W moim poprzednim artykule badałem, w jaki sposób sztuczna inteligencja może pomóc nam efektywniej tworzyć funkcjonalne osobowości. Przyjrzeliśmy się budowaniu osobowości skupiających się na tym, co użytkownicy chcą osiągnąć, a nie profilach demograficznych, które dobrze wyglądają na plakatach, ale rzadko zmieniają decyzje projektowe. Ale tworzenie person to tylko połowa sukcesu. Większym wyzwaniem jest przekazanie tych spostrzeżeń osobom, które ich potrzebują, w tym momencie, w którym ich potrzebują. Każdego dnia ludzie w Twojej organizacji podejmują decyzje, które wpływają na komfort użytkowania. Zespoły produktowe decydują, którym funkcjom nadać priorytet. Zespoły marketingowe tworzą kampanie. Zespoły finansowe projektują procesy fakturowania. Zespoły obsługi klienta piszą szablony odpowiedzi. Wszystkie te decyzje kształtują sposób, w jaki użytkownicy postrzegają Twój produkt lub usługę. Większość z nich ma miejsce bez żadnego udziału rzeczywistych użytkowników. Problem ze sposobem udostępniania badań użytkowników Robisz badania. Tworzysz persony. Piszesz raporty. Ty robisz prezentacje. Tworzysz nawet fantazyjne infografiki. A co się wtedy stanie? Badania znajdują się gdzieś na wspólnym dysku i powoli zbierają cyfrowy kurz. Wspomina się o tych osobach podczas spotkań inauguracyjnych, a następnie zapomina się o nich. Raporty są raz przeglądane i nigdy więcej nie otwierane. Kiedy menedżer produktu decyduje, czy dodać nową funkcję, prawdopodobnie nie przekopuje się przez zeszłoroczne repozytorium badań. Kiedy zespół finansowy przeprojektowuje wiadomość e-mail z fakturą, prawie na pewno nie konsultuje się z użytkownikami. Dokonują najlepszego przypuszczenia i idą dalej. To nie jest krytyka tych drużyn. Są zajęci. Mają terminy. I szczerze mówiąc, nawet gdyby chcieli zapoznać się z badaniami, prawdopodobnie nie wiedzieliby, gdzie je znaleźć i jak je zinterpretować w odniesieniu do swojego konkretnego pytania. Wiedza pozostaje zamknięta w głowach zespołów UX, którzy nie mogą być obecni przy każdej decyzji podejmowanej w całej organizacji. Co by było, gdyby użytkownicy mogli rzeczywiście mówić? Co by było, gdyby zamiast tworzyć statyczne dokumenty, które ludzie muszą znaleźć i zinterpretować, moglibyśmy dać zainteresowanym stronom możliwość jednoczesnego skonsultowania się ze wszystkimi użytkownikami?
Wyobraź sobie menedżera ds. marketingu pracującego nad nową kampanią. Zamiast próbować zapamiętać, co osoby powiedziały na temat preferencji dotyczących wiadomości, mogą po prostu zapytać: "Zastanawiam się nad wprowadzeniem oferty rabatowej w tym e-mailu. Co pomyśleliby nasi użytkownicy?" Sztuczna inteligencja, opierając się na wszystkich danych badawczych i osobach, może odpowiedzieć, przedstawiając skonsolidowany obraz: prawdopodobnej reakcji każdej osoby, w czym się zgadzają, w czym się różnią, a także zestaw rekomendacji opartych na ich zbiorowych perspektywach. Jedno pytanie, syntetyczny wgląd w całą bazę użytkowników.
To nie jest science-fiction. Dzięki sztucznej inteligencji możemy zbudować dokładnie taki system. Możemy wykorzystać wszystkie te rozproszone badania (ankiety, wywiady, zgłoszenia do wsparcia, analizy, same osoby) i przekształcić je w interaktywne źródło informacji, do którego każdy może uzyskać informacje zwrotne z wielu perspektyw. Budowa repozytorium badań użytkowników Podstawą tego podejścia jest scentralizowane repozytorium wszystkiego, co wiesz o swoich użytkownikach. Pomyśl o tym jak o pojedynczym źródle prawdy, do którego sztuczna inteligencja może uzyskać dostęp i z którego może czerpać. Jeśli prowadzisz badania użytkowników przez dłuższy czas, prawdopodobnie masz więcej danych, niż zdajesz sobie sprawę. Jest po prostu rozproszony po różnych narzędziach i formatach:
Wyniki ankiety znajdujące się na Twojej platformie ankietowej, Transkrypcje wywiadów w Dokumentach Google, Zgłoszenia obsługi klienta w Twoim systemie helpdesk, Dane analityczne w różnych dashboardach, Wzmianki i recenzje w mediach społecznościowych, Stare persony z poprzednich projektów, Nagrania i notatki z testów użyteczności.
Pierwszym krokiem jest zebranie tego wszystkiego w jednym miejscu. Nie musi być idealnie zorganizowane. Sztuczna inteligencja jest wyjątkowo dobra w znajdowaniu sensu nieuporządkowanych danych wejściowych. Jeśli zaczynasz od zera i nie masz zbyt wielu istniejących badań, możesz użyć narzędzi do głębokich badań AI, aby ustalić punkt odniesienia.
Narzędzia te mogą przeszukiwać Internet w poszukiwaniu dyskusji na temat Twojej kategorii produktów, recenzji konkurencji i typowych pytań zadawanych przez ludzi. Dzięki temu będziesz mieć nad czym pracować podczas opracowywania podstawowych badań. Tworzenie interaktywnych person Gdy już masz repozytorium, następnym krokiem jest utworzenie osób, z którymi sztuczna inteligencja może się konsultować w imieniu interesariuszy. Opiera się to bezpośrednio na funkcjonalnym podejściu do person, które nakreśliłem w moim poprzednim artykule, z jedną kluczową różnicą: te persony stają się soczewkami, przez które sztuczna inteligencja analizuje pytania, a nie tylko odniesieniadokumenty. Proces działa w następujący sposób:
Wprowadź swoje repozytorium badań do narzędzia AI. Poproś go o zidentyfikowanie odrębnych segmentów użytkowników na podstawie celów, zadań i punktów tarcia. Niech wygeneruje szczegółowe osoby dla każdego segmentu. Skonfiguruj sztuczną inteligencję tak, aby konsultowała się ze wszystkimi osobami, gdy interesariusze zadają pytania, i dostarczała skonsolidowanych informacji zwrotnych.
W tym miejscu podejście to znacznie odbiega od tradycyjnych person. Ponieważ sztuczna inteligencja jest głównym odbiorcą tych dokumentów osobistych, nie muszą one nadawać się do zeskanowania ani mieścić na jednej stronie. Tradycyjne persony są ograniczone czytelnością dla człowieka: musisz sprowadzić wszystko do wypunktowań i kluczowych cytatów, które ktoś może przyswoić na pierwszy rzut oka. Ale sztuczna inteligencja nie ma takich ograniczeń. Oznacza to, że Twoje persony mogą być znacznie bardziej szczegółowe. Możesz uwzględnić długie obserwacje behawioralne, sprzeczne dane i zróżnicowany kontekst, który nigdy nie przetrwałby procesu edycji tradycyjnego plakatu z personą. Sztuczna inteligencja może ogarnąć całą tę złożoność i czerpać z niej, odpowiadając na pytania. Możesz także stworzyć różne obiektywy lub perspektywy w ramach każdej osoby, dostosowane do konkretnych funkcji biznesowych. Twoja osobowość „weekendowego wojownika” może mieć perspektywę marketingową (preferencje dotyczące komunikatów, zwyczaje dotyczące kanałów, reakcje na kampanie), perspektywę produktu (priorytety funkcji, wzorce użyteczności, wyzwalacze aktualizacji) i perspektywę wsparcia (częste pytania, punkty frustracji, preferencje dotyczące rozwiązywania problemów). Kiedy menedżer ds. marketingu zadaje pytanie, sztuczna inteligencja czerpie z informacji istotnych z punktu widzenia marketingu. Kiedy menedżer produktu pyta, wyciąga go z obiektywu produktu. Ta sama osoba, różna głębia w zależności od tego, kto pyta.
Persony powinny nadal zawierać wszystkie elementy funkcjonalne, które omówiliśmy wcześniej: cele i zadania, pytania i zastrzeżenia, punkty problematyczne, punkty styku i luki w usługach. Ale teraz te elementy stają się podstawą tego, jak sztuczna inteligencja ocenia pytania z perspektywy każdej osoby, syntetyzując jej poglądy w rekomendacje, które można zastosować. Opcje wdrożenia Można to ustawić na różnym poziomie zaawansowania, w zależności od zasobów i potrzeb. Proste podejście Większość platform AI oferuje obecnie funkcje projektów lub obszarów roboczych, które umożliwiają przesyłanie dokumentów referencyjnych. W ChatGPT są to tak zwane Projekty. Claude ma podobną cechę. Drugi pilot i Bliźnięta nazywają je Przestrzeniami lub Klejnotami. Aby rozpocząć, utwórz dedykowany projekt i prześlij swoje kluczowe dokumenty badawcze oraz osoby. Następnie napisz jasne instrukcje, w których poinformujesz sztuczną inteligencję, aby podczas odpowiadania na pytania konsultowała się ze wszystkimi osobami. Coś w stylu: Pomagasz interesariuszom zrozumieć naszych użytkowników. W przypadku zadawania pytań skonsultuj się ze wszystkimi użytkownikami w tym projekcie i przedstaw: (1) krótkie podsumowanie prawdopodobnej reakcji każdej osoby, (2) przegląd podkreślający, gdzie się zgadzają, a gdzie się różnią, oraz (3) zalecenia oparte na ich zbiorowych perspektywach. W swojej analizie wykorzystaj wszystkie dokumenty badawcze. Jeśli badanie nie obejmuje w pełni danego tematu, przeszukaj platformy społecznościowe, takie jak Reddit, Twitter i odpowiednie fora, aby zobaczyć, jak osoby pasujące do tych osób dyskutują o podobnych kwestiach. Jeśli nadal nie jesteś czegoś pewien, powiedz to szczerze i zasugeruj, jakie dodatkowe badania mogą pomóc.
To podejście ma pewne ograniczenia. Istnieją ograniczenia dotyczące liczby plików, które można przesłać, dlatego może być konieczne ustalenie priorytetów najważniejszych badań lub skonsolidowanie swoich osób w jednym kompleksowym dokumencie. Bardziej wyrafinowane podejście W przypadku większych organizacji lub częściej używanych narzędzi narzędzie takie jak Notion oferuje korzyści, ponieważ może pomieścić całe repozytorium badań i ma wbudowane funkcje sztucznej inteligencji. Można tworzyć bazy danych dla różnych typów badań, łączyć je ze sobą, a następnie używać sztucznej inteligencji do wykonywania zapytań we wszystkich obszarach.
Zaletą jest to, że sztuczna inteligencja ma dostęp do znacznie większego kontekstu. Gdy interesariusz zadaje pytanie, może jednocześnie skorzystać z ankiet, zgłoszeń do pomocy technicznej, transkrypcji rozmów kwalifikacyjnych i danych analitycznych. Dzięki temu odpowiedzi są bogatsze i bardziej zniuansowane. Czego to nie zastępuje Powinienem jasno określić ograniczenia. Wirtualne persony nie zastępują rozmowy z prawdziwymi użytkownikami. Są sposobem na uczynienie istniejących badań bardziej dostępnymi i praktycznymi. Istnieje kilka scenariuszy, w których nadal potrzebne są badania podstawowe:
Kiedy wprowadzasz na rynek coś naprawdę nowego, czego nie obejmują Twoje dotychczasowe badania; Kiedy potrzebujesz zatwierdzić konkretne projekty lub prototypy; Kiedy dane w repozytorium stają się nieaktualne; Kiedy zainteresowane stronyAby zbudować empatię, trzeba słuchać bezpośrednio prawdziwych ludzi.
W rzeczywistości możesz skonfigurować sztuczną inteligencję tak, aby rozpoznawała takie sytuacje. Kiedy ktoś zadaje pytanie wykraczające poza to, na co mogą odpowiedzieć badania, sztuczna inteligencja może odpowiedzieć mniej więcej w stylu: "Nie mam wystarczających informacji, aby odpowiedzieć na to pytanie z całą pewnością. To może być dobre pytanie do krótkiego wywiadu lub ankiety z użytkownikiem". A kiedy przeprowadzisz nowe badania, dane te zostaną ponownie przesłane do repozytorium. Osoby ewoluują z biegiem czasu w miarę pogłębiania się zrozumienia. Jest to znacznie lepsze niż tradycyjne podejście, w którym persony są tworzone raz, a następnie powoli tracą na aktualności. Zmiana organizacyjna Jeśli takie podejście przyjmie się w Twojej organizacji, wydarzy się coś interesującego. Rola zespołu UX zmienia się ze strażników wiedzy użytkowników na kuratorów i opiekunów repozytorium. Zamiast tracić czas na tworzenie raportów, które mogą zostać przeczytane lub nie, spędzasz czas na upewnianiu się, że repozytorium jest aktualne i że sztuczna inteligencja jest skonfigurowana tak, aby udzielała przydatnych odpowiedzi. Komunikacja badawcza zmienia się z push (prezentacje, raporty, e-maile) na pull (interesariusze zadają pytania, gdy potrzebują odpowiedzi). Myślenie skoncentrowane na użytkowniku zostaje rozproszone w całej organizacji, a nie skoncentrowane w jednym zespole. Nie czyni to badaczy UX mniej wartościowymi. W każdym razie czyni ich to bardziej wartościowymi, ponieważ ich praca ma teraz szerszy zasięg i większy wpływ. Ale to zmienia charakter pracy. Pierwsze kroki Jeśli chcesz wypróbować to podejście, zacznij od małych rzeczy. Jeśli potrzebujesz podstaw na temat funkcjonalnych osobowości, zanim zaczniesz nurkować, napisałem szczegółowy przewodnik na temat ich tworzenia. Wybierz jeden projekt lub zespół i skonfiguruj prostą implementację za pomocą projektów ChatGPT lub podobnego narzędzia. Zbierz wszelkie badania, jakie posiadasz (nawet jeśli wydają się niekompletne), stwórz jedną lub dwie osoby i zobacz, jak reagują interesariusze. Zwróć uwagę na to, jakie pytania zadają. Dzięki temu dowiesz się, gdzie w Twoich badaniach występują luki i jakie dodatkowe dane byłyby najcenniejsze. W miarę udoskonalania podejścia można rozszerzyć je na większą liczbę zespołów i bardziej wyrafinowane narzędzia. Jednak podstawowa zasada pozostaje ta sama: wykorzystaj całą rozproszoną wiedzę użytkowników i nadaj jej głos, który każdy w Twojej organizacji będzie mógł usłyszeć. W moim poprzednim artykule argumentowałem, że powinniśmy przejść od osób demograficznych do osób funkcjonalnych, które koncentrują się na tym, co próbują zrobić użytkownicy. Teraz sugeruję, abyśmy zrobili kolejny krok: od osób statycznych do interaktywnych, które mogą faktycznie uczestniczyć w rozmowach, w których podejmowane są decyzje. Ponieważ każdego dnia w Twojej organizacji ludzie podejmują decyzje, które mają wpływ na użytkowników. A Twoi użytkownicy zasługują na miejsce przy stole, nawet jeśli jest to wirtualne. Dalsze czytanie na SmashingMag
„Bliższe spojrzenie na persony: czym są i jak działają | 1”, Shlomo Goltz „Jak usprawnić proces projektowania za pomocą person opartych na danych”, Tim Noetzel „Jak sprawić, by Twoje badania UX były trudne do zignorowania”, Witalij Friedman „Jak budować silne relacje z klientami na potrzeby badań użytkowników”, Renaissance Rachel
