zisky:
- Schopnost transformovat nezpracované přepisy rozhovorů, otevřené odpovědi na průzkumy a lístky na podporu na témata a poznatky s umělou inteligencí
- Schopnost urychlit kroky kvalitativní analýzy, jako je afinitní mapování a kódování s podporou umělé inteligence a ověřit výsledky lidským okem
- Schopnost vyřadit témata vytvořená nebo zveličená umělou inteligencí jejich propojením se skutečnými citacemi
Nejnudnější a nejsnáze přeskakovanou fází uživatelského výzkumu je syntéza: přeměna desítek rozhovorů, stovek odpovědí na průzkum a lístků na podporu (žádost uživatele o pomoc) ve smysluplné poznatky. Tato práce trvá dny ručně; Proto týmy často škrtají a rozhodují se „podle pocitu“. Umělá inteligence otevírá právě toto úzké hrdlo: rozděluje nezpracovaný text na témata během minut místo hodin. Syntéza však není úkolem „vytvořit souhrn“; Je to důkazy podložené, auditovatelné zdůvodnění. Tato jednotka vám ukáže, jak zachovat autenticitu náhledu a zároveň udělat z umělé inteligence partnera pro syntézu.
Co je vhled, ne shrnutí
Nejprve si ujasněme pojem. Insight je smysluplný vzorec, který vychází z dat a řídí návrh: „Uživatelé se nevzdávají při placení, ale když poprvé uvidí poplatek za dopravu.“ Toto není souhrn („Uživatelé si stěžují na platbu“); ani to není pozorování („Účastník 4 se zastavil, když viděl poplatek za dopravu“). Insight zachycuje společnou příčinu mnoha pozorování a otevírá dveře k rozhodnutí o návrhu.
Umělá inteligence má přirozeně sklon vytvářet souhrny. Vaším úkolem je přenést to od shrnutí k náhledu: „proč?“ a "co to změní v designu?" vložením vašich otázek do výzvy.
Kroky kvalitativní analýzy a místo umělé inteligence
Kvalitativní analýza (nenumerická, založená na textu/pozorování) klasicky probíhá těmito kroky:
- Kódování: Každý smysluplný kus v textu je označen štítkem („obavy o náklady na dopravu“, „nedostatek důvěry“).
- Afinitní diagram (afinitní mapování): Podobné značky jsou seskupeny; skupiny se stávají tématy.
- Priorita tématu: Určuje se, které téma vidí kolik uživatelů a s jakou intenzitou.
- Postřehy a rady: Témata "co dělat?" spojuje se s větami.
Umělá inteligence výrazně urychluje kroky 1 a 2: dodání počátečního kódování a počátečního seskupení během několika minut. Význam skupin, důležitost témat a správnost návrhů však vyžadují lidské ověření. AI vám dá „první návrh mapy“; Opravíte mapu podle skutečnosti.
Tip: Než řeknete AI, aby „extrahovala témata“, dejte jí své schéma kódování (seznam značek). Funguje to tak ve společném jazyce všech a výstupy jsou srovnatelné.
Řetězec důkazů: každé téma odkazuje na citaci
Zlaté pravidlo syntézy: každé téma je spojeno s alespoň jednou doslovnou citací. Citát je důkazem, že téma je skutečné. Vždy zahrňte požadavek na citaci, když žádáte AI o téma; Řekněte mu, aby nevytvářel téma, pro které nemůže najít nabídku. Tímto způsobem zastavíte halucinaci u zdroje: vymyšlené téma je označeno jako „nepodložené“, protože nemá ve zdroji žádný protějšek.
vrstva
příklad
zdroj
pozorování
"Účastník 4 opustil vozík, když viděl poplatek za dopravu"
nahrávání jeden na jednoho
kód
"neočekávané náklady"
Označování
téma
"Skryté náklady narušují důvěru"
opakujte v 5 účastnících
vhled
"Cena dopravy by měla být uvedena brzy"
Nechávám téma
Návrh
"Přidat odhad dopravy na stránku produktu"
Rozhodnutí o designu
Tento řetězec začíná, když se zainteresovaná strana zeptá: „Jak to víme? Když se zeptáte, umožní vám to vrátit se od pozorování k citaci.
tři mini pouzdra
Případ 1 — 240 odpovědí na průzkum, 90 minut. Jeden tým AI kódoval 240 otevřených (volný text) odpovědí na průzkum. Model navrhl 11 témat; Tým je zkontroloval za 90 minut, zúžil je na 7, zkombinoval 2 témata a 2 odstranil jako nepodporované. Dvoudenní manuální práce byla zkrácena na půl dne a řetěz důkazů byl zachován.
Případ 2 – Přehnané téma zachyceno. Umělá inteligence vytvořila silné téma „uživatelé nenávidí aplikaci“. Když se tým podíval na uvozovky, zjistil, že pouze 2 účastníci byli drsní, zatímco 18 bylo neutrálních. Téma bylo přepsáno jako „intenzivní zklamání v určitém toku“. Ponaučení: AI může přehánět emoční intenzitu; počítat frekvenci.
Případ 3 – Chybějící menšinový názor. Zatímco model zdůrazňoval většinová témata, bagatelizoval kritický problém s přístupností vznesený 3 účastníky jako „nedůležitý“. Projektant si toho všiml a zachoval to jako samostatný nález; Později se ukázalo, že tento problém se týkal všech uživatelů čtečky obrazovky. Poučení: menšinový signál není vždy „méně důležitý“.
Kopírovatelné výzvy
Vaše role: analytik kvalitativního výzkumu. Schéma kódování (značky): <<seznam>>Úkol: Kódujte níže uvedený anonymizovaný přepis pomocí těchto značek. Přidat [Účastník
Transformujte následující kódovaná data do diagramu blízkosti: seskupte podobné kódy, pojmenujte každou skupinu tématem. Pro každé téma: spočítejte, v kolika jednotlivých účastnících se vyskytuje, přidejte 2 nejsilnější citace a napište jednovětové vysvětlení „proč“. Samostatně označte témata se slabými důkazy. Data: <<kódy>>
Chci otestovat následující téma: "<<téma>>". Samostatně uveďte citáty, které toto téma PODPORUJÍ a ODMÍTAJÍ ve zdrojovém textu. Na konci zhodnoťte, jak silně je téma podporováno (silné/střední/slabé).Zdroj: <<přepis>>
Proměňte tento seznam témat na postřehy a návrhy. Pro každé téma: 1) pohled na jednu větu (obsahující „protože…“), 2) konkrétní návrh designu, 3) jakou obrazovku/tok tento návrh ovlivňuje. Nevymýšlejte; Pokud je základ slabý, napište „je potřeba další výzkum“. Témata: <<seznam>>
Slabá výzva / Silná výzva
Slabý: "Analyzujte tyto rozhovory a řekněte mi výsledky."
Výsledek: Shrnutí bez zdrojů, bez informací o frekvenci a otevřené nadsázce.
Strong: „Zakódujte tento přepis štítky, které jsem vám dal; připojte každé téma k citátu od [účastníka
Výsledek: Vysokofrekvenční, na důkazech podložená a auditovatelná syntéza.
Rozdíl: silná výzva frekvence + citace + slabá výzva ukotvení; ty zabraňují přehánění a halucinacím.
Časté chyby
- Nepočítám frekvenci. Rozhodování, aniž byste věděli, zda se za větou „Uživatelé chtějí X“ skrývají 2 nebo 20 lidí.
- Brát intenzitu emocí takovou, jaká je. AI má tendenci zvýraznit silné výrazy; Může skrývat neutrální většinu.
- Odstranění menšinového signálu. Problém, se kterým se setká jen málo lidí, může být kritický (např. dostupnost).
- Nevyžaduje citaci. Téma bez uvozovek je neověřitelné téma.
- Dokončete v jednom kole. Syntéza je iterativní; Otestujte první výstup a zbystřete výzvu.
V souhrnu
Syntéza je úvaha, která mění nezpracovaná data na vhled, který řídí návrh. Umělá inteligence výrazně urychluje mechanické kroky, jako je kódování a seskupování blízkosti, ale význam a význam vhledu zůstává lidský. Zlaté pravidlo je spojit každé téma s doslovným citátem; frekvence počítání, opravte emocionální nadsázku, nenechte si ujít menšinový signál. Když vytvoříte řetězec důkazů, který sahá od pozorování k citátu, od tématu k návrhu, dosáhnete výstupu výzkumu, který je rychlý a obhajitelný.
Aplikační úkol
- Anonymizujte svých 8–10 (nebo smyšlených) odpovědí na rozhovor/průzkum.
- Napište si vlastní kódovací schéma (6-8 štítků) a nechte si jej nakódovat umělou inteligencí s první výzvou.
- Odeberte motivy s druhou výzvou; Všimněte si, kolik účastníků se objeví u každého tématu.
- Otestujte nejsilnější motiv s třetí výzvou: porovnejte podpůrné a vyvracející citace.
- Napište téma ve formě náhledu + návrhu + dotčené obrazovky a zmapujte řetězec důkazů.
kontrolní seznam
- [ ] Své kódovací schéma jsem předal AI předem.
- [ ] Každé téma jsem propojil alespoň s jedním doslovným citátem.
- [ ] Počítal jsem, kolik jednotlivých účastníků se objevilo u každého tématu.
- [ ] Často jsem opravoval přehnané emocionální projevy.
- [ ] Učinil jsem vědomé rozhodnutí, zda eliminovat menšinové signály.
- [ ] Propojil jsem postřehy s konkrétním návrhem designu a dotčenou obrazovkou.