Gevinster:
- Evne til at transformere rå interviewudskrifter, åbne undersøgelsessvar og supportbilletter til temaer og indsigt med kunstig intelligens
- Evne til at accelerere kvalitative analysetrin, såsom affinitetskortlægning og kodning med støtte til kunstig intelligens og verificere resultaterne med det menneskelige øje
- Evne til at luge ud temaer, der er opbygget eller overdrevet af kunstig intelligens ved at linke dem tilbage til rigtige citater
Den mest kedelige og lettest springende fase af brugerforskning er syntese: at omdanne snesevis af interviews, hundredvis af undersøgelsessvar og supportbilletter (brugerens anmodning om hjælp) til meningsfuld indsigt. Dette job tager dage i hånden; Det er derfor, hold ofte skærer hjørner og beslutter sig "efter følelse". AI åbner netop denne flaskehals: den opdeler rå tekst i temaer på få minutter i stedet for timer. Men syntese er ikke en "frembring resumé"-opgave; Det er et evidensbaseret, auditerbart ræsonnement. Denne enhed viser dig, hvordan du bevarer ægtheden af indsigt, mens du gør AI til din syntesepartner.
Hvad er indsigt, ikke resumé
Lad os afklare udtrykket først. Insight er et meningsfuldt mønster, der kommer frem fra dataene og styrer designet: "Brugere giver ikke op ved kassen, men når de først ser forsendelsesgebyret." Dette er ikke et resumé ("Brugere klager over betaling"); det er heller ikke en observation ("Deltager 4 stoppede, da han så forsendelsesgebyret"). Insight fanger den fælles årsag, der ligger til grund for mange observationer, og åbner døren til en designbeslutning.
AI er naturligvis tilbøjelig til at producere resuméer. Din opgave er at trække det fra resumé til indsigt: "hvorfor?" og "hvad ændrer dette i designet?" ved at indlejre dine spørgsmål i prompten.
Kvalitative analysetrin og stedet for kunstig intelligens
Kvalitativ (ikke-numerisk, tekst-/observationsbaseret) analyse fortsætter klassisk med disse trin:
- Kodning: Hver meningsfuld brik i teksten får en etiket ("forsendelsesomkostningsbekymring", "manglende tillid").
- Affinitetsdiagram (affinitetskortlægning): Lignende tags er grupperet; grupper bliver til temaer.
- Temaprioritering: Hvilket tema ses af hvor mange brugere og med hvilken intensitet bestemmes.
- Indsigt og råd: Temaer "hvad skal man gøre?" forbinder med sætninger.
AI fremskynder i høj grad trin 1 og 2: leverer indledende kodning og indledende gruppering på få minutter. Men betydningen af grupperne, vigtigheden af temaerne og nøjagtigheden af forslagene kræver menneskelig verifikation. AI giver dig et "første udkast til kort"; Du retter kortet efter virkeligheden.
Tip: Før du fortæller AI'en om at "udpakke temaer", giv den dit kodeskema (liste over tags). På denne måde fungerer det på alles fælles sprog, og udgangene er sammenlignelige.
Kæde af beviser: hvert tema linker til et citat
Syntesens gyldne regel: hvert tema er knyttet til mindst ét ordret citat. Citatet er et bevis på, at temaet er ægte. Inkluder altid citationskravet, når du beder AI om et tema; Fortæl ham ikke at lave et tema, som han ikke kan finde et citat til. På denne måde stopper du hallucinationen ved kilden: et opdigtet tema markeres som "ubegrundet", fordi det ikke har nogen modstykke i kilden.
lag
eksempel
kilde
observation
"Deltager 4 forlod vognen, da han så forsendelsesgebyret"
en-til-en optagelse
Kode
"uventede omkostninger"
Mærkning
tema
"Skjulte omkostninger bryder tilliden"
gentages med 5 deltagere
indsigt
"Forsendelsesomkostninger skal vises tidligt"
Jeg forlader temaet
Forslag
"Tilføj forsendelsesestimat til produktsiden"
Design beslutning
Denne kæde starter, når en interessent spørger "hvordan ved vi det?" Når du spørger, giver det dig mulighed for at gå tilbage fra observation til citat.
tre minisager
Case 1 — 240 undersøgelsesbesvarelser, 90 minutter. Et hold AI-kodede 240 åbne (fritekst) undersøgelsessvar. Modellen foreslog 11 temaer; Holdet gennemgik disse på 90 minutter, indsnævrede dem til 7, kombinerede 2 temaer og fjernede 2 som ikke-understøttede. Et 2-dages manuelt arbejde blev reduceret til en halv dag, og kæden af beviser blev bevaret.
Case 2 — Overdrevet tema fanget. AI producerede et stærkt tema om "brugere hader appen." Da holdet så på citaterne, fandt de ud af, at kun 2 deltagere var hårde, mens 18 var neutrale. Temaet blev omskrevet som "intens skuffelse i et vist flow". Lektion: AI kan overdrive følelsesmæssig intensitet; tælle frekvensen.
Sag 3 — Manglende mindretalsudtalelse. Mens modellen fremhævede flertalstemaer, nedtonede den et kritisk tilgængelighedsproblem, som blev rejst af 3 deltagere som "uvigtigt". Designeren lagde mærke til dette og bevarede det som et særskilt fund; Det blev senere klart, at dette problem påvirkede alle skærmlæserbrugere. Lektion: minoritetssignal er ikke altid "mindre vigtigt".
Kopiérbare prompter
Din rolle: kvalitativ forskningsanalytiker.Kodningsskema (tags): <<liste>>Opgave: Kod det anonymiserede udskrift nedenfor med disse tags.Tilføj [Deltager
Omdan følgende kodede data til et nærhedsdiagram: grupper lignende koder, giv hver gruppe et tema. For hvert tema: tæl hvor mange individuelle deltagere det optræder i, inkluder de 2 stærkeste citater, og skriv en "hvorfor"-forklaring i én sætning. Marker temaer med svage beviser separat. Data: <<koder>>
Jeg vil teste følgende tema: "<<tema>>". Angiv separat de citater, der STØTTER og AFVISER dette tema i kildeteksten.Vurder til sidst, hvor stærkt temaet understøttes (stærk/medium/svag). Kilde: <<transcription>>
Gør denne liste over temaer til indsigt og forslag. For hvert tema: 1) én sætnings indsigt (indeholdende "fordi..."), 2) et konkret designforslag, 3) hvilken skærm/flow dette forslag påvirker. Lad være med at gøre op; Hvis grundlaget er svagt, skriv "mere forskning er nødvendig." Temaer: <<liste>>
Svag prompt / Stærk prompt
Svag: "Analyser disse samtaler og fortæl mig resultaterne."
Resultat: Et resumé uden kilder, uden frekvensinformation og åben for overdrivelse.
Stærk: "Kod denne transskription med de etiketter, jeg gav dig; forbind hvert tema med citatet fra [Deltager
Resultat: En højfrekvent, evidensbaseret, auditerbar syntese.
Forskel: stærk prompt prompter frekvens + citat + svag anker prompt; disse forhindrer overdrivelse og hallucinationer.
Almindelige fejl
- Frekvensen tæller ikke med. At tage en beslutning uden at vide, om der er 2 eller 20 personer bag sætningen "Brugere vil have X".
- At tage intensiteten af følelser, som den er. AI har en tendens til at fremhæve stærke udtryk; Det kan skjule et neutralt flertal.
- Eliminering af minoritetssignalet. Et problem, som få mennesker oplever, kan være kritisk (f.eks. tilgængelighed).
- Kræver ikke citat. Det citatløse tema er det uverificerbare tema.
- Afslut på én omgang. Syntese er iterativ; Test det første output og skærp prompten.
Sammenfattende
Syntese er ræsonnementet, der gør rå data til indsigt, der driver design. AI fremskynder i høj grad mekaniske trin som kodning og nærhedsgruppering, men betydningen og betydningen af indsigten forbliver menneskelig. Den gyldne regel er at forbinde hvert tema med et bogstaveligt citat; tællefrekvens, korrekt for følelsesmæssig overdrivelse, gå ikke glip af minoritetssignalet. Når man etablerer en kæde af beviser, der strækker sig fra observation til citat, fra tema til forslag, opnår man et forskningsoutput, der er både hurtigt og forsvarligt.
Ansøgningsopgave
- Anonymiser dine 8-10 (eller fiktive) interview-/undersøgelsessvar.
- Skriv dit eget kodeskema (6-8 etiketter) og få det kodet af kunstig intelligens med den første prompt.
- Fjern temaer med den anden prompt; Bemærk, hvor mange deltagere der optræder for hvert tema.
- Test det stærkeste tema med den tredje prompt: sammenlign understøttende og gendrivende citater.
- Skriv et tema i form af indsigt + forslag + berørt skærm og kortlæg evidenskæden.
tjekliste
- [ ] Jeg gav mit kodningsskema til AI på forhånd.
- [ ] Jeg knyttede hvert tema til mindst ét ordret citat.
- [ ] Jeg talte, hvor mange individuelle deltagere, der dukkede op for hvert tema.
- [ ] Jeg korrigerede ofte overdrevne følelsesmæssige udtryk.
- [ ] Jeg tog en bevidst beslutning om at eliminere minoritetssignaler.
- [ ] Jeg koblede indsigterne til det konkrete designforslag og den berørte skærm.