লাভ:
- কৃত্রিম বুদ্ধিমত্তা সহ মেনু, নেভিগেশন এবং বিষয়বস্তু কাঠামো (তথ্য স্থাপত্য) খসড়া করার ক্ষমতা এবং কার্ড বাছাই ফলাফলের সাথে এটি যাচাই করার ক্ষমতা
- কৃত্রিম বুদ্ধিমত্তায় ব্যবহারকারীর প্রবাহ এবং স্ক্রীন-টু-স্ক্রিন ধাপগুলি আঁকতে এবং যুক্তির ফাঁক এবং প্রান্তের ক্ষেত্রে ক্যাপচার করার ক্ষমতা
- বাস্তব ব্যবহারকারীর ভাষা এবং মানসিক মডেল অনুসারে কৃত্রিম বুদ্ধিমত্তা দ্বারা প্রস্তাবিত কাঠামোকে সমালোচনামূলকভাবে মানিয়ে নেওয়ার ক্ষমতা
যদি একটি পণ্য ব্যবহার করা কঠিন হয়ে পড়ে, সমস্যাটি প্রায়শই রঙ বা বোতামের সাথে নয়, তবে কাঠামোর সাথে। ইনফরমেশন আর্কিটেকচার (IA) হল কীভাবে একটি পণ্যের বিষয়বস্তুকে একটি নেভিগেশন কাঠামোতে গোষ্ঠীভুক্ত, নামকরণ এবং সাজানো হয়: মেনু, বিভাগ, শ্রেণিবিন্যাস। ব্যবহারকারীর প্রবাহ হল স্ক্রিন-টু-স্ক্রিন ধাপগুলির ক্রম যা একজন ব্যবহারকারী একটি নির্দিষ্ট লক্ষ্য অর্জনের জন্য যায় (নিবন্ধন করা, একটি পণ্য ক্রয় করা)। উভয়েই অদৃশ্য কঙ্কাল তৈরি করে। AI দ্রুত এই কঙ্কালের একটি রূপরেখা তৈরি করে এবং যুক্তির ফাঁক ধরতে সাহায্য করে; কিন্তু কাঠামোটি প্রকৃত ব্যবহারকারীর মনের সাথে খাপ খায় কিনা তা শুধুমাত্র মানুষের বিচার এবং পরীক্ষা দ্বারা নির্ধারিত হতে পারে।
তথ্য আর্কিটেকচার: ব্যবহারকারীর ভাষায় কথা বলা
IA এর মৌলিক উত্তেজনা হল: আপনি কি প্রতিষ্ঠানের যুক্তি বা ব্যবহারকারীর মন অনুযায়ী বিষয়বস্তু সংগঠিত করবেন? সর্বাধিক ব্যর্থ মেনু ব্যবহারকারীর উপর কোম্পানির অভ্যন্তরীণ বিভাগের কাঠামো চাপিয়ে দেয় ("এন্টারপ্রাইজ সলিউশন", "অপারেশন সেন্টার")। ব্যবহারকারী যদি জিজ্ঞাসা করে "আমি কীভাবে আমার বিল পরিশোধ করব?" সে মনে করে
কৃত্রিম বুদ্ধিমত্তা এখানে একটি দ্বিমুখী সহায়ক। একদিকে, এটি একটি যুক্তিসঙ্গত প্রাথমিক বিভাগ কাঠামোর পরামর্শ দেয়; অন্যদিকে, এটি আপনাকে ব্যবহারকারীর ভাষার বিরুদ্ধে আপনার বর্তমান কাঠামো পরীক্ষা করতে সহায়তা করে। কিন্তু মডেলটি যে ট্যাগগুলি সুপারিশ করেছে তা সাধারণত "গড় ইন্টারনেট ভাষা"; আপনার ব্যবহারকারী আসলে যে শব্দগুলি ব্যবহার করেন তা ভিন্ন হতে পারে। অতএব, IA খসড়া কার্ড বাছাই দ্বারা যাচাই করা হয়: প্রকৃত ব্যবহারকারীদের কন্টেন্ট কার্ড দেওয়া হয় এবং তারা সেগুলি সাজায়; আপনি তাদের গ্রুপিং অনুযায়ী গঠন সমন্বয়.
টিপ: কৃত্রিম বুদ্ধিমত্তা থেকে বিভাগের পরামর্শ পাওয়ার সময়, এটিকে "প্রতিটি বিভাগকে একটি প্রশ্ন বাক্যে অনুবাদ করতে বলুন যা ব্যবহারকারী তৈরি করবে।" এটি কর্পোরেট জার্গন থেকে ব্যবহারকারীর ভাষায় রূপান্তরকে ত্বরান্বিত করে।
ব্যবহারকারীর প্রবাহ: পদক্ষেপ, সিদ্ধান্ত এবং প্রান্তের ক্ষেত্রে
একটি ভাল ফ্লোচার্ট তিনটি জিনিস পরিষ্কার করে: পদক্ষেপ (ব্যবহারকারী কী করে), সিদ্ধান্তের পয়েন্ট (হ্যাঁ/না শাখা), এবং প্রান্তের ক্ষেত্রে — মূল পথের বাইরের পরিস্থিতি: খালি কার্ট, খারাপ পাসওয়ার্ড, ইন্টারনেট বিভ্রাট, মেয়াদ শেষ হওয়া সেশন। অনভিজ্ঞ ডিজাইনগুলি "সুখী পথ" আঁকে (যেখানে সবকিছু ঠিকঠাক হয়) এবং প্রান্তের ক্ষেত্রে ভুলে যায়; ব্যবহারকারী বেশিরভাগই এই ভুলে যাওয়া জায়গায় হ্যাং আউট করেন।
এখানেই AI শক্তিশালী: আপনি যখন একটি স্ট্রিম রপ্তানি করেন, আপনি জিজ্ঞাসা করেন "কোন প্রান্তের অবস্থা অনুপস্থিত?" যখন আপনি জিজ্ঞাসা করেন, এটি সাধারণত আপনি মিস করা কয়েকটি ক্যাচ করে। মডেল একটি প্রবাহ সমালোচক মত কাজ করে. কিন্তু আপনি সিদ্ধান্ত নিন যে প্রতিটি শাখা এটি সুপারিশ করে তা সত্যিই প্রয়োজনীয়, পণ্যের সুযোগ এবং ব্যবহারকারীর বাস্তবতা; অন্যথায়, প্রবাহ অকারণে জটিল হয়ে ওঠে।
স্ট্রিম উপাদান
কৃত্রিম বুদ্ধিমত্তার অবদান
মানুষের সিদ্ধান্ত
প্রধান পদক্ষেপ
স্ট্যান্ডার্ড র্যাঙ্কিং খসড়া
পণ্য-নির্দিষ্ট সরলীকরণ
সিদ্ধান্ত পয়েন্ট
সম্ভাব্য শাখা
কি সত্যিই প্রয়োজন
প্রান্ত মামলা
ভুলে যাওয়া জিনিসের অনুস্মারক
কি কভার করা হবে
লেবেল/টেক্সট
প্রথম পরামর্শ
ব্যবহারকারীর ভাষার সাথে অভিযোজন
ত্রুটির পথ
সাধারণ নিদর্শন
পণ্যের প্রকৃত ত্রুটি প্রকার
তিনটি মিনি কেস
কেস 1 - মেনু সহজ হয়ে গেছে। একটি দল কৃত্রিম বুদ্ধিমত্তাকে 9টি প্রধান মেনু শিরোনাম দিয়েছে এবং তাদের "ব্যবহারকারীর প্রশ্ন বাক্যে সেগুলি অনুবাদ করতে" বলেছে৷ এটি দেখা গেছে যে 3টি শিরোনাম একই প্রশ্নের সাথে সম্পর্কিত ("কিভাবে আমি আমার অ্যাকাউন্ট পরিচালনা করব?"); মেনু 9 থেকে কমিয়ে 6-এ করা হয়েছে। তারপর 14 জন ব্যবহারকারীকে কার্ড গ্রুপিং দিয়ে পরীক্ষা করা হয়েছে এবং মার্জ যাচাই করা হয়েছে। ক্লিক সাফল্য 61% থেকে 86% বেড়েছে৷
কেস 2 - ক্যাচ এজ কেস। একটি রেকর্ডিং রানে, দলটি শুধুমাত্র সফল রেকর্ডিং ড্র করেছিল। AI জিজ্ঞাসা করে "ইমেলটি ইতিমধ্যে নিবন্ধিত হলে কী হবে?", "যদি যাচাইকরণ ইমেলটি না আসে?", "কি হবে যদি এটি বন্ধ হয়ে যায় এবং মাঝপথে ফিরে আসে?" উত্পন্ন প্রশ্ন. দলটি প্রবাহে 3টি প্রান্তের অবস্থাও যুক্ত করেছে; এটি লাইভ হলে, সমর্থন অনুরোধগুলি উল্লেখযোগ্যভাবে হ্রাস পেয়েছে। পাঠ: মডেলটি একটি ভাল "ভুলে যাওয়া অনুস্মারক।"
কেস 3 — অপ্রয়োজনীয় শাখা প্রত্যাখ্যান করা হয়েছিল। AI "ক্রিপ্টোকারেন্সি বিকল্প" এবং "মাল্টি-অ্যাড্রেস ম্যানেজমেন্ট" এর মতো একটি অর্থপ্রদানের প্রবাহের জন্য শাখাগুলির পরামর্শ দিয়েছে। এগুলি পণ্যের সুযোগের মধ্যে অন্তর্ভুক্ত ছিল না; ডিজাইনার পরামর্শ প্রত্যাখ্যান. পাঠ: মডেলের প্রতিটি পরামর্শ গ্রহণ করা হয় না; সুযোগের সিদ্ধান্ত মানুষের, অন্যথায় প্রবাহ ফুলে যায়।
অনুলিপিযোগ্য প্রম্পট
আপনার ভূমিকা: তথ্য আর্কিটেকচার বিশেষজ্ঞ। নিম্নলিখিত বিষয়বস্তু/বৈশিষ্ট্যের তালিকাকে শ্রেণীভুক্ত করুন যা ব্যবহারকারীর মনের জন্য উপযুক্ত। প্রতিটি বিভাগকে একটি সংক্ষিপ্ত লেবেল এবং একটি প্রশ্ন বাক্যাংশ উভয়ই দিন যা ব্যবহারকারী তৈরি করবে। কর্পোরেট পরিভাষা এড়িয়ে চলুন. 6টি অভিভাবক বিভাগ পর্যন্ত ব্যবহার করুন৷ তালিকা: <<সামগ্রী>>৷
এই ব্যবহারকারীর প্রবাহটি পরীক্ষা করুন: <<steps>>.1) অনুপস্থিত প্রান্তের ক্ষেত্রে তালিকা করুন (নিষ্ক্রিয় অবস্থা, ত্রুটি, টাইমআউট, পুনরায় লগইন)। 2) অপ্রয়োজনীয় বা সুযোগের বাইরে বলে মনে হয় এমন পদক্ষেপগুলি পতাকাঙ্কিত করুন।3) ট্যাগগুলি সুপারিশ করুন যা ব্যবহারকারীর ভাষার সাথে খাপ খায় না। প্রতিটি আইটেমকে একটি এক-বাক্যের ন্যায্যতা দিন। কঠোরভাবে বলছি; বলুন "চেক করা আবশ্যক"।
নিম্নলিখিত কাজের জন্য একটি স্ক্রীন-বাই-স্ক্রিন ব্যবহারকারীর প্রবাহ স্কেচ করুন: "<<task>>।" বিন্যাস: প্রতিটি ধাপ = স্ক্রীনের নাম > ব্যবহারকারীর ক্রিয়া > সিস্টেম প্রতিক্রিয়া। "যদি... তাহলে" এর সাথে পৃথক সিদ্ধান্ত বিন্দু। সুখী পথের সাথে কমপক্ষে 2টি ত্রুটির পথ দেখান।
কার্ড গ্রুপিং ফলাফলের সাথে এই মেনু কাঠামোর তুলনা করুন: প্রস্তাবিত কাঠামো: <<a>> ব্যবহারকারী গ্রুপিং: <<b>>। একটি টেবিলে বেমানান প্লেসমেন্ট দেখান এবং কোনটি ব্যবহারকারীর মনের কাছাকাছি তা ন্যায়সঙ্গত করুন।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল: "আমাকে একটি রেকর্ডিং স্ট্রিম লিখুন।"
ফলাফল: কোন প্রান্তের কেস ছাড়া একটি সাধারণ ধাপ তালিকা, শুধুমাত্র সুখী পথ রয়েছে।
শক্তিশালী: "এই কাজের জন্য একটি স্ক্রিন-বাই-স্ক্রিন প্রবাহ আঁকুন; 'স্ক্রিন> অ্যাকশন> সিস্টেম প্রতিক্রিয়া' ফরম্যাটে প্রতিটি ধাপ দিন; সুখী পথের পাশে কমপক্ষে 2টি ত্রুটির পথ দেখান; IF-THEN-এর সাথে পৃথক সিদ্ধান্ত পয়েন্ট।"
ফলাফল: দৃশ্যমান প্রান্ত রাজ্য এবং শাখা সহ একটি কার্যকর প্রবাহ।
পার্থক্য: শক্তিশালী প্রম্পট বিন্যাস + ত্রুটি পথ অপরিহার্য + সিদ্ধান্ত বিন্দু প্রয়োজন; এগুলি প্রবাহকে বাস্তব জগতের কাছাকাছি নিয়ে আসে।
সাধারণ ভুল
- শুধু খুশি উপায় নকশা. ব্যবহারকারী প্রায়শই প্রান্ত পরিস্থিতিতে আটকে যায়; তাদের এড়িয়ে যাওয়া সবচেয়ে ব্যয়বহুল ভুল।
- মেনুতে কর্পোরেট জার্গন আনা। ব্যবহারকারী "আমার অর্ডার কোথায়" অনুসন্ধান করে "অপারেশন সেন্টার" নয়।
- কার্ড গ্রুপিং ছাড়া IA চূড়ান্ত করা। মডেল প্রস্তাব হাইপোথিসিস; ব্যবহারকারী পরীক্ষা নিশ্চিত করে।
- মডেলের প্রতিটি প্রবাহের পরামর্শ যোগ করা হচ্ছে। সুযোগের বাইরের শাখাগুলি প্রবাহকে ফুলে যায়; প্রত্যাখ্যান করাও একটি সিদ্ধান্ত।
- লেবেল সব পরীক্ষা না. আপনি "বোধগম্য" বলে মনে করেন এমন একটি লেবেল ব্যবহারকারীর কাছে অপরিচিত হতে পারে।
সংক্ষেপে
তথ্য স্থাপত্য এবং ব্যবহারকারী প্রবাহ পণ্যের অদৃশ্য কঙ্কাল; ব্যবহারকারীর অভিজ্ঞতার তরলতা মূলত এটি থেকে আসে। AI প্রশংসনীয় বিভাগ কাঠামো, সমালোচনা প্রবাহের পরামর্শ দেয় এবং ভুলে যাওয়া প্রান্তের ক্ষেত্রে বিশেষভাবে শক্তিশালী। কিন্তু লেবেলগুলি ব্যবহারকারীর ভাষার সাথে মেলে কিনা তা কার্ড গ্রুপিং দ্বারা নির্ধারিত হয় এবং প্রবাহের সুযোগ এবং শাখার প্রয়োজনীয়তা মানুষের বিচার দ্বারা নির্ধারিত হয়। একটি খসড়া এবং সমালোচক হিসাবে মডেল ব্যবহার করুন; আপনি ব্যবহারকারীর মন অনুযায়ী গঠন ক্রমাঙ্কন.
আবেদন টাস্ক
- একটি পণ্যের 8-10টি বিষয়বস্তু/বৈশিষ্ট্য তালিকাভুক্ত করুন এবং প্রথম প্রম্পট সহ একটি বিভাগ কাঠামো তৈরি করুন।
- প্রতিটি বিভাগকে ব্যবহারকারীর প্রশ্ন বাক্যে অনুবাদ করুন এবং বিভ্রান্তিকরদের একত্রিত করুন।
- একটি টাস্ক নির্বাচন করুন এবং তৃতীয় প্রম্পটের সাথে একটি স্ক্রীন-বাই-স্ক্রিন প্রবাহ আঁকুন (অন্তত 2টি ত্রুটির পথ সহ)।
- দ্বিতীয় প্রম্পটের সাথে, প্রবাহের সমালোচনা করুন, অনুপস্থিত প্রান্তের ক্ষেত্রে যোগ করুন এবং অপ্রয়োজনীয় পদক্ষেপগুলি সরান।
- যদি সম্ভব হয়, 3-5 জনের সাথে মিনি কার্ড গ্রুপ করুন এবং ফলাফল অনুযায়ী কাঠামো সামঞ্জস্য করুন।
চেকলিস্ট
- [ ] আমি বিভাগগুলিকে ব্যবহারকারীর ভাষায় অনুবাদ করেছি এবং পরিভাষাটি সরিয়ে দিয়েছি।
- [ ] সুখী পথের পাশাপাশি, আমি প্রবাহে ত্রুটির পথও এঁকেছি।
- [ ] আমি কৃত্রিম বুদ্ধিমত্তার সাহায্যে অনুপস্থিত প্রান্তের কেসগুলি স্ক্যান করেছি এবং সেগুলি যুক্ত করেছি৷
- [ ] আমি সচেতনভাবে সুযোগের বাইরের পরামর্শ প্রত্যাখ্যান করেছি।
- [ ] আমি কার্ড গ্রুপিং বা ব্যবহারকারী পরীক্ষার মাধ্যমে IA খসড়া পরীক্ষা করেছি।
- [ ] আমি আসল ব্যবহারকারী শব্দ দিয়ে ট্যাগ যাচাই করেছি।