व्यक्तिमत्व आणि वापरकर्ता प्रवास नकाशा उत्पादन

नफा:

• कृत्रिम बुद्धिमत्तेसह संशोधन डेटावर आधारित पुरावा-आधारित व्यक्तिमत्व मसुदे तयार करण्याची क्षमता आणि स्टिरियोटाइप आणि क्लिच दूर करण्याची क्षमता
• कृत्रिम बुद्धिमत्तेच्या सहाय्याने वापरकर्त्याच्या प्रवासाच्या नकाशाचे टप्पे, कृती, विचार, भावना आणि वेदना बिंदू तयार करण्याची क्षमता
• वास्तविक सेगमेंट डेटासह तयार केलेल्या व्यक्तिमत्त्वांची चाचणी करून डेटावर आधारित नसलेल्या गृहितकांना ध्वजांकित करण्याची क्षमता

व्यक्तिमत्व आणि वापरकर्ता प्रवास नकाशा संशोधनातील अंतर्दृष्टी मूर्त साधनांमध्ये अनुवादित करतो ज्याकडे टीम दिवसभर पाहील. एक व्यक्तिमत्व एक काल्पनिक परंतु डेटा-चालित प्रोफाइल आहे जे वास्तविक वापरकर्ता विभागाचे प्रतिनिधित्व करते: त्यांचे लक्ष्य, त्यांचे अडथळे, त्यांचे संदर्भ. वापरकर्ता प्रवास नकाशा हे एक व्हिज्युअल कथन आहे जे स्टेप बाय स्टेप दाखवते की वापरकर्ता काय करतो, त्याला काय वाटते, त्याला काय वाटते आणि ध्येय साध्य करताना तो कुठे अडकतो. AI काही मिनिटांत दोन्हीचे ड्राफ्ट तयार करते. परंतु येथे सर्वात धोकादायक सापळा आहे: कृत्रिम बुद्धिमत्ता डेटाशिवाय "वास्तविक" आवाज देणारी व्यक्ती तयार करू शकते. हे युनिट तुम्हाला वेगाचा त्याग न करता पुराव्यावर टिकून राहायला शिकवते.

व्यक्तिमत्व: पुराव्यावर आधारित असणे आवश्यक आहे, कल्पनारम्य नाही

चांगली व्यक्तिरेखा आणि वाईट व्यक्तिमत्त्वात फरक आहे तो म्हणजे वृत्ती. वाईट व्यक्तिमत्व डिझायनरच्या मनातील गृहीतके एका सुंदर टेम्पलेटमध्ये ठेवते: "आयसे, 34 वर्षांची, तंत्रज्ञानाने चांगली, व्यावहारिक उपाय आवडतात." यापैकी कोणतेही वाक्य संशोधनावर आधारित नसल्यास, व्यक्तिमत्व ही केवळ एक सजावट आहे आणि चुकीच्या निर्णयांना वैध ठरवते.

एक चांगला व्यक्तिमत्व संशोधनावर प्रत्येक दाव्याचा आधार घेतो. "वापरकर्ते इंस्टॉलेशनमध्ये अडकले आहेत" या वाक्याच्या मागे डेटा आहे "8 पैकी 5 सहभागी प्रारंभिक स्थापना पूर्ण करू शकले नाहीत". कृत्रिम बुद्धिमत्तेसह काम करताना, नियम बदलत नाही: मॉडेलला स्त्रोत म्हणून संशोधनाचा सारांश द्या आणि त्याला केवळ या स्त्रोतावरून व्यक्तिमत्त्व तयार करण्यास सांगा, कोणतेही आधार नसलेली वैशिष्ट्ये जोडू नका.

खबरदारी: AI “अंतर भरून काढण्यास” खूप सक्षम आहे; ते उत्स्फूर्तपणे वय, उत्पन्न आणि सवयी यासारखे तपशील तयार करू शकतात जे तुम्ही देत ​​नाही. हे तपशील डेटामधून येत नसल्यास, व्यक्तिमत्व विश्वसनीय नसते.

स्टिरियोटाइप आणि पूर्वाग्रह दूर करणे

व्यक्तिमत्व असे आहेत जिथे AI पूर्वाग्रह सर्वात स्पष्टपणे बाहेर पडतो. मॉडेल प्रशिक्षण डेटामधून स्टिरियोटाइप प्रोफाइलमध्ये हलवते: "वृद्ध वापरकर्ता तंत्रज्ञानाला घाबरतो," "तरुण वापरकर्ता अधीर आहे," विशिष्ट व्यवसाय किंवा लिंग यांचे श्रेय दिलेली वागणूक. हे सामान्यीकरण चुकीचे आणि नैतिकदृष्ट्या आक्षेपार्ह दोन्ही आहेत.

शुद्धीकरण पद्धतीमध्ये तीन चरण आहेत:

1. मार्क: आउटपुटमधील प्रत्येक सामान्यीकरण वाक्य स्कॅन करा ("प्रत्येकजण", "सामान्यतः", "या वयाचे लोक").
2. चाचणी: संशोधन डेटामध्ये या वाक्याचे समतुल्य आहे का?
3. दुरुस्त करा किंवा काढून टाका: जर त्याचा आधार असेल तर तो पुराव्यासोबत जोडा, अन्यथा हटवा. "मऊ करून" क्लिच ठेवू नका; पुरावा नसेल तर तो निघून जातो.

व्यक्तिमत्व अभिव्यक्ती

समस्या

पुराव्यावर आधारित सुधारणा

"जुने वापरकर्ते तंत्रज्ञानाला घाबरतात"

वय आधारित स्टिरियोटाइप

"6 पैकी 5 सहभागींना नवीन वैशिष्ट्यासह अतिरिक्त आश्वासन मजकूर अपेक्षित आहे"

"तरुण वापरकर्ते अधीर आहेत"

जनरेशनल सामान्यीकरण

"सहभागींनी 3 पायऱ्यांच्या पलीकडे प्रवाह सोडला (वयाची पर्वा न करता)"

"महिलांना साधेपणा हवा आहे"

लिंग गृहीतक

"सर्व विभागांमध्ये साध्या प्रवाहाला प्राधान्य दिले गेले"

"त्याचा आवडता रंग निळा आहे"

सजावटीची माहिती (निर्णयावर परिणाम होत नाही)

(वजा करा - डिझाइन निर्णयावर परिणाम करत नाही)

वापरकर्ता प्रवास नकाशाचे शरीरशास्त्र

प्रवासाच्या नकाशामध्ये सामान्यत: ओळी असतात:

• टप्पा: मुख्य कालावधी जसे की जागरूकता, मूल्यमापन, वापर आणि परतावा.
• क्रिया: वापरकर्ता प्रत्येक टप्प्यावर काय करतो.
• विचार: तुमच्या मनात काय जाते.
• भावना: एखाद्याला काय वाटते; हे सहसा वक्र सह काढले जाते.
• वेदना बिंदू: एखादी व्यक्ती कुठे अडकते, राग येणे, सोडून देणे.
• संधी: जेथे डिझाइन हस्तक्षेप करू शकते.

या सांगाड्यात कृत्रिम बुद्धिमत्ता पटकन भरते. परंतु "भावना" ओळ विशेषतः धोकादायक आहे: मॉडेल वाजवीपणे वापरकर्त्याला काय वाटत आहे याचा अंदाज लावतो, परंतु वास्तविक डेटाद्वारे समर्थित नसल्यास ते अंदाज अंदाज आहे. नकाशावर अप्रमाणित भावनांना गृहितक म्हणून चिन्हांकित करा; संशोधन उद्धरणाद्वारे पुष्टी केल्यावर "सत्यापित" स्थिती मिळवा.

तीन लहान प्रकरणे

केस 1 - द्रुत मसुदा, वास्तविक निराकरण. एका संघाने AI सह 12 मुलाखतींच्या सारांशातून 3 व्यक्तिरेखा स्केचेस तयार केले; कामाला 25 मिनिटे लागली. मग त्याने संशोधन डेटाच्या विरूद्ध प्रत्येक व्यक्तिमत्त्वाची 9 वैशिष्ट्ये तपासली; 4 वैशिष्ट्यांचा कोणताही आधार नव्हता आणि ते काढले गेले. उर्वरित व्यक्ती जलद आणि विश्वासार्ह होत्या.

केस 2 - लीक क्लिच. "निवृत्त वापरकर्ते डिजिटल बँकिंगवर विश्वास ठेवत नाहीत," एआय व्यक्तीने लिहिले. टीमने डेटा पाहिला: 6 पैकी 5 निवृत्त सहभागींनी नियमित डिजिटल बँकिंगचा वापर केला. वाक्य पूर्णपणे चुकीचे असून ते काढून टाकण्यात आले; "नवीन वैशिष्ट्यांवर अतिरिक्त आश्वासन मजकूर प्रलंबित" सारख्या पुराव्या-आधारित निरीक्षणासह बदलले. धडा: वय-आधारित स्टिरियोटाइप डेटाद्वारे नाकारले जातात.

केस 3 - भावना वक्र अतिशयोक्तीपूर्ण आहे. मॉडेलने लिहिले की चेकआउट करताना वापरकर्ता "क्रोधीत" होता. वास्तविक रेकॉर्डिंगमध्ये, वापरकर्ते फक्त "संकोच" होते. डिझायनरने भावना निश्चित केली; कारण "राग" आणि "संकोच" साठी वेगवेगळ्या उपायांची आवश्यकता असते (एक विश्वास, दुसरा स्पष्टता). धडा: भावना रेषा पुराव्यासह कॅलिब्रेट केली जाते.

किती व्यक्तिरेखा, किती तपशील?

एक सामान्य सापळा ज्यामध्ये नवीन डिझाइनर अडकतात ते म्हणजे खूप जास्त आणि जास्त तपशीलवार व्यक्तिमत्त्वे तयार करणे. AI हा सापळा वाढवते: तुम्हाला हव्या तितक्या व्यक्ती, तुम्हाला हव्या तितक्या तपशीलांसह, काही सेकंदात येतात. तथापि, जे मौल्यवान आहे ते थोडे परंतु घन आहे. बहुतेक उत्पादनांसाठी, 2-3 प्राथमिक व्यक्ती पुरेसे आहेत; प्रत्येकाने वास्तविक वापरकर्ता विभागाचे प्रतिनिधित्व केले पाहिजे आणि डिझाइन निर्णयांमध्ये फरक करण्यास सक्षम असावे. जर दोन व्यक्ती जवळजवळ सारख्याच वागतात, तर ते बहुधा एक व्यक्तिमत्व आहे. तपशीलाच्या बाजूने, निकष असा आहे: व्यक्तिमत्त्वामध्ये जोडलेली प्रत्येक माहिती जर एखाद्या डिझाइन निर्णयावर परिणाम करत असेल तर ती मौल्यवान असते; जर ते प्रभावित करत नसेल (उदाहरणार्थ, वापरकर्त्याचा आवडता रंग), तो सजावटीचा आहे आणि तो काढला पाहिजे. आर्टिफिशियल इंटेलिजेंसमधील व्यक्तिमत्त्वाची विनंती करताना, "केवळ डिझाइन निर्णयावर परिणाम करणारी वैशिष्ट्ये जोडा" असे म्हणणे हा या फंदातून मुक्त होण्याचा सर्वात व्यावहारिक मार्ग आहे.

टीप: व्यक्तिमत्व वैशिष्ट्याची चाचणी घ्या: "मी हे बदलल्यास माझी रचना बदलेल का?" जर उत्तर नाही असेल तर, व्यक्तिमत्त्वात ते वैशिष्ट्य अनावश्यक आहे.

कॉपी करण्यायोग्य सूचना

तुमची भूमिका: UX संशोधन सिंथेसायझर.स्रोत: खाली निनावी संशोधन सारांश. कार्य: या स्त्रोतावरून 2 पर्यंत व्यक्तिमत्व स्केचेस तयार करा. नियम: प्रत्येक वैशिष्ट्याचा स्त्रोतातील शोधाशी दुवा साधा आणि कंसात आधार लिहा. कोणतीही वैशिष्ट्ये (वय, उत्पन्न, सवयी) जोडू नका ज्यात "अज्ञात स्त्रोत" म्हणून कोणतेही प्रतिरूप नाही. <<सारांश>>

पूर्वाग्रहासाठी ही व्यक्तिरेखा बाह्यरेखा तपासा. सामान्यीकरण, क्लिच किंवा अप्रमाणित गृहीतक असलेले प्रत्येक वाक्य चिन्हांकित करा, ते का शंकास्पद आहे ते लिहा आणि स्त्रोत डेटामध्ये ते समर्थित आहे की नाही हे सूचित करा. व्यक्तिमत्व: <<text>> स्त्रोत डेटा: <<summary>>

खाली व्यक्तिमत्व आणि संशोधन थोडक्यात वापरकर्त्याच्या प्रवासाचा नकाशा तयार करा. ओळी: स्टेज | कृती | विचार | भावना | वेदना बिंदू | संधी.प्रत्येक "भावना" आणि "पेनपॉईंट" सेलमध्ये एक उद्धरण जोडा जर त्यासाठी स्त्रोत असेल; अन्यथा, सेलला "[ASSUMPTION]" ने चिन्हांकित करा. व्यक्तिमत्व: <<x>> सारांश: <<y>>

या प्रवासाच्या नकाशावर [असंकल्प] चिन्हांकित केलेल्या सेलची यादी करा. प्रत्येकासाठी, कोणता अतिरिक्त संशोधन प्रश्न या गृहीतकेची पुष्टी करेल ते लिहा. नकाशा: <<टेबल>>

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत: "ई-कॉमर्स वापरकर्ता व्यक्तिमत्व तयार करा."

परिणाम: एक प्रोफाइल जी पूर्णपणे बनलेली आहे, डेटाशी असंबद्ध आहे आणि क्लिचने भरलेली आहे.

सशक्त: "या संशोधनाच्या सारांशातून 2 पेक्षा जास्त व्यक्ती काढू नका; प्रत्येक वैशिष्ट्याला शोधात बांधा; स्त्रोतामध्ये नसलेले कोणतेही तपशील जोडू नका; 'डेटा नाही' म्हणून अज्ञात सोडा."

परिणाम: पुराव्यावर आधारित एक बचावात्मक व्यक्तिमत्व, ज्यामध्ये अंतर प्रामाणिकपणे दर्शवले आहे.

फरक: सशक्त प्रॉम्प्ट स्त्रोत दायित्व आणते + बनावटीची बंदी + अज्ञात चिन्हांकित करणे.

सामान्य चुका

• डेटाशिवाय व्यक्तिमत्व तयार करणे. AI ला "व्यक्तिमत्व बनवायला" सांगणे तुमच्या गृहीतकांना चुकीची वैधता देते.
• नरम करून क्लिच ठेवणे. "थोडे सावध" असे म्हणणे स्टिरियोटाइप दुरुस्त करत नाही; पुरावे नसल्यास ते काढून टाकावे.
• वास्तविकतेसाठी भावना ओळ चुकणे. मॉडेल भावनांचा अंदाज लावतो; पुराव्याशिवाय भावना म्हणजे गृहीतक.
• व्यक्तिरेखा अजिबात अपडेट करत नाही. नवीन संशोधन उपलब्ध झाल्यावर व्यक्तिरेखा देखील अद्ययावत करणे आवश्यक आहे; गोठलेले व्यक्तिमत्व दिशाभूल करणारे आहे.
• खूप जास्त व्यक्तिरेखा तयार करत आहे. 5-6 व्यक्तिमत्व संघाला अर्धांगवायू करते; थोडे ठेवा, परंतु जे दृढ आहे ते धरा.

सारांशात

व्यक्तिमत्व आणि प्रवास नकाशा ही शक्तिशाली साधने आहेत जी संघाच्या सामान्य भाषेत संशोधनाचे भाषांतर करतात; परंतु त्यांची शक्ती पूर्णपणे ज्या डेटावर आधारित आहे त्यावरून येते. AI काही मिनिटांत या साधनांसाठी ब्ल्यूप्रिंट तयार करते, तर खरे काम प्रत्येक दाव्याला स्त्रोताशी जोडणे, क्लिच फ्लॅग करणे आणि डेटाच्या विरूद्ध त्यांची चाचणी करणे आणि गृहीतके म्हणून अप्रमाणित भावना/वेदना बिंदू वेगळे करणे हे आहे. "डेटा नाही" म्हणून प्रामाणिकपणे अंतर सोडणारी व्यक्तिरेखा तयार केलेल्या तपशीलांनी भरलेल्या "वास्तववादी" व्यक्तिमत्त्वापेक्षा अधिक मौल्यवान असते.

अर्ज कार्य

1. संशोधन संक्षिप्त (वास्तविक किंवा काल्पनिक) पासून प्रथम प्रॉम्प्टसह 2 व्यक्तिमत्व मसुदे व्युत्पन्न करा.
2. दुसऱ्या प्रॉम्प्टसह पूर्वाग्रहासाठी व्यक्तिमत्व तपासा; डेटासह प्रत्येक चिन्हांकित वाक्याची चाचणी घ्या.
3. कोणतीही क्षुल्लक वैशिष्ट्ये काढा किंवा "कोणताही डेटा नाही" बनवा.
4. तिसऱ्या प्रॉम्प्टसह, व्यक्तिरेखेतून प्रवासाचा नकाशा तयार करा.
5. नकाशामध्ये [अस्युम्पशन] सेलची यादी करा आणि प्रत्येकासाठी पडताळणी प्रश्न लिहा.

चेकलिस्ट

• [ ] मी संशोधनाच्या सारांशावर व्यक्तिरेखा आधारित आहे, मी ते कल्पनेतून तयार केलेले नाही.
• [ ] मी व्यक्तिमत्वामध्ये कोणतीही वैशिष्ट्ये जोडली नाहीत जी स्त्रोतामध्ये नव्हती.
• [ ] मी क्लिच आणि सामान्यीकरण चिन्हांकित केले आणि डेटासह त्यांची चाचणी केली.
• [ ] मी पुराव्यासह भावना आणि वेदना बिंदूंची पुष्टी केली आणि असमर्थित चिन्हांकित केले.
• मी व्यक्तींची संख्या आटोपशीर ठेवली.
• [ ] मी गृहितकांसाठी पडताळणी प्रश्न तयार केले.