اپنے پچھلے مضمون میں، میں نے دریافت کیا تھا کہ کس طرح AI زیادہ مؤثر طریقے سے فعال شخصیت بنانے میں ہماری مدد کر سکتا ہے۔ ہم نے ایسے افراد کی تعمیر پر غور کیا جو اس بات پر توجہ مرکوز کرتے ہیں کہ صارفین آبادیاتی پروفائلز کے بجائے کیا حاصل کرنے کی کوشش کر رہے ہیں جو پوسٹرز پر اچھے لگتے ہیں لیکن ڈیزائن کے فیصلوں کو شاذ و نادر ہی تبدیل کرتے ہیں۔ لیکن شخصیات بنانا صرف آدھی جنگ ہے۔ سب سے بڑا چیلنج ان بصیرت کو ان لوگوں کے ہاتھ میں لینا ہے جنہیں اس وقت ان کی ضرورت ہے۔ ہر روز، آپ کی تنظیم کے لوگ ایسے فیصلے کرتے ہیں جو صارف کے تجربے کو متاثر کرتے ہیں۔ پروڈکٹ ٹیمیں فیصلہ کرتی ہیں کہ کن خصوصیات کو ترجیح دی جائے۔ مارکیٹنگ ٹیمیں مہمات تیار کرتی ہیں۔ فنانس ٹیمیں انوائسنگ کے عمل کو ڈیزائن کرتی ہیں۔ کسٹمر سپورٹ ٹیمیں جوابی ٹیمپلیٹس لکھتی ہیں۔ یہ تمام فیصلے اس بات کی تشکیل کرتے ہیں کہ صارفین آپ کے پروڈکٹ یا سروس کا تجربہ کیسے کرتے ہیں۔ اور ان میں سے زیادہ تر حقیقی صارفین کے کسی ان پٹ کے بغیر ہوتے ہیں۔ مسئلہ یہ ہے کہ ہم صارف کی تحقیق کا اشتراک کیسے کرتے ہیں۔ تم تحقیق کرو۔ آپ شخصیات تخلیق کرتے ہیں۔ آپ رپورٹیں لکھیں۔ آپ پریزنٹیشنز دیں۔ یہاں تک کہ آپ فینسی انفوگرافکس بھی بناتے ہیں۔ اور پھر کیا ہوتا ہے؟ تحقیق کہیں مشترکہ ڈرائیو میں بیٹھی ہے، آہستہ آہستہ ڈیجیٹل دھول جمع کر رہی ہے۔ کِک آف میٹنگز میں شخصیات کا حوالہ دیا جاتا ہے اور پھر بھول جاتا ہے۔ رپورٹس ایک بار سکیم ہو جاتی ہیں اور پھر کبھی نہیں کھلتی ہیں۔ جب ایک پروڈکٹ مینیجر یہ فیصلہ کر رہا ہوتا ہے کہ آیا کوئی نئی خصوصیت شامل کی جائے، تو وہ شاید پچھلے سال کے تحقیقی ذخیرے کو نہیں کھودتے ہیں۔ جب فنانس ٹیم انوائس ای میل کو دوبارہ ڈیزائن کر رہی ہوتی ہے، تو وہ یقینی طور پر صارف کے افراد سے مشورہ نہیں کرتے ہیں۔ وہ اپنا بہترین اندازہ لگاتے ہیں اور آگے بڑھتے ہیں۔ یہ ان ٹیموں پر تنقید نہیں ہے۔ وہ مصروف ہیں۔ ان کے پاس ڈیڈ لائن ہے۔ اور ایمانداری سے، یہاں تک کہ اگر وہ تحقیق سے مشورہ کرنا چاہتے ہیں، تو شاید وہ نہیں جانتے ہوں گے کہ اسے کہاں تلاش کرنا ہے یا اپنے مخصوص سوال کے لیے اس کی تشریح کیسے کی جائے۔ علم UX ٹیم کے سربراہوں کے اندر بند رہتا ہے، جو ممکنہ طور پر تنظیم میں کیے جانے والے ہر فیصلے کے لیے موجود نہیں ہو سکتے۔ What If Users Could Actually Speak? کیا ہوگا اگر، جامد دستاویزات بنانے کے بجائے جنہیں لوگوں کو تلاش کرنے اور تشریح کرنے کی ضرورت ہے، ہم اسٹیک ہولڈرز کو آپ کے تمام صارف شخصیات سے ایک ساتھ مشورہ کرنے کا طریقہ دے سکتے ہیں؟
تصور کریں کہ ایک مارکیٹنگ مینیجر ایک نئی مہم پر کام کر رہا ہے۔ لوگوں نے پیغام رسانی کی ترجیحات کے بارے میں کیا کہا اسے یاد کرنے کی کوشش کرنے کے بجائے، وہ صرف یہ پوچھ سکتے ہیں: "میں اس ای میل میں رعایتی پیشکش کے ساتھ آگے بڑھنے کے بارے میں سوچ رہا ہوں۔ ہمارے صارفین کیا سوچیں گے؟" اور AI، آپ کے تمام تحقیقی اعداد و شمار اور شخصیات کو کھینچتے ہوئے، ایک متفقہ نقطہ نظر کے ساتھ جواب دے سکتا ہے: ہر شخص ممکنہ طور پر کیسے رد عمل ظاہر کرے گا، وہ کہاں متفق ہیں، کہاں وہ مختلف ہیں، اور ان کے اجتماعی نقطہ نظر کی بنیاد پر سفارشات کا ایک مجموعہ۔ ایک سوال، آپ کے پورے یوزر بیس میں ترکیب شدہ بصیرت۔
یہ سائنس فکشن نہیں ہے۔ AI کے ساتھ، ہم بالکل اس قسم کا نظام بنا سکتے ہیں۔ ہم اس تمام بکھری ہوئی تحقیق کو لے سکتے ہیں (سروے، انٹرویوز، سپورٹ ٹکٹس، تجزیات، خود شخصیات) اور اسے ایک انٹرایکٹو وسیلہ میں تبدیل کر سکتے ہیں جس سے کوئی بھی کثیر الجہتی آراء کے لیے استفسار کر سکتا ہے۔ یوزر ریسرچ ریپوزٹری کی تعمیر اس نقطہ نظر کی بنیاد ہر چیز کا مرکزی ذخیرہ ہے جسے آپ اپنے صارفین کے بارے میں جانتے ہیں۔ اسے سچائی کے واحد ذریعہ کے طور پر سوچیں جس تک AI رسائی حاصل کر سکتا ہے اور اس سے حاصل کر سکتا ہے۔ اگر آپ کسی بھی لمبے عرصے سے صارف کی تحقیق کر رہے ہیں، تو شاید آپ کے پاس اس سے کہیں زیادہ ڈیٹا موجود ہے جو آپ سمجھتے ہیں۔ یہ صرف مختلف ٹولز اور فارمیٹس میں بکھرا ہوا ہے:
سروے کے نتائج آپ کے سروے پلیٹ فارم میں بیٹھ کر، Google Docs میں انٹرویو کی نقلیں، آپ کے ہیلپ ڈیسک سسٹم میں کسٹمر سپورٹ ٹکٹ، مختلف ڈیش بورڈز میں تجزیاتی ڈیٹا، سوشل میڈیا کے تذکرے اور تجزیے، سابقہ پراجیکٹس سے پرانی شخصیات، استعمال کے ٹیسٹ کی ریکارڈنگ اور نوٹ۔
پہلا قدم ان سب کو ایک جگہ جمع کرنا ہے۔ اسے مکمل طور پر منظم ہونے کی ضرورت نہیں ہے۔ گندا آدانوں کا احساس دلانے میں AI نمایاں طور پر اچھا ہے۔ اگر آپ شروع سے شروع کر رہے ہیں اور آپ کے پاس زیادہ تحقیق نہیں ہے، تو آپ ایک بنیادی لائن قائم کرنے کے لیے AI گہری تحقیقی ٹولز استعمال کر سکتے ہیں۔
یہ ٹولز آپ کے پروڈکٹ کے زمرے، مدمقابل کے جائزے، اور عام سوالات کے بارے میں بات چیت کے لیے ویب کو اسکین کر سکتے ہیں جو لوگ پوچھتے ہیں۔ یہ آپ کو اپنی بنیادی تحقیق کی تعمیر کے دوران کام کرنے کے لیے کچھ فراہم کرتا ہے۔ انٹرایکٹو شخصیات بنانا ایک بار جب آپ کے پاس اپنا ذخیرہ ہو جائے تو، اگلا مرحلہ ایسے افراد کی تخلیق کر رہا ہے جن سے AI اسٹیک ہولڈرز کی جانب سے مشورہ کر سکتا ہے۔ یہ براہ راست فنکشنل شخصیت کے نقطہ نظر پر بنتا ہے جس کا میں نے اپنے پچھلے مضمون میں بیان کیا تھا، ایک اہم فرق کے ساتھ: یہ شخصیات عینک بن جاتی ہیں جن کے ذریعے AI سوالات کا تجزیہ کرتا ہے، نہ صرف حوالہ۔دستاویزات عمل اس طرح کام کرتا ہے:
اپنے تحقیقی ذخیرے کو AI ٹول میں فیڈ کریں۔ اس سے اہداف، کاموں، اور رگڑ پوائنٹس کی بنیاد پر صارف کے الگ الگ حصوں کی شناخت کرنے کو کہیں۔ اس سے ہر طبقہ کے لیے تفصیلی شخصیات تیار کریں۔ تمام افراد سے مشورہ کرنے کے لیے AI کو ترتیب دیں جب اسٹیک ہولڈرز سوال پوچھتے ہیں، متفقہ رائے فراہم کرتے ہیں۔
یہ وہ جگہ ہے جہاں یہ نقطہ نظر روایتی شخصیات سے نمایاں طور پر ہٹ جاتا ہے۔ چونکہ AI ان ذاتی دستاویزات کا بنیادی صارف ہے، اس لیے انہیں اسکین کے قابل یا کسی ایک صفحے پر فٹ ہونے کی ضرورت نہیں ہے۔ روایتی شخصیات انسانی پڑھنے کی اہلیت کی وجہ سے محدود ہیں: آپ کو ہر چیز کو بلٹ پوائنٹس اور کلیدی اقتباسات تک پھیلانا پڑتا ہے جسے کوئی ایک نظر میں جذب کر سکتا ہے۔ لیکن AI کی ایسی کوئی حد نہیں ہے۔ اس کا مطلب ہے کہ آپ کی شخصیات کافی زیادہ تفصیلی ہوسکتی ہیں۔ آپ طویل طرز عمل کے مشاہدات، متضاد ڈیٹا پوائنٹس، اور باریک سیاق و سباق کو شامل کر سکتے ہیں جو روایتی شخصی پوسٹر کے لیے ترمیم کے عمل میں کبھی بھی زندہ نہیں رہیں گے۔ AI اس تمام پیچیدگی کو روک سکتا ہے اور سوالات کے جوابات دیتے وقت اس پر توجہ دے سکتا ہے۔ آپ ہر شخص کے اندر مختلف لینز یا تناظر بھی بنا سکتے ہیں، جو مخصوص کاروباری افعال کے مطابق ہیں۔ آپ کے "ویک اینڈ واریر" شخصیت میں مارکیٹنگ لینس (پیغام رسانی کی ترجیحات، چینل کی عادات، مہم کے جوابات)، ایک پروڈکٹ لینس (فیچر کی ترجیحات، استعمال کے نمونے، اپ گریڈ ٹرگرز) اور ایک سپورٹ لینس (عام سوالات، مایوسی کے پوائنٹس، ریزولوشن کی ترجیحات) ہو سکتے ہیں۔ جب ایک مارکیٹنگ مینیجر کوئی سوال پوچھتا ہے، تو AI مارکیٹنگ سے متعلقہ معلومات کو کھینچتا ہے۔ جب پروڈکٹ مینیجر پوچھتا ہے، تو یہ پروڈکٹ لینس سے کھینچتا ہے۔ ایک ہی شخصیت، مختلف گہرائی اس بات پر منحصر ہے کہ کون پوچھ رہا ہے۔
شخصیات میں اب بھی وہ تمام فعال عناصر شامل ہونے چاہئیں جن پر ہم نے پہلے بات کی تھی: اہداف اور کام، سوالات اور اعتراضات، درد کے مقامات، ٹچ پوائنٹس، اور سروس گیپس۔ لیکن اب یہ عناصر اس بات کی بنیاد بن گئے ہیں کہ کس طرح AI ہر شخص کے نقطہ نظر سے سوالات کا جائزہ لیتا ہے، ان کے خیالات کو قابل عمل سفارشات میں ہم آہنگ کرتا ہے۔ نفاذ کے اختیارات آپ اسے اپنے وسائل اور ضروریات کے لحاظ سے نفاست کی مختلف سطحوں کے ساتھ ترتیب دے سکتے ہیں۔ سادہ نقطہ نظر زیادہ تر AI پلیٹ فارمز اب پروجیکٹ یا ورک اسپیس کی خصوصیات پیش کرتے ہیں جو آپ کو حوالہ جاتی دستاویزات اپ لوڈ کرنے دیتے ہیں۔ ChatGPT میں، یہ پروجیکٹ کہلاتے ہیں۔ کلاڈ کی ایک ایسی ہی خصوصیت ہے۔ Copilot اور Gemini انہیں Spaces یا Gems کہتے ہیں۔ شروع کرنے کے لیے، ایک سرشار پروجیکٹ بنائیں اور اپنی اہم تحقیقی دستاویزات اور شخصیات کو اپ لوڈ کریں۔ پھر واضح ہدایات لکھیں کہ سوالات کا جواب دیتے وقت AI کو تمام افراد سے مشورہ کرنے کو کہا جائے۔ کچھ اس طرح: آپ اسٹیک ہولڈرز کو ہمارے صارفین کو سمجھنے میں مدد کر رہے ہیں۔ سوال پوچھے جانے پر، اس پروجیکٹ میں تمام صارف شخصیات سے مشورہ کریں اور فراہم کریں: (1) ایک مختصر خلاصہ کہ ہر شخص ممکنہ طور پر کیسے جواب دے گا، (2) ایک جائزہ اس بات پر روشنی ڈالتا ہے کہ وہ کہاں متفق ہیں اور کہاں مختلف ہیں، اور (3) ان کے اجتماعی نقطہ نظر کی بنیاد پر سفارشات۔ اپنے تجزیے کو مطلع کرنے کے لیے تمام تحقیقی دستاویزات کو کھینچیں۔ اگر تحقیق مکمل طور پر کسی موضوع کا احاطہ نہیں کرتی ہے، تو Reddit، Twitter، اور متعلقہ فورمز جیسے سوشل پلیٹ فارمز کو تلاش کریں تاکہ یہ معلوم ہو سکے کہ ان شخصیات سے مماثل لوگ اسی طرح کے مسائل پر کیسے گفتگو کرتے ہیں۔ اگر آپ کو اب بھی کسی چیز کے بارے میں یقین نہیں ہے، تو ایمانداری سے کہیں اور تجویز کریں کہ کون سی اضافی تحقیق مدد کر سکتی ہے۔
اس نقطہ نظر کی کچھ حدود ہیں۔ آپ کتنی فائلیں اپ لوڈ کر سکتے ہیں اس پر کیپس موجود ہیں، اس لیے آپ کو اپنی اہم ترین تحقیق کو ترجیح دینے کی ضرورت ہو سکتی ہے یا اپنی شخصیات کو ایک جامع دستاویز میں یکجا کرنا ہو گا۔ زیادہ نفیس نقطہ نظر بڑی تنظیموں یا زیادہ جاری استعمال کے لیے، نوشن جیسا ٹول فائدے پیش کرتا ہے کیونکہ یہ آپ کی پوری ریسرچ ریپوزٹری کو اپنے پاس رکھ سکتا ہے اور اس میں AI کی صلاحیتیں شامل ہیں۔ آپ مختلف قسم کی تحقیق کے لیے ڈیٹا بیس بنا سکتے ہیں، انہیں آپس میں جوڑ سکتے ہیں، اور پھر ہر چیز پر استفسار کرنے کے لیے AI کا استعمال کر سکتے ہیں۔
یہاں فائدہ یہ ہے کہ AI کو بہت زیادہ سیاق و سباق تک رسائی حاصل ہے۔ جب کوئی اسٹیک ہولڈر کوئی سوال پوچھتا ہے، تو وہ سروے، سپورٹ ٹکٹس، انٹرویو ٹرانسکرپٹس، اور تجزیاتی ڈیٹا کو ایک ساتھ کھینچ سکتا ہے۔ یہ امیر، زیادہ نفیس جوابات کے لیے بناتا ہے۔ یہ کیا تبدیل نہیں کرتا مجھے حدود کے بارے میں واضح ہونا چاہئے۔ مجازی شخصیات حقیقی صارفین سے بات کرنے کا متبادل نہیں ہیں۔ وہ موجودہ تحقیق کو مزید قابل رسائی اور قابل عمل بنانے کا ایک طریقہ ہیں۔ ایسے کئی منظرنامے ہیں جہاں آپ کو اب بھی بنیادی تحقیق کی ضرورت ہے:
جب حقیقی طور پر کوئی نئی چیز لانچ کرتے ہو جس کا آپ کی موجودہ تحقیق میں احاطہ نہ کیا گیا ہو۔ When you need to validate specific designs or prototypes; جب آپ کا ذخیرہ ڈیٹا باسی ہو رہا ہو؛ جب اسٹیک ہولڈرزہمدردی پیدا کرنے کے لیے حقیقی انسانوں سے براہ راست سننے کی ضرورت ہے۔
درحقیقت، آپ ان حالات کو پہچاننے کے لیے AI کو ترتیب دے سکتے ہیں۔ جب کوئی ایسا سوال پوچھتا ہے جو تحقیق کے جواب سے باہر ہے، تو AI کچھ اس طرح کے ساتھ جواب دے سکتا ہے: "میرے پاس اتنی معلومات نہیں ہے کہ اس کا اعتماد سے جواب دے سکوں۔ یہ صارف کے فوری انٹرویو یا سروے کے لیے اچھا سوال ہو سکتا ہے۔" اور جب آپ نئی تحقیق کرتے ہیں تو وہ ڈیٹا ریپوزٹری میں واپس آجاتا ہے۔ جیسے جیسے آپ کی سمجھ گہری ہوتی جاتی ہے، شخصیتیں وقت کے ساتھ ساتھ تیار ہوتی ہیں۔ یہ روایتی انداز سے بہت بہتر ہے، جہاں شخصیات ایک بار بن جاتی ہیں اور پھر آہستہ آہستہ پرانی ہو جاتی ہیں۔ تنظیمی تبدیلی اگر یہ نقطہ نظر آپ کی تنظیم میں چلتا ہے، تو کچھ دلچسپ ہوتا ہے۔ UX ٹیم کا کردار صارف کے علم کے گیٹ کیپرز سے تبدیل ہو کر ریپوزٹری کے کیوریٹر اور مینٹینرز بن جاتا ہے۔ ایسی رپورٹس بنانے میں وقت صرف کرنے کے بجائے جو پڑھی جا سکتی ہیں یا نہیں، آپ اس بات کو یقینی بنانے میں وقت صرف کرتے ہیں کہ ریپوزٹری موجودہ رہے اور یہ کہ AI کو مددگار جوابات دینے کے لیے ترتیب دیا گیا ہے۔ تحقیقی مواصلات کو پش (پریزنٹیشنز، رپورٹس، ای میلز) سے کھینچنے کے لیے تبدیل کیا جاتا ہے (اسٹیک ہولڈرز سوال پوچھتے ہیں جب انہیں جوابات کی ضرورت ہوتی ہے)۔ صارف پر مبنی سوچ ایک ٹیم میں مرکوز ہونے کے بجائے پوری تنظیم میں تقسیم ہو جاتی ہے۔ یہ UX محققین کو کم قیمتی نہیں بناتا ہے۔ اگر کچھ بھی ہے تو، یہ انہیں زیادہ قیمتی بناتا ہے کیونکہ ان کے کام کی اب وسیع رسائی اور زیادہ اثر ہے۔ لیکن اس سے کام کی نوعیت بدل جاتی ہے۔ شروع کرنا اگر آپ یہ طریقہ آزمانا چاہتے ہیں تو چھوٹی شروعات کریں۔ اگر آپ کو ڈائیونگ کرنے سے پہلے فنکشنل پرسنز پر پرائمر کی ضرورت ہے، تو میں نے انہیں بنانے کے لیے ایک تفصیلی گائیڈ لکھا ہے۔ ایک پروجیکٹ یا ٹیم چنیں اور چیٹ جی پی ٹی پروجیکٹس یا اس سے ملتے جلتے ٹول کا استعمال کرتے ہوئے ایک سادہ عمل درآمد ترتیب دیں۔ آپ کے پاس جو بھی تحقیق ہے اسے اکٹھا کریں (چاہے یہ نامکمل محسوس ہو)، ایک یا دو شخصیتیں بنائیں، اور دیکھیں کہ اسٹیک ہولڈرز کیسا جواب دیتے ہیں۔ ان کے سوالات پر توجہ دیں۔ یہ آپ کو بتائے گا کہ آپ کی تحقیق میں کہاں خلا ہے اور کون سا اضافی ڈیٹا سب سے زیادہ قیمتی ہوگا۔ جیسا کہ آپ نقطہ نظر کو بہتر بناتے ہیں، آپ مزید ٹیموں اور زیادہ نفیس ٹولنگ تک پھیل سکتے ہیں۔ لیکن بنیادی اصول وہی رہتا ہے: صارف کے تمام بکھرے ہوئے علم کو لیں اور اسے ایک آواز دیں جسے آپ کی تنظیم میں کوئی بھی شخص سن سکتا ہے۔ میرے پچھلے مضمون میں، میں نے دلیل دی تھی کہ ہمیں آبادیاتی شخصیات سے فنکشنل شخصیات کی طرف جانا چاہیے جو اس بات پر توجہ مرکوز کریں کہ صارفین کیا کرنے کی کوشش کر رہے ہیں۔ اب میں تجویز کر رہا ہوں کہ ہم اگلا قدم اٹھائیں: جامد شخصیات سے لے کر متعامل افراد تک جو حقیقت میں ان بات چیت میں حصہ لے سکتے ہیں جہاں فیصلے کیے جاتے ہیں۔ کیونکہ ہر روز، آپ کی تنظیم میں، لوگ ایسے فیصلے کر رہے ہیں جو آپ کے صارفین کو متاثر کرتے ہیں۔ اور آپ کے صارفین میز پر نشست کے مستحق ہیں، چاہے یہ ورچوئل ہی کیوں نہ ہو۔ SmashingMag پر مزید پڑھنا
"شخصیات کو قریب سے دیکھیں: وہ کیا ہیں اور وہ کیسے کام کرتے ہیں | 1"، شلومو گولٹز "ڈیٹا پر مبنی افراد کے ساتھ اپنے ڈیزائن کے عمل کو کیسے بہتر بنایا جائے"، ٹم نوزیل "اپنی UX ریسرچ کو کس طرح نظر انداز کرنا مشکل ہے"، ویٹالی فریڈمین "صارف کی تحقیق کے لیے مضبوط کسٹمر تعلقات کیسے بنائے جائیں"، رینیسانس ریچل
