Печалби:
- Възможност за кодиране на данни от интервюта, проучвания и наблюдения с изкуствен интелект и извличане на теми и модели
- Възможност за изготвяне на изявления за личност, път на потребителя и прозрения с подкрепата на изкуствен интелект
- Защита срещу измислици и пристрастия чрез свързване и валидиране на прозренията, генерирани от изкуствения интелект, обратно към необработените данни
Добрите продукти се раждат от реалната нужда на потребителя, а не от вкуса на дизайнера. Начинът да разберете тази нужда е чрез потребителско проучване: интервюта, проучвания, полеви наблюдения, тестове за използваемост. Но най-трудната част от изследването не е събирането на данните, а осмислянето им. Отнема опит и време, за да прочетете десетки страници от преписи от интервюта и стотици отговори на анкети и да извлечете реални модели, нужди и прозрения (прозрение; значението на „аха“ зад данните). Това е мястото, където изкуственият интелект е мощен помощник за синтез: той бързо кодира големи части от текст, групира теми, посочва модели. Но същата тази сила, ако не се използва внимателно, създава фалшиви цитати, изкривен акцент и пристрастия. Този модул обяснява как да използвате AI като ускорител в синтеза на изследвания и защо трябва да свържете всяко прозрение обратно към необработените данни.
Какво е изследователски синтез и къде се вписва AI?
Суровите данни от изследването са объркани: един потребител казва, че „търси кабела за зареждане всеки път“, друг казва, че „нощната светлина е твърде ярка“, трети се оплаква, че „не може да намери бутоните на тъмно“. Синтезът е актът на групиране на тези отделни твърдения („нощната употреба е проблематична“) и превръщането им в прозрение („потребителите използват този продукт най-добре на тъмно, но продуктът е предназначен за употреба през деня“). При класическия метод дизайнерите правят това с афинитетна диаграма (физическо/цифрово групиране на подобни бележки).
AI ускорява няколко стъпки от този процес:
- Кодиране: Присвояване на тематични тагове към всяко изявление („нощно използване“, „трудност при инсталиране“). AI предварително маркира стотици фрази за минути.
- Тематизиране: Събиране на етикети в суперсетове. AI посочва повтарящи се модели.
- Проницателна скица: Предлагане на изречения „аха“ от теми. AI произвежда чернови, вие филтрирате.
- Персона и описание на пътуването: Скициране на типични потребителски профили и стъпки за използване.
Критично правило: AI обобщава и групира, но необработените данни казват истината. Всяка тема и всеки цитат трябва да бъдат свързани обратно с действителния препис на интервюто и проверени.
Двата най-големи риска: фалшиви цитати и пристрастия
Има две опасни клопки на AI в синтеза на изследвания. Първият е измислен цитат (халюцинация): AI може да генерира потребителски цитат, който не е в данните, но „звучи правилно“. Това е най-опасната грешка в изследването, защото вие вземате истинско дизайнерско решение въз основа на фалшиви доказателства. Второто е изкривяване и пристрастие: ИИ може да преувеличи мнението на мнозинството и да изтрие важната, но малко изговаряна нужда на малцинството; или стереотипи в данните за обучението („възрастните хора се страхуват от технологиите“) може да изтекат във вашите изследвания. Единственият начин да се предпазите и от двете: включете всеки изход обратно в необработените данни и попитайте "в кой разговор, на кой ред всъщност се появява този цитат?" е да задам въпроса.
Внимание: Не включвайте потребителски цитати, генерирани от изкуствен интелект, в доклад, личност или презентация, без да ги намерите и потвърдите дословно в необработения текст на интервюто. Апокрифен цитат представя погрешно действително дизайнерско решение.
Безопасен поток на синтез стъпка по стъпка
- Анонимизиране: Изчистете личните данни (име, контакт, идентификационни данни) от преписите на интервюто. Потребителските данни са лични данни; Поверителността е от съществено значение.
- Кодирайте, но поискайте източника: Помолете AI да поиска необработения израз и препратката към ред/източник, съответстваща на всеки етикет.
- Преброяване на теми: „Колко потребители споменаха това?“ питам; Не позволявайте на един човек да представя мнението си като общ модел.
- Завържете прозрението: Под всяко изречение с прозрение поставете действителните цитати, на които се основава.
- Потърсете контрапримери: Попитайте AI "има ли твърдения, които противоречат на тази тема, кажете обратното?" питам; това разбива пристрастията и прекомерното генерализиране.
три мини калъфа
Случай 1 — Хванат изфабрикуван цитат. Екип обобщава 12 разговора с AI; AI генерира поразителен цитат: „Един от потребителите каза: „Бих купил този продукт като подарък“ и екипът искаше да го включи в презентацията. Изследовател сканира необработените текстове; Такова изречение не се среща в нито един разговор. AI "измисли" цитат от общия положителен тон. Цитатът е премахнат. Урок: всеки цитат се проверява дословно в необработените данни.
Случай 2 — Заличаване на нужда от малцинство. Дизайнерски екип провежда проучване на кухненски уреди с 20 потребители. Кратката информация за AI подчертава темата „потребителите се интересуват от скоростта“. Но когато екипът се връща към необработените данни, те виждат, че 3-ма потребители споменават необходимостта от използване с една ръка (един с увредена ръка, един постоянно носи бебе); AI отхвърли това като „малцинство“. Това обаче е критична информация за достъпността, която ще отличи продукта. Урок: численото тегло не винаги означава важност; нуждата на малцинството може да е най-ценното прозрение.
Случай 3 — Правилна употреба. Изследовател дава 300 отворени отговора на анкета на AI и казва „маркирайте всеки отговор на тези теми, пребройте колко отговора попадат за всяка тема и цитирайте 3 действителни примерни отговора дословно от всяка тема.“ AI генерира 8 теми, числа и реални цитати. Изследователят проверява примерните котировки в необработените данни, всички те са реални. Това прави таблицата началото на изследването на афинитета. Урок: структурирана подкана с искане за изброяване + дословен цитат дава надежден и проверим синтез.
Копируеми шаблони за подкана
ШАБЛОН ЗА СИГУРНО КОДИРАНЕ „Маргирайте следните (анонимизирани) изявления за интервю в теми. За всяко изявление: (1) темата, която сте задали, (2) ТОЧНИЯТ текст на изявлението, (3) препратка към източника [номер/ред на интервю]. НЕ измисляйте твърдения, които НЕ са в текста. Маркирайте „несигурно“ твърдението, за което не сте сигурни. Данни: [поставете].“
ШАБЛОН ЗА ПРЕОБРЯВАНЕ НА ТЕМА "Извличане на теми от следните кодирани данни. За всяка тема: колко РАЗЛИЧНИ потребители са я изразили, пример 3 дословни цитата (с източник). Не представяйте мнение, изразено от един човек като "общ модел"; напишете честотата ясно. Данни: [поставете]."
КРАЕН ПРИМЕР / ШАБЛОН ЗА РАЗБИВАНЕ НА ПРЕДРАЗРАДЪЦИ "Искам да тествам следния шаблон за прозрения: '[прозрение]'. Избройте твърдения в необработените данни, които СРЕЩУ това прозрение, предполагат обратното или са в малцинство, но може да са важни. Целта е да се уловят свръхобобщенията и пристрастията. Данни: [поставяне]."
ШАБЛОН ЗА ОБРАТНА ВРЪЗКА НА INSIGHT "Напишете следното проницателно изречение: [прозрение]. Непосредствено отдолу поставете действителни цитати (дословно, с източник), които ПОТВЪРЖДАВАТ това прозрение. Ако няма достатъчно преки доказателства, кажете „недостатъчно доказателства". НЕ ДОБАВЯЙТЕ измислени доказателства."
Слаба подкана / Силна подкана
СЛАБА ПОДСКАЗКА: „Обобщете тези разговори и ми дайте прозрения.“
СИЛНА ПОДСКАЗКА: „Анализирайте 12-те анонимизирани интервюта по-долу. (1) Маркирайте изявленията в теми. (2) Пребройте колко различни потребители са споменали всяка тема. (3) Дайте 2 ТОЧНИ цитата за всяка тема (с номера на интервюто). (4) Съберете малцинствени, но потенциално важни нужди под отделно заглавие. (5) Маркирайте изводи с недостатъчно доказателства като „трябва да бъдат проверени“ в текста. НЕ измисляйте никакви кавички, които не съществуват: [поставете].“
Слабата подкана дава свободата на AI да изкривява и фабрикува; Това прави синтеза проверим със силно бързо преброяване, дословно цитиране, защита на малцинството и „забрана за фабрикуване“.
Често срещани грешки
- Използване на генерираната от AI оферта, без да се проверява в необработените данни. Изфабрикуваният цитат е най-опасната изследователска грешка.
- Мислейки, че численото мнозинство е единственият критерий за важност. Потребността на малцинството често е най-ценното прозрение.
- Предоставяне на лични данни на AI, без да ги анонимизирате. Потребителските данни са лични данни; Конфиденциалността е задължителна.
- Без да търсим контрапримери. Синтезът, който не проверява обратното, засилва предразсъдъците.
- Погрешно объркване на AI бриф с „изследване“. Синтезът е начало; Insight се основава на необработени данни.
Съвет: Под всяка информация попитайте „кои 2-3 истински цитата подкрепят това?“ Напишете въпроса. Ако няма отговор, това прозрение все още е хипотеза, а не находка.
В обобщение
AI е мощен ускорител в синтеза на потребителски изследвания: той кодира стотици фрази, групира теми и създава прозрения и персони. Но има два основни риска: изфабрикувани цитати и изкривяване/пристрастност. Начинът да се предпазите от тях е да свържете всяка тема и да цитирате обратно към необработените данни, да преброите честотата, да запазите нуждата на малцинството и да потърсите контрапримери. Анонимизирайте потребителските данни, изисквайте от AI дословни цитати и източници, налагайте правило за „без измислици“ и не отчитайте никакви прозрения като констатации, без да ги подкрепите с доказателства.
Задача за приложение
Имайте 8-10 кратки потребителски препоръки, реални или измислени. Първо ги анонимизирайте всички. Имате темите за AI етикети с шаблона „сигурно кодиране“; след това поискайте честота и дословни цитати с шаблона „Брой теми“. Проверете цитатите, дадени от AI в необработения текст един по един и маркирайте дали са реални или не. И накрая, с шаблона „Краен пример“ потърсете твърдения, които противоречат на основната ви тема, и запишете дали намирате нужда от малцинство.
контролен списък
- [] Анонимизирах потребителските данни, преди да ги дам на AI.
- [ ] Помолих AI за дословни цитати и препратки към източници за всяка тема.
- [ ] Проверих всеки цитат, като го намерих в необработените данни (проверка за съответствие).
- [ ] Преброих честотата на темите и отделих нуждите на малцинствата.
- [ ] Тествах за пристрастия, като търсех контрапримери за моите основни теми.
- [ ] Маркирах изводи, които не се основават на доказателства, като „хипотези“ и не ги считах за констатации.