Trong bài viết trước, tôi đã khám phá cách AI có thể giúp chúng ta tạo ra các cá tính chức năng hiệu quả hơn. Chúng tôi đã xem xét việc xây dựng các cá tính tập trung vào những gì người dùng đang cố gắng đạt được thay vì hồ sơ nhân khẩu học trông đẹp mắt trên áp phích nhưng hiếm khi thay đổi quyết định thiết kế. Nhưng việc tạo ra cá tính mới chỉ là một nửa trận chiến. Thách thức lớn hơn là đưa những hiểu biết sâu sắc đó đến tay những người cần chúng vào thời điểm họ cần. Hàng ngày, mọi người trong tổ chức của bạn đưa ra những quyết định có ảnh hưởng đến trải nghiệm người dùng. Nhóm sản phẩm quyết định những tính năng nào cần ưu tiên. Đội ngũ tiếp thị thực hiện các chiến dịch. Nhóm tài chính thiết kế quy trình lập hoá đơn. Nhóm hỗ trợ khách hàng viết mẫu phản hồi. Tất cả những quyết định này định hình cách người dùng trải nghiệm sản phẩm hoặc dịch vụ của bạn. Và hầu hết chúng xảy ra mà không có bất kỳ thông tin đầu vào nào từ người dùng thực tế. Vấn đề với cách chúng tôi chia sẻ nghiên cứu người dùng Bạn thực hiện nghiên cứu. Bạn tạo ra các cá tính. Bạn viết báo cáo. Bạn đưa ra các bài thuyết trình. Bạn thậm chí còn tạo ra những đồ họa thông tin lạ mắt. Và sau đó điều gì sẽ xảy ra? Nghiên cứu nằm trong một ổ đĩa chung ở đâu đó, dần dần thu thập bụi kỹ thuật số. Các cá nhân được nhắc đến trong các cuộc họp khởi động và sau đó bị lãng quên. Các báo cáo được lướt qua một lần và không bao giờ được mở lại. Khi người quản lý sản phẩm đang quyết định có nên thêm một tính năng mới hay không, họ có thể không tìm hiểu kỹ kho nghiên cứu của năm ngoái. Khi nhóm tài chính thiết kế lại email hóa đơn, họ gần như chắc chắn không tham khảo ý kiến người dùng. Họ đưa ra dự đoán tốt nhất của mình và đi tiếp. Đây không phải là lời chỉ trích của những đội đó. Họ đang bận. Họ có thời hạn. Và thành thật mà nói, ngay cả khi họ muốn tham khảo nghiên cứu, họ có thể sẽ không biết tìm nó ở đâu hoặc làm cách nào để giải thích nó cho câu hỏi cụ thể của họ. Kiến thức vẫn bị khóa bên trong những người đứng đầu nhóm UX, những người không thể có mặt trong mọi quyết định được đưa ra trong toàn tổ chức. Điều gì sẽ xảy ra nếu người dùng thực sự có thể nói được? Điều gì sẽ xảy ra nếu thay vì tạo các tài liệu tĩnh mà mọi người cần tìm và giải thích, chúng tôi có thể cung cấp cho các bên liên quan một cách để tham khảo tất cả tính cách người dùng của bạn cùng một lúc?
Hãy tưởng tượng một người quản lý tiếp thị đang thực hiện một chiến dịch mới. Thay vì cố gắng nhớ những gì các cá nhân đã nói về tùy chọn nhắn tin, họ có thể chỉ cần hỏi: "Tôi đang nghĩ đến việc đưa ra ưu đãi giảm giá trong email này. Người dùng của chúng tôi sẽ nghĩ gì?" Và AI, dựa trên tất cả dữ liệu nghiên cứu và cá tính của bạn, có thể phản hồi bằng một cái nhìn tổng hợp: mỗi cá nhân có thể sẽ phản ứng như thế nào, họ đồng ý ở điểm nào, khác biệt ở điểm nào và một loạt đề xuất dựa trên quan điểm chung của họ. Một câu hỏi, thông tin chi tiết tổng hợp trên toàn bộ cơ sở người dùng của bạn.
Đây không phải là khoa học viễn tưởng. Với AI, chúng ta có thể xây dựng chính xác loại hệ thống này. Chúng tôi có thể thực hiện tất cả các nghiên cứu rải rác đó (khảo sát, phỏng vấn, phiếu hỗ trợ, phân tích, cá tính) và biến nó thành tài nguyên tương tác mà bất kỳ ai cũng có thể truy vấn để nhận phản hồi từ nhiều góc độ. Xây dựng kho lưu trữ nghiên cứu người dùng Nền tảng của phương pháp này là một kho lưu trữ tập trung mọi thứ bạn biết về người dùng của mình. Hãy coi nó như một nguồn sự thật duy nhất mà AI có thể truy cập và rút ra từ đó. Nếu bạn đã thực hiện nghiên cứu người dùng trong một khoảng thời gian dài, bạn có thể có nhiều dữ liệu hơn bạn nhận ra. Nó chỉ nằm rải rác trên các công cụ và định dạng khác nhau:
Kết quả khảo sát nằm trong nền tảng khảo sát của bạn, Bảng điểm phỏng vấn trong Google Docs, Phiếu hỗ trợ khách hàng trong hệ thống trợ giúp của bạn, Dữ liệu phân tích trong các trang tổng quan khác nhau, Phương tiện truyền thông xã hội đề cập và đánh giá, Những nhân vật cũ từ các dự án trước, Bản ghi và ghi chú kiểm tra khả năng sử dụng.
Bước đầu tiên là tập hợp tất cả những thứ này vào một nơi. Nó không cần phải được tổ chức hoàn hảo. AI đặc biệt giỏi trong việc hiểu được những thông tin đầu vào lộn xộn. Nếu bạn đang bắt đầu từ đầu và chưa có nhiều nghiên cứu hiện có, bạn có thể sử dụng các công cụ nghiên cứu sâu AI để thiết lập đường cơ sở.
Những công cụ này có thể quét web để tìm các cuộc thảo luận về danh mục sản phẩm của bạn, đánh giá của đối thủ cạnh tranh và các câu hỏi phổ biến mà mọi người hỏi. Điều này mang lại cho bạn điều gì đó để làm trong khi bạn xây dựng nghiên cứu chính của mình. Tạo cá tính tương tác Sau khi bạn có kho lưu trữ của mình, bước tiếp theo là tạo các cá nhân mà AI có thể thay mặt cho các bên liên quan tham khảo ý kiến. Điều này được xây dựng trực tiếp dựa trên cách tiếp cận tính cách chức năng mà tôi đã nêu trong bài viết trước của mình, với một điểm khác biệt chính: những tính cách này trở thành thấu kính mà qua đó AI phân tích các câu hỏi chứ không chỉ tham khảo.tài liệu. Quá trình này hoạt động như thế này:
Cung cấp kho nghiên cứu của bạn cho công cụ AI. Yêu cầu nó xác định các phân khúc người dùng riêng biệt dựa trên mục tiêu, nhiệm vụ và các điểm xung đột. Yêu cầu nó tạo ra các đặc điểm chi tiết cho từng phân khúc. Định cấu hình AI để tham khảo ý kiến của tất cả các cá nhân khi các bên liên quan đặt câu hỏi, cung cấp phản hồi tổng hợp.
Đây là điểm mà cách tiếp cận này khác biệt đáng kể so với các tính cách truyền thống. Vì AI là đối tượng sử dụng chính của những tài liệu cá nhân này nên chúng không cần phải quét được hoặc vừa với một trang. Các tính cách truyền thống bị hạn chế bởi khả năng đọc của con người: bạn phải chắt lọc mọi thứ thành các dấu đầu dòng và các trích dẫn chính mà ai đó có thể tiếp thu trong nháy mắt. Nhưng AI không có giới hạn đó. Điều này có nghĩa là chân dung của bạn có thể chi tiết hơn đáng kể. Bạn có thể bao gồm các quan sát hành vi kéo dài, các điểm dữ liệu mâu thuẫn và bối cảnh nhiều sắc thái sẽ không bao giờ tồn tại trong quá trình chỉnh sửa đối với một áp phích cá tính truyền thống. AI có thể nắm bắt tất cả sự phức tạp này và dựa vào nó khi trả lời các câu hỏi. Bạn cũng có thể tạo các lăng kính hoặc quan điểm khác nhau cho mỗi cá nhân, phù hợp với các chức năng kinh doanh cụ thể. Tính cách “Chiến binh cuối tuần” của bạn có thể có lăng kính tiếp thị (tùy chọn nhắn tin, thói quen kênh, phản hồi chiến dịch), lăng kính sản phẩm (ưu tiên tính năng, mẫu khả năng sử dụng, trình kích hoạt nâng cấp) và lăng kính hỗ trợ (các câu hỏi phổ biến, điểm thất vọng, tùy chọn giải pháp). Khi người quản lý tiếp thị đặt câu hỏi, AI sẽ rút ra thông tin liên quan đến tiếp thị. Khi người quản lý sản phẩm hỏi, nó sẽ rời khỏi lăng kính sản phẩm. Cùng một tính cách, độ sâu khác nhau tùy thuộc vào người hỏi.
Personas vẫn phải bao gồm tất cả các yếu tố chức năng mà chúng ta đã thảo luận trước đây: mục tiêu và nhiệm vụ, câu hỏi và phản đối, điểm yếu, điểm tiếp xúc và khoảng trống dịch vụ. Nhưng giờ đây, những yếu tố này trở thành cơ sở để AI đánh giá các câu hỏi từ quan điểm của mỗi người, tổng hợp quan điểm của họ thành các đề xuất có thể thực hiện được. Tùy chọn triển khai Bạn có thể thiết lập điều này với mức độ phức tạp khác nhau tùy thuộc vào nguồn lực và nhu cầu của bạn. Cách tiếp cận đơn giản Hầu hết các nền tảng AI hiện nay đều cung cấp các tính năng dự án hoặc không gian làm việc cho phép bạn tải lên các tài liệu tham khảo. Trong ChatGPT, chúng được gọi là Dự án. Claude có một tính năng tương tự. Phi công phụ và Song Tử gọi chúng là Không gian hoặc Đá quý. Để bắt đầu, hãy tạo một dự án chuyên dụng và tải lên các tài liệu và cá tính nghiên cứu quan trọng của bạn. Sau đó viết hướng dẫn rõ ràng yêu cầu AI tham khảo ý kiến của tất cả các cá nhân khi trả lời câu hỏi. Một cái gì đó như: Bạn đang giúp các bên liên quan hiểu được người dùng của chúng tôi. Khi được đặt câu hỏi, hãy tham khảo ý kiến của tất cả các cá nhân người dùng trong dự án này và cung cấp: (1) bản tóm tắt ngắn gọn về cách mỗi cá nhân có thể sẽ phản hồi, (2) một cái nhìn tổng quan nêu bật những điểm họ đồng ý và những điểm khác nhau, và (3) các đề xuất dựa trên quan điểm chung của họ. Dựa trên tất cả các tài liệu nghiên cứu để cung cấp thông tin cho phân tích của bạn. Nếu nghiên cứu không đề cập đầy đủ đến một chủ đề, hãy tìm kiếm trên các nền tảng xã hội như Reddit, Twitter và các diễn đàn có liên quan để xem những người phù hợp với những tính cách này thảo luận các vấn đề tương tự như thế nào. Nếu bạn vẫn không chắc chắn về điều gì đó, hãy thành thật nói ra và đề xuất những nghiên cứu bổ sung có thể hữu ích.
Cách tiếp cận này có một số hạn chế. Có giới hạn về số lượng tệp bạn có thể tải lên, vì vậy, bạn có thể cần ưu tiên nghiên cứu quan trọng nhất của mình hoặc hợp nhất các đặc điểm của mình thành một tài liệu toàn diện duy nhất. Cách tiếp cận tinh vi hơn Đối với các tổ chức lớn hơn hoặc sử dụng thường xuyên hơn, một công cụ như Notion mang lại lợi ích vì nó có thể chứa toàn bộ kho lưu trữ nghiên cứu của bạn và được tích hợp sẵn khả năng AI. Bạn có thể tạo cơ sở dữ liệu cho các loại nghiên cứu khác nhau, liên kết chúng với nhau và sau đó sử dụng AI để truy vấn mọi thứ.
Lợi ích ở đây là AI có quyền truy cập vào nhiều ngữ cảnh hơn. Khi một bên liên quan đặt câu hỏi, họ có thể rút ra các cuộc khảo sát, phiếu hỗ trợ, bản ghi cuộc phỏng vấn và dữ liệu phân tích cùng một lúc. Điều này làm cho phản hồi phong phú hơn, nhiều sắc thái hơn. Điều này không thay thế được gì Tôi nên nói rõ về những hạn chế. Nhân vật ảo không thể thay thế việc nói chuyện với người dùng thực. Chúng là một cách để làm cho nghiên cứu hiện tại dễ tiếp cận và khả thi hơn. Có một số tình huống mà bạn vẫn cần nghiên cứu sơ bộ:
Khi tung ra thứ gì đó thực sự mới mà nghiên cứu hiện tại của bạn chưa đề cập đến; Khi bạn cần xác nhận các thiết kế hoặc nguyên mẫu cụ thể; Khi dữ liệu kho lưu trữ của bạn ngày càng cũ; Khi các bên liên quancần nghe trực tiếp từ người thật để xây dựng sự đồng cảm.
Trên thực tế, bạn có thể định cấu hình AI để nhận ra những tình huống này. Khi ai đó hỏi một câu hỏi vượt quá những gì nghiên cứu có thể trả lời, AI có thể trả lời bằng những câu như: "Tôi không có đủ thông tin để trả lời câu đó một cách tự tin. Đây có thể là một câu hỏi hay cho một cuộc phỏng vấn hoặc khảo sát nhanh người dùng." Và khi bạn tiến hành nghiên cứu mới, dữ liệu đó sẽ được đưa trở lại kho lưu trữ. Các cá tính sẽ phát triển theo thời gian khi sự hiểu biết của bạn ngày càng sâu sắc. Điều này tốt hơn nhiều so với cách tiếp cận truyền thống, trong đó các cá tính được tạo ra một lần và sau đó dần dần lỗi thời. Sự thay đổi tổ chức Nếu cách tiếp cận này được áp dụng trong tổ chức của bạn thì điều thú vị sẽ xảy ra. Vai trò của nhóm UX chuyển từ người gác cổng kiến thức của người dùng sang người quản lý và bảo trì kho lưu trữ. Thay vì dành thời gian tạo các báo cáo có thể được đọc hoặc không, bạn dành thời gian đảm bảo kho lưu trữ luôn cập nhật và AI được định cấu hình để đưa ra phản hồi hữu ích. Nghiên cứu những thay đổi trong giao tiếp từ đẩy (thuyết trình, báo cáo, email) sang kéo (các bên liên quan đặt câu hỏi khi họ cần câu trả lời). Tư duy lấy người dùng làm trung tâm sẽ được phân bổ trên toàn tổ chức thay vì tập trung vào một nhóm. Điều này không làm cho các nhà nghiên cứu UX trở nên kém giá trị hơn. Dù sao đi nữa, điều đó khiến họ có giá trị hơn vì công việc của họ giờ đây có phạm vi tiếp cận rộng hơn và tác động lớn hơn. Nhưng nó làm thay đổi bản chất công việc. Bắt đầu Nếu bạn muốn thử phương pháp này, hãy bắt đầu từ việc nhỏ. Nếu bạn cần sơ lược về các tính cách chức năng trước khi đi sâu vào, tôi đã viết một hướng dẫn chi tiết để tạo ra chúng. Chọn một dự án hoặc nhóm và thiết lập triển khai đơn giản bằng cách sử dụng Dự án ChatGPT hoặc một công cụ tương tự. Thu thập bất kỳ nghiên cứu nào bạn có (ngay cả khi nó cảm thấy chưa đầy đủ), tạo một hoặc hai cá tính và xem các bên liên quan phản hồi như thế nào. Hãy chú ý đến những câu hỏi họ hỏi. Những điều này sẽ cho bạn biết nghiên cứu của bạn còn khoảng trống ở đâu và dữ liệu bổ sung nào sẽ có giá trị nhất. Khi tinh chỉnh cách tiếp cận, bạn có thể mở rộng sang nhiều nhóm hơn và sử dụng công cụ phức tạp hơn. Nhưng nguyên tắc cốt lõi vẫn giữ nguyên: lấy tất cả kiến thức rải rác của người dùng và tạo cho nó một tiếng nói mà bất kỳ ai trong tổ chức của bạn đều có thể nghe thấy. Trong bài viết trước, tôi đã lập luận rằng chúng ta nên chuyển từ cá tính nhân khẩu học sang cá tính chức năng tập trung vào những gì người dùng đang cố gắng thực hiện. Bây giờ tôi đề nghị chúng ta thực hiện bước tiếp theo: từ những người tĩnh đến những người tương tác thực sự có thể tham gia vào các cuộc trò chuyện nơi đưa ra quyết định. Bởi vì hàng ngày, trong toàn tổ chức của bạn, mọi người đều đưa ra những quyết định có ảnh hưởng đến người dùng của bạn. Và người dùng của bạn xứng đáng có một chỗ ngồi tại bàn, ngay cả khi đó là bàn ảo. Đọc thêm về SmashingMag
“Cái nhìn sâu hơn về Persona: Chúng là gì và hoạt động như thế nào | 1”, Shlomo Goltz “Cách cải thiện quy trình thiết kế của bạn với Personas dựa trên dữ liệu”, Tim Noetzel “Làm thế nào để khiến nghiên cứu UX của bạn khó bị bỏ qua”, Vitaly Friedman “Cách xây dựng mối quan hệ khách hàng bền chặt để nghiên cứu người dùng”, Renaissance Rachel
