In mijn vorige artikel heb ik onderzocht hoe AI ons kan helpen functionelere persona’s efficiënter te creëren. We hebben gekeken naar het opbouwen van persona's die zich richten op wat gebruikers proberen te bereiken, in plaats van naar demografische profielen die er goed uitzien op posters, maar zelden ontwerpbeslissingen veranderen. Maar het creëren van persona’s is slechts het halve werk. De grotere uitdaging is om die inzichten in de handen te krijgen van mensen die ze nodig hebben, op het moment dat ze ze nodig hebben. Elke dag nemen mensen in uw organisatie beslissingen die van invloed zijn op de gebruikerservaring. Productteams beslissen welke functies prioriteit krijgen. Marketingteams bedenken campagnes. Financiële teams ontwerpen factureringsprocessen. Klantenondersteuningsteams schrijven antwoordsjablonen. Al deze beslissingen bepalen hoe gebruikers uw product of dienst ervaren. En de meeste ervan gebeuren zonder enige inbreng van daadwerkelijke gebruikers. Het probleem met hoe we gebruikersonderzoek delen Jij doet het onderzoek. Jij creëert de persona’s. Je schrijft de rapporten. Je geeft de presentaties. Je maakt zelfs mooie infographics. En wat gebeurt er dan? Het onderzoek bevindt zich ergens op een gedeelde schijf en verzamelt langzaam digitaal stof. Er wordt naar de persona’s verwezen in kickoff-bijeenkomsten en vervolgens vergeten. De rapporten worden één keer geskimd en nooit meer geopend. Wanneer een productmanager besluit of hij een nieuwe functie wil toevoegen, graaft hij waarschijnlijk niet in de onderzoeksrepository van vorig jaar. Wanneer het financiële team de factuur-e-mail opnieuw ontwerpt, raadplegen ze vrijwel zeker niet de gebruikerspersona's. Ze doen hun beste gok en gaan verder. Dit is geen kritiek op die teams. Ze zijn bezig. Ze hebben deadlines. En eerlijk gezegd: zelfs als ze het onderzoek zouden willen raadplegen, zouden ze waarschijnlijk niet weten waar ze het kunnen vinden of hoe ze het voor hun specifieke vraag moeten interpreteren. De kennis blijft opgesloten in de hoofden van het UX-team, die onmogelijk aanwezig kunnen zijn bij elke beslissing die in de hele organisatie wordt genomen. Wat als gebruikers daadwerkelijk konden spreken? Wat als we, in plaats van statische documenten te maken die mensen moeten vinden en interpreteren, belanghebbenden een manier zouden kunnen bieden om al uw gebruikerspersona's in één keer te raadplegen?
Stel je een marketingmanager voor die aan een nieuwe campagne werkt. In plaats van te proberen te onthouden wat de persona's zeiden over berichtvoorkeuren, zouden ze eenvoudigweg kunnen vragen: "Ik denk erover om leiding te geven met een kortingsaanbieding in deze e-mail. Wat zouden onze gebruikers ervan vinden?" En de AI zou, op basis van al je onderzoeksgegevens en persona’s, kunnen reageren met een geconsolideerd beeld: hoe elke persona waarschijnlijk zou reageren, waar ze het mee eens zijn, waar ze van mening verschillen, en een reeks aanbevelingen op basis van hun collectieve perspectieven. Eén vraag, gesynthetiseerd inzicht voor uw gehele gebruikersbestand.
Dit is geen sciencefiction. Met AI kunnen we precies dit soort systemen bouwen. We kunnen al dat verspreide onderzoek (de enquêtes, de interviews, de supporttickets, de analyses, de persona's zelf) gebruiken en er een interactieve bron van maken die iedereen kan opvragen voor feedback vanuit meerdere perspectieven. Het bouwen van de gebruikersonderzoeksrepository De basis van deze aanpak is een gecentraliseerde opslagplaats van alles wat u weet over uw gebruikers. Zie het als een enkele bron van waarheid waartoe AI toegang kan krijgen en waaruit kan putten. Als u al enige tijd gebruikersonderzoek doet, beschikt u waarschijnlijk over meer gegevens dan u zich realiseert. Het is gewoon verspreid over verschillende tools en formaten:
Enquêteresultaten op uw enquêteplatform, Interviewtranscripties in Google Documenten, Klantenservicetickets in uw helpdesksysteem, Analytics-gegevens in verschillende dashboards, Vermeldingen en recensies op sociale media, Oude persona's uit eerdere projecten, Opnames en aantekeningen van bruikbaarheidstests.
De eerste stap is het verzamelen van dit alles op één plek. Het hoeft niet perfect georganiseerd te zijn. AI is opmerkelijk goed in het begrijpen van rommelige invoer. Als u helemaal opnieuw begint en niet veel bestaand onderzoek heeft, kunt u diepgaande onderzoekshulpmiddelen van AI gebruiken om een basislijn vast te stellen.
Deze tools kunnen het internet scannen op discussies over uw productcategorie, beoordelingen van concurrenten en veelgestelde vragen die mensen stellen. Dit geeft je iets om mee te werken terwijl je je primaire onderzoek uitwerkt. Interactieve persona's creëren Zodra u uw repository heeft, is de volgende stap het creëren van persona’s die de AI namens belanghebbenden kan raadplegen. Dit bouwt rechtstreeks voort op de functionele persona-benadering die ik in mijn vorige artikel heb geschetst, met één belangrijk verschil: deze persona’s worden lenzen waardoor de AI vragen analyseert, en niet alleen referenties.documenten. Het proces werkt als volgt:
Voed uw onderzoeksopslagplaats met een AI-tool. Vraag het om verschillende gebruikerssegmenten te identificeren op basis van doelen, taken en knelpunten. Laat het gedetailleerde persona’s genereren voor elk segment. Configureer de AI om alle persona's te raadplegen wanneer belanghebbenden vragen stellen, en geconsolideerde feedback te geven.
Op dit punt wijkt deze benadering aanzienlijk af van traditionele persona’s. Omdat de AI de primaire consument van deze personadocumenten is, hoeven ze niet scanbaar te zijn of op één pagina te passen. Traditionele persona's worden beperkt door de menselijke leesbaarheid: je moet alles herleiden tot opsommingen en belangrijke citaten die iemand in één oogopslag kan absorberen. Maar AI kent zo’n beperking niet. Dit betekent dat uw persona's aanzienlijk gedetailleerder kunnen zijn. Je kunt langdurige gedragsobservaties, tegenstrijdige datapunten en genuanceerde context opnemen die het bewerkingsproces voor een traditionele persona-poster nooit zouden overleven. De AI kan al deze complexiteit vasthouden en daaruit putten bij het beantwoorden van vragen. Je kunt ook binnen elke persona verschillende lenzen of perspectieven creëren, afgestemd op specifieke bedrijfsfuncties. Jouw ‘Weekend Warrior’-persona kan een marketinglens hebben (berichtvoorkeuren, kanaalgewoonten, campagnereacties), een productlens (functieprioriteiten, bruikbaarheidspatronen, upgradetriggers) en een ondersteuningslens (veelgestelde vragen, frustratiepunten, oplossingsvoorkeuren). Wanneer een marketingmanager een vraag stelt, maakt de AI gebruik van de marketingrelevante informatie. Wanneer een productmanager vraagt, trekt hij uit de productlens. Dezelfde persoonlijkheid, verschillende diepgang, afhankelijk van wie het vraagt.
De persona’s moeten nog steeds alle functionele elementen bevatten die we eerder hebben besproken: doelen en taken, vragen en bezwaren, pijnpunten, contactpunten en hiaten in de dienstverlening. Maar nu worden deze elementen de basis voor de manier waarop de AI vragen evalueert vanuit het perspectief van elke persona, waarbij hun standpunten worden samengevat in bruikbare aanbevelingen. Implementatieopties U kunt dit op verschillende niveaus van verfijning instellen, afhankelijk van uw middelen en behoeften. De eenvoudige aanpak De meeste AI-platforms bieden nu project- of werkruimtefuncties waarmee u referentiedocumenten kunt uploaden. In ChatGPT worden dit Projecten genoemd. Claude heeft een soortgelijk kenmerk. Copiloot en Gemini noemen ze Spaces of Gems. Maak om te beginnen een speciaal project aan en upload uw belangrijkste onderzoeksdocumenten en persona's. Schrijf vervolgens duidelijke instructies waarin u de AI vertelt alle persona's te raadplegen bij het beantwoorden van vragen. Zoiets als: Je helpt belanghebbenden onze gebruikers te begrijpen. Als er vragen worden gesteld, raadpleeg dan alle gebruikerspersona's in dit project en geef: (1) een korte samenvatting van hoe elke persona waarschijnlijk zou reageren, (2) een overzicht waarin wordt benadrukt waar ze het mee eens zijn en waar ze verschillen, en (3) aanbevelingen op basis van hun collectieve perspectieven. Maak gebruik van alle onderzoeksdocumenten om uw analyse te onderbouwen. Als het onderzoek een onderwerp niet volledig bestrijkt, zoek dan op sociale platforms zoals Reddit, Twitter en relevante forums om te zien hoe mensen die overeenkomen met deze persona's soortgelijke kwesties bespreken. Als u nog steeds ergens niet zeker van bent, zeg dat dan eerlijk en geef aan welk aanvullend onderzoek zou kunnen helpen.
Deze aanpak heeft enkele beperkingen. Er gelden limieten voor het aantal bestanden dat u kunt uploaden, dus het kan zijn dat u prioriteit moet geven aan uw belangrijkste onderzoek of uw persona's moet consolideren in één uitgebreid document. De meer verfijnde aanpak Voor grotere organisaties of meer doorlopend gebruik biedt een tool als Notion voordelen omdat deze uw volledige onderzoeksrepository kan bevatten en ingebouwde AI-mogelijkheden heeft. U kunt databases maken voor verschillende soorten onderzoek, deze aan elkaar koppelen en vervolgens de AI gebruiken om overal doorheen te zoeken.
Het voordeel hiervan is dat de AI toegang heeft tot veel meer context. Wanneer een belanghebbende een vraag stelt, kan deze in één keer gebruikmaken van enquêtes, supporttickets, transcripties van interviews en analysegegevens. Dit zorgt voor rijkere en genuanceerder antwoorden. Wat dit niet vervangt Ik moet duidelijk zijn over de beperkingen. Virtuele persona's zijn geen vervanging voor het praten met echte gebruikers. Ze zijn een manier om bestaand onderzoek toegankelijker en uitvoerbaarder te maken. Er zijn verschillende scenario’s waarin je toch primair onderzoek nodig hebt:
Wanneer u iets echt nieuws lanceert dat uw bestaande onderzoek niet bestrijkt; Wanneer u specifieke ontwerpen of prototypes moet valideren; Wanneer uw repositorygegevens verouderd raken; Wanneer belanghebbendenmoeten rechtstreeks van echte mensen horen om empathie op te bouwen.
Sterker nog, je kunt de AI configureren om deze situaties te herkennen. Wanneer iemand een vraag stelt die verder gaat dan wat het onderzoek kan beantwoorden, kan de AI reageren met iets als: "Ik heb niet genoeg informatie om die met vertrouwen te beantwoorden. Dit kan een goede vraag zijn voor een snel gebruikersinterview of enquête." En als je nieuw onderzoek doet, worden die gegevens teruggekoppeld naar de repository. De persona's evolueren in de loop van de tijd naarmate je begrip zich verdiept. Dit is veel beter dan de traditionele aanpak, waarbij persona’s één keer worden gecreëerd en vervolgens langzaam verouderd raken. De organisatorische verschuiving Als deze aanpak aanslaat in uw organisatie, gebeurt er iets interessants. De rol van het UX-team verschuift van poortwachters van gebruikerskennis naar curatoren en beheerders van de repository. In plaats van tijd te besteden aan het maken van rapporten die wel of niet worden gelezen, besteedt u tijd aan het zorgen dat de repository actueel blijft en dat de AI is geconfigureerd om nuttige antwoorden te geven. Onderzoekscommunicatie verandert van push (presentaties, rapporten, e-mails) naar pull (stakeholders stellen vragen wanneer ze antwoorden nodig hebben). Het gebruikersgerichte denken wordt verspreid over de organisatie in plaats van geconcentreerd in één team. Dit maakt UX-onderzoekers niet minder waardevol. Het maakt ze in ieder geval waardevoller omdat hun werk nu een groter bereik en een grotere impact heeft. Maar het verandert wel de aard van het werk. Aan de slag Als je deze aanpak wilt proberen, begin dan klein. Als je een inleiding over functionele persona’s nodig hebt voordat je erin duikt, heb ik een gedetailleerde handleiding geschreven om ze te maken. Kies één project of team en zet een eenvoudige implementatie op met behulp van ChatGPT Projects of een vergelijkbare tool. Verzamel al het onderzoek dat je hebt (zelfs als het onvolledig lijkt), creëer een of twee persona's en kijk hoe belanghebbenden reageren. Let op welke vragen ze stellen. Deze zullen u vertellen waar uw onderzoek hiaten vertoont en welke aanvullende gegevens het meest waardevol zouden zijn. Naarmate u de aanpak verfijnt, kunt u uitbreiden naar meer teams en geavanceerdere tools. Maar het kernprincipe blijft hetzelfde: neem al die verspreide gebruikerskennis en geef het een stem die iedereen in je organisatie kan horen. In mijn vorige artikel betoogde ik dat we van demografische persona’s naar functionele persona’s moeten overstappen die zich richten op wat gebruikers proberen te doen. Nu stel ik voor dat we de volgende stap zetten: van statische persona's naar interactieve persona's die daadwerkelijk kunnen deelnemen aan de gesprekken waarin beslissingen worden genomen. Omdat mensen in uw hele organisatie elke dag beslissingen nemen die van invloed zijn op uw gebruikers. En uw gebruikers verdienen een plaats aan tafel, ook al is deze virtueel. Verder lezen over SmashingMag
"Een nadere blik op persona's: wat ze zijn en hoe ze werken | 1", Shlomo Goltz “Hoe u uw ontwerpproces kunt verbeteren met op gegevens gebaseerde persona’s”, Tim Noetzel "Hoe u uw UX-onderzoek moeilijk te negeren kunt maken", Vitaly Friedman “Hoe u sterke klantrelaties kunt opbouwen voor gebruikersonderzoek”, Renaissance Rachel
