在我之前的文章中，我探討了人工智慧如何幫助我們更有效地創建功能角色。我們著眼於建立專注於使用者想要完成的任務的角色，而不是在海報上看起來不錯但很少改變設計決策的人口統計資料。 但創建角色只是成功的一半。更大的挑戰是在需要的時候將這些見解傳遞到需要它們的人手中。 每天，組織中的人員都會做出影響使用者體驗的決策。產品團隊決定優先考慮哪些功能。行銷團隊精心策劃行銷活動。財務團隊設計發票流程。客戶支援團隊編寫響應模板。所有這些決策都會影響使用者體驗您的產品或服務的方式。 而且大多數都是在沒有實際使用者輸入的情況下發生的。 我們如何分享用戶研究的問題 你做研究。您創建角色。你寫報告。你進行演示。您甚至可以製作精美的資訊圖表。然後會發生什麼事？ 研究位於某個共享驅動器中，慢慢積聚數位灰塵。這些人物角色在啟動會議上被提及，然後就被遺忘了。這些報告被瀏覽過一次，就再也沒有打開過。 當產品經理決定是否要添加新功能時，他們可能不會深入研究去年的研究資料庫。當財務團隊重新設計發票電子郵件時，他們幾乎肯定不會參考使用者角色。他們做出最好的猜測並繼續前進。 這並不是對這些球隊的批評。他們很忙。他們有最後期限。老實說，即使他們想查閱這項研究，他們可能不知道在哪裡可以找到它，也不知道如何針對他們的特定問題來解釋它。 這些知識仍然被鎖定在使用者體驗團隊的腦海中，他們不可能參與整個組織所做的每一個決策。 如果使用者真的可以說話怎麼辦？ 如果我們不是建立人們需要查找和解釋的靜態文檔，而是為利害關係人提供一種立即查閱所有使用者角色的方法，會怎麼樣？
想像一位行銷經理正在進行一項新的行銷活動。他們可以簡單地問：“我正在考慮在這封電子郵件中提供折扣優惠。我們的用戶會怎麼想？” 人工智慧可以利用你所有的研究數據和角色，以統一的觀點做出回應：每個角色可能會如何反應，他們同意的地方，他們不同的地方，以及基於他們集體觀點的一組建議。一個問題，綜合了解整個用戶群。
這不是科幻小說。有了人工智慧，我們就可以建構這樣的系統。我們可以將所有分散的研究（調查、訪談、支持票、分析、人物角色本身）轉化為任何人都可以查詢以獲得多視角回饋的互動式資源。 建置用戶研究儲存庫 這種方法的基礎是一個集中儲存您所了解的有關使用者的所有資訊的儲存庫。將其視為人工智慧可以存取和借鑒的單一事實來源。 如果您一直在進行用戶研究，那麼您所擁有的數據可能比您意識到的要多。它只是分散在不同的工具和格式：
調查結果位於您的調查平台中， 谷歌文件中的訪談記錄， 您的幫助台系統中的客戶支援票證， 各種儀表板中的分析數據， 社群媒體提及與評論， 以前專案中的舊角色， 可用性測試記錄和筆記。
第一步是將所有這些收集到一個地方。它不需要完美地組織起來。人工智慧非常擅長理解混亂的輸入。 如果您是從頭開始並且沒有太多現有研究，您可以使用 AI 深度研究工具來建立基準。
這些工具可以掃描網路以查找有關您的產品類別、競爭對手評論以及人們提出的常見問題的討論。這為您在進行初步研究時提供了一些可以使用的東西。 創造互動角色 擁有儲存庫後，下一步就是建立人工智慧可以代表利害關係人進行諮詢的角色。這直接建立在我在上一篇文章中概述的功能角色方法的基礎上，有一個關鍵的區別：這些角色成為人工智慧分析問題的鏡頭，而不僅僅是參考文件。 過程的工作原理如下：
將您的研究儲存庫輸入人工智慧工具。 要求它根據目標、任務和摩擦點來識別不同的用戶細分。 讓它為每個細分產生詳細的角色。 配置人工智慧在利害關係人提出問題時諮詢所有角色，提供綜合回饋。
這是這種方法與傳統人物角色顯著不同的地方。由於人工智慧是這些角色文件的主要消費者，因此它們不需要可掃描或適合單一頁面。傳統的人物角色受到人類可讀性的限制：你必須將所有內容提煉為要點和關鍵引言，以便人們一眼就能理解。但人工智慧沒有這樣的限制。 這意味著您的角色可以更加詳細。您可以包含冗長的行為觀察、相互矛盾的數據點和細緻入微的背景，這些在傳統人物海報的編輯過程中永遠無法倖存。人工智慧可以處理所有這些複雜性，並在回答問題時利用它。 您還可以在每個角色中創建不同的鏡頭或視角，以適應特定的業務職能。您的「週末戰士」角色可能具有行銷鏡頭（訊息偏好、管道習慣、活動回應）、產品鏡頭（功能優先順序、可用性模式、升級觸發器）和支援鏡頭（常見問題、挫折點、解決方案偏好）。當行銷經理提出問題時，人工智慧會利用行銷相關資訊。當產品經理提出問題時，他會從產品角度出發。相同的角色，不同的深度取決於提出問題的人。
人物角色仍應包括我們之前討論的所有功能元素：目標和任務、問題和反對意見、痛點、接觸點和服務差距。但現在這些元素成為人工智慧如何從每個角色的角度評估問題的基礎，將他們的觀點綜合成可行的建議。 實施方案 您可以根據您的資源和需求進行不同複雜程度的設定。 簡單的方法 大多數人工智慧平台現在都提供專案或工作區功能，讓您上傳參考文件。在 ChatGPT 中，這些稱為項目。克勞德也有類似的特點。副駕駛和雙子座稱它們為“空間”或“寶石”。 首先，建立一個專門的專案並上傳您的關鍵研究文件和角色。然後編寫清晰的指令，告訴人工智慧在回答問題時參考所有角色。像這樣的東西： 您正在幫助利害關係人了解我們的用戶。當被問到問題時，請諮詢該專案中的所有使用者角色並提供：(1) 每個角色可能如何回應的簡要摘要，(2) 概述，突出顯示他們的同意和不同之處，以及 (3) 基於他們的集體觀點的建議。利用所有研究文件來為您的分析提供資訊。如果研究沒有完全涵蓋某個主題，請搜尋 Reddit、Twitter 等社群平台和相關論壇，看看與這些角色相符的人如何討論類似問題。如果您仍然對某些事情不確定，請誠實地說出來，並建議哪些額外的研究可能會有所幫助。
這種方法有一些限制。您可以上傳的文件數量有上限，因此您可能需要優先考慮最重要的研究或將您的角色整合到一個綜合文件中。 更複雜的方法 對於較大的組織或更頻繁的使用，像 Notion 這樣的工具具有優勢，因為它可以保存整個研究儲存庫並內建人工智慧功能。您可以為不同類型的研究建立資料庫，將它們連結在一起，然後使用人工智慧來查詢所有內容。
這樣做的好處是人工智慧可以存取更多的上下文。當利害關係人提出問題時，它可以同時利用調查、支援票、訪談記錄和分析資料。這使得響應更加豐富、更加細緻。 這不能取代什麼 我應該清楚限制。 虛擬角色不能取代與真實使用者的對話。它們是使現有研究更容易獲得和更可行的一種方式。 有幾種情況您仍然需要進行初步研究：
當推出您現有研究未涵蓋的真正新產品時； 當您需要驗證特定設計或原型時； 當您的儲存庫資料變得陳舊時； 當利害關係人需要直接傾聽真實的人的聲音來建立同理心。
事實上，您可以配置人工智慧來識別這些情況。當有人提出的問題超出了研究所能回答的範圍時，人工智慧可以這樣回答：“我沒有足夠的資訊來自信地回答這個問題。對於快速用戶訪談或調查來說，這可能是一個很好的問題。” 當您進行新的研究時，該數據會反饋到儲存庫中。隨著你理解的加深，人物角色會隨著時間的推移而演變。這比傳統方法要好得多，在傳統方法中，角色創建一次，然後慢慢過時。 組織轉變 如果這種方法在您的組織中流行起來，就會發生一些有趣的事情。 使用者體驗團隊的角色從使用者知識的看門人轉變為儲存庫的管理者和維護者。 您不必花時間建立可能會被閱讀或可能不會被閱讀的報告，而是花時間確保儲存庫保持最新狀態並且將人工智慧配置為提供有用的回應。 研究溝通從推式（簡報、報告、電子郵件）轉變為拉式（利害關係人在需要答案時提出問題）。以使用者為中心的思維分佈在整個組織中，而不是集中在一個團隊中。 這並沒有降低使用者體驗研究人員的價值。如果有什麼不同的話，那就是這讓他們變得更有價值，因為他們的工作現在具有更廣泛的影響力和更大的影響力。但它確實改變了工作的性質。 開始使用 如果您想嘗試這種方法，請從小事做起。如果您在深入研究之前需要了解功能角色的入門知識，我已經編寫了創建功能角色的詳細指南。選擇一個專案或團隊，然後使用 ChatGPT 專案或類似工具設定一個簡單的實作。收集您擁有的所有研究（即使感覺不完整），創建一兩個角色，並查看利害關係人如何反應。 注意他們問什麼問題。這些將告訴您您的研究有哪些差距以及哪些附加數據最有價值。 當您完善該方法時，您可以擴展到更多的團隊和更複雜的工具。但核心原則保持不變：利用所有分散的使用者知識，並賦予組織中任何人都可以聽到的聲音。 在我之前的文章中，我認為我們應該從人口統計角色轉變為關注使用者想要做什麼的功能角色。現在我建議我們採取下一步：從靜態角色轉變為可以實際參與決策對話的互動式角色。 因為每天，在您的組織中，人們都在做出影響您的使用者的決策。您的用戶應該在談判桌上佔有一席之地，即使是虛擬的。 進一步閱讀 SmashingMag
“仔細觀察角色：它們是什麼以及它們如何工作 | 1”，Shlomo Goltz “如何使用基於數據的角色來改進您的設計流程”，Tim Noetzel “如何讓你的用戶體驗研究難以被忽視”，Vitaly Friedman “如何為用戶研究建立牢固的客戶關係”，Renaissance Rachel
