В своей предыдущей статье я исследовал, как ИИ может помочь нам более эффективно создавать функциональных персонажей. Мы рассматривали создание персонажей, которые фокусируются на том, чего пользователи пытаются достичь, а не на демографических профилях, которые хорошо смотрятся на плакатах, но редко меняют дизайнерские решения. Но создание персонажей – это только полдела. Более серьезная задача — передать эти идеи людям, которые в них нуждаются, именно в тот момент, когда они им нужны. Каждый день люди в вашей организации принимают решения, влияющие на взаимодействие с пользователем. Продуктовые команды решают, каким функциям отдать приоритет. Маркетинговые команды разрабатывают кампании. Финансовые команды разрабатывают процессы выставления счетов. Службы поддержки клиентов пишут шаблоны ответов. Все эти решения формируют то, как пользователи воспринимают ваш продукт или услугу. И большинство из них происходит без какого-либо участия реальных пользователей. Проблема с тем, как мы делимся исследованиями пользователей Вы проводите исследование. Вы создаете персонажей. Вы пишете отчеты. Вы проводите презентации. Вы даже делаете причудливую инфографику. И что тогда происходит? Исследование находится где-то на общем диске и медленно собирает цифровую пыль. На первых встречах упоминаются персонажи, а затем забываются. Отчеты просматриваются один раз и больше никогда не открываются. Когда менеджер по продукту решает, добавлять ли новую функцию, он, вероятно, не копается в репозитории прошлогодних исследований. Когда финансовый отдел меняет дизайн электронного письма со счетом-фактурой, они почти наверняка не обращают внимания на личности пользователей. Они делают лучшее предположение и идут дальше. Это не критика в адрес этих команд. Они заняты. У них есть сроки. И, честно говоря, даже если бы они захотели ознакомиться с исследованием, они, вероятно, не знали бы, где его найти или как интерпретировать его для своего конкретного вопроса. Знания остаются запертыми в головах UX-команды, которая не может присутствовать при каждом решении, принимаемом во всей организации. Что, если бы пользователи действительно могли говорить? Что, если вместо создания статических документов, которые людям нужно будет находить и интерпретировать, мы могли бы дать заинтересованным сторонам возможность одновременно проконсультироваться со всеми вашими пользователями?
Представьте себе менеджера по маркетингу, работающего над новой кампанией. Вместо того, чтобы пытаться запомнить, что говорили персонажи о предпочтениях в обмене сообщениями, они могли бы просто спросить: "Я подумываю о том, чтобы предложить скидку в этом письме. Что подумают наши пользователи?" И ИИ, опираясь на все ваши исследовательские данные и персонажей, может ответить консолидированным мнением: как каждый персонаж, скорее всего, отреагирует, в чем они согласны, где они расходятся, а также набором рекомендаций, основанных на их коллективных взглядах. Один вопрос, синтезирующий информацию по всей вашей пользовательской базе.
Это не научная фантастика. С помощью ИИ мы можем построить именно такую систему. Мы можем взять все эти разрозненные исследования (опросы, интервью, заявки в службу поддержки, аналитику, самих персонажей) и превратить их в интерактивный ресурс, к которому каждый может запросить многостороннюю обратную связь. Создание репозитория пользовательских исследований Основой этого подхода является централизованное хранилище всего, что вы знаете о своих пользователях. Думайте об этом как о едином источнике истины, к которому ИИ может получить доступ и из которого он может извлечь информацию. Если вы какое-то время занимались исследованиями пользователей, вероятно, у вас больше данных, чем вы думаете. Он просто разбросан по разным инструментам и форматам:
Результаты опроса находятся на вашей платформе для опросов, Стенограммы интервью в Google Docs, Заявки в службу поддержки клиентов в вашей системе службы поддержки, Аналитические данные на различных информационных панелях, Упоминания и отзывы в социальных сетях, Старые персонажи из предыдущих проектов, Записи и заметки тестов юзабилити.
Первый шаг — собрать все это в одном месте. Это не обязательно должно быть идеально организовано. ИИ удивительно хорошо разбирается в беспорядочных входных данных. Если вы начинаете с нуля и у вас нет большого количества исследований, вы можете использовать инструменты глубоких исследований ИИ, чтобы установить базовый уровень.
Эти инструменты могут сканировать Интернет на предмет обсуждений вашей категории продуктов, обзоров конкурентов и общих вопросов, которые задают люди. Это дает вам возможность работать, пока вы строите свое первичное исследование. Создание интерактивных персонажей После того, как у вас есть репозиторий, следующим шагом будет создание персон, с которыми ИИ сможет консультироваться от имени заинтересованных сторон. Это напрямую основано на функциональном подходе к персонам, который я изложил в своей предыдущей статье, с одним ключевым отличием: эти персоны становятся линзами, через которые ИИ анализирует вопросы, а не просто ссылается на них.документы. Процесс работает следующим образом:
Передайте свой исследовательский репозиторий инструменту искусственного интеллекта. Попросите его определить отдельные сегменты пользователей на основе целей, задач и точек соприкосновения. Попросите его создать подробные персоны для каждого сегмента. Настройте ИИ, чтобы он консультировался со всеми людьми, когда заинтересованные стороны задают вопросы, обеспечивая консолидированную обратную связь.
Именно здесь этот подход существенно отличается от традиционных персонажей. Поскольку ИИ является основным потребителем этих персонифицированных документов, их не обязательно нужно сканировать или умещать на одной странице. Традиционные персонажи ограничены читаемостью человека: вам приходится сводить все к пунктам списка и ключевым цитатам, которые кто-то может усвоить с первого взгляда. Но у ИИ нет такого ограничения. Это означает, что ваши персонажи могут быть значительно более подробными. Вы можете включить длительные наблюдения за поведением, противоречивые данные и нюансы контекста, которые никогда не выдержат процесса редактирования традиционного постера-персонажа. ИИ может удержать всю эту сложность и использовать ее при ответе на вопросы. Вы также можете создавать разные линзы или точки зрения для каждого персонажа, адаптированные к конкретным бизнес-функциям. Ваш образ «Воина выходного дня» может иметь маркетинговую призму (предпочтения в обмене сообщениями, привычки каналов, ответы на рекламные кампании), призму продукта (приоритеты функций, модели удобства использования, триггеры обновления) и линзу поддержки (частые вопросы, моменты разочарования, предпочтения решения). Когда менеджер по маркетингу задает вопрос, ИИ использует релевантную для маркетинга информацию. Когда менеджер по продукту спрашивает, он отрывается от линзы продукта. Один и тот же персонаж, разная глубина в зависимости от того, кто спрашивает.
Персонажи по-прежнему должны включать в себя все функциональные элементы, которые мы обсуждали ранее: цели и задачи, вопросы и возражения, болевые точки, точки соприкосновения и пробелы в обслуживании. Но теперь эти элементы становятся основой того, как ИИ оценивает вопросы с точки зрения каждого человека, синтезируя их взгляды в практические рекомендации. Варианты реализации Вы можете настроить это с разным уровнем сложности в зависимости от ваших ресурсов и потребностей. Простой подход Большинство платформ искусственного интеллекта теперь предлагают функции проекта или рабочего пространства, которые позволяют загружать справочные документы. В ChatGPT они называются проектами. У Клода есть похожая особенность. Второй пилот и Близнецы называют их Пространствами или Драгоценными камнями. Для начала создайте специальный проект и загрузите свои ключевые исследовательские документы и персонажей. Затем напишите четкие инструкции, предписывающие ИИ консультироваться со всеми людьми при ответе на вопросы. Что-то вроде: Вы помогаете заинтересованным сторонам понять наших пользователей. При возникновении вопросов проконсультируйтесь со всеми персонажами пользователей в этом проекте и предоставьте: (1) краткое описание того, как каждый персонаж, скорее всего, отреагирует, (2) обзор, подчеркивающий, в чем они согласны, а в чем расходятся, и (3) рекомендации, основанные на их коллективных взглядах. Используйте все исследовательские документы для обоснования вашего анализа. Если исследование не полностью охватывает тему, поищите в социальных сетях, таких как Reddit, Twitter и соответствующих форумах, чтобы узнать, как люди, соответствующие этим персонам, обсуждают схожие проблемы. Если вы все еще в чем-то не уверены, скажите об этом честно и предложите, какие дополнительные исследования могут помочь.
Этот подход имеет некоторые ограничения. Существуют ограничения на количество файлов, которые вы можете загрузить, поэтому вам может потребоваться расставить приоритеты в наиболее важных исследованиях или объединить ваши персональные данные в один всеобъемлющий документ. Более сложный подход Для более крупных организаций или для более постоянного использования такой инструмент, как Notion, предлагает преимущества, поскольку он может хранить весь ваш репозиторий исследований и имеет встроенные возможности искусственного интеллекта. Вы можете создавать базы данных для различных типов исследований, связывать их вместе, а затем использовать ИИ для запроса ко всему.
Преимущество здесь в том, что ИИ имеет доступ к гораздо большему контексту. Когда заинтересованная сторона задает вопрос, она может одновременно использовать опросы, заявки в службу поддержки, стенограммы интервью и аналитические данные. Это приводит к более богатым и детальным ответам. Что это не заменяет Я должен четко понимать ограничения. Виртуальные персонажи не заменяют общение с реальными пользователями. Это способ сделать существующие исследования более доступными и действенными. Есть несколько сценариев, когда первичные исследования все же необходимы:
Когда вы запускаете что-то действительно новое, что не охватывается вашими существующими исследованиями; Когда вам нужно проверить конкретные проекты или прототипы; Когда данные вашего репозитория устаревают; Когда заинтересованные сторонынужно услышать напрямую от реальных людей, чтобы вызвать сочувствие.
Фактически, вы можете настроить ИИ на распознавание таких ситуаций. Когда кто-то задает вопрос, выходящий за рамки того, на что могут ответить исследования, ИИ может ответить что-то вроде: "У меня недостаточно информации, чтобы ответить на этот вопрос с уверенностью. Это может быть хорошим вопросом для быстрого интервью или опроса пользователей". А когда вы проводите новое исследование, эти данные возвращаются в хранилище. Персонажи меняются со временем по мере углубления вашего понимания. Это намного лучше, чем традиционный подход, при котором персонажи создаются один раз, а затем постепенно устаревают. Организационный сдвиг Если этот подход приживется в вашей организации, произойдет нечто интересное. Роль команды UX меняется от хранителей пользовательских знаний к кураторам и сопровождающим репозитория. Вместо того, чтобы тратить время на создание отчетов, которые могут быть прочитаны или не прочитаны, вы тратите время на то, чтобы репозиторий оставался актуальным и чтобы ИИ был настроен на предоставление полезных ответов. Исследовательская коммуникация меняется от push (презентации, отчеты, электронные письма) к pull (заинтересованные стороны задают вопросы, когда им нужны ответы). Мышление, ориентированное на пользователя, распределяется по всей организации, а не концентрируется в одной команде. Это не делает исследователей UX менее ценными. Во всяком случае, это делает их более ценными, потому что их работа теперь имеет более широкий охват и большее влияние. Но это меняет характер работы. Начало работы Если вы хотите попробовать этот подход, начните с малого. Если вам нужно введение в функциональные персонажи, прежде чем приступить к делу, я написал подробное руководство по их созданию. Выберите один проект или команду и настройте простую реализацию с помощью ChatGPT Projects или аналогичного инструмента. Соберите все имеющиеся у вас исследования (даже если они кажутся неполными), создайте одного или двух персонажей и посмотрите, как отреагируют заинтересованные стороны. Обратите внимание на то, какие вопросы они задают. Они подскажут вам, где в вашем исследовании есть пробелы и какие дополнительные данные будут наиболее ценными. По мере совершенствования подхода вы сможете расширить его до большего числа команд и более сложных инструментов. Но основной принцип остается прежним: возьмите все эти разрозненные знания пользователей и дайте им голос, который сможет услышать каждый в вашей организации. В своей предыдущей статье я утверждал, что нам следует перейти от демографических персонажей к функциональным, которые фокусируются на том, что пользователи пытаются сделать. Теперь я предлагаю сделать следующий шаг: от статичных персонажей к интерактивным, которые действительно могут участвовать в обсуждениях, в ходе которых принимаются решения. Потому что каждый день в вашей организации люди принимают решения, которые влияют на ваших пользователей. И ваши пользователи заслуживают места за столом, даже если он виртуальный. Дальнейшее чтение о SmashingMag
«Более пристальный взгляд на персоны: что это такое и как они работают | 1», Шломо Гольц «Как улучшить процесс проектирования с помощью персонажей на основе данных», Тим Ноетцель «Как сделать так, чтобы ваши UX-исследования трудно было игнорировать», Виталий Фридман «Как построить прочные отношения с клиентами для исследования пользователей», Ренессанс Рэйчел
