Erstellung von Persona- und User-Journey-Karten

Gewinne:

• Fähigkeit, evidenzbasierte Persona-Entwürfe auf Basis von Forschungsdaten mit künstlicher Intelligenz zu erstellen und Stereotypen und Klischees zu beseitigen
• Fähigkeit, mit Unterstützung künstlicher Intelligenz die Phasen, Aktionen, Gedanken, Emotionen und Schmerzpunkte der User Journey Map zu entwerfen
• Möglichkeit, Annahmen zu kennzeichnen, die nicht auf Daten basieren, indem erfundene Personas mit realen Segmentdaten getestet werden

Die Persona- und User-Journey-Map übersetzen die Erkenntnisse aus der Recherche in konkrete Tools, mit denen sich das Team den ganzen Tag über beschäftigen wird. Eine Persona ist ein fiktives, aber datengesteuertes Profil, das ein reales Benutzersegment repräsentiert: seine Ziele, seine Barrieren, seinen Kontext. Eine User Journey Map ist eine visuelle Erzählung, die Schritt für Schritt zeigt, was ein Benutzer tut, was er denkt, was er fühlt und wo er beim Erreichen eines Ziels stecken bleibt. KI erstellt in wenigen Minuten Entwürfe für beides. Doch hierin liegt die gefährlichste Falle: Künstliche Intelligenz kann ohne Daten „real“ klingende Personas erstellen. In dieser Einheit lernen Sie, sich an Beweise zu halten, ohne dabei an Geschwindigkeit einzubüßen.

Persona: muss auf Beweisen basieren, nicht auf Fantasie

Der einzige Unterschied zwischen einer guten und einer schlechten Persona ist die Einstellung. Die schlechte Person bringt die Annahmen im Kopf des Designers in eine schöne Vorlage: „Ayşe, 34 Jahre alt, gut mit Technik, liebt praktische Lösungen.“ Wenn keiner dieser Sätze auf einer Recherche beruht, ist die Persona nur Dekoration und legitimiert Fehlentscheidungen.

Eine gute Persona basiert jeden Anspruch auf Recherche. Hinter dem Satz „Benutzer stecken in der Installation fest“ steht die Angabe „5 von 8 Teilnehmern konnten die Erstinstallation nicht abschließen“. Bei der Arbeit mit künstlicher Intelligenz ändert sich die Regel nicht: Geben Sie dem Modell die Forschungszusammenfassung als Quelle und bitten Sie es, nur aus dieser Quelle eine Persona zu erstellen und keine Merkmale hinzuzufügen, die keiner Grundlage entbehren.

Achtung: KI ist durchaus in der Lage, „Lücken zu schließen“; Es können spontan Angaben wie Alter, Einkommen und Gewohnheiten gemacht werden, die Sie nicht angeben. Stammen diese Angaben nicht aus den Daten, ist die Persona nicht verlässlich.

Beseitigung von Stereotypen und Vorurteilen

Personas sind der Ort, an dem die KI-Voreingenommenheit am deutlichsten zum Vorschein kommt. Das Modell überträgt Stereotypen aus den Trainingsdaten in Profile: „Ältere Nutzer haben Angst vor Technik“, „Junge Nutzer sind ungeduldig“, Verhaltensweisen, die bestimmten Berufen oder dem Geschlecht zugeschrieben werden. Diese Verallgemeinerungen sind sowohl falsch als auch ethisch verwerflich.

Die Reinigungsmethode besteht aus drei Schritten:

1. Markieren Sie: Scannen Sie jeden Verallgemeinerungssatz in der Ausgabe („jeder“, „normalerweise“, „Personen in diesem Alter“).
2. Test: Gibt es für diesen Satz eine Entsprechung in den Forschungsdaten?
3. Korrigieren oder entfernen: Wenn es eine Grundlage dafür gibt, fügen Sie diese dem Beweis bei, andernfalls löschen Sie sie. Halten Sie das Klischee nicht aufrecht, indem Sie es „abmildern“; Wenn es keinen Beweis gibt, geht er.

Persona-Ausdruck

Problem

Evidenzbasierte Korrektur

„Ältere Nutzer haben Angst vor Technik“

Altersbedingtes Stereotyp

„5 von 6 Teilnehmern erwarteten mit der neuen Funktion zusätzlichen Bestätigungstext“

„Junge Nutzer sind ungeduldig“

Generationsverallgemeinerung

„Teilnehmer brachen den Flow nach mehr als 3 Schritten ab (unabhängig vom Alter)“

„Frauen wollen Einfachheit“

Geschlechtsannahme

„Einfacher Ablauf wurde in allen Segmenten bevorzugt“

„Seine Lieblingsfarbe ist Blau“

Dekorative Informationen (haben keinen Einfluss auf die Entscheidung)

(Subtrahieren – hat keinen Einfluss auf die Entwurfsentscheidung)

Anatomie der User Journey Map

Eine Reisekarte besteht normalerweise aus Zeilen:

• Phase: Wichtige Phasen wie Bewusstsein, Bewertung, Nutzung und Rückgabe.
• Aktion: Was der Benutzer in jeder Phase tut.
• Gedanke: Was dir durch den Kopf geht.
• Emotion: Was fühlt man; Es wird normalerweise mit einer Kurve gezeichnet.
• Schmerzpunkt: Wo bleibt man stecken, wird wütend, gibt auf?
• Chance: Wo Design eingreifen kann.

Künstliche Intelligenz füllt dieses Skelett schnell aus. Aber die „Emotion“-Linie ist besonders riskant: Das Modell sagt vernünftigerweise voraus, was der Benutzer fühlt, aber diese Vorhersage ist eine Vermutung, sofern sie nicht durch echte Daten gestützt wird. Markieren Sie unbegründete Emotionen auf der Karte als Annahmen; Erhalten Sie den Status „verifiziert“, wenn Sie durch eine Forschungszitierung bestätigt werden.

drei Mini-Koffer

Fall 1 – Schneller Entwurf, echte Lösung. Ein Team erstellte mit KI drei Persona-Skizzen aus 12 Interviewzusammenfassungen; Die Arbeit dauerte 25 Minuten. Dann überprüfte er 9 Merkmale jeder Persona anhand der Forschungsdaten; 4 Features entbehrten jeder Grundlage und wurden entfernt. Die übrigen Personas waren sowohl schnell als auch zuverlässig.

Fall 2 – Durchgesickertes Klischee. „Benutzer im Ruhestand vertrauen dem digitalen Banking nicht“, schrieb die KI-Persönlichkeit. Das Team schaute sich die Daten an: 5 von 6 Teilnehmern im Ruhestand nutzten regelmäßig digitales Banking. Der Satz war völlig falsch und wurde entfernt; ersetzt durch eine evidenzbasierte Beobachtung wie „zusätzlicher Zusicherungstext zu neuen Funktionen ausstehend“. Lektion: Altersstereotype werden durch Daten widerlegt.

Fall 3 – Die Stimmungskurve ist übertrieben. Das Model schrieb, dass der Benutzer beim Bezahlen „wütend“ gewesen sei. Bei den tatsächlichen Aufnahmen seien die Nutzer lediglich „zögerlich“ gewesen. Der Designer hat das Gefühl festgelegt; denn „Wut“ und „Zögern“ erfordern unterschiedliche Lösungen (die eine ist Vertrauen, die andere ist Klarheit). Lektion: Die Emotionslinie wird anhand von Beweisen kalibriert.

Wie viele Personas, wie viele Details?

Eine häufige Falle, in die neue Designer tappen, besteht darin, zu viele und übermäßig detaillierte Personas zu erstellen. KI vergrößert diese Falle: So viele Personas, wie Sie möchten, mit so vielen Details, wie Sie möchten, kommen in Sekundenschnelle an. Was jedoch wertvoll ist, ist wenig, aber solide. Für die meisten Produkte reichen 2-3 primäre Personas aus; Jeder muss ein echtes Benutzersegment repräsentieren und in der Lage sein, Designentscheidungen zu differenzieren. Wenn sich zwei Personas nahezu gleich verhalten, handelt es sich wahrscheinlich um eine Persona. Auf der Detailseite lautet das Kriterium: Jede der Persona hinzugefügte Information ist wertvoll, wenn sie eine Designentscheidung beeinflusst; Wenn es nicht überzeugt (z. B. die Lieblingsfarbe des Benutzers), ist es dekorativ und sollte entfernt werden. Wenn Sie eine Persona von der künstlichen Intelligenz anfordern, ist die Aussage „Fügen Sie nur Funktionen hinzu, die sich auf die Designentscheidung auswirken“ der praktischste Weg, um dieses Drum und Dran loszuwerden.

Tipp: Testen Sie eine Persona-Funktion: „Ändert sich mein Design, wenn ich dies ändere?“ Wenn die Antwort „Nein“ lautet, ist diese Funktion in der Persona nicht erforderlich.

Kopierbare Eingabeaufforderungen

Ihre Rolle: UX-Forschungssynthesizer. Quelle: Anonymisierte Forschungszusammenfassung unten. Aufgabe: Erstellen Sie bis zu zwei Persona-Skizzen aus dieser Quelle. Regel: Verknüpfen Sie jedes Merkmal mit einem Befund in der Quelle und schreiben Sie die Basis in Klammern. FÜGEN Sie KEINE Merkmale (Alter, Einkommen, Gewohnheiten) hinzu, die kein Gegenstück in der Quelle haben. Belassen Sie unbekannte Felder als „Keine Daten“. Quelle: <<Zusammenfassung>>

Überprüfen Sie diese Persona-Übersicht auf Voreingenommenheit. Markieren Sie jeden Satz, der eine Verallgemeinerung, ein Klischee oder eine unbegründete Annahme enthält, schreiben Sie, warum er fragwürdig ist, und geben Sie an, ob er in den Quelldaten unterstützt wird. Persona: <<text>> Quelldaten: <<summary>>

Erstellen Sie einen Entwurf einer User Journey Map aus der Persona und dem Forschungsbrief unten. Zeilen: Phase | Aktion | Gedanke | Emotion | Schmerzpunkt | Gelegenheit. Fügen Sie jeder „Emotion“- und „Painpoint“-Zelle ein Zitat hinzu, wenn es eine Quelle dafür gibt; andernfalls markieren Sie die Zelle mit „[ASSUMPTION]“. Persona: <<x>> Zusammenfassung: <<y>>

Listen Sie die mit [ANNAHME] gekennzeichneten Zellen auf dieser Reisekarte auf. Schreiben Sie jeweils auf, welche zusätzliche Forschungsfrage diese Annahme bestätigen würde. Karte: <<Tabelle>>

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwach: „Erstellen Sie eine E-Commerce-Benutzerpersönlichkeit.“

Das Ergebnis: ein komplett erfundenes, datenunabhängiges und voller Klischees.

Stark: „Extrahieren Sie nicht mehr als 2 Personas aus dieser Forschungszusammenfassung; verknüpfen Sie jedes Merkmal mit einem Ergebnis; fügen Sie keine Details hinzu, die nicht in der Quelle enthalten sind; belassen Sie das Unbekannte als ‚keine Daten‘.“

Das Ergebnis: eine vertretbare Persona, die auf Beweisen basiert und auf deren Lücken ehrlich hingewiesen wird.

Unterschied: starke Aufforderung bringt Quellenverpflichtung + Herstellungsverbot + Kennzeichnung des Unbekannten mit sich.

Häufige Fehler

• Personas ohne Daten erstellen. Wenn Sie der KI sagen, sie solle „eine Persona“ erstellen, werden Ihre Annahmen falsch legitimiert.
• Das Klischee beibehalten, indem man es abmildert. „Ein wenig vorsichtig“ zu sagen, korrigiert das Klischee nicht; Wenn es keine Beweise gibt, sollten diese entfernt werden.
• Die Emotionslinie mit der Realität verwechseln. Das Modell sagt Emotionen voraus; Emotionen ohne Beweise sind Annahmen.
• Die Persona wird überhaupt nicht aktualisiert. Die Persona sollte auch aktualisiert werden, sobald neue Forschungsergebnisse verfügbar sind; Frozen Persona ist irreführend.
• Zu viele Personas erstellen. 5-6 Persona lähmt das Team; Behalte ein wenig, aber halte an dem fest, was fest ist.

Zusammenfassend

Persona und Journey Map sind leistungsstarke Werkzeuge, die Forschung in die gemeinsame Sprache des Teams übersetzen; Ihre Macht beruht jedoch ausschließlich auf den Daten, auf denen sie basieren. KI erstellt in wenigen Minuten einen Entwurf für diese Tools, während die eigentliche Arbeit darin besteht, jede Behauptung mit der Quelle zu verknüpfen, Klischees zu kennzeichnen und sie anhand von Daten zu testen sowie unbegründete Stimmungs-/Schmerzpunkte als Annahmen zu isolieren. Eine Persona, die die Lücken ehrlich als „keine Daten“ belässt, ist viel wertvoller als eine „realistische“ Persona voller erfundener Details.

Anwendungsaufgabe

1. Generieren Sie 2 Persona-Entwürfe mit der ersten Eingabeaufforderung aus einem Forschungsauftrag (real oder fiktiv).
2. Überprüfen Sie die Personas mit der zweiten Eingabeaufforderung auf Voreingenommenheit. Testen Sie jeden markierten Satz mit Daten.
3. Entfernen Sie alle schwachen Funktionen oder machen Sie sie zu „keine Daten“.
4. Entwerfen Sie mit der dritten Eingabeaufforderung eine Reisekarte von einer Persona.
5. Listen Sie die [ANNAHME]-Zellen in der Karte auf und schreiben Sie für jede eine Bestätigungsfrage.

Checkliste

• [ ] Ich habe die Persona auf der Forschungszusammenfassung basiert, ich habe sie nicht aus Fantasie erstellt.
• [ ] Ich habe der Persona keine Funktionen hinzugefügt, die nicht in der Quelle enthalten waren.
• [ ] Ich habe die Klischees und Verallgemeinerungen markiert und mit den Daten getestet.
• [ ] Ich habe die Gefühle und Schmerzpunkte mit Beweisen bestätigt und die nicht unterstützten markiert.
• [ ] Ich habe die Anzahl der Personas überschaubar gehalten.
• [ ] Ich habe Überprüfungsfragen für die Annahmen vorbereitet.