki tena. Wakati msimamizi wa bidhaa anaamua ikiwa ataongeza kipengele kipya, huenda hawachimbui hazina ya utafiti ya mwaka jana. Wakati timu ya fedha inaunda upya barua pepe ya ankara, kwa hakika haishauriani na watumiaji. Wanafanya ubashiri wao bora na kuendelea. Huu sio ukosoaji wa timu hizo. Wako busy. Wana muda wa mwisho. Na kwa uaminifu, hata kama wangetaka kushauriana na utafiti, labda hawatajua wapi kuupata au jinsi ya kuutafsiri kwa swali lao maalum. Maarifa husalia yamefungwa ndani ya vichwa vya timu ya UX, ambao hawawezi kuwepo kwa kila uamuzi unaofanywa katika shirika zima. Nini Ikiwa Watumiaji Wangeweza Kuzungumza Kweli? Je, ikiwa, badala ya kuunda hati tuli ambazo watu wanahitaji kutafuta na kuzitafsiri, tunaweza kuwapa wadau njia ya kushauriana na watumiaji wako wote mara moja?
Hebu fikiria meneja wa masoko akifanya kazi kwenye kampeni mpya. Badala ya kujaribu kukumbuka watu walisema nini kuhusu mapendeleo ya kutuma ujumbe, wanaweza kuuliza tu: "Ninafikiria kuongoza kwa ofa ya punguzo katika barua pepe hii. Watumiaji wetu wangefikiria nini?" Na AI, ikichora data yako yote ya utafiti na watu, inaweza kujibu kwa maoni yaliyounganishwa: jinsi kila mtu angeweza kuguswa, wapi wanakubali, wanatofautiana, na seti ya mapendekezo kulingana na mitazamo yao ya pamoja. Swali moja, maarifa yaliyounganishwa kwa msingi wako wote wa watumiaji.
Hii sio hadithi ya kisayansi. Kwa AI, tunaweza kujenga aina hii ya mfumo. Tunaweza kuchukua utafiti huo uliotawanyika (tafiti, mahojiano, tikiti za usaidizi, uchanganuzi, watu wenyewe) na kuugeuza kuwa nyenzo shirikishi ambayo mtu yeyote anaweza kuuliza kwa maoni ya mitazamo mingi. Kujenga Hifadhi ya Utafiti wa Mtumiaji Msingi wa mbinu hii ni hifadhi kuu ya kila kitu unachojua kuhusu watumiaji wako. Ifikirie kama chanzo kimoja cha ukweli ambacho AI inaweza kufikia na kupata kutoka. Ikiwa umekuwa ukifanya utafiti wa watumiaji kwa urefu wowote wa muda, labda una data zaidi kuliko unavyotambua. Imetawanyika katika zana na umbizo tofauti:
Matokeo ya uchunguzi yakiwa kwenye jukwaa lako la uchunguzi, Nakala za mahojiano katika Hati za Google, Tikiti za usaidizi kwa wateja katika mfumo wako wa dawati la usaidizi, Data ya uchanganuzi katika dashibodi mbalimbali, Maoni na maoni kwenye mitandao ya kijamii, Wazee kutoka kwa miradi iliyopita, Rekodi za majaribio ya utumiaji na vidokezo.
Hatua ya kwanza ni kukusanya haya yote katika sehemu moja. Haihitaji kupangwa kikamilifu. AI ni nzuri sana katika kuleta maana ya pembejeo zenye fujo. Ikiwa unaanza kutoka mwanzo na huna utafiti mwingi uliopo, unaweza kutumia zana za utafiti wa kina wa AI ili kuanzisha msingi.
Zana hizi zinaweza kuchanganua wavuti kwa majadiliano kuhusu aina ya bidhaa yako, hakiki za washindani na maswali ya kawaida ambayo watu huuliza. Hii hukupa kitu cha kufanya kazi nacho unapounda utafiti wako wa msingi. Kuunda Watu Wanaoingiliana Mara tu unapokuwa na hazina yako, hatua inayofuata ni kuunda watu ambao AI inaweza kushauriana kwa niaba ya washikadau. Hii inajengwa moja kwa moja juu ya mbinu ya utendaji ya mtu niliyoelezea katika nakala yangu iliyopita, na tofauti moja muhimu: watu hawa huwa lenzi ambazo AI huchambua maswali, sio kumbukumbu tu.hati. Mchakato hufanya kazi kama hii:
Lisha hazina yako ya utafiti kwa zana ya AI. Iulize kutambua sehemu tofauti za watumiaji kulingana na malengo, kazi na sehemu za msuguano. Ifanye itoe watu wa kina kwa kila sehemu. Sanidi AI ili kushauriana na watu wote wakati wadau wanauliza maswali, kutoa maoni yaliyounganishwa.
Hapa ndipo njia hii inatofautiana sana kutoka kwa watu wa jadi. Kwa sababu AI ndiye mtumiaji mkuu wa hati hizi za mtu binafsi, hazihitaji kuchanganuliwa au kutoshea kwenye ukurasa mmoja. Watu wa kitamaduni wamebanwa na usomaji wa binadamu: inabidi utoe kila kitu hadi pointi za risasi na nukuu kuu ambazo mtu anaweza kuzipata mara moja tu. Lakini AI haina kizuizi kama hicho. Hii inamaanisha kuwa watu wako wanaweza kuelezewa kwa undani zaidi. Unaweza kujumuisha uchunguzi wa kitabia mrefu, vidokezo vya data kinzani, na muktadha wa hali ya juu ambao hautadumu katika mchakato wa uhariri wa bango la kitamaduni la mtu. AI inaweza kushikilia utata huu wote na kuchora juu yake wakati wa kujibu maswali. Unaweza pia kuunda lenzi au mitazamo tofauti ndani ya kila mtu, iliyoundwa na utendaji maalum wa biashara. Mtu wako wa "Weekend Warrior" anaweza kuwa na lenzi ya uuzaji (mapendeleo ya ujumbe, tabia za kituo, majibu ya kampeni), lenzi ya bidhaa (vipaumbele vya vipengele, mifumo ya utumiaji, vichochezi vya kuboresha), na lenzi ya usaidizi (maswali ya kawaida, sehemu za kufadhaika, mapendeleo ya azimio). Wakati meneja wa uuzaji anauliza swali, AI huchota habari inayohusiana na uuzaji. Wakati meneja wa bidhaa anauliza, huchota kutoka kwa lensi ya bidhaa. Mtu sawa, kina tofauti kulingana na nani anayeuliza.
Watu bado wanapaswa kujumuisha vipengele vyote vya utendaji ambavyo tulijadili hapo awali: malengo na kazi, maswali na pingamizi, pointi za maumivu, sehemu za kugusa, na mapungufu ya huduma. Lakini sasa vipengele hivi vinakuwa msingi wa jinsi AI inavyotathmini maswali kutoka kwa mtazamo wa kila mtu, ikijumuisha maoni yao katika mapendekezo yanayotekelezeka. Chaguzi za Utekelezaji Unaweza kuweka hii kwa viwango tofauti vya ustadi kulingana na rasilimali na mahitaji yako. Mbinu Rahisi Mifumo mingi ya AI sasa inatoa vipengele vya mradi au nafasi ya kazi ambavyo hukuruhusu kupakia hati za marejeleo. Katika ChatGPT, hizi huitwa Miradi. Claude ana sifa sawa. Copilot na Gemini huziita Spaces au Gems. Ili kuanza, unda mradi maalum na upakie hati zako muhimu za utafiti na watu. Kisha andika maagizo wazi ukiambia AI kushauriana na watu wote wakati wa kujibu maswali. Kitu kama: Unasaidia wadau kuelewa watumiaji wetu. Unapoulizwa maswali, wasiliana na watumiaji wote wa mradi huu na utoe: (1) muhtasari mfupi wa jinsi kila mtu angejibu, (2) muhtasari unaoangazia wapi wanakubali na wanapotofautiana, na (3) mapendekezo kulingana na mitazamo yao ya pamoja. Chora kwenye hati zote za utafiti ili kufahamisha uchambuzi wako. Ikiwa utafiti hauangazii mada kikamilifu, tafuta majukwaa ya kijamii kama Reddit, Twitter, na mabaraza husika ili kuona jinsi watu wanaolingana na watu hawa wanavyojadili masuala sawa. Ikiwa bado huna uhakika kuhusu jambo fulani, sema kwa uaminifu na upendekeze ni utafiti gani wa ziada unaweza kusaidia.
Mbinu hii ina vikwazo fulani. Kuna idadi ndogo ya faili ngapi unaweza kupakia, kwa hivyo unaweza kuhitaji kutanguliza utafiti wako muhimu zaidi au kuunganisha watu wako katika hati moja ya kina. Mbinu ya Kisasa Zaidi Kwa mashirika makubwa au matumizi yanayoendelea zaidi, zana kama Notion inatoa manufaa kwa sababu inaweza kuhifadhi hazina yako yote ya utafiti na ina uwezo wa AI uliojengewa ndani. Unaweza kuunda hifadhidata za aina tofauti za utafiti, kuziunganisha pamoja, kisha utumie AI kuuliza kila kitu.
Faida hapa ni kwamba AI ina ufikiaji wa muktadha zaidi. Wakati mdau anauliza swali, inaweza kutumia tafiti, tikiti za usaidizi, nakala za mahojiano na data ya uchanganuzi zote kwa wakati mmoja. Hii inaleta majibu tajiri zaidi, yenye nuanced zaidi. Nini Hii Haichukui Nafasi Ninapaswa kuwa wazi juu ya mapungufu. Watu pepe sio mbadala wa kuzungumza na watumiaji halisi. Wao ni njia ya kufanya utafiti uliopo kupatikana zaidi na kutekelezeka. Kuna hali kadhaa ambapo bado unahitaji utafiti wa msingi:
Wakati wa kuzindua kitu kipya kabisa ambacho utafiti wako uliopo haujumuishi; Wakati unahitaji kuthibitisha miundo maalum au prototypes; Wakati data yako ya hazina inachakaa; Wakati wadauhaja ya kusikia moja kwa moja kutoka kwa wanadamu halisi ili kujenga huruma.
Kwa kweli, unaweza kusanidi AI kutambua hali hizi. Mtu anapouliza swali linalozidi kile ambacho utafiti unaweza kujibu, AI inaweza kujibu kwa kitu kama hiki: "Sina maelezo ya kutosha kujibu hilo kwa ujasiri. Hili linaweza kuwa swali zuri kwa mahojiano ya haraka ya mtumiaji au utafiti." Na unapofanya utafiti mpya, data hiyo inarudi kwenye hazina. Watu hubadilika kadiri uelewa wako unavyozidi kuongezeka. Hii ni bora zaidi kuliko mbinu ya kitamaduni, ambapo watu huundwa mara moja na kisha kupeperushwa nje ya tarehe polepole. Mabadiliko ya Shirika Ikiwa mbinu hii itapatikana katika shirika lako, kitu cha kuvutia kinatokea. Jukumu la timu ya UX hubadilika kutoka kuwa walinzi wa maarifa ya mtumiaji hadi kuwa wasimamizi na watunzaji wa hazina. Badala ya kutumia muda kuunda ripoti ambazo zinaweza kusomwa au zisisomeke, unatumia muda kuhakikisha hazina inabaki kuwa ya sasa na kwamba AI imesanidiwa kutoa majibu muhimu. Mawasiliano ya utafiti hubadilika kutoka kushinikiza (mawasilisho, ripoti, barua pepe) hadi kuvuta (wadau wanaouliza maswali wanapohitaji majibu). Mawazo yanayozingatia mtumiaji husambazwa katika shirika lote badala ya kujikita katika timu moja. Hii haifanyi watafiti wa UX kuwa chini ya thamani. Ikiwa kuna chochote, inawafanya kuwa wa thamani zaidi kwa sababu kazi yao sasa ina ufikiaji mpana na athari kubwa zaidi. Lakini inabadilisha asili ya kazi. Kuanza Ikiwa unataka kujaribu njia hii, anza ndogo. Ikiwa unahitaji kitangulizi cha watu wanaofanya kazi kabla ya kuingia ndani, nimeandika mwongozo wa kina wa kuziunda. Chagua mradi au timu moja na uweke utekelezaji rahisi kwa kutumia Miradi ya ChatGPT au zana sawa. Kusanya utafiti wowote ulio nao (hata kama unahisi kuwa haujakamilika), unda mtu mmoja au wawili, na uone jinsi washikadau wanavyojibu. Makini na maswali gani wanauliza. Haya yatakuambia ambapo utafiti wako una mapungufu na ni data gani ya ziada ingekuwa muhimu zaidi. Unapoboresha mbinu, unaweza kupanua hadi timu zaidi na zana za kisasa zaidi. Lakini kanuni ya msingi inabakia sawa: chukua maarifa yote ya mtumiaji yaliyotawanyika na uyape sauti ambayo mtu yeyote katika shirika lako anaweza kusikia. Katika makala yangu ya awali, nilisema kwamba tunapaswa kuhama kutoka kwa watu wa idadi ya watu kwenda kwa watu wanaofanya kazi ambao huzingatia kile watumiaji wanajaribu kufanya. Sasa ninapendekeza tuchukue hatua inayofuata: kutoka kwa watu tuli hadi wale wanaoingiliana ambao wanaweza kushiriki katika mazungumzo ambapo maamuzi hufanywa. Kwa sababu kila siku, kote katika shirika lako, watu wanafanya maamuzi ambayo yanaathiri watumiaji wako. Na watumiaji wako wanastahili kiti kwenye meza, hata kama ni cha mtandaoni. Usomaji Zaidi Kwenye SmashingMag
"Uchunguzi wa Watu Kwa Ukaribu: Walivyo na Jinsi Wanafanya Kazi | 1", Shlomo Goltz "Jinsi ya Kuboresha Mchakato wako wa Kubuni na Watu Wanaotegemea Data", Tim Noetzel "Jinsi ya Kufanya Utafiti wako wa UX kuwa Mgumu Kupuuza", Vitaly Friedman "Jinsi ya Kujenga Mahusiano Madhubuti ya Wateja kwa Utafiti wa Watumiaji", Renaissance Rachel
