ମୋର ପୂର୍ବ ଆର୍ଟିକିଲରେ, ମୁଁ ଅନୁସନ୍ଧାନ କଲି ଯେ AI କିପରି ଅଧିକ କାର୍ଯ୍ୟକ୍ଷମ ବ୍ୟକ୍ତି ସୃଷ୍ଟି କରିବାରେ ସାହାଯ୍ୟ କରିପାରିବ | ଆମେ ବ୍ୟକ୍ତିଗତ ନିର୍ମାଣକୁ ଦେଖିଲୁ ଯାହା ଡେମୋଗ୍ରାଫିକ୍ ପ୍ରୋଫାଇଲ୍ ଅପେକ୍ଷା ଉପଭୋକ୍ତାମାନେ ଯାହା କରିବାକୁ ଚେଷ୍ଟା କରୁଛନ୍ତି ତାହା ଉପରେ ଧ୍ୟାନ ଦିଅନ୍ତି ଯାହା ପୋଷ୍ଟରରେ ଭଲ ଦେଖାଯାଏ କିନ୍ତୁ କ୍ୱଚିତ୍ ଡିଜାଇନ୍ ନିଷ୍ପତ୍ତି ବଦଳାଇଥାଏ | କିନ୍ତୁ ବ୍ୟକ୍ତିବିଶେଷ ସୃଷ୍ଟି କରିବା ଯୁଦ୍ଧର ଅଧା ଅଟେ | ବଡ଼ ଆହ୍ is ାନ ହେଉଛି ସେହି ଆବଶ୍ୟକତାକୁ ସେହି ଲୋକମାନଙ୍କ ହାତରେ ପହଞ୍ଚାଇବା, ଯେଉଁ ସମୟରେ ସେମାନେ ଆବଶ୍ୟକ କରନ୍ତି | ପ୍ରତ୍ୟେକ ଦିନ, ଆପଣଙ୍କ ସଂସ୍ଥାର ଲୋକମାନେ ନିଷ୍ପତ୍ତି ନିଅନ୍ତି ଯାହା ଉପଭୋକ୍ତା ଅଭିଜ୍ଞତାକୁ ପ୍ରଭାବିତ କରିଥାଏ | କେଉଁ ବ features ଶିଷ୍ଟ୍ୟଗୁଡିକୁ ପ୍ରାଥମିକତା ଦେବାକୁ ଉତ୍ପାଦ ଦଳ ସ୍ଥିର କରନ୍ତି | ମାର୍କେଟିଂ ଦଳ ଶିଳ୍ପ ଅଭିଯାନ | ଫାଇନାନ୍ସ ଦଳ ଇନଭଏସ୍ ପ୍ରକ୍ରିୟା ଡିଜାଇନ୍ କରନ୍ତି | ଗ୍ରାହକ ସମର୍ଥନ ଦଳ ପ୍ରତିକ୍ରିୟା ଟେମ୍ପଲେଟ୍ ଲେଖନ୍ତି | All of these decisions shape how users experience your product or service. ଏବଂ ସେମାନଙ୍କ ମଧ୍ୟରୁ ଅଧିକାଂଶ ପ୍ରକୃତ ଉପଭୋକ୍ତାମାନଙ୍କ ଠାରୁ କ input ଣସି ଇନପୁଟ୍ ବିନା ଘଟିଥାଏ | ଆମେ କିପରି ଉପଭୋକ୍ତା ଅନୁସନ୍ଧାନ ବାଣ୍ଟିବା ସହିତ ସମସ୍ୟା | ଆପଣ ଅନୁସନ୍ଧାନ କରନ୍ତି | ଆପଣ ପର୍ସନାସ୍ ସୃଷ୍ଟି କରନ୍ତି | ଆପଣ ରିପୋର୍ଟଗୁଡିକ ଲେଖନ୍ତି | ଆପଣ ଉପସ୍ଥାପନା ଦିଅନ୍ତି | ତୁମେ କଳ୍ପନା ଇନଫୋଗ୍ରାଫିକ୍ ମଧ୍ୟ ତିଆରି କର | ଏବଂ ତା’ପରେ କ’ଣ ହୁଏ? ଗବେଷଣା କ somewhere ଣସି ସ୍ଥାନରେ ଏକ ଅଂଶୀଦାର ଡ୍ରାଇଭରେ ବସିଥାଏ, ଧୀରେ ଧୀରେ ଡିଜିଟାଲ୍ ଧୂଳି ସଂଗ୍ରହ କରେ | ବ୍ୟକ୍ତିମାନେ କିକଫ୍ ମିଟିଂରେ ରେଫରେନ୍ସ ହୁଅନ୍ତି ଏବଂ ପରେ ଭୁଲିଯାଆନ୍ତି | ରିପୋର୍ଟଗୁଡିକ ଥରେ ସ୍କିମ୍ ହୋଇଯାଏ ଏବଂ ଆଉ ଖୋଲିଲା ନାହିଁ | ଯେତେବେଳେ ଏକ ଉତ୍ପାଦ ପରିଚାଳକ ଏକ ନୂତନ ବ feature ଶିଷ୍ଟ୍ୟ ଯୋଗ କରିବେ କି ନାହିଁ ତାହା ସ୍ଥିର କରୁଛନ୍ତି, ସେମାନେ ବୋଧହୁଏ ଗତ ବର୍ଷର ଅନୁସନ୍ଧାନ ସଂଗ୍ରହାଳୟ ମାଧ୍ୟମରେ ଖୋଳନ୍ତି ନାହିଁ | ଯେତେବେଳେ ଫାଇନାନ୍ସ ଦଳ ଇନଭଏସ୍ ଇମେଲକୁ ପୁନ es ଡିଜାଇନ୍ କରୁଛନ୍ତି, ସେମାନେ ନିଶ୍ଚିତ ଭାବରେ ଉପଭୋକ୍ତା ବ୍ୟକ୍ତିଙ୍କ ସହିତ ପରାମର୍ଶ କରନ୍ତି ନାହିଁ | ସେମାନେ ସେମାନଙ୍କର ସର୍ବୋତ୍ତମ ଅନୁମାନ କରନ୍ତି ଏବଂ ଆଗକୁ ବ .ନ୍ତି | ଏହା ସେହି ଦଳଗୁଡିକର ସମାଲୋଚନା ନୁହେଁ | ସେମାନେ ବ୍ୟସ୍ତ ଅଛନ୍ତି | ସେମାନଙ୍କର ସମୟସୀମା ଅଛି | ଏବଂ ସତ କହିବାକୁ ଗଲେ, ଯଦିଓ ସେମାନେ ଅନୁସନ୍ଧାନ ସହିତ ପରାମର୍ଶ କରିବାକୁ ଚାହାଁନ୍ତି, ସେମାନେ ବୋଧହୁଏ ଜାଣିପାରିବେ ନାହିଁ କେଉଁଠୁ ପାଇବେ କିମ୍ବା ସେମାନଙ୍କର ନିର୍ଦ୍ଦିଷ୍ଟ ପ୍ରଶ୍ନ ପାଇଁ ଏହାକୁ କିପରି ବ୍ୟାଖ୍ୟା କରିବେ | ଜ୍ knowledge ାନ UX ଦଳର ମୁଖ୍ୟମାନଙ୍କ ଭିତରେ ତାଲା ପଡ଼ିଥାଏ, ଯେଉଁମାନେ ସଂସ୍ଥାର ପ୍ରତ୍ୟେକ ନିଷ୍ପତ୍ତି ପାଇଁ ସମ୍ଭବତ present ଉପସ୍ଥିତ ରହିପାରିବେ ନାହିଁ | ଯଦି ଉପଭୋକ୍ତାମାନେ ପ୍ରକୃତରେ କଥା ହୋଇପାରିବେ? ଯଦି ଷ୍ଟାଟିକ୍ ଡକ୍ୟୁମେଣ୍ଟ୍ ସୃଷ୍ଟି କରିବା ପରିବର୍ତ୍ତେ ଯାହାକୁ ଲୋକମାନେ ଖୋଜିବା ଏବଂ ବ୍ୟାଖ୍ୟା କରିବା ଆବଶ୍ୟକ କରନ୍ତି, ଆମେ ହିତାଧିକାରୀମାନଙ୍କୁ ତୁମର ସମସ୍ତ ଉପଭୋକ୍ତା ବ୍ୟକ୍ତିଙ୍କ ଏକାସାଙ୍ଗରେ ପରାମର୍ଶ କରିବାର ଉପାୟ ଦେଇପାରିବା କି?
ଏକ ନୂତନ ଅଭିଯାନରେ କାର୍ଯ୍ୟ କରୁଥିବା ଏକ ମାର୍କେଟିଂ ମ୍ୟାନେଜର କଳ୍ପନା କରନ୍ତୁ | ମେସେଜିଂ ପସନ୍ଦ ବିଷୟରେ ବ୍ୟକ୍ତିମାନେ କ’ଣ କହିଛନ୍ତି ତାହା ମନେ ରଖିବାକୁ ଚେଷ୍ଟା କରିବା ପରିବର୍ତ୍ତେ, ସେମାନେ କେବଳ ପଚାରିପାରିବେ: “ମୁଁ ଏହି ଇମେଲରେ ରିହାତି ଅଫର ସହିତ ଆଗେଇ ନେବାକୁ ଚିନ୍ତା କରୁଛି। ଆମର ଉପଭୋକ୍ତାମାନେ କ’ଣ ଭାବିବେ?” ଏବଂ AI, ଆପଣଙ୍କର ସମସ୍ତ ଅନୁସନ୍ଧାନ ତଥ୍ୟ ଏବଂ ବ୍ୟକ୍ତିବିଶେଷଙ୍କ ଉପରେ ଅଙ୍କନ, ଏକ ଏକୀଭୂତ ଦୃଶ୍ୟ ସହିତ ପ୍ରତିକ୍ରିୟା କରିପାରିବ: ପ୍ରତ୍ୟେକ ବ୍ୟକ୍ତି କିପରି ପ୍ରତିକ୍ରିୟାଶୀଳ ହେବେ, କେଉଁଠାରେ ସେମାନେ ସହମତ ହେବେ, କେଉଁଠାରେ ଭିନ୍ନ ହେବେ ଏବଂ ସେମାନଙ୍କର ସାମୂହିକ ଦୃଷ୍ଟିକୋଣ ଉପରେ ଆଧାର କରି ସୁପାରିଶର ଏକ ସେଟ୍ | ଗୋଟିଏ ପ୍ରଶ୍ନ, ତୁମର ସମଗ୍ର ଉପଭୋକ୍ତା ଆଧାରରେ ସିନ୍ଥାଇଜ୍ ହୋଇଥିବା ଅନ୍ତର୍ଦୃଷ୍ଟି |
ଏହା ବିଜ୍ଞାନ କଳ୍ପନା ନୁହେଁ | AI ସହିତ, ଆମେ ଠିକ୍ ଏହି ପ୍ରକାରର ସିଷ୍ଟମ୍ ନିର୍ମାଣ କରିପାରିବା | ଆମେ ସେହି ସମସ୍ତ ବିସ୍ତୃତ ଅନୁସନ୍ଧାନ (ସର୍ବେକ୍ଷଣ, ସାକ୍ଷାତକାର, ସମର୍ଥନ ଟିକେଟ୍, ଆନାଲିଟିକ୍ସ, ବ୍ୟକ୍ତିମାନେ ନିଜେ) ନେଇପାରିବା ଏବଂ ଏହାକୁ ଏକ ଇଣ୍ଟରାକ୍ଟିଭ୍ ଉତ୍ସରେ ପରିଣତ କରିପାରିବା ଯାହାକୁ ମଲ୍ଟି-ଦୃଷ୍ଟିକୋଣ ମତାମତ ପାଇଁ କେହି ପଚାରି ପାରିବେ | ଉପଭୋକ୍ତା ଅନୁସନ୍ଧାନ ସଂଗ୍ରହାଳୟ ନିର୍ମାଣ The foundation of this approach is a centralized repository of everything you know about your users. ଏହାକୁ ସତ୍ୟର ଏକକ ଉତ୍ସ ଭାବରେ ଭାବନ୍ତୁ ଯାହା AI ପ୍ରବେଶ କରିପାରିବ ଏବଂ ଅଙ୍କନ କରିପାରିବ | ଯଦି ଆପଣ ଯେକ any ଣସି ଲମ୍ବା ସମୟ ପାଇଁ ଉପଭୋକ୍ତା ଅନୁସନ୍ଧାନ କରୁଛନ୍ତି, ଆପଣଙ୍କ ବୋଧହୁଏ ଆପଣଙ୍କ ଅପେକ୍ଷା ଅଧିକ ତଥ୍ୟ ଅଛି | ଏହା କେବଳ ବିଭିନ୍ନ ଉପକରଣ ଏବଂ ଫର୍ମାଟରେ ବିସ୍ତୃତ ହୋଇଛି:
ଆପଣଙ୍କର ସର୍ଭେ ପ୍ଲାଟଫର୍ମରେ ବସି ସର୍ଭେ ଫଳାଫଳ, ଗୁଗୁଲ୍ ଡକସ୍ ରେ ସାକ୍ଷାତକାର ଟ୍ରାନ୍ସକ୍ରିପସନ୍, ଆପଣଙ୍କ ହେଲ୍ପଡେସ୍କ ସିଷ୍ଟମରେ ଗ୍ରାହକ ସମର୍ଥନ ଟିକେଟ୍, ବିଭିନ୍ନ ଡ୍ୟାସବୋର୍ଡରେ ଆନାଲିଟିକ୍ସ ତଥ୍ୟ, ସୋସିଆଲ ମିଡିଆରେ ଉଲ୍ଲେଖ ଏବଂ ସମୀକ୍ଷା, ପୂର୍ବ ପ୍ରକଳ୍ପର ପୁରୁଣା ବ୍ୟକ୍ତି, ଉପଯୋଗିତା ପରୀକ୍ଷା ରେକର୍ଡିଂ ଏବଂ ଟିପ୍ପଣୀ |
ପ୍ରଥମ ପଦକ୍ଷେପ ହେଉଛି ଏହି ସବୁକୁ ଗୋଟିଏ ସ୍ଥାନରେ ଏକାଠି କରିବା | ଏହା ସଂପୂର୍ଣ୍ଣ ସଂଗଠିତ ହେବାର ଆବଶ୍ୟକତା ନାହିଁ | ଅଶୁଭ ଇନପୁଟଗୁଡ଼ିକର ଅର୍ଥ ଦେବାରେ AI ଉଲ୍ଲେଖନୀୟ ଭାବରେ ଭଲ | ଯଦି ତୁମେ ଆରମ୍ଭରୁ ଆରମ୍ଭ କରୁଛ ଏବଂ ଅଧିକ ବିଦ୍ୟମାନ ଅନୁସନ୍ଧାନ ନାହିଁ, ତୁମେ ଏକ ବେସ୍ ଲାଇନ୍ ପ୍ରତିଷ୍ଠା ପାଇଁ AI ଗଭୀର ଅନୁସନ୍ଧାନ ଉପକରଣ ବ୍ୟବହାର କରିପାରିବ |
ଏହି ଉପକରଣଗୁଡ଼ିକ ତୁମର ଉତ୍ପାଦ ବର୍ଗ, ପ୍ରତିଯୋଗୀ ସମୀକ୍ଷା ଏବଂ ସାଧାରଣ ପ୍ରଶ୍ନ ବିଷୟରେ ଆଲୋଚନା ପାଇଁ ୱେବ୍ ସ୍କାନ୍ କରିପାରିବ | ତୁମେ ତୁମର ପ୍ରାଥମିକ ଅନୁସନ୍ଧାନ ଗଠନ କରିବାବେଳେ ଏହା ତୁମକୁ କିଛି କାମ କରିବାକୁ ଦେଇଥାଏ | ଇଣ୍ଟରାକ୍ଟିଭ୍ ପର୍ସନାସ୍ ସୃଷ୍ଟି କରିବା | ଥରେ ତୁମର ରେପୋଜିଟୋରୀ ଥଲେ, ପରବର୍ତ୍ତୀ ପଦକ୍ଷେପ ହେଉଛି ବ୍ୟକ୍ତିବିଶେଷ ସୃଷ୍ଟି କରିବା ଯାହାକି ହିତାଧିକାରୀଙ୍କ ତରଫରୁ AI ପରାମର୍ଶ କରିପାରିବ | ଏହା ଏକ ମୁଖ୍ୟ ପାର୍ଥକ୍ୟ ସହିତ ମୁଁ ମୋର ପୂର୍ବ ଆର୍ଟିକିଲରେ ବର୍ଣ୍ଣିତ କାର୍ଯ୍ୟକ୍ଷମ ପର୍ସନା ଆଭିମୁଖ୍ୟ ଉପରେ ସିଧାସଳଖ ନିର୍ମାଣ କରେ: ଏହି ବ୍ୟକ୍ତିମାନେ ଲେନ୍ସ ହୋଇଯାଆନ୍ତି ଯାହା ମାଧ୍ୟମରେ AI ପ୍ରଶ୍ନଗୁଡ଼ିକୁ ବିଶ୍ଳେଷଣ କରେ, କେବଳ ରେଫରେନ୍ସ ନୁହେଁ |ଡକ୍ୟୁମେଣ୍ଟ୍ ପ୍ରକ୍ରିୟା ଏହିପରି କାମ କରେ:
ତୁମର ଅନୁସନ୍ଧାନ ସଂଗ୍ରହାଳୟକୁ ଏକ AI ଉପକରଣରେ ଖାଇବାକୁ ଦିଅ | ଲକ୍ଷ୍ୟ, କାର୍ଯ୍ୟ, ଏବଂ ଘର୍ଷଣ ପଏଣ୍ଟ ଉପରେ ଆଧାର କରି ପୃଥକ ଉପଭୋକ୍ତା ବିଭାଗଗୁଡ଼ିକୁ ଚିହ୍ନଟ କରିବାକୁ ଏହା କୁହନ୍ତୁ | ପ୍ରତ୍ୟେକ ବିଭାଗ ପାଇଁ ଏହା ବିସ୍ତୃତ ବ୍ୟକ୍ତିବିଶେଷ ସୃଷ୍ଟି କରନ୍ତୁ | ଏକତ୍ରିତ ମତାମତ ପ୍ରଦାନ କରି ହିତାଧିକାରୀମାନେ ପ୍ରଶ୍ନ ପଚାରିବାବେଳେ ସମସ୍ତ ବ୍ୟକ୍ତିଙ୍କ ସହିତ ପରାମର୍ଶ କରିବାକୁ AI କୁ ବିନ୍ୟାସ କରନ୍ତୁ |
ପାରମ୍ପରିକ ବ୍ୟକ୍ତିବିଶେଷଙ୍କଠାରୁ ଏହି ଉପାୟଟି ଯଥେଷ୍ଟ ଭିନ୍ନ ଅଟେ | କାରଣ AI ଏହି ପର୍ସୋନା ଡକ୍ୟୁମେଣ୍ଟଗୁଡିକର ପ୍ରାଥମିକ ଉପଭୋକ୍ତା, ସେଗୁଡିକ ସ୍କାନ ଯୋଗ୍ୟ କିମ୍ବା ଗୋଟିଏ ପୃଷ୍ଠାରେ ଫିଟ୍ ହେବା ଆବଶ୍ୟକ ନାହିଁ | ପାରମ୍ପାରିକ ପର୍ସନାଲ୍ ମାନବ ପଠନ ଯୋଗ୍ୟତା ଦ୍ ained ାରା ବାଧିତ: ଆପଣଙ୍କୁ ବୁଲେଟ୍ ପଏଣ୍ଟ ଏବଂ କୀ କୋଟ୍ ପର୍ଯ୍ୟନ୍ତ ସବୁକିଛି ଡିଷ୍ଟିଲ୍ କରିବାକୁ ପଡିବ ଯାହାକୁ କେହି ଏକ ଦୃଷ୍ଟିରେ ଗ୍ରହଣ କରିପାରନ୍ତି | କିନ୍ତୁ AI ର ସେପରି କ itation ଣସି ସୀମା ନାହିଁ | ଏହାର ଅର୍ଥ ତୁମର ବ୍ୟକ୍ତିବିଶେଷ ଯଥେଷ୍ଟ ଅଧିକ ବିସ୍ତୃତ ହୋଇପାରନ୍ତି | ଆପଣ ଲମ୍ବା ଆଚରଣଗତ ପର୍ଯ୍ୟବେକ୍ଷଣ, ପରସ୍ପର ବିରୋଧୀ ତଥ୍ୟ ପଏଣ୍ଟ, ଏବଂ ନ୍ୟୁନାନ୍ସ ପ୍ରସଙ୍ଗ ଅନ୍ତର୍ଭୂକ୍ତ କରିପାରିବେ ଯାହା ପାରମ୍ପାରିକ ପର୍ସନା ପୋଷ୍ଟର ପାଇଁ ଏଡିଟିଂ ପ୍ରକ୍ରିୟାରୁ ବଞ୍ଚିବ ନାହିଁ | AI ଏହି ସମସ୍ତ ଜଟିଳତାକୁ ଧରିପାରେ ଏବଂ ପ୍ରଶ୍ନର ଉତ୍ତର ଦେବାବେଳେ ଏହା ଉପରେ ଆଙ୍କିପାରେ | ନିର୍ଦ୍ଦିଷ୍ଟ ବ୍ୟବସାୟ କାର୍ଯ୍ୟଗୁଡ଼ିକ ପାଇଁ ଆପଣ ପ୍ରତ୍ୟେକ ବ୍ୟକ୍ତିଙ୍କ ମଧ୍ୟରେ ବିଭିନ୍ନ ଲେନ୍ସ କିମ୍ବା ଦୃଷ୍ଟିକୋଣ ମଧ୍ୟ ସୃଷ୍ଟି କରିପାରିବେ | ଆପଣଙ୍କର “ୱିକେଣ୍ଡ୍ ୱାରିଅର୍” ବ୍ୟକ୍ତିଙ୍କ ପାଖରେ ଏକ ମାର୍କେଟିଂ ଲେନ୍ସ (ମେସେଜିଂ ପସନ୍ଦ, ଚ୍ୟାନେଲ ଅଭ୍ୟାସ, ଅଭିଯାନ ପ୍ରତିକ୍ରିୟା), ଏକ ଉତ୍ପାଦ ଲେନ୍ସ (ବ feature ଶିଷ୍ଟ୍ୟ ପ୍ରାଥମିକତା, ଉପଯୋଗିତା s ାଞ୍ଚା, ଅପଗ୍ରେଡ୍ ଟ୍ରିଗର) ଏବଂ ଏକ ସପୋର୍ଟ ଲେନ୍ସ (ସାଧାରଣ ପ୍ରଶ୍ନ, ନିରାଶା ପଏଣ୍ଟ, ରେଜୋଲୁସନ ପସନ୍ଦ) ଥାଇପାରେ | ଯେତେବେଳେ ଏକ ମାର୍କେଟିଂ ମ୍ୟାନେଜର ଏକ ପ୍ରଶ୍ନ ପଚାରନ୍ତି, AI ମାର୍କେଟିଂ ସମ୍ବନ୍ଧୀୟ ସୂଚନା ଉପରେ ଅଙ୍କନ କରେ | ଯେତେବେଳେ ଏକ ପ୍ରଡକ୍ଟ ମ୍ୟାନେଜର୍ ପଚାରନ୍ତି, ଏହା ପ୍ରଡକ୍ଟ ଲେନ୍ସରୁ ଟାଣିଥାଏ | ସମାନ ବ୍ୟକ୍ତି, କିଏ ପଚାରୁଛି ତାହା ଉପରେ ଭିନ୍ନ ଗଭୀରତା |
ବ୍ୟକ୍ତିବିଶେଷ ତଥାପି ଆମେ ପୂର୍ବରୁ ଆଲୋଚନା କରିଥିବା ସମସ୍ତ କାର୍ଯ୍ୟକଳାପକୁ ଅନ୍ତର୍ଭୂକ୍ତ କରିବା ଉଚିତ: ଲକ୍ଷ୍ୟ ଏବଂ କାର୍ଯ୍ୟ, ପ୍ରଶ୍ନ ଏବଂ ଆପତ୍ତି, ଯନ୍ତ୍ରଣା ପଏଣ୍ଟ, ଟଚ୍ ପଏଣ୍ଟ ଏବଂ ସେବା ଫାଙ୍କ | କିନ୍ତୁ ବର୍ତ୍ତମାନ ଏହି ଉପାଦାନଗୁଡିକ AI କିପରି ପ୍ରତ୍ୟେକ ବ୍ୟକ୍ତିଙ୍କ ଦୃଷ୍ଟିକୋଣରୁ ପ୍ରଶ୍ନଗୁଡିକର ମୂଲ୍ୟାଙ୍କନ କରେ, ସେମାନଙ୍କର ମତାମତକୁ କାର୍ଯ୍ୟକ୍ଷମ ସୁପାରିଶରେ ସିନ୍ଥାଇଜ୍ କରେ | ନିୟୋଜନ ବିକଳ୍ପଗୁଡ଼ିକ | ତୁମର ଉତ୍ସ ଏବଂ ଆବଶ୍ୟକତା ଉପରେ ନିର୍ଭର କରି ଆପଣ ଏହାକୁ ବିଭିନ୍ନ ସ୍ତରର ଅତ୍ୟାଧୁନିକତା ସହିତ ସେଟ୍ ଅପ୍ କରିପାରିବେ | ସରଳ ଉପାୟ | ଅଧିକାଂଶ AI ପ୍ଲାଟଫର୍ମଗୁଡିକ ବର୍ତ୍ତମାନ ପ୍ରୋଜେକ୍ଟ କିମ୍ବା ୱାର୍କସ୍ପେସ୍ ବ features ଶିଷ୍ଟ୍ୟ ପ୍ରଦାନ କରେ ଯାହା ଆପଣଙ୍କୁ ରେଫରେନ୍ସ ଡକ୍ୟୁମେଣ୍ଟ୍ ଅପଲୋଡ୍ କରିବାକୁ ଦିଏ | ChatGPT ରେ, ଏହାକୁ ପ୍ରୋଜେକ୍ଟ କୁହାଯାଏ | କ୍ଲାଉଡ୍ଙ୍କର ମଧ୍ୟ ସମାନ ବ feature ଶିଷ୍ଟ୍ୟ ଅଛି | କପିଲଟ ଏବଂ ମିଥୁନ ସେମାନଙ୍କୁ ସ୍ପେସ୍ କିମ୍ବା ରତ୍ନ ବୋଲି କହନ୍ତି | ଆରମ୍ଭ କରିବାକୁ, ଏକ ଉତ୍ସର୍ଗୀକୃତ ପ୍ରୋଜେକ୍ଟ ସୃଷ୍ଟି କରନ୍ତୁ ଏବଂ ଆପଣଙ୍କର ପ୍ରମୁଖ ଅନୁସନ୍ଧାନ ଡକ୍ୟୁମେଣ୍ଟ୍ ଏବଂ ବ୍ୟକ୍ତିବିଶେଷ ଅପଲୋଡ୍ କରନ୍ତୁ | ତା’ପରେ ପ୍ରଶ୍ନର ଉତ୍ତର ଦେବାବେଳେ ସମସ୍ତ ବ୍ୟକ୍ତିଙ୍କ ସହିତ ପରାମର୍ଶ କରିବାକୁ AI କୁ ସ୍ପଷ୍ଟ ନିର୍ଦ୍ଦେଶନାମା ଲେଖ | Something like: ଆପଣ ହିତାଧିକାରୀମାନଙ୍କୁ ଆମର ଉପଭୋକ୍ତାମାନଙ୍କୁ ବୁ understand ିବାରେ ସାହାଯ୍ୟ କରୁଛନ୍ତି | ଯେତେବେଳେ ପ୍ରଶ୍ନ ପଚରାଗଲା, ଏହି ପ୍ରୋଜେକ୍ଟରେ ଥିବା ସମସ୍ତ ଉପଭୋକ୍ତା ବ୍ୟକ୍ତିଙ୍କ ସହିତ ପରାମର୍ଶ କରନ୍ତୁ ଏବଂ ପ୍ରଦାନ କରନ୍ତୁ: (1) ପ୍ରତ୍ୟେକ ବ୍ୟକ୍ତି କିପରି ସମ୍ଭବତ respond ପ୍ରତିକ୍ରିୟା କରିବେ ତାହାର ଏକ ସଂକ୍ଷିପ୍ତ ସାରାଂଶ, (2) ସେମାନେ କେଉଁଠାରେ ସହମତ ଏବଂ କେଉଁଠାରେ ଭିନ୍ନ, ଏବଂ (3) ସେମାନଙ୍କର ସାମୂହିକ ଦୃଷ୍ଟିକୋଣ ଉପରେ ଆଧାର କରି ସୁପାରିଶ | ଆପଣଙ୍କର ବିଶ୍ଳେଷଣକୁ ଜଣାଇବା ପାଇଁ ସମସ୍ତ ଅନୁସନ୍ଧାନ ଡକ୍ୟୁମେଣ୍ଟ ଉପରେ ଅଙ୍କନ କରନ୍ତୁ | ଯଦି ଅନୁସନ୍ଧାନ ଏକ ବିଷୟକୁ ସମ୍ପୂର୍ଣ୍ଣ ରୂପେ ଆଚ୍ଛାଦନ କରେ ନାହିଁ, ତେବେ ରେଡ୍ଡିଟ୍, ଟ୍ୱିଟର, ଏବଂ ପ୍ରାସଙ୍ଗିକ ଫୋରମ୍ ପରି ସାମାଜିକ ପ୍ଲାଟଫର୍ମଗୁଡିକ ସନ୍ଧାନ କରନ୍ତୁ, ଏହି ବ୍ୟକ୍ତିମାନଙ୍କ ସହିତ ମେଳ ଖାଉଥିବା ଲୋକମାନେ କିପରି ସମାନ ପ୍ରସଙ୍ଗ ଉପରେ ଆଲୋଚନା କରନ୍ତି | ଯଦି ଆପଣ ତଥାପି କିଛି ବିଷୟରେ ଅନିଶ୍ଚିତ, ତେବେ ସଚ୍ଚୋଟ ଭାବରେ କୁହନ୍ତୁ ଏବଂ ଅତିରିକ୍ତ ଅନୁସନ୍ଧାନ କ’ଣ ସାହାଯ୍ୟ କରିପାରିବ ତାହା ପରାମର୍ଶ ଦିଅନ୍ତୁ |
ଏହି ପଦ୍ଧତିର କିଛି ସୀମା ଅଛି | ଆପଣ କେତେ ଫାଇଲ୍ ଅପଲୋଡ୍ କରିପାରିବେ ସେଥିରେ କ୍ୟାପ୍ ଅଛି, ତେଣୁ ଆପଣଙ୍କୁ ଆପଣଙ୍କର ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଗବେଷଣାକୁ ପ୍ରାଥମିକତା ଦେବାକୁ କିମ୍ବା ଆପଣଙ୍କ ବ୍ୟକ୍ତିବିଶେଷଙ୍କୁ ଏକ ବିସ୍ତୃତ ଡକ୍ୟୁମେଣ୍ଟରେ ଏକତ୍ର କରିବାକୁ ଆବଶ୍ୟକ ହୋଇପାରେ | ଅଧିକ ଅତ୍ୟାଧୁନିକ ଉପାୟ | ବୃହତ ସଂସ୍ଥା କିମ୍ବା ଅଧିକ ଚାଲୁଥିବା ବ୍ୟବହାର ପାଇଁ, ଧାରଣା ପରି ଏକ ଉପକରଣ ସୁବିଧା ପ୍ରଦାନ କରେ କାରଣ ଏହା ଆପଣଙ୍କର ସମଗ୍ର ଅନୁସନ୍ଧାନ ସଂଗ୍ରହାଳୟକୁ ଧାରଣ କରିପାରିବ ଏବଂ ଏଥିରେ AI କ୍ଷମତା ନିର୍ମିତ ହୋଇପାରେ | ଆପଣ ବିଭିନ୍ନ ପ୍ରକାରର ଅନୁସନ୍ଧାନ ପାଇଁ ଡାଟାବେସ୍ ସୃଷ୍ଟି କରିପାରିବେ, ସେମାନଙ୍କୁ ଏକତ୍ର ଲିଙ୍କ୍ କରିପାରିବେ, ଏବଂ ତାପରେ AI କୁ ସବୁକିଛି ଅନୁସନ୍ଧାନ କରିବାକୁ ବ୍ୟବହାର କରିପାରିବେ |
ଏଠାରେ ଲାଭ ହେଉଛି ଯେ AI ର ଅଧିକ ପ୍ରସଙ୍ଗରେ ପ୍ରବେଶ ଅଛି | ଯେତେବେଳେ ଜଣେ ହିତାଧିକାରୀ ଏକ ପ୍ରଶ୍ନ ପଚାରନ୍ତି, ଏହା ସର୍ଭେ, ସପୋର୍ଟ ଟିକେଟ୍, ସାକ୍ଷାତକାର ଟ୍ରାନ୍ସକ୍ରିପସନ୍ ଏବଂ ଆନାଲିଟିକ୍ସ ତଥ୍ୟ ଉପରେ ଏକାଥରକେ ଆଙ୍କିପାରେ | ଏହା ଅଧିକ ଧନୀ, ଅଧିକ ନ୍ୟୁନାନ୍ସ ପ୍ରତିକ୍ରିୟା ପାଇଁ ତିଆରି କରେ | ଏହା କଣ ବଦଳାଇବ ନାହିଁ | ସୀମିତତା ବିଷୟରେ ମୁଁ ସ୍ପଷ୍ଟ ହେବା ଉଚିତ୍ | ପ୍ରକୃତ ବ୍ୟବହାରକାରୀଙ୍କ ସହ କଥାବାର୍ତ୍ତା ପାଇଁ ଭର୍ଚୁଆଲ୍ ପର୍ସନା ଏକ ବିକଳ୍ପ ନୁହେଁ | ବିଦ୍ୟମାନ ଗବେଷଣାକୁ ଅଧିକ ସୁଗମ ଏବଂ କାର୍ଯ୍ୟକ୍ଷମ କରିବା ପାଇଁ ସେଗୁଡ଼ିକ ହେଉଛି ଏକ ଉପାୟ | ସେଠାରେ ଅନେକ ପରିସ୍ଥିତି ଅଛି ଯେଉଁଠାରେ ଆପଣ ପ୍ରାଥମିକ ଅନୁସନ୍ଧାନ ଆବଶ୍ୟକ କରନ୍ତି:
ପ୍ରକୃତରେ କିଛି ନୂତନ ଆରମ୍ଭ କରିବାବେଳେ ଯାହା ଆପଣଙ୍କର ବିଦ୍ୟମାନ ଅନୁସନ୍ଧାନକୁ ଅନ୍ତର୍ଭୁକ୍ତ କରେ ନାହିଁ; ଯେତେବେଳେ ଆପଣ ନିର୍ଦ୍ଦିଷ୍ଟ ଡିଜାଇନ୍ କିମ୍ବା ପ୍ରୋଟୋଟାଇପ୍ ବ valid ଧ କରିବାକୁ ଆବଶ୍ୟକ କରନ୍ତି; ଯେତେବେଳେ ତୁମର ଭଣ୍ଡାର ତଥ୍ୟ ଅକାମୀ ହୋଇଯାଉଛି; ଯେତେବେଳେ ହିତାଧିକାରୀମାନେ |ସମବେଦନା ସୃଷ୍ଟି କରିବା ପାଇଁ ପ୍ରକୃତ ମଣିଷମାନଙ୍କଠାରୁ ସିଧାସଳଖ ଶୁଣିବା ଆବଶ୍ୟକ |
ବାସ୍ତବରେ, ଆପଣ ଏହି ପରିସ୍ଥିତିକୁ ଚିହ୍ନିବା ପାଇଁ AI କୁ ବିନ୍ୟାସ କରିପାରିବେ | ଯେତେବେଳେ କେହି ଜଣେ ପ୍ରଶ୍ନ ପଚାରନ୍ତି ଯାହା ଅନୁସନ୍ଧାନର ଉତ୍ତର ଦେଇପାରେ, ତା’ଠାରୁ ଅଧିକ, AI କିଛି ଜବାବ ଦେଇପାରେ: “ମୋର ଆତ୍ମବିଶ୍ୱାସର ଉତ୍ତର ଦେବାକୁ ମୋର ପର୍ଯ୍ୟାପ୍ତ ସୂଚନା ନାହିଁ। ଏହା ଶୀଘ୍ର ଉପଭୋକ୍ତା ସାକ୍ଷାତକାର କିମ୍ବା ସର୍ବେକ୍ଷଣ ପାଇଁ ଏକ ଉତ୍ତମ ପ୍ରଶ୍ନ ହୋଇପାରେ |” ଏବଂ ଯେତେବେଳେ ଆପଣ ନୂତନ ଅନୁସନ୍ଧାନ କରନ୍ତି, ସେହି ତଥ୍ୟ ପୁନର୍ବାର ସଂଗ୍ରହାଳୟରେ ଫିଡ୍ ହୁଏ | ତୁମର ବୁ understanding ାମଣା ଗଭୀର ହେବା ସହିତ ବ୍ୟକ୍ତିମାନେ ସମୟ ସହିତ ବିକଶିତ ହୁଅନ୍ତି | ପାରମ୍ପାରିକ ଆଭିମୁଖ୍ୟ ଅପେକ୍ଷା ଏହା ବହୁତ ଭଲ, ଯେଉଁଠାରେ ବ୍ୟକ୍ତିମାନେ ଥରେ ସୃଷ୍ଟି ହୁଅନ୍ତି ଏବଂ ପରେ ଧୀରେ ଧୀରେ ପୁରୁଣା ହୋଇଯାଏ | ସାଂଗଠନିକ ଶିଫ୍ଟ | ଯଦି ଏହି ପଦ୍ଧତି ଆପଣଙ୍କ ସଂସ୍ଥାରେ ଧରାଯାଏ, କିଛି ରୋଚକ ଘଟଣା ଘଟେ | UX ଦଳର ଭୂମିକା ଉପଭୋକ୍ତା ଜ୍ଞାନର ଦ୍ୱାରପାଳ ହେବା ଠାରୁ ସଂଗ୍ରହାଳୟର କ୍ୟୁରେଟର ଏବଂ ରକ୍ଷକ ହେବା ପର୍ଯ୍ୟନ୍ତ ସ୍ଥାନାନ୍ତରିତ ହୁଏ | ରିପୋର୍ଟ ସୃଷ୍ଟି କରିବାରେ ସମୟ ବିତାଇବା ପରିବର୍ତ୍ତେ ଯାହା ପ read ିପାରେ କିମ୍ବା ନ ପାରେ, ଆପଣ ସଂଗ୍ରହାଳୟର ସାମ୍ପ୍ରତିକ ରହିବାକୁ ସୁନିଶ୍ଚିତ କରିବାକୁ ସମୟ ଦିଅନ୍ତି ଏବଂ ସାହାଯ୍ୟକାରୀ ପ୍ରତିକ୍ରିୟା ଦେବା ପାଇଁ AI ବିନ୍ୟାସିତ | ଅନୁସନ୍ଧାନ ଯୋଗାଯୋଗ ପୁସ୍ (ଉପସ୍ଥାପନା, ରିପୋର୍ଟ, ଇମେଲ୍) ରୁ ଟାଣିବାକୁ (ହିତାଧିକାରୀମାନେ ଯେତେବେଳେ ଉତ୍ତର ଆବଶ୍ୟକ କରନ୍ତି ପ୍ରଶ୍ନ ପଚାରନ୍ତି) ପରିବର୍ତ୍ତନ କରନ୍ତି | User-centered thinking becomes distributed across the organization rather than concentrated in one team. ଏହା UX ଅନୁସନ୍ଧାନକାରୀଙ୍କୁ କମ୍ ମୂଲ୍ୟବାନ କରେ ନାହିଁ | ଯଦି କିଛି, ଏହା ସେମାନଙ୍କୁ ଅଧିକ ମୂଲ୍ୟବାନ କରିଥାଏ କାରଣ ସେମାନଙ୍କର କାର୍ଯ୍ୟ ବର୍ତ୍ତମାନ ଏକ ବ୍ୟାପକ ବିସ୍ତାର ଏବଂ ଅଧିକ ପ୍ରଭାବ ପକାଇଥାଏ | କିନ୍ତୁ ଏହା କାର୍ଯ୍ୟର ପ୍ରକୃତି ବଦଳାଇଥାଏ | ଆରମ୍ଭ କରିବା ଯଦି ଆପଣ ଏହି ଉପାୟ ଚେଷ୍ଟା କରିବାକୁ ଚାହାଁନ୍ତି, ଛୋଟ ଆରମ୍ଭ କରନ୍ତୁ | ଯଦି ତୁମେ ଗାଧୋଇବା ପୂର୍ବରୁ କାର୍ଯ୍ୟକ୍ଷମ ବ୍ୟକ୍ତିବିଶେଷଙ୍କ ଉପରେ ଏକ ପ୍ରାଇମର୍ ଆବଶ୍ୟକ କରେ, ମୁଁ ସେଗୁଡିକ ସୃଷ୍ଟି କରିବା ପାଇଁ ଏକ ବିସ୍ତୃତ ଗାଇଡ୍ ଲେଖିଛି | ଗୋଟିଏ ପ୍ରୋଜେକ୍ଟ କିମ୍ବା ଦଳ ବାଛନ୍ତୁ ଏବଂ ChatGPT ପ୍ରୋଜେକ୍ଟ କିମ୍ବା ସମାନ ଉପକରଣ ବ୍ୟବହାର କରି ଏକ ସରଳ କାର୍ଯ୍ୟକାରିତା ସେଟ୍ ଅପ୍ କରନ୍ତୁ | ଆପଣଙ୍କ ପାଖରେ ଯାହା ଗବେଷଣା ଅଛି ତାହା ସଂଗ୍ରହ କରନ୍ତୁ (ଯଦିଓ ଏହା ଅସମ୍ପୂର୍ଣ୍ଣ ମନେହୁଏ), ଏକ କିମ୍ବା ଦୁଇ ଜଣ ବ୍ୟକ୍ତି ସୃଷ୍ଟି କରନ୍ତୁ, ଏବଂ ହିତାଧିକାରୀମାନେ କିପରି ପ୍ରତିକ୍ରିୟା କରନ୍ତି ଦେଖନ୍ତୁ | ସେମାନେ କେଉଁ ପ୍ରଶ୍ନ ପଚାରନ୍ତି ସେଥିପ୍ରତି ଧ୍ୟାନ ଦିଅନ୍ତୁ | ଆପଣଙ୍କ ଅନୁସନ୍ଧାନର ଫାଟ କେଉଁଠାରେ ଅଛି ଏବଂ କେଉଁ ଅତିରିକ୍ତ ତଥ୍ୟ ଅଧିକ ମୂଲ୍ୟବାନ ହେବ, ତାହା ଆପଣଙ୍କୁ କହିବ | ଯେହେତୁ ଆପଣ ପଦ୍ଧତିକୁ ପରିଷ୍କାର କରନ୍ତି, ଆପଣ ଅଧିକ ଦଳ ଏବଂ ଅଧିକ ଅତ୍ୟାଧୁନିକ ସାଧନକୁ ବିସ୍ତାର କରିପାରିବେ | କିନ୍ତୁ ମୂଳ ନୀତି ସମାନ ରହିଥାଏ: ବିଛିନ୍ନ ହୋଇଥିବା ଉପଭୋକ୍ତା ଜ୍ଞାନକୁ ନିଅ ଏବଂ ଏହାକୁ ଏକ ସ୍ୱର ଦିଅ ଯାହାକି ତୁମର ସଂସ୍ଥାର କେହି ଶୁଣି ପାରିବେ | ମୋର ପୂର୍ବ ଆର୍ଟିକିଲରେ, ମୁଁ ଯୁକ୍ତି କରିଥିଲି ଯେ ଆମେ ଡେମୋଗ୍ରାଫିକ୍ ବ୍ୟକ୍ତିବିଶେଷଙ୍କଠାରୁ କାର୍ଯ୍ୟକ୍ଷମ ବ୍ୟକ୍ତିବିଶେଷଙ୍କ ନିକଟକୁ ଯିବା ଉଚିତ ଯାହା ଉପଭୋକ୍ତାମାନେ କଣ କରିବାକୁ ଚେଷ୍ଟା କରୁଛନ୍ତି ତାହା ଉପରେ ଧ୍ୟାନ ଦିଅନ୍ତୁ | ବର୍ତ୍ତମାନ ମୁଁ ପରାମର୍ଶ ଦେଉଛି ଯେ ଆମେ ପରବର୍ତ୍ତୀ ପଦକ୍ଷେପ ଗ୍ରହଣ କରିବା: ଷ୍ଟାଟିକ୍ ପର୍ସନାସ୍ ଠାରୁ ଆରମ୍ଭ କରି ଇଣ୍ଟରାକ୍ଟିଭ୍ ପର୍ଯ୍ୟନ୍ତ, ଯେଉଁମାନେ ପ୍ରକୃତରେ ବାର୍ତ୍ତାଳାପରେ ଅଂଶଗ୍ରହଣ କରିପାରିବେ ଯେଉଁଠାରେ ନିଷ୍ପତ୍ତି ନିଆଯାଏ | କାରଣ ପ୍ରତ୍ୟେକ ଦିନ, ଆପଣଙ୍କ ସଂସ୍ଥାରେ, ଲୋକମାନେ ଏପରି ନିଷ୍ପତ୍ତି ନେଉଛନ୍ତି ଯାହା ଆପଣଙ୍କର ଉପଭୋକ୍ତାଙ୍କୁ ପ୍ରଭାବିତ କରିଥାଏ | ଏବଂ ଆପଣଙ୍କର ଉପଭୋକ୍ତାମାନେ ଟେବୁଲରେ ଏକ ଆସନ ପାଇବାକୁ ଯୋଗ୍ୟ, ଯଦିଓ ଏହା ଏକ ଭର୍ଚୁଆଲ୍ ଅଟେ | SmashingMag ଉପରେ ପରବର୍ତ୍ତୀ ପଠନ |
“ବ୍ୟକ୍ତିବିଶେଷଙ୍କୁ ଏକ ନିକଟତର ଦୃଷ୍ଟି: ସେମାନେ କ’ଣ ଏବଂ ସେମାନେ କିପରି କାର୍ଯ୍ୟ କରନ୍ତି | 1”, ଶ୍ଲୋମୋ ଗୋଲ୍ଟଜ୍ | “ଡାଟା ଆଧାରିତ ବ୍ୟକ୍ତିବିଶେଷଙ୍କ ସହିତ କିପରି ଆପଣଙ୍କର ଡିଜାଇନ୍ ପ୍ରକ୍ରିୟାରେ ଉନ୍ନତି କରିବେ”, ଟିମ୍ ନୋଏଜେଲ୍ | “ତୁମର UX ଅନୁସନ୍ଧାନକୁ ଅଣଦେଖା କରିବା କିପରି କଷ୍ଟକର”, ଭିଟାଲି ଫ୍ରିଡମ୍ୟାନ୍ | “ଉପଭୋକ୍ତା ଅନୁସନ୍ଧାନ ପାଇଁ କିପରି ମଜବୁତ ଗ୍ରାହକ ସମ୍ପର୍କ ଗଠନ କରିବେ”, ରେଭେନ୍ସା ରାହୁଲ |
