माझ्या मागील लेखात, मी शोधून काढले की AI आम्हाला कार्यक्षम व्यक्ती अधिक कार्यक्षमतेने तयार करण्यात कशी मदत करू शकते. पोस्टर्सवर चांगले दिसणाऱ्या परंतु क्वचितच डिझाइन निर्णय बदलणाऱ्या लोकसंख्याशास्त्रीय प्रोफाइलपेक्षा वापरकर्ते काय साध्य करण्याचा प्रयत्न करीत आहेत यावर लक्ष केंद्रित करणारे व्यक्तिमत्त्व तयार करण्याकडे आम्ही पाहिले. परंतु व्यक्तिमत्त्व तयार करणे ही केवळ अर्धी लढाई आहे. ज्यांना त्यांची गरज आहे अशा लोकांच्या हाती त्या अंतर्दृष्टी मिळवणे हे मोठे आव्हान आहे. दररोज, तुमच्या संस्थेतील लोक वापरकर्त्याच्या अनुभवावर परिणाम करणारे निर्णय घेतात. कोणत्या वैशिष्ट्यांना प्राधान्य द्यायचे हे उत्पादन कार्यसंघ ठरवतात. विपणन संघ मोहिमा तयार करतात. फायनान्स टीम इनव्हॉइसिंग प्रक्रिया डिझाइन करतात. ग्राहक समर्थन कार्यसंघ प्रतिसाद टेम्पलेट लिहितात. हे सर्व निर्णय वापरकर्ते तुमच्या उत्पादनाचा किंवा सेवेचा कसा अनुभव घेतात हे आकार देतात. आणि त्यापैकी बहुतेक वास्तविक वापरकर्त्यांकडून कोणत्याही इनपुटशिवाय घडतात. आम्ही वापरकर्ता संशोधन कसे सामायिक करतो यासह समस्या तुम्ही संशोधन करा. तुम्ही व्यक्तिरेखा तयार करा. तुम्ही अहवाल लिहा. तुम्ही सादरीकरणे द्या. तुम्ही अगदी फॅन्सी इन्फोग्राफिक्स बनवता. आणि मग काय होते? संशोधन कुठेतरी शेअर्ड ड्राइव्हमध्ये बसते, हळूहळू डिजिटल धूळ गोळा करत आहे. किकऑफ मीटिंगमध्ये व्यक्तींचा संदर्भ मिळतो आणि नंतर विसरला जातो. अहवाल एकदा स्किम केले जातात आणि पुन्हा उघडले जात नाहीत. जेव्हा एखादा उत्पादन व्यवस्थापक नवीन वैशिष्ट्य जोडायचे की नाही हे ठरवत असतो, तेव्हा ते कदाचित गेल्या वर्षीच्या संशोधन भांडाराचा शोध घेत नाहीत. जेव्हा फायनान्स टीम इनव्हॉइस ईमेलची पुनर्रचना करत असते, तेव्हा ते जवळजवळ नक्कीच वापरकर्त्याच्या व्यक्तींचा सल्ला घेत नाहीत. ते त्यांचा सर्वोत्तम अंदाज बांधतात आणि पुढे जातात. ही त्या संघांवर टीका नाही. ते व्यस्त आहेत. त्यांना मुदत आहे. आणि प्रामाणिकपणे, जरी त्यांना संशोधनाचा सल्ला घ्यायचा असला तरीही, त्यांना कदाचित ते कोठे शोधायचे किंवा त्यांच्या विशिष्ट प्रश्नासाठी त्याचा अर्थ कसा लावायचा हे माहित नसावे. ज्ञान UX टीमच्या प्रमुखांच्या आत लॉक केलेले असते, जे संपूर्ण संस्थेमध्ये घेतलेल्या प्रत्येक निर्णयासाठी उपस्थित राहू शकत नाहीत. वापरकर्ते खरोखर बोलू शकत असल्यास काय? लोकांना शोधणे आणि त्याचा अर्थ लावणे आवश्यक असलेले स्थिर दस्तऐवज तयार करण्याऐवजी, आम्ही भागधारकांना एकाच वेळी तुमच्या सर्व वापरकर्ता व्यक्तींचा सल्ला घेण्याचा मार्ग देऊ शकलो तर?
नवीन मोहिमेवर काम करणाऱ्या मार्केटिंग व्यवस्थापकाची कल्पना करा. मेसेजिंग प्राधान्यांबद्दल व्यक्तींनी काय म्हटले आहे हे लक्षात ठेवण्याचा प्रयत्न करण्याऐवजी, ते फक्त विचारू शकतात: "मी या ईमेलमध्ये सवलत ऑफरसह अग्रगण्य करण्याचा विचार करत आहे. आमचे वापरकर्ते काय विचार करतील?" आणि AI, तुमचा सर्व संशोधन डेटा आणि व्यक्तिमत्वांवर आधारित, एकत्रित दृश्यासह प्रतिसाद देऊ शकते: प्रत्येक व्यक्तिमत्वाची प्रतिक्रिया कशी असेल, ते कुठे सहमत असतील, कुठे वेगळे असतील आणि त्यांच्या सामूहिक दृष्टीकोनांवर आधारित शिफारसींचा संच. एक प्रश्न, तुमच्या संपूर्ण वापरकर्ता बेसवर संश्लेषित अंतर्दृष्टी.
ही विज्ञानकथा नाही. AI सह, आम्ही अशा प्रकारची प्रणाली तयार करू शकतो. आम्ही ते सर्व विखुरलेले संशोधन (सर्वेक्षण, मुलाखती, समर्थन तिकिटे, विश्लेषणे, स्वतः व्यक्तिमत्व) घेऊ शकतो आणि ते एका परस्परसंवादी संसाधनात बदलू शकतो ज्याला कोणीही बहु-दृष्टीकोन अभिप्रायासाठी विचारू शकतो. वापरकर्ता संशोधन भांडार तयार करणे या दृष्टिकोनाचा पाया म्हणजे तुमच्या वापरकर्त्यांबद्दल तुम्हाला माहीत असलेल्या प्रत्येक गोष्टीचे केंद्रीकृत भांडार आहे. AI प्रवेश करू शकते आणि त्यातून काढू शकते अशा सत्याचा एक स्रोत म्हणून याचा विचार करा. तुम्ही कितीही काळ वापरकर्ता संशोधन करत असल्यास, तुमच्याकडे कदाचित तुमच्या लक्षात येण्यापेक्षा जास्त डेटा असेल. हे फक्त विविध साधने आणि स्वरूपांमध्ये विखुरलेले आहे:
तुमच्या सर्वेक्षण व्यासपीठावर बसून सर्वेक्षणाचे निकाल, Google दस्तऐवज मध्ये मुलाखत प्रतिलेख, तुमच्या हेल्पडेस्क सिस्टममध्ये ग्राहक समर्थन तिकिटे, विविध डॅशबोर्डमधील विश्लेषण डेटा, सोशल मीडिया उल्लेख आणि पुनरावलोकने, मागील प्रकल्पातील जुने व्यक्तिरेखा, उपयोगिता चाचणी रेकॉर्डिंग आणि नोट्स.
पहिली पायरी म्हणजे हे सर्व एकाच ठिकाणी एकत्र करणे. ते पूर्णपणे व्यवस्थित असणे आवश्यक नाही. गोंधळलेल्या इनपुटची जाणीव करून देण्यासाठी AI उल्लेखनीयपणे चांगले आहे. जर तुम्ही सुरवातीपासून सुरुवात करत असाल आणि तुमच्याकडे जास्त संशोधन नसेल, तर तुम्ही बेसलाइन स्थापित करण्यासाठी AI सखोल संशोधन साधने वापरू शकता.
ही साधने तुमच्या उत्पादन श्रेणी, स्पर्धक पुनरावलोकने आणि लोक विचारत असलेल्या सामान्य प्रश्नांबद्दल चर्चा करण्यासाठी वेब स्कॅन करू शकतात. हे तुम्हाला तुमचे प्राथमिक संशोधन तयार करताना काम करण्यासाठी काहीतरी देते. परस्परसंवादी व्यक्ती तयार करणे एकदा तुमच्याकडे तुमचा रेपॉजिटरी आला की, पुढची पायरी म्हणजे व्यक्ती तयार करणे ज्याचा AI भागधारकांच्या वतीने सल्ला घेऊ शकेल. हे मी माझ्या मागील लेखात नमूद केलेल्या कार्यात्मक व्यक्तिमत्त्वाच्या दृष्टिकोनावर थेट तयार करते, एका महत्त्वाच्या फरकासह: ही व्यक्तिरेखा लेन्स बनतात ज्याद्वारे AI केवळ संदर्भच नव्हे तर प्रश्नांचे विश्लेषण करते.कागदपत्रे प्रक्रिया खालीलप्रमाणे कार्य करते:
तुमच्या संशोधन भांडाराला एआय टूलवर फीड करा. ध्येय, कार्ये आणि घर्षण बिंदूंवर आधारित वेगळे वापरकर्ता विभाग ओळखण्यास सांगा. प्रत्येक विभागासाठी तपशीलवार व्यक्तिरेखा तयार करा. जेव्हा भागधारक प्रश्न विचारतात तेव्हा सर्व व्यक्तींचा सल्ला घेण्यासाठी AI कॉन्फिगर करा, एकत्रित अभिप्राय प्रदान करा.
येथे हा दृष्टिकोन पारंपारिक व्यक्तिमत्त्वांपेक्षा लक्षणीयरीत्या वेगळा होतो. कारण AI या व्यक्तिमत्व दस्तऐवजांचा प्राथमिक ग्राहक आहे, त्यांना स्कॅन करण्यायोग्य किंवा एका पृष्ठावर बसवण्याची गरज नाही. पारंपारिक व्यक्तिमत्त्वे मानवी वाचनीयतेद्वारे मर्यादित आहेत: तुम्हाला सर्व काही बुलेट पॉइंट्स आणि मुख्य अवतरणांपर्यंत डिस्टिल करावे लागेल जे कोणीतरी एका दृष्टीक्षेपात आत्मसात करू शकेल. पण एआयला अशी मर्यादा नाही. याचा अर्थ तुमची व्यक्तिरेखा अधिक तपशीलवार असू शकतात. तुम्ही लांबलचक वर्तणुकीशी निरिक्षण, विरोधाभासी डेटा पॉइंट्स आणि सूक्ष्म संदर्भ समाविष्ट करू शकता जे पारंपारिक व्यक्तिमत्व पोस्टरच्या संपादन प्रक्रियेत कधीही टिकू शकणार नाहीत. AI ही सर्व गुंतागुंत धारण करू शकते आणि प्रश्नांची उत्तरे देताना त्यावर काढू शकते. तुम्ही विशिष्ट व्यावसायिक कार्यांसाठी तयार केलेल्या प्रत्येक व्यक्तिरेखेमध्ये भिन्न लेन्स किंवा दृष्टीकोन देखील तयार करू शकता. तुमच्या “वीकेंड वॉरियर” व्यक्तिमत्वामध्ये मार्केटिंग लेन्स (मेसेजिंग प्राधान्ये, चॅनेल सवयी, मोहिमेचे प्रतिसाद), उत्पादन लेन्स (वैशिष्ट्य प्राधान्ये, उपयोगिता पॅटर्न, अपग्रेड ट्रिगर) आणि सपोर्ट लेन्स (सामान्य प्रश्न, निराशा पॉइंट्स, रिझोल्यूशन प्राधान्ये) असू शकतात. जेव्हा मार्केटिंग मॅनेजर प्रश्न विचारतो तेव्हा एआय मार्केटिंग-संबंधित माहिती काढते. जेव्हा उत्पादन व्यवस्थापक विचारतो तेव्हा ते उत्पादनाच्या लेन्समधून खेचते. समान व्यक्तिमत्व, कोण विचारत आहे यावर अवलंबून भिन्न खोली.
व्यक्तिमत्वांमध्ये आम्ही आधी चर्चा केलेले सर्व कार्यात्मक घटक समाविष्ट असले पाहिजेत: उद्दिष्टे आणि कार्ये, प्रश्न आणि आक्षेप, वेदना बिंदू, स्पर्शबिंदू आणि सेवा अंतर. परंतु आता हे घटक AI प्रत्येक व्यक्तीच्या दृष्टीकोनातून प्रश्नांचे मूल्यमापन कसे करतात, त्यांची मते कृतीयोग्य शिफारशींमध्ये संश्लेषित करतात याचा आधार बनतात. अंमलबजावणी पर्याय तुमच्या संसाधने आणि गरजांनुसार तुम्ही हे विविध स्तरांच्या अत्याधुनिकतेसह सेट करू शकता. साधा दृष्टीकोन बहुतेक AI प्लॅटफॉर्म आता प्रकल्प किंवा कार्यक्षेत्र वैशिष्ट्ये ऑफर करतात जे तुम्हाला संदर्भ दस्तऐवज अपलोड करू देतात. ChatGPT मध्ये, याला प्रोजेक्ट्स म्हणतात. क्लॉडमध्ये एक समान वैशिष्ट्य आहे. Copilot आणि Gemini त्यांना Spaces किंवा Gems म्हणतात. प्रारंभ करण्यासाठी, एक समर्पित प्रकल्प तयार करा आणि तुमचे प्रमुख संशोधन दस्तऐवज आणि व्यक्तिमत्व अपलोड करा. नंतर प्रश्नांना उत्तर देताना सर्व व्यक्तींचा सल्ला घेण्यासाठी AI ला सांगणाऱ्या स्पष्ट सूचना लिहा. असे काहीतरी: तुम्ही भागधारकांना आमचे वापरकर्ते समजून घेण्यात मदत करत आहात. प्रश्न विचारल्यावर, या प्रकल्पातील सर्व वापरकर्ता व्यक्तींचा सल्ला घ्या आणि प्रदान करा: (1) प्रत्येक व्यक्तिरेखा कसा प्रतिसाद देईल याचा थोडक्यात सारांश, (2) ते कुठे सहमत आहेत आणि कुठे वेगळे आहेत हे हायलाइट करणारे विहंगावलोकन आणि (3) त्यांच्या सामूहिक दृष्टीकोनांवर आधारित शिफारसी. तुमच्या विश्लेषणाची माहिती देण्यासाठी सर्व संशोधन कागदपत्रे काढा. संशोधनात विषय पूर्णपणे समाविष्ट नसल्यास, या व्यक्तींशी जुळणारे लोक समान समस्यांवर कशी चर्चा करतात हे पाहण्यासाठी Reddit, Twitter आणि संबंधित मंच सारख्या सामाजिक प्लॅटफॉर्मवर शोधा. तुम्हाला अजूनही एखाद्या गोष्टीबद्दल खात्री नसल्यास, प्रामाणिकपणे सांगा आणि कोणते अतिरिक्त संशोधन मदत करेल ते सुचवा.
या दृष्टिकोनाला काही मर्यादा आहेत. तुम्ही किती फाइल्स अपलोड करू शकता यावर कॅप्स आहेत, त्यामुळे तुम्हाला तुमच्या सर्वात महत्त्वाच्या संशोधनाला प्राधान्य द्यावे लागेल किंवा तुमच्या व्यक्तिमत्त्वांना एकाच सर्वसमावेशक दस्तऐवजात एकत्रित करावे लागेल. अधिक अत्याधुनिक दृष्टीकोन मोठ्या संस्थांसाठी किंवा अधिक चालू असलेल्या वापरासाठी, Notion सारखे साधन फायदे देते कारण ते तुमचे संपूर्ण संशोधन भांडार ठेवू शकते आणि त्यात AI क्षमता अंतर्भूत आहेत. तुम्ही विविध प्रकारच्या संशोधनासाठी डेटाबेस तयार करू शकता, त्यांना एकत्र जोडू शकता आणि नंतर प्रत्येक गोष्टीवर क्वेरी करण्यासाठी AI वापरू शकता.
येथे फायदा असा आहे की AI ला अधिक संदर्भांमध्ये प्रवेश आहे. जेव्हा एखादा भागधारक प्रश्न विचारतो, तेव्हा तो सर्वेक्षण, समर्थन तिकिटे, मुलाखत प्रतिलेख आणि विश्लेषण डेटा सर्व एकाच वेळी काढू शकतो. हे अधिक समृद्ध, अधिक सूक्ष्म प्रतिसाद देते. What This Dos Not Replace मी मर्यादांबद्दल स्पष्ट असले पाहिजे. वास्तविक वापरकर्त्यांशी बोलण्यासाठी आभासी व्यक्तिरेखा हा पर्याय नाही. ते विद्यमान संशोधन अधिक सुलभ आणि कृती करण्यायोग्य बनविण्याचा एक मार्ग आहेत. तुम्हाला अजूनही प्राथमिक संशोधनाची आवश्यकता आहे अशा अनेक परिस्थिती आहेत:
तुमच्या विद्यमान संशोधनात समाविष्ट नसलेली एखादी नवीन गोष्ट सुरू करताना; जेव्हा आपल्याला विशिष्ट डिझाइन किंवा प्रोटोटाइप प्रमाणित करण्याची आवश्यकता असते; जेव्हा तुमचा रेपॉजिटरी डेटा शिळा होत असेल; जेव्हा भागधारकसहानुभूती निर्माण करण्यासाठी वास्तविक माणसांकडून थेट ऐकणे आवश्यक आहे.
खरं तर, तुम्ही या परिस्थिती ओळखण्यासाठी AI कॉन्फिगर करू शकता. जेव्हा कोणी एखादा प्रश्न विचारतो ज्याचे उत्तर संशोधनाच्या पलीकडे जाते, तेव्हा AI असे काहीतरी उत्तर देऊ शकते: "त्याचे आत्मविश्वासाने उत्तर देण्यासाठी माझ्याकडे पुरेशी माहिती नाही. हा एक द्रुत वापरकर्ता मुलाखत किंवा सर्वेक्षणासाठी चांगला प्रश्न असू शकतो." आणि जेव्हा तुम्ही नवीन संशोधन करता तेव्हा तो डेटा रिपॉजिटरीमध्ये परत येतो. तुमची समजूतदारपणा जसजशी वाढत जाते तसतसे व्यक्तिमत्त्वे कालांतराने विकसित होतात. हे पारंपारिक दृष्टिकोनापेक्षा बरेच चांगले आहे, जिथे व्यक्तिमत्त्वे एकदा तयार होतात आणि नंतर हळूहळू कालबाह्य होतात. संघटनात्मक शिफ्ट हा दृष्टीकोन तुमच्या संस्थेमध्ये आढळल्यास, काहीतरी मनोरंजक घडते. UX टीमची भूमिका वापरकर्त्याच्या ज्ञानाचे द्वारपाल असण्यापासून ते भांडाराचे क्युरेटर आणि देखभालकर्ता होण्याकडे बदलते. वाचू शकतील किंवा न मिळू शकतील असे अहवाल तयार करण्यात वेळ घालवण्याऐवजी, तुम्ही भांडार चालू राहतील आणि AI उपयुक्त प्रतिसाद देण्यासाठी कॉन्फिगर केले आहे याची खात्री करण्यात वेळ घालवता. संशोधन संप्रेषण पुश (प्रेझेंटेशन, अहवाल, ईमेल) पासून खेचण्यासाठी बदलते (भागधारकांना जेव्हा त्यांना उत्तरांची आवश्यकता असते तेव्हा प्रश्न विचारतात). वापरकर्ता-केंद्रित विचार एका संघात केंद्रित होण्याऐवजी संपूर्ण संस्थेमध्ये वितरीत केले जातात. हे UX संशोधकांना कमी मूल्यवान बनवत नाही. काहीही असल्यास, ते त्यांना अधिक मौल्यवान बनवते कारण त्यांच्या कार्याची आता व्यापक पोहोच आणि अधिक प्रभाव आहे. पण त्यामुळे कामाचे स्वरूप बदलते. प्रारंभ करणे जर तुम्हाला हा दृष्टिकोन वापरायचा असेल तर लहान सुरुवात करा. डायव्हिंग करण्यापूर्वी तुम्हाला फंक्शनल व्यक्तिमत्त्वांवर प्राइमरची आवश्यकता असल्यास, मी ते तयार करण्यासाठी तपशीलवार मार्गदर्शक लिहिले आहे. एक प्रकल्प किंवा संघ निवडा आणि ChatGPT प्रकल्प किंवा तत्सम साधन वापरून एक साधी अंमलबजावणी सेट करा. तुमच्याकडे जे काही संशोधन आहे ते गोळा करा (जरी ते अपूर्ण वाटत असेल), एक किंवा दोन व्यक्तिरेखा तयार करा आणि भागधारक कसा प्रतिसाद देतात ते पहा. ते कोणते प्रश्न विचारतात याकडे लक्ष द्या. हे तुम्हाला सांगतील की तुमच्या संशोधनात कुठे अंतर आहे आणि कोणता अतिरिक्त डेटा सर्वात मौल्यवान असेल. तुम्ही दृष्टीकोन सुधारत असताना, तुम्ही अधिक संघ आणि अधिक अत्याधुनिक टूलिंगमध्ये विस्तार करू शकता. परंतु मुख्य तत्त्व समान राहते: ते सर्व विखुरलेले वापरकर्ता ज्ञान घ्या आणि आपल्या संस्थेतील कोणीही ऐकू शकेल असा आवाज द्या. माझ्या मागील लेखात, मी असा युक्तिवाद केला आहे की आपण लोकसंख्याशास्त्रीय व्यक्तिमत्वावरून कार्यात्मक व्यक्तिमत्वाकडे वळले पाहिजे जे वापरकर्ते काय करण्याचा प्रयत्न करीत आहेत यावर लक्ष केंद्रित करतात. आता मी सुचवितो की आम्ही पुढील पाऊल उचलू: स्थिर व्यक्तींपासून ते परस्परसंवादी व्यक्तींपर्यंत जे निर्णय घेतलेल्या संभाषणांमध्ये प्रत्यक्षात सहभागी होऊ शकतात. कारण दररोज, तुमच्या संस्थेमध्ये, लोक तुमच्या वापरकर्त्यांना प्रभावित करणारे निर्णय घेत आहेत. आणि तुमचे वापरकर्ते टेबलवर बसण्यास पात्र आहेत, जरी ते आभासी असले तरीही. SmashingMag वर पुढील वाचन
"व्यक्तींवर जवळून पहा: ते काय आहेत आणि ते कसे कार्य करतात | 1", श्लोमो गोल्ट्झ "डेटा-आधारित व्यक्तींसह तुमची डिझाइन प्रक्रिया कशी सुधारायची", टिम नोएत्झेल "तुमच्या UX संशोधनाकडे दुर्लक्ष कसे करावे", विटाली फ्रीडमन "वापरकर्ता संशोधनासाठी मजबूत ग्राहक संबंध कसे तयार करावे", रेनेसान्स रेचेल
