Sa aking nakaraang artikulo, ginalugad ko kung paano matutulungan kami ng AI na lumikha ng functional personas nang mas mahusay. Tiningnan namin ang pagbuo ng mga persona na nakatuon sa kung ano ang sinusubukan ng mga user na gawin kaysa sa mga demograpikong profile na maganda sa mga poster ngunit bihirang baguhin ang mga desisyon sa disenyo. Ngunit ang paglikha ng mga persona ay kalahati lamang ng labanan. Ang mas malaking hamon ay ang pagkuha ng mga insight na iyon sa mga kamay ng mga taong nangangailangan nito, sa sandaling kailangan nila ang mga ito. Araw-araw, ang mga tao sa iyong organisasyon ay gumagawa ng mga pagpapasya na nakakaapekto sa karanasan ng user. Ang mga team ng produkto ay nagpapasya kung aling mga feature ang uunahin. Gumagawa ng mga campaign ang mga marketing team. Ang mga koponan sa pananalapi ay nagdidisenyo ng mga proseso ng pag-invoice. Sumulat ng mga template ng tugon ang mga team ng suporta sa customer. Ang lahat ng desisyong ito ay humuhubog kung paano nararanasan ng mga user ang iyong produkto o serbisyo. At karamihan sa mga ito ay nangyayari nang walang anumang input mula sa mga aktwal na gumagamit. Ang Problema Sa Paano Namin Nagbabahagi ng Pananaliksik ng User Mag-research ka. Ikaw ang lumikha ng mga persona. Isulat mo ang mga ulat. Ibigay mo ang mga presentasyon. Gumagawa ka pa ng magarbong infographics. At saka ano ang mangyayari? Ang pananaliksik ay nakaupo sa isang shared drive sa isang lugar, dahan-dahang kumukuha ng digital dust. Ang mga persona ay na-refer sa mga kickoff na pagpupulong at pagkatapos ay nakalimutan. Ang mga ulat ay na-skim ng isang beses at hindi na muling binuksan. Kapag ang isang tagapamahala ng produkto ay nagpasya kung magdaragdag ng isang bagong tampok, malamang na hindi sila naghuhukay sa repositoryo ng pananaliksik noong nakaraang taon. Kapag nire-redesign ng finance team ang invoice email, halos tiyak na hindi nila kinokonsulta ang user personas. Ginagawa nila ang kanilang pinakamahusay na hula at magpatuloy. Ito ay hindi isang pagpuna sa mga koponan. Busy sila. May mga deadline sila. At sa totoo lang, kahit na gusto nilang kumonsulta sa pananaliksik, malamang na hindi nila alam kung saan ito hahanapin o kung paano ito bibigyang kahulugan para sa kanilang partikular na tanong. Ang kaalaman ay nananatiling naka-lock sa loob ng mga pinuno ng UX team, na hindi maaaring naroroon para sa bawat desisyon na gagawin sa buong organisasyon. Paano Kung ang Mga Gumagamit ay Talagang Makapagsalita? Paano kung, sa halip na gumawa ng mga static na dokumento na kailangang hanapin at bigyang-kahulugan ng mga tao, maaari naming bigyan ang mga stakeholder ng paraan upang kumonsulta sa lahat ng iyong user persona nang sabay-sabay?
Isipin ang isang marketing manager na nagtatrabaho sa isang bagong campaign. Sa halip na subukang alalahanin ang sinabi ng mga persona tungkol sa mga kagustuhan sa pagmemensahe, maaari lang nilang itanong: "Iniisip ko ang tungkol sa pangunguna sa isang alok na may diskwento sa email na ito. Ano ang iisipin ng aming mga user?" At ang AI, na kumukuha sa lahat ng iyong data at persona ng pananaliksik, ay maaaring tumugon nang may pinagsama-samang pananaw: kung ano ang malamang na magiging reaksyon ng bawat persona, kung saan sila sumasang-ayon, kung saan sila naiiba, at isang hanay ng mga rekomendasyon batay sa kanilang mga kolektibong pananaw. Isang tanong, na-synthesize ang insight sa iyong buong user base.
Hindi ito science fiction. Sa AI, makakagawa tayo ng eksaktong ganitong uri ng system. Maaari naming kunin ang lahat ng nakakalat na pananaliksik na iyon (ang mga survey, ang mga panayam, ang mga tiket ng suporta, ang analytics, ang mga persona mismo) at gawin itong isang interactive na mapagkukunan na maaaring itanong ng sinuman para sa multi-perspective na feedback. Pagbuo ng User Research Repository Ang pundasyon ng diskarteng ito ay isang sentralisadong imbakan ng lahat ng alam mo tungkol sa iyong mga user. Isipin ito bilang isang pinagmumulan ng katotohanan kung saan maa-access at makukuha ng AI. Kung nagsasagawa ka ng pananaliksik ng user sa loob ng anumang tagal ng panahon, malamang na mayroon kang mas maraming data kaysa sa iyong napagtanto. Nakakalat lang ito sa iba't ibang tool at format:
Mga resulta ng survey na nakaupo sa iyong platform ng survey, Mga transcript ng panayam sa Google Docs, Mga ticket sa suporta ng customer sa iyong helpdesk system, Data ng Analytics sa iba't ibang dashboard, Mga pagbanggit at pagsusuri sa social media, Mga lumang persona mula sa mga nakaraang proyekto, Usability test recording at mga tala.
Ang unang hakbang ay tipunin ang lahat ng ito sa isang lugar. Hindi ito kailangang ganap na organisado. Ang AI ay kahanga-hangang mahusay sa pag-unawa sa mga magugulong input. Kung nagsisimula ka sa simula at wala kang gaanong umiiral na pananaliksik, maaari mong gamitin ang AI deep research tool upang magtatag ng baseline.
Maaaring i-scan ng mga tool na ito ang web para sa mga talakayan tungkol sa kategorya ng iyong produkto, mga review ng kakumpitensya, at mga karaniwang tanong na itinatanong ng mga tao. Nagbibigay ito sa iyo ng isang bagay upang magtrabaho habang binubuo mo ang iyong pangunahing pananaliksik. Paglikha ng Interactive Personas Kapag nakuha mo na ang iyong repository, ang susunod na hakbang ay ang paglikha ng mga persona na maaaring konsultahin ng AI sa ngalan ng mga stakeholder. Direkta itong bumubuo sa functional persona approach na binalangkas ko sa aking nakaraang artikulo, na may isang pangunahing pagkakaiba: ang mga persona na ito ay nagiging mga lente kung saan sinusuri ng AI ang mga tanong, hindi lamang sanggunianmga dokumento. Ang proseso ay gumagana tulad nito:
I-feed ang iyong research repository sa isang AI tool. Hilingin dito na tukuyin ang mga natatanging segment ng user batay sa mga layunin, gawain, at friction point. Ipagawa ito ng mga detalyadong persona para sa bawat segment. I-configure ang AI para kumonsulta sa lahat ng persona kapag nagtanong ang mga stakeholder, na nagbibigay ng pinagsama-samang feedback.
Dito ay malaki ang pagkakaiba ng diskarteng ito sa mga tradisyunal na persona. Dahil ang AI ang pangunahing mamimili ng mga dokumentong ito ng persona, hindi kailangang ma-scan o magkasya ang mga ito sa isang pahina. Ang mga tradisyunal na persona ay napipigilan ng pagiging madaling mabasa ng tao: kailangan mong i-distill ang lahat hanggang sa mga bullet point at mahahalagang quote na maaaring makuha ng isang tao sa isang sulyap. Ngunit ang AI ay walang ganoong limitasyon. Nangangahulugan ito na ang iyong mga katauhan ay maaaring maging mas detalyado. Maaari kang magsama ng mahahabang obserbasyon sa pag-uugali, magkasalungat na mga punto ng data, at magkakaibang konteksto na hindi kailanman makakaligtas sa proseso ng pag-edit para sa isang tradisyunal na poster ng persona. Maaaring hawakan ng AI ang lahat ng kumplikadong ito at iguhit ito kapag sumasagot sa mga tanong. Maaari ka ring lumikha ng iba't ibang mga lente o pananaw sa loob ng bawat persona, na iniayon sa mga partikular na function ng negosyo. Maaaring may marketing lens ang iyong persona na "Weekend Warrior" (mga kagustuhan sa pagmemensahe, mga gawi sa channel, mga tugon sa campaign), isang lens ng produkto (mga priyoridad ng feature, mga pattern ng usability, mga trigger ng pag-upgrade), at isang support lens (mga karaniwang tanong, mga frustration point, mga kagustuhan sa pagresolba). Kapag nagtanong ang isang marketing manager, kumukuha ang AI sa impormasyong nauugnay sa marketing. Kapag nagtanong ang isang product manager, humihila ito mula sa lens ng produkto. Parehong persona, iba ang lalim depende sa nagtatanong.
Dapat pa ring isama ng mga persona ang lahat ng functional na elemento na tinalakay natin noon: mga layunin at gawain, mga tanong at pagtutol, mga punto ng sakit, mga touchpoint, at mga puwang sa serbisyo. Ngunit ngayon ang mga elementong ito ay nagiging batayan kung paano sinusuri ng AI ang mga tanong mula sa pananaw ng bawat persona, na pinagsasama-sama ang kanilang mga pananaw sa mga naaaksyong rekomendasyon. Mga Opsyon sa Pagpapatupad Maaari mong i-set up ito sa iba't ibang antas ng pagiging sopistikado depende sa iyong mga mapagkukunan at pangangailangan. Ang Simpleng Diskarte Karamihan sa mga platform ng AI ay nag-aalok na ngayon ng mga feature ng proyekto o workspace na nagbibigay-daan sa iyong mag-upload ng mga reference na dokumento. Sa ChatGPT, ang mga ito ay tinatawag na Mga Proyekto. Si Claude ay may katulad na katangian. Sina Copilot at Gemini ay tinatawag silang Spaces o Gems. Upang makapagsimula, lumikha ng isang nakatuong proyekto at i-upload ang iyong mga pangunahing dokumento sa pananaliksik at katauhan. Pagkatapos ay sumulat ng malinaw na mga tagubilin na nagsasabi sa AI na kumonsulta sa lahat ng persona kapag tumutugon sa mga tanong. Isang bagay tulad ng: Tinutulungan mo ang mga stakeholder na maunawaan ang aming mga user. Kapag nagtanong, kumonsulta sa lahat ng user persona sa proyektong ito at magbigay ng: (1) isang maikling buod ng kung paano malamang na tumugon ang bawat persona, (2) isang pangkalahatang-ideya na nagha-highlight kung saan sila sumasang-ayon at kung saan sila nagkakaiba, at (3) mga rekomendasyon batay sa kanilang mga kolektibong pananaw. Gumuhit sa lahat ng mga dokumento ng pananaliksik upang ipaalam sa iyong pagsusuri. Kung hindi ganap na saklaw ng pananaliksik ang isang paksa, maghanap sa mga social platform tulad ng Reddit, Twitter, at mga nauugnay na forum upang makita kung paano tinatalakay ng mga taong tumutugma sa mga persona na ito ang mga katulad na isyu. Kung hindi ka pa rin sigurado sa isang bagay, sabihin ito nang tapat at imungkahi kung ano ang maaaring makatulong sa karagdagang pananaliksik.
Ang diskarte na ito ay may ilang mga limitasyon. May mga limitasyon sa kung gaano karaming mga file ang maaari mong i-upload, kaya maaaring kailanganin mong unahin ang iyong pinakamahalagang pananaliksik o pagsamahin ang iyong mga katauhan sa isang komprehensibong dokumento. Ang Mas Sopistikadong Diskarte Para sa mas malalaking organisasyon o higit pang patuloy na paggamit, nag-aalok ang isang tool tulad ng Notion ng mga pakinabang dahil maaari nitong hawakan ang iyong buong repositoryo ng pananaliksik at may built in na mga kakayahan sa AI. Maaari kang gumawa ng mga database para sa iba't ibang uri ng pananaliksik, i-link ang mga ito nang magkasama, at pagkatapos ay gamitin ang AI para mag-query sa lahat ng bagay.
Ang pakinabang dito ay ang AI ay may access sa higit pang konteksto. Kapag nagtanong ang isang stakeholder, maaari itong kumuha ng mga survey, support ticket, interview transcript, at analytics data nang sabay-sabay. Ito ay gumagawa para sa mas mayaman, mas nuanced na mga tugon. Ano ang Hindi Pinapalitan Nito Dapat akong maging malinaw tungkol sa mga limitasyon. Ang mga virtual na persona ay hindi kapalit ng pakikipag-usap sa mga tunay na gumagamit. Ang mga ito ay isang paraan upang gawing mas naa-access at naaaksyunan ang kasalukuyang pananaliksik. Mayroong ilang mga sitwasyon kung saan kailangan mo pa rin ng pangunahing pananaliksik:
Kapag naglulunsad ng isang bagay na tunay na bago na hindi saklaw ng iyong kasalukuyang pananaliksik; Kapag kailangan mong patunayan ang mga partikular na disenyo o prototype; Kapag ang iyong repository data ay nagiging lipas na; Kapag ang mga stakeholderKailangang makarinig ng direkta mula sa mga totoong tao upang bumuo ng empatiya.
Sa katunayan, maaari mong i-configure ang AI upang makilala ang mga sitwasyong ito. Kapag may nagtanong ng tanong na higit pa sa masasagot ng pananaliksik, maaaring tumugon ang AI sa isang bagay tulad ng: "Wala akong sapat na impormasyon para sagutin iyon nang may kumpiyansa. Maaaring ito ay isang magandang tanong para sa isang mabilis na panayam o survey ng user." At kapag nagsagawa ka ng bagong pananaliksik, ang data na iyon ay babalik sa repositoryo. Ang mga persona ay nagbabago sa paglipas ng panahon habang lumalalim ang iyong pang-unawa. Ito ay mas mahusay kaysa sa tradisyunal na diskarte, kung saan ang mga persona ay nalilikha ng isang beses at pagkatapos ay dahan-dahang naaanod sa panahon. Ang Organizational Shift Kung ang diskarte na ito ay nahuli sa iyong organisasyon, isang bagay na kawili-wili ang mangyayari. Ang tungkulin ng UX team ay nagbabago mula sa pagiging gatekeepers ng kaalaman ng user tungo sa pagiging mga curator at maintainer ng repository. Sa halip na gumugol ng oras sa paglikha ng mga ulat na maaaring mabasa o hindi, gumugugol ka ng oras sa pagtiyak na ang repositoryo ay mananatiling bago at na ang AI ay na-configure upang magbigay ng mga kapaki-pakinabang na tugon. Ang komunikasyon sa pananaliksik ay nagbabago mula sa push (mga presentasyon, ulat, email) hanggang sa hilahin (nagtatanong ang mga stakeholder kapag kailangan nila ng mga sagot). Ang pag-iisip na nakasentro sa gumagamit ay ipinamamahagi sa buong organisasyon sa halip na nakatutok sa isang koponan. Hindi nito ginagawang hindi gaanong mahalaga ang mga mananaliksik ng UX. Kung mayroon man, ginagawa silang mas mahalaga dahil ang kanilang trabaho ngayon ay may mas malawak na naaabot at mas malaking epekto. Ngunit binabago nito ang kalikasan ng trabaho. Pagsisimula Kung gusto mong subukan ang diskarteng ito, magsimula sa maliit. Kung kailangan mo ng panimulang aklat sa functional personas bago sumisid, nagsulat ako ng detalyadong gabay sa paglikha ng mga ito. Pumili ng isang proyekto o team at mag-set up ng simpleng pagpapatupad gamit ang ChatGPT Projects o katulad na tool. Ipunin ang anumang pananaliksik na mayroon ka (kahit na parang hindi kumpleto), lumikha ng isa o dalawang persona, at tingnan kung paano tumugon ang mga stakeholder. Bigyang-pansin kung ano ang itatanong nila. Sasabihin nito sa iyo kung saan may mga gaps ang iyong pananaliksik at kung anong karagdagang data ang magiging pinakamahalaga. Habang pinipino mo ang diskarte, maaari kang lumawak sa mas maraming team at mas sopistikadong tooling. Ngunit ang pangunahing prinsipyo ay nananatiling pareho: kunin ang lahat ng nakakalat na kaalaman ng user at bigyan ito ng boses na maririnig ng sinuman sa iyong organisasyon. Sa aking nakaraang artikulo, nangatuwiran ako na dapat tayong lumipat mula sa mga demograpikong persona patungo sa mga functional na persona na tumutuon sa kung ano ang sinusubukang gawin ng mga user. Ngayon, iminumungkahi ko na gawin natin ang susunod na hakbang: mula sa mga static na persona hanggang sa mga interactive na maaaring aktwal na lumahok sa mga pag-uusap kung saan nagkakaroon ng mga desisyon. Dahil araw-araw, sa kabuuan ng iyong organisasyon, ang mga tao ay gumagawa ng mga pagpapasya na nakakaapekto sa iyong mga user. At ang iyong mga gumagamit ay karapat-dapat sa isang upuan sa mesa, kahit na ito ay isang virtual na upuan. Karagdagang Pagbabasa Sa SmashingMag
"Isang Mas Malapit na Pagtingin Sa Mga Persona: Ano Sila At Paano Sila Gumagana | 1", Shlomo Goltz "Paano Pahusayin ang Iyong Proseso ng Disenyo Gamit ang Data-Based Personas", Tim Noetzel "Paano Gawing Mahirap Ipagwalang-bahala ang Iyong Pananaliksik sa UX", Vitaly Friedman "Paano Bumuo ng Matatag na Relasyon sa Customer Para sa Pananaliksik ng User", Renaissance Rachel
