V svojem prejšnjem članku sem raziskal, kako nam lahko AI pomaga pri učinkovitejšem ustvarjanju funkcionalnih oseb. Ogledali smo si ustvarjanje osebnosti, ki se osredotočajo na to, kar uporabniki poskušajo doseči, namesto demografskih profilov, ki so videti dobro na plakatih, a le redko spremenijo oblikovalske odločitve. Toda ustvarjanje osebnosti je le pol bitke. Večji izziv je pridobiti te vpoglede v roke ljudem, ki jih potrebujejo, v trenutku, ko jih potrebujejo. Vsak dan ljudje v vaši organizaciji sprejemajo odločitve, ki vplivajo na uporabniško izkušnjo. Produktne ekipe se odločijo, katerim funkcijam bodo dale prednost. Tržne ekipe pripravljajo kampanje. Finančne ekipe oblikujejo procese fakturiranja. Ekipe za podporo strankam napišejo predloge odgovorov. Vse te odločitve oblikujejo, kako uporabniki doživljajo vaš izdelek ali storitev. In večina se jih zgodi brez posredovanja dejanskih uporabnikov. Težava pri tem, kako delimo raziskave uporabnikov Ti opravi raziskavo. Vi ustvarjate osebnosti. Vi pišete poročila. Vi podajate predstavitve. Izdelujete celo čudovite infografike. In kaj se potem zgodi? Raziskava je nekje v skupnem pogonu in počasi nabira digitalni prah. Osebe so omenjene na začetnih sestankih in nato pozabljene. Poročila se enkrat preletijo in se nikoli več ne odprejo. Ko se produktni vodja odloča, ali bo dodal novo funkcijo, verjetno ne brska po lanskoletnem raziskovalnem repozitoriju. Ko finančna ekipa preoblikuje e-pošto z računi, se skoraj zagotovo ne posvetuje z uporabniškimi osebami. Ugibajo po svojih najboljših močeh in gredo naprej. To ni kritika teh ekip. Zasedeni so. Imajo roke. In iskreno, tudi če bi želeli pregledati raziskavo, verjetno ne bi vedeli, kje jo najti ali kako jo razlagati za svoje specifično vprašanje. Znanje ostane zaklenjeno v glavah ekipe UX, ki nikakor ne more biti prisotna pri vsaki odločitvi, ki se sprejme v organizaciji. Kaj če bi uporabniki dejansko lahko govorili? Kaj pa, če bi namesto ustvarjanja statičnih dokumentov, ki jih morajo ljudje najti in interpretirati, zainteresiranim stranem dali možnost, da se posvetujejo z vsemi vašimi uporabniškimi osebami hkrati?
Predstavljajte si vodjo trženja, ki dela na novi kampanji. Namesto da bi se poskušali spomniti, kaj so osebe povedale o preferencah sporočanja, bi lahko preprosto vprašale: "Razmišljam o tem, da bi vodil s ponudbo za popust v tem e-poštnem sporočilu. Kaj bi si mislili naši uporabniki?" In AI, ki se opira na vse vaše raziskovalne podatke in osebnosti, bi se lahko odzval s konsolidiranim pogledom: kako bi se vsaka oseba verjetno odzvala, kje se strinjajo, kje se razlikujejo, in naborom priporočil, ki temeljijo na njihovih skupnih perspektivah. Eno vprašanje, sintetiziran vpogled v vašo celotno bazo uporabnikov.
To ni znanstvena fantastika. Z AI lahko zgradimo točno tak sistem. Lahko vzamemo vse te razpršene raziskave (ankete, intervjuje, vstopnice za podporo, analitiko, same osebnosti) in jih spremenimo v interaktivni vir, ki ga lahko kdorkoli povpraša po povratnih informacijah z več perspektiv. Gradnja repozitorija uporabniških raziskav Temelj tega pristopa je centralizirano skladišče vsega, kar veste o svojih uporabnikih. Na to pomislite kot na en sam vir resnice, do katerega lahko AI dostopa in iz katerega črpa. Če že dalj časa raziskujete uporabnike, imate verjetno več podatkov, kot si mislite. Samo razpršen je po različnih orodjih in formatih:
Rezultati ankete v vaši anketni platformi, Prepisi intervjujev v Google Dokumentih, Vstopnice za podporo strankam v vašem sistemu službe za pomoč uporabnikom, Analitični podatki na različnih nadzornih ploščah, Omembe in ocene v družbenih medijih, Stare osebe iz prejšnjih projektov, Posnetki preizkusa uporabnosti in zapiski.
Prvi korak je zbiranje vsega tega na enem mestu. Ni treba, da je popolnoma organiziran. Umetna inteligenca je izjemno dobra pri razumevanju neurejenih vnosov. Če začenjate iz nič in nimate veliko obstoječih raziskav, lahko uporabite orodja za globoko raziskovanje AI, da določite izhodišče.
Ta orodja lahko skenirajo splet za razprave o vaši kategoriji izdelkov, ocene konkurentov in pogosta vprašanja, ki jih ljudje postavljajo. To vam daje nekaj za delo, medtem ko gradite svojo primarno raziskavo. Ustvarjanje interaktivnih osebnosti Ko imate svoje skladišče, je naslednji korak ustvarjanje osebnosti, s katerimi se lahko AI posvetuje v imenu zainteresiranih strani. To neposredno gradi na pristopu funkcionalnih osebnosti, ki sem ga opisal v svojem prejšnjem članku, z eno ključno razliko: te osebe postanejo leče, skozi katere umetna inteligenca analizira vprašanja, ne le referencedokumenti. Postopek deluje takole:
Napolnite svoje raziskovalno skladišče z orodjem AI. Prosite ga, naj identificira različne segmente uporabnikov na podlagi ciljev, nalog in točk trenja. Naj ustvari podrobne osebnosti za vsak segment. Konfigurirajte AI, da se posvetuje z vsemi osebami, ko zainteresirane strani postavljajo vprašanja, in zagotovite konsolidirane povratne informacije.
Tukaj se ta pristop bistveno razlikuje od tradicionalnih osebnosti. Ker je umetna inteligenca glavni porabnik teh osebnih dokumentov, ni treba, da jih je mogoče skenirati ali prilegati eni strani. Tradicionalne osebe so omejene s človeško berljivostjo: vse morate razčleniti do točk in ključnih citatov, ki jih lahko nekdo absorbira na prvi pogled. Toda AI nima te omejitve. To pomeni, da so vaše osebnosti lahko precej bolj podrobne. Vključite lahko dolgotrajna vedenjska opažanja, protislovne podatkovne točke in niansiran kontekst, ki nikoli ne bi preživel postopka urejanja tradicionalnega plakata osebnosti. Umetna inteligenca lahko obdrži vso to zapletenost in jo uporabi pri odgovarjanju na vprašanja. Znotraj vsake osebe lahko ustvarite tudi različne leče ali perspektive, prilagojene specifičnim poslovnim funkcijam. Vaša osebnost »Weekend Warrior« ima lahko trženjsko lečo (preference za sporočanje, navade kanala, odzive oglaševalske akcije), lečo izdelka (prioritetne funkcije, vzorci uporabnosti, sprožilci nadgradenj) in lečo podpore (pogosta vprašanja, točke frustracije, nastavitve ločljivosti). Ko vodja trženja postavi vprašanje, umetna inteligenca črpa iz informacij, pomembnih za trženje. Ko produktni vodja vpraša, potegne iz leče izdelka. Ista oseba, različna globina, odvisno od tega, kdo sprašuje.
Osebe morajo še vedno vključevati vse funkcionalne elemente, o katerih smo razpravljali prej: cilje in naloge, vprašanja in ugovore, točke bolečine, stične točke in vrzeli v storitvah. Zdaj pa ti elementi postanejo osnova za to, kako umetna inteligenca ocenjuje vprašanja z vidika vsake osebe in sintetizira njihove poglede v priporočila, ki jih je mogoče uporabiti. Možnosti izvedbe To lahko nastavite z različnimi stopnjami zahtevnosti, odvisno od vaših virov in potreb. Preprost pristop Večina platform AI zdaj ponuja funkcije projektov ali delovnih prostorov, ki vam omogočajo nalaganje referenčnih dokumentov. V ChatGPT se ti imenujejo projekti. Claude ima podobno lastnost. Kopilot in Gemini jih imenujejo Spaces ali Gems. Za začetek ustvarite namenski projekt in naložite svoje ključne raziskovalne dokumente in osebe. Nato napišite jasna navodila, ki AI sporočajo, naj se pri odgovarjanju na vprašanja posvetuje z vsemi osebami. Nekaj takega: Deležnikom pomagate razumeti naše uporabnike. Pri vprašanjih se posvetujte z vsemi uporabniškimi osebnostmi v tem projektu in zagotovite: (1) kratek povzetek, kako bi se vsaka oseba verjetno odzvala, (2) pregled, ki poudarja, kje se strinjajo in kje se razlikujejo, in (3) priporočila, ki temeljijo na njihovih skupnih pogledih. Pri svoji analizi uporabite vse raziskovalne dokumente. Če raziskava ne pokriva v celoti teme, poiščite socialne platforme, kot so Reddit, Twitter in ustrezni forumi, da vidite, kako ljudje, ki ustrezajo tem osebam, razpravljajo o podobnih vprašanjih. Če o nečem še vedno niste prepričani, to iskreno povejte in predlagajte, katere dodatne raziskave bi vam lahko pomagale.
Ta pristop ima nekaj omejitev. Število datotek, ki jih lahko naložite, je omejeno, zato boste morda morali dati prednost svojim najpomembnejšim raziskavam ali združiti svoje osebnosti v en sam celovit dokument. Bolj sofisticiran pristop Za večje organizacije ali pogostejšo uporabo ponuja orodje, kot je Notion, prednosti, saj lahko vsebuje vaše celotno skladišče raziskav in ima vgrajene zmožnosti umetne inteligence. Ustvarite lahko baze podatkov za različne vrste raziskav, jih povežete skupaj in nato uporabite umetno inteligenco za poizvedovanje po vsem.
Prednost tukaj je, da ima AI dostop do veliko več konteksta. Ko zainteresirana stran postavi vprašanje, lahko hkrati črpa iz anket, vstopnic za podporo, prepisov intervjujev in analitičnih podatkov. To omogoča bogatejše in bolj niansirane odzive. Česa to ne nadomešča Moral bi biti jasen glede omejitev. Virtualne osebe niso nadomestilo za pogovor z resničnimi uporabniki. So način, kako narediti obstoječe raziskave bolj dostopne in izvedljive. Obstaja več scenarijev, v katerih še vedno potrebujete primarno raziskavo:
Ko lansirate nekaj resnično novega, česar vaše obstoječe raziskave ne pokrivajo; Ko morate potrditi določene modele ali prototipe; Ko podatki vašega repozitorija postajajo zastareli; Ko deležnikimorajo slišati neposredno od pravih ljudi, da bi razvili empatijo.
Pravzaprav lahko konfigurirate AI, da prepozna te situacije. Ko nekdo zastavi vprašanje, ki presega tisto, na kar lahko odgovori raziskava, lahko umetna inteligenca odgovori z nekaj takega: "Nimam dovolj informacij, da bi odgovoril na to samozavestno. To bi lahko bilo dobro vprašanje za hiter intervju z uporabniki ali anketo." In ko opravite novo raziskavo, se ti podatki vrnejo nazaj v skladišče. Osebe se sčasoma razvijajo, ko se vaše razumevanje poglablja. To je veliko boljše od tradicionalnega pristopa, kjer se osebnosti ustvarijo enkrat in nato počasi zastarajo. Organizacijski premik Če se ta pristop uveljavi v vaši organizaciji, se zgodi nekaj zanimivega. Vloga UX ekipe se premakne od vratarjev uporabniškega znanja do kustosov in vzdrževalcev repozitorija. Namesto da porabite čas za ustvarjanje poročil, ki jih lahko preberete ali pa tudi ne, porabite čas za zagotavljanje, da je skladišče posodobljeno in da je umetna inteligenca konfigurirana za dajanje koristnih odgovorov. Raziskovalna komunikacija se spremeni iz potisne (predstavitve, poročila, e-poštna sporočila) v potezno (zainteresirane strani postavljajo vprašanja, ko potrebujejo odgovore). Razmišljanje, osredotočeno na uporabnika, postane porazdeljeno po celotni organizaciji in ne koncentrirano v eni ekipi. Zaradi tega raziskovalci UX niso manj vredni. Če že, so zaradi tega bolj dragoceni, saj ima njihovo delo zdaj širši doseg in večji vpliv. Vendar spremeni naravo dela. Kako začeti Če želite preizkusiti ta pristop, začnite z majhnim. Če potrebujete pripravo na funkcionalne osebe, preden se potopite, sem napisal podroben vodnik za njihovo ustvarjanje. Izberite en projekt ali ekipo in nastavite preprosto izvedbo z uporabo ChatGPT Projects ali podobnega orodja. Zberite vse raziskave, ki jih imate (tudi če se zdijo nepopolne), ustvarite eno ali dve osebi in poglejte, kako se bodo zainteresirane strani odzvale. Bodite pozorni na vprašanja, ki jih postavljajo. Ti vam bodo povedali, kje so v vaši raziskavi pomanjkljivosti in kateri dodatni podatki bi bili najbolj dragoceni. Ko izboljšate pristop, se lahko razširite na več skupin in bolj izpopolnjena orodja. Toda glavno načelo ostaja enako: vzemite vse to razpršeno uporabniško znanje in mu dajte glas, ki ga lahko sliši vsak v vaši organizaciji. V svojem prejšnjem članku sem trdil, da bi se morali premakniti od demografskih oseb k funkcionalnim osebam, ki se osredotočajo na to, kaj uporabniki poskušajo narediti. Zdaj predlagam, da naredimo naslednji korak: od statičnih oseb do interaktivnih, ki lahko dejansko sodelujejo v pogovorih, kjer se sprejemajo odločitve. Ker vsak dan v vaši organizaciji ljudje sprejemajo odločitve, ki vplivajo na vaše uporabnike. In vaši uporabniki si zaslužijo sedež za mizo, tudi če je virtualna. Dodatno branje na SmashingMag
»Natančnejši pogled na osebnosti: kaj so in kako delujejo | 1«, Shlomo Goltz »Kako izboljšati svoj proces oblikovanja z osebnostmi, ki temeljijo na podatkih«, Tim Noetzel "Kako narediti vaše UX raziskovanje težko ignorirati", Vitaly Friedman »Kako zgraditi močne odnose s strankami za raziskave uporabnikov«, Renaissance Rachel
