Önceki makalemde yapay zekanın işlevsel kişilikleri daha verimli bir şekilde yaratmamıza nasıl yardımcı olabileceğini araştırdım. Posterlerde güzel görünen ancak tasarım kararlarını nadiren değiştiren demografik profiller yerine kullanıcıların neyi başarmaya çalıştıklarına odaklanan kişiler oluşturmaya baktık. Ancak kişilik yaratmak işin sadece yarısıdır. Daha büyük zorluk, bu içgörüleri onlara ihtiyaç duyan kişilerin ihtiyaç duydukları anda ellerine ulaştırmak. Her gün kuruluşunuzdaki kişiler kullanıcı deneyimini etkileyen kararlar alır. Ürün ekipleri hangi özelliklerin önceliklendirileceğine karar verir. Pazarlama ekipleri kampanyalar hazırlar. Finans ekipleri faturalama süreçlerini tasarlar. Müşteri destek ekipleri yanıt şablonları yazar. Tüm bu kararlar, kullanıcıların ürün veya hizmetinizi nasıl deneyimleyeceğini şekillendirir. Ve çoğu, gerçek kullanıcıların herhangi bir girişi olmadan gerçekleşir. Kullanıcı Araştırmasını Nasıl Paylaştığımızla İlgili Sorun Araştırmayı siz yapın. Kişileri siz yaratırsınız. Raporları siz yazıyorsunuz. Sunumları siz yapıyorsunuz. Süslü infografikler bile yapıyorsunuz. Peki sonra ne olur? Araştırma, bir yerlerdeki ortak bir sürücüde duruyor ve yavaş yavaş dijital toz topluyor. Kişilere başlangıç toplantılarında başvurulur ve sonra unutulur. Raporlar bir kez gözden geçirilir ve bir daha asla açılmaz. Bir ürün yöneticisi yeni bir özellik ekleyip eklememeye karar verirken muhtemelen geçen yılın araştırma havuzunu derinlemesine incelemeyecektir. Finans ekibi fatura e-postasını yeniden tasarlarken neredeyse kesinlikle kullanıcı kişilerine danışmazlar. En iyi tahminlerini yapıp yola devam ederler. Bu o takımlara yönelik bir eleştiri değil. Onlar meşgul. Son teslim tarihleri var. Ve dürüst olmak gerekirse, araştırmaya başvurmak isteseler bile, muhtemelen onu nerede bulacaklarını veya kendi spesifik soruları için nasıl yorumlayacaklarını bilemeyeceklerdir. Bilgi, organizasyon genelinde alınan her kararda muhtemelen mevcut olamayacak olan UX ekibinin kafalarının içinde kilitli kalır. Ya Kullanıcılar Gerçekten Konuşabilseydi? Peki ya insanların bulması ve yorumlaması gereken statik belgeler oluşturmak yerine, paydaşlara tüm kullanıcı karakterlerinize aynı anda danışabilecekleri bir yol sunabilseydik?
Yeni bir kampanya üzerinde çalışan bir pazarlama yöneticisini hayal edin. Kişilerin mesajlaşma tercihleri hakkında ne söylediğini hatırlamaya çalışmak yerine basitçe şunu sorabilirler: "Bu e-postada bir indirim teklifi sunmayı düşünüyorum. Kullanıcılarımız ne düşünür?" Yapay zeka, tüm araştırma verilerinizden ve kişiliklerinizden yararlanarak, birleşik bir bakış açısıyla yanıt verebilir: Her bir kişinin muhtemelen nasıl tepki vereceği, nerede aynı fikirde olduğu, nerede farklılaştığı ve kolektif bakış açılarına dayalı bir dizi öneri. Tek bir soru, tüm kullanıcı tabanınız genelinde sentezlenmiş bilgiler.
Bu bilim kurgu değil. Yapay zeka ile tam olarak bu tür bir sistem oluşturabiliriz. Tüm bu dağınık araştırmaları (anketler, röportajlar, destek biletleri, analitikler, kişilerin kendisi) alıp bunu herkesin çok perspektifli geri bildirim için sorgulayabileceği etkileşimli bir kaynağa dönüştürebiliriz. Kullanıcı Araştırma Havuzunun Oluşturulması Bu yaklaşımın temeli, kullanıcılarınız hakkında bildiğiniz her şeyin merkezi bir deposudur. Bunu, yapay zekanın erişebileceği ve yararlanabileceği tek bir gerçek kaynağı olarak düşünün. Uzun süredir kullanıcı araştırması yapıyorsanız muhtemelen düşündüğünüzden daha fazla veriye sahipsiniz demektir. Sadece farklı araçlara ve formatlara dağılmış durumda:
Anket platformunuzda duran anket sonuçları, Google Dokümanlar'daki röportaj transkriptleri, Yardım masası sisteminizdeki müşteri destek biletleri, Çeşitli kontrol panellerindeki analitik verileri, Sosyal medyada bahsedilenler ve incelemeler, Önceki projelerden eski kişiler, Kullanılabilirlik testi kayıtları ve notları.
İlk adım tüm bunları tek bir yerde toplamaktır. Mükemmel bir şekilde organize edilmesine gerek yoktur. Yapay zeka, karmaşık girdileri anlamlandırma konusunda son derece iyidir. Sıfırdan başlıyorsanız ve çok fazla araştırmanız yoksa bir temel oluşturmak için yapay zeka derin araştırma araçlarını kullanabilirsiniz.
Bu araçlar, ürün kategoriniz hakkındaki tartışmalar, rakip incelemeleri ve insanların sorduğu genel sorular için web'i tarayabilir. Bu size birincil araştırmanızı oluştururken üzerinde çalışabileceğiniz bir şey verir. Etkileşimli Kişilikler Oluşturma Deponuzu aldıktan sonraki adım, yapay zekanın paydaşlar adına danışabileceği kişiler oluşturmaktır. Bu, önceki makalemde ana hatlarıyla belirttiğim işlevsel kişilik yaklaşımının üzerine kuruludur; tek bir önemli farkla: bu kişiler, yapay zekanın yalnızca referans vermekle kalmayıp soruları analiz ettiği mercekler haline gelir.belgeler. Süreç şu şekilde işliyor:
Araştırma deponuzu bir yapay zeka aracına besleyin. Hedeflere, görevlere ve anlaşmazlık noktalarına göre farklı kullanıcı segmentlerini tanımlamasını isteyin. Her segment için ayrıntılı kişilikler oluşturmasını sağlayın. Yapay zekayı, paydaşlar soru sorduğunda tüm kişilere danışacak ve birleştirilmiş geri bildirim sağlayacak şekilde yapılandırın.
Bu yaklaşımın geleneksel kişiliklerden önemli ölçüde ayrıldığı nokta burasıdır. AI, bu kişisel belgelerin birincil tüketicisi olduğundan, bunların taranabilir olmasına veya tek bir sayfaya sığdırılmasına gerek yoktur. Geleneksel kişilikler insanların okunabilirliğiyle sınırlıdır: Her şeyi, birinin bir bakışta anlayabileceği madde işaretlerine ve önemli alıntılara kadar ayrıştırmanız gerekir. Ancak yapay zekanın böyle bir sınırlaması yok. Bu, kişiliklerinizin çok daha ayrıntılı olabileceği anlamına gelir. Geleneksel bir kişilik posteri için düzenleme sürecinden asla sağ çıkamayacak uzun davranış gözlemlerini, çelişkili veri noktalarını ve incelikli bağlamı dahil edebilirsiniz. Yapay zeka tüm bu karmaşıklığı taşıyabiliyor ve soruları yanıtlarken bundan faydalanabiliyor. Ayrıca her bir kişide, belirli iş fonksiyonlarına göre uyarlanmış farklı mercekler veya perspektifler oluşturabilirsiniz. "Hafta Sonu Savaşçısı" kişiliğiniz bir pazarlama merceğine (mesajlaşma tercihleri, kanal alışkanlıkları, kampanya yanıtları), bir ürün merceğine (özellik öncelikleri, kullanılabilirlik kalıpları, yükseltme tetikleyicileri) ve bir destek merceğine (sık sorulan sorular, hayal kırıklığı yaratan noktalar, çözüm tercihleri) sahip olabilir. Bir pazarlama yöneticisi bir soru sorduğunda yapay zeka, pazarlamayla ilgili bilgilerden yararlanır. Bir ürün yöneticisi sorduğunda ürün merceğinden çeker. Kimin sorduğuna bağlı olarak aynı kişilik, farklı derinlik.
Kişiler yine de daha önce tartıştığımız tüm işlevsel unsurları içermelidir: hedefler ve görevler, sorular ve itirazlar, sorunlu noktalar, temas noktaları ve hizmet boşlukları. Ancak artık bu unsurlar, yapay zekanın soruları her bir kişinin bakış açısına göre nasıl değerlendireceğinin ve onların görüşlerini eyleme geçirilebilir öneriler halinde sentezlemenin temelini oluşturuyor. Uygulama Seçenekleri Kaynaklarınıza ve ihtiyaçlarınıza bağlı olarak bunu farklı düzeylerde karmaşıklıkla ayarlayabilirsiniz. Basit Yaklaşım Çoğu yapay zeka platformu artık referans belgeleri yüklemenize olanak tanıyan proje veya çalışma alanı özellikleri sunuyor. ChatGPT'de bunlara Projeler denir. Claude'un da benzer bir özelliği var. Yardımcı Pilot ve Gemini bunlara Spaces veya Gems adını veriyor. Başlamak için özel bir proje oluşturun ve önemli araştırma belgelerinizi ve kişilerinizi yükleyin. Ardından yapay zekaya soruları yanıtlarken tüm kişilere danışmasını söyleyen net talimatlar yazın. Şöyle bir şey: Paydaşların kullanıcılarımızı anlamalarına yardımcı oluyorsunuz. Soru sorulduğunda, bu projedeki tüm kullanıcı karakterlerine danışın ve şunları sağlayın: (1) her bir kişinin muhtemelen nasıl yanıt vereceğine dair kısa bir özet, (2) nerede aynı fikirde olduklarını ve nerede farklı olduklarını vurgulayan bir genel bakış ve (3) kolektif bakış açılarına dayalı öneriler. Analizinizi bilgilendirmek için tüm araştırma belgelerinden yararlanın. Araştırma bir konuyu tam olarak kapsamıyorsa Reddit, Twitter gibi sosyal platformlarda ve ilgili forumlarda arama yaparak bu kişilerle eşleşen kişilerin benzer konuları nasıl tartıştığını görün. Hala bir şeyden emin değilseniz, bunu dürüstçe söyleyin ve hangi ek araştırmaların yardımcı olabileceğini önerin.
Bu yaklaşımın bazı sınırlamaları vardır. Kaç dosya yükleyebileceğinize ilişkin sınırlamalar vardır, bu nedenle en önemli araştırmanıza öncelik vermeniz veya kişisel bilgilerinizi tek bir kapsamlı belgede birleştirmeniz gerekebilir. Daha Gelişmiş Yaklaşım Daha büyük kuruluşlar veya daha sürekli kullanım için Notion gibi bir araç, tüm araştırma havuzunuzu barındırabilmesi ve yerleşik yapay zeka yeteneklerine sahip olması nedeniyle avantajlar sunar. Farklı araştırma türleri için veritabanları oluşturabilir, bunları birbirine bağlayabilir ve ardından her şeyi sorgulamak için yapay zekayı kullanabilirsiniz.
Buradaki fayda, yapay zekanın çok daha fazla bağlama erişebilmesidir. Bir paydaş bir soru sorduğunda anketlerden, destek kayıtlarından, röportaj transkriptlerinden ve analiz verilerinden aynı anda yararlanabilir. Bu daha zengin, daha incelikli yanıtlar sağlar. Bu Neyin Yerine Geçmez Sınırlamalar konusunda açık olmalıyım. Sanal kişiler gerçek kullanıcılarla konuşmanın yerini tutmaz. Mevcut araştırmaları daha erişilebilir ve uygulanabilir hale getirmenin bir yoludur. Hala birincil araştırmaya ihtiyaç duyduğunuz birkaç senaryo vardır:
Mevcut araştırmanızın kapsamadığı gerçekten yeni bir şeyi piyasaya sürerken; Belirli tasarımları veya prototipleri doğrulamanız gerektiğinde; Depo verileriniz bayatlamaya başladığında; Paydaşlar ne zamanEmpati kurabilmek için doğrudan gerçek insanlardan bilgi almamız gerekiyor.
Aslında yapay zekayı bu durumları tanıyacak şekilde yapılandırabilirsiniz. Birisi araştırmanın cevaplayabileceğinin ötesine geçen bir soru sorduğunda yapay zeka şöyle bir yanıt verebilir: "Bunu güvenle yanıtlamak için yeterli bilgiye sahip değilim. Bu, hızlı bir kullanıcı görüşmesi veya anketi için iyi bir soru olabilir." Ve yeni bir araştırma yürüttüğünüzde, bu veriler depoya geri beslenir. Anlayışınız derinleştikçe kişiler zamanla gelişir. Bu, kişilerin bir kez oluşturulduğu ve daha sonra yavaşça güncelliğini yitirdiği geleneksel yaklaşımdan çok daha iyidir. Organizasyonel Değişim Bu yaklaşım kuruluşunuzda benimsenirse ilginç bir şey olur. UX ekibinin rolü, kullanıcı bilgisinin bekçisi olmaktan, veri deposunun küratörleri ve bakımcıları olmaya doğru değişiyor. Okunabilecek veya okunamayacak raporlar oluşturmak için zaman harcamak yerine, havuzun güncel kalmasını ve yapay zekanın yararlı yanıtlar verecek şekilde yapılandırılmasını sağlamak için zaman harcarsınız. Araştırma iletişimi, itmeden (sunumlar, raporlar, e-postalar) çekmeye (paydaşların yanıtlara ihtiyaç duyduklarında soru sormaları) doğru değişmektedir. Kullanıcı merkezli düşünme, tek bir ekipte yoğunlaşmak yerine kuruluş geneline dağıtılır. Bu, UX araştırmacılarını daha az değerli yapmaz. Aksine, bu onları daha değerli kılıyor çünkü çalışmalarının artık daha geniş bir kapsamı ve daha büyük bir etkisi var. Ancak işin doğasını değiştirir. Başlarken Bu yaklaşımı denemek istiyorsanız küçük başlayın. Dalmadan önce işlevsel kişilikler hakkında bir ön bilgiye ihtiyacınız varsa, bunları oluşturmaya yönelik ayrıntılı bir rehber yazdım. Bir proje veya ekip seçin ve ChatGPT Projelerini veya benzer bir aracı kullanarak basit bir uygulama oluşturun. Elinizdeki araştırmaları toplayın (tamamlanmamış gibi görünse bile), bir veya iki kişilik oluşturun ve paydaşların nasıl tepki verdiğini görün. Hangi soruları sorduklarına dikkat edin. Bunlar size araştırmanızın nerede boşlukları olduğunu ve hangi ek verilerin en değerli olacağını söyleyecektir. Yaklaşımı geliştirdikçe daha fazla ekibe ve daha gelişmiş araçlara kadar genişleyebilirsiniz. Ancak temel prensip aynı kalıyor: Tüm bu dağınık kullanıcı bilgisini alın ve ona kuruluşunuzdaki herkesin duyabileceği bir ses verin. Önceki yazımda demografik kişiliklerden, kullanıcıların ne yapmaya çalıştığına odaklanan işlevsel kişiliklere geçmemiz gerektiğini savunmuştum. Şimdi bir sonraki adımı atmamızı öneriyorum: statik kişiliklerden, kararların alındığı konuşmalara gerçekten katılabilecek etkileşimli kişilere. Çünkü her gün kuruluşunuz genelinde insanlar kullanıcılarınızı etkileyen kararlar alıyor. Ve kullanıcılarınız sanal da olsa masada bir koltuğu hak ediyor. SmashingMag Hakkında Daha Fazla Okuma
“Personalara Daha Yakından Bir Bakış: Nedirler ve Nasıl Çalışırlar | 1”, Shlomo Goltz “Veriye Dayalı Personalarla Tasarım Sürecinizi Nasıl İyileştirirsiniz”, Tim Noetzel "Kullanıcı Deneyimi Araştırmanızı Göz ardı Edilmesi Zor Hale Getirmek", Vitaly Friedman “Kullanıcı Araştırması İçin Güçlü Müşteri İlişkileri Nasıl Kurulur”, Renaissance Rachel
