سود:
- توانایی تولید پیش نویس های شخصیتی مبتنی بر شواهد بر اساس داده های تحقیقاتی با هوش مصنوعی و حذف کلیشه ها و کلیشه ها
- امکان پیش نویس مراحل، اعمال، افکار، احساسات و نقاط درد نقشه سفر کاربر با پشتیبانی از هوش مصنوعی
- امکان پرچمگذاری مفروضاتی که بر اساس دادهها نیستند، با آزمایش پرسونای ساخته شده با دادههای بخش واقعی
شخصیت و نقشه سفر کاربر، بینش حاصل از تحقیق را به ابزارهای ملموسی تبدیل می کند که تیم در طول روز به آنها نگاه می کند. پرسونا یک نمایه خیالی اما مبتنی بر داده است که نشان دهنده بخش واقعی کاربر است: اهداف، موانع، زمینه آنها. نقشه سفر کاربر یک روایت تصویری است که گام به گام نشان میدهد که کاربر چه میکند، چه فکر میکند، چه احساسی دارد و در حین رسیدن به هدف کجا گیر میکند. هوش مصنوعی پیش نویس هر دو را در چند دقیقه تولید می کند. اما خطرناک ترین تله در اینجا نهفته است: هوش مصنوعی می تواند شخصیت هایی با صدای "واقعی" بدون داده ایجاد کند. این واحد به شما می آموزد که بدون کاهش سرعت به شواهد پایبند باشید.
پرسونا: باید بر اساس شواهد باشد، نه فانتزی
تنها تفاوت بین یک شخصیت خوب و یک شخصیت بد، نگرش است. شخصیت بد فرضیات ذهن طراح را در قالبی زیبا قرار می دهد: "آیشه، 34 ساله، با فناوری خوب، راه حل های عملی را دوست دارد." اگر هیچ یک از این جملات مبتنی بر تحقیق نباشد، پرسونا فقط یک تزئین است و به تصمیمات اشتباه مشروعیت می بخشد.
یک شخصیت خوب هر ادعایی را بر اساس تحقیقات استوار می کند. در پشت جمله "کاربران در نصب گیر کرده اند" داده های "5 از 8 شرکت کننده قادر به تکمیل نصب اولیه نبودند" وجود دارد. هنگام کار با هوش مصنوعی، قانون تغییر نمی کند: خلاصه تحقیق را به عنوان منبع به مدل بدهید و از آن بخواهید که فقط از این منبع یک پرسونا ایجاد کند، نه اینکه ویژگی هایی را اضافه کند که مبنایی ندارند.
احتیاط: هوش مصنوعی بسیار قادر به "پر کردن شکاف ها" است. ممکن است به طور خود به خود جزئیاتی مانند سن، درآمد و عاداتی را ایجاد کند که شما ارائه نمی کنید. اگر این جزئیات از داده ها به دست نیاید، پرسونا قابل اعتماد نیست.
حذف کلیشه ها و تعصبات
پرسوناها جایی هستند که سوگیری هوش مصنوعی به وضوح آشکار می شود. این مدل کلیشهها را از دادههای آموزشی به نمایهها منتقل میکند: «کاربر مسنتر از فناوری میترسد»، «کاربر جوان بیصبر است»، رفتارهایی که به حرفه یا جنسیت خاص نسبت داده میشوند. این تعمیم ها هم اشتباه است و هم از نظر اخلاقی قابل اعتراض.
روش تصفیه سه مرحله دارد:
- علامت گذاری: هر جمله تعمیم را در خروجی اسکن کنید ("همه"، "معمولا"، "افراد این سن").
- تست: آیا این جمله در داده های تحقیق معادلی دارد؟
- تصحیح یا حذف: اگر دلیلی برای آن وجود دارد، آن را به مدرک پیوست کنید، در غیر این صورت حذف کنید. با «نرم کردن آن» کلیشه را حفظ نکنید. اگر مدرکی وجود نداشته باشد می رود.
بیان شخصی
مشکل
تصحیح مبتنی بر شواهد
"کاربران مسن تر از فناوری می ترسند"
کلیشه مبتنی بر سن
"5 از 6 شرکت کننده انتظار متن تضمین اضافی با ویژگی جدید را داشتند"
"کاربران جوان بی تاب هستند"
تعمیم نسلی
"شرکت کنندگان جریان را بیش از 3 مرحله (بدون در نظر گرفتن سن) رها کردند."
"زنان سادگی می خواهند"
فرض جنسیتی
"جریان ساده در همه بخش ها ترجیح داده شد"
"رنگ مورد علاقه او آبی است"
اطلاعات تزئینی (تصمیم گیری تاثیری ندارد)
(تفریق - بر تصمیم طراحی تأثیر نمی گذارد)
آناتومی نقشه سفر کاربر
نقشه سفر معمولاً از خطوط زیر تشکیل شده است:
- فاز: دوره های اصلی مانند آگاهی، ارزیابی، استفاده و بازگشت.
- اقدام: کاری که کاربر در هر مرحله انجام می دهد.
- فکر: آنچه در ذهن شما می گذرد.
- عاطفه: چه احساسی دارد. معمولاً با یک منحنی ترسیم می شود.
- نقطه درد: کجا گیر می کند، عصبانی می شود، تسلیم می شود.
- فرصت: جایی که طراحی می تواند مداخله کند.
هوش مصنوعی به سرعت این اسکلت را پر می کند. اما خط "احساس" به ویژه خطرناک است: مدل به طور منطقی احساس کاربر را پیش بینی می کند، اما این پیش بینی حدس و گمان است مگر اینکه توسط داده های واقعی پشتیبانی شود. عواطف غیر قابل اثبات را روی نقشه به عنوان فرضیات علامت گذاری کنید. هنگامی که توسط استناد تحقیق تأیید شد، وضعیت "تأیید شده" را دریافت کنید.
سه کیف کوچک
مورد 1 - پیش نویس سریع، تعمیر واقعی. یک تیم 3 طرح پرسونا با هوش مصنوعی از 12 خلاصه مصاحبه تولید کرد. کار 25 دقیقه طول کشید. سپس 9 ویژگی هر شخص را با داده های تحقیق بررسی کرد. 4 ویژگی هیچ مبنایی نداشت و حذف شد. پرسونای باقی مانده هم سریع و هم قابل اعتماد بودند.
مورد 2 - کلیشه لو رفته. این هوش مصنوعی نوشت: «کاربران بازنشسته به بانکداری دیجیتال اعتماد ندارند. تیم به داده ها نگاه کرد: از هر 6 شرکت کننده بازنشسته، 5 نفر از بانکداری دیجیتال معمولی استفاده کردند. جمله کاملاً نادرست بود و حذف شد. با یک مشاهده مبتنی بر شواهد مانند "متن تضمین اضافی در انتظار ویژگی های جدید" جایگزین شد. درس: کلیشه های مبتنی بر سن توسط داده ها رد می شوند.
Case 3 — The sentiment curve is exaggerated. این مدل نوشت که کاربر هنگام تسویه حساب "عصبانی" شده است. در ضبطهای واقعی، کاربران فقط «تردید» بودند. طراح این احساس را برطرف کرد. زیرا «خشم» و «تردید» راهحلهای متفاوتی را میطلبد (یکی اعتماد، دیگری وضوح). درس: خط احساسات با شواهد کالیبره شده است.
چند شخصیت، چقدر جزئیات؟
یک دام رایج که طراحان جدید در آن می افتند، تولید شخصیت های بسیار زیاد و بیش از حد دقیق است. هوش مصنوعی این تله را بزرگتر میکند: هر تعداد شخصیتی که میخواهید، با جزئیاتی که میخواهید، در چند ثانیه میرسند. با این حال، آنچه ارزشمند است، کم است، اما محکم است. برای اکثر محصولات، 2-3 شخصیت اصلی کافی است. هر یک باید یک بخش واقعی کاربر را نشان دهد و بتواند تصمیمات طراحی را متمایز کند. اگر دو شخصیت تقریباً یکسان رفتار کنند، احتمالاً یک شخصیت است. در بخش جزئیات، معیار این است: هر اطلاعاتی که به پرسونا اضافه میشود، اگر بر تصمیم طراحی تأثیر بگذارد، ارزشمند است. اگر تحت تأثیر قرار نگیرد (مثلاً رنگ مورد علاقه کاربر) زینتی است و باید حذف شود. هنگام درخواست شخصیت از هوش مصنوعی، گفتن "فقط ویژگی هایی را اضافه کنید که بر تصمیم طراحی تاثیر می گذارد" عملی ترین راه برای خلاص شدن از شر این تله ها است.
نکته: یک ویژگی پرسونا را آزمایش کنید: "آیا طراحی من تغییر خواهد کرد اگر این را تغییر دهم؟" اگر پاسخ منفی است، این ویژگی در پرسونا غیر ضروری است.
درخواست های قابل کپی
نقش شما: سینتی سایزر تحقیقات UX. منبع: خلاصه تحقیق ناشناس در زیر. وظیفه: حداکثر 2 طرح پرسونا را از این منبع ایجاد کنید. قانون: هر ویژگی را به یافته ای در منبع پیوند دهید و مبنای آن را در پرانتز بنویسید. هیچ ویژگی (سن، درآمد، عادات) را که مشابهی در منبع ندارد اضافه نکنید.
این طرح کلی شخصیت را برای تعصب بررسی کنید. هر جمله ای را که حاوی یک فرض کلی، کلیشه ای یا غیرمستند علامت گذاری کنید، بنویسید که چرا سوال برانگیز است، و مشخص کنید که آیا در داده های منبع پشتیبانی می شود یا خیر. Persona: <<text>> اطلاعات منبع: <<خلاصه>>
یک پیش نویس نقشه سفر کاربر را از شخصیت و خلاصه تحقیق زیر ایجاد کنید. خطوط: مرحله | اقدام | فکر | احساس | نقطه درد | فرصت. اگر منبعی برای هر سلول «احساس» و «نقطه درد» وجود دارد، یک نقل قول اضافه کنید. در غیر این صورت، سلول را با "[فرض]" علامت گذاری کنید. شخص: <<x>> خلاصه: <<y>>
سلول های علامت گذاری شده به [ASSUMPTION] را در این نقشه سفر فهرست کنید. برای هر کدام، بنویسید که چه سؤال تحقیقاتی دیگری این فرض را تأیید می کند. نقشه: <<جدول>>
اعلان ضعیف / اعلان قوی
ضعیف: "یک شخصیت کاربر تجارت الکترونیک ایجاد کنید."
نتیجه: نمایه ای کاملا ساخته شده، بی ربط به داده ها و پر از کلیشه.
Strong: "بیش از 2 شخصیت را از این خلاصه تحقیق استخراج نکنید؛ هر ویژگی را به یک یافته گره بزنید؛ جزئیاتی را که در منبع نیست اضافه نکنید؛ ناشناخته را به عنوان "بدون داده" رها کنید."
نتیجه: شخصیتی قابل دفاع بر اساس شواهد، با شکاف هایی که صادقانه به آن اشاره شده است.
تفاوت: اعلان قوی الزام منبع + ممنوعیت جعل + علامت گذاری مجهول می آورد.
اشتباهات رایج
- ایجاد پرسونا بدون داده گفتن به هوش مصنوعی برای «پرسوناسازی» مشروعیت کاذبی به مفروضات شما می دهد.
- حفظ کلیشه با نرم کردن آن. گفتن "کمی محتاط" این کلیشه را اصلاح نمی کند. اگر مدرکی وجود ندارد باید حذف شود.
- اشتباه گرفتن خط احساس با واقعیت مدل احساسات را پیش بینی می کند. عاطفه بدون شواهد یک فرض است.
- اصلا پرسونا رو آپدیت نمیکنه پرسونا همچنین باید با در دسترس قرار گرفتن تحقیقات جدید به روز شود. شخصیت منجمد گمراه کننده است.
- ایجاد شخصیت های بسیار زیاد 5-6 شخصیت تیم را فلج می کند. کمی نگه دارید، اما آنچه را که محکم است نگه دارید.
به طور خلاصه
شخصیت و نقشه سفر ابزارهای قدرتمندی هستند که تحقیقات را به زبان مشترک تیم ترجمه می کنند. اما قدرت آنها کاملاً از داده هایی می آید که بر اساس آنها است. هوش مصنوعی طرحی برای این ابزارها در عرض چند دقیقه ایجاد میکند، در حالی که کار واقعی اتصال هر ادعا به منبع، پرچمگذاری کلیشهها و آزمایش آنها در برابر دادهها، و جداسازی احساسات/نقاط درد غیرمستند به عنوان مفروضات است. شخصیتی که صادقانه شکافها را بهعنوان «بدون داده» رها میکند، بسیار ارزشمندتر از یک شخصیت «واقعگرا» پر از جزئیات ساختگی است.
وظیفه کاربردی
- 2 پیش نویس شخصیت را با اولین درخواست از یک خلاصه تحقیقاتی (واقعی یا تخیلی) ایجاد کنید.
- با فرمان دوم، پرسوناها را برای سوگیری بررسی کنید. هر جمله علامت گذاری شده را با داده ها تست کنید.
- حذف یا ایجاد "بدون داده" هر ویژگی ضعیف.
- با درخواست سوم، نقشه سفر را از یک شخصیت تهیه کنید.
- سلولهای [فرض] را در نقشه فهرست کنید و برای هر کدام یک سؤال تأیید بنویسید.
چک لیست
- [ ] من شخصیت را بر اساس خلاصه تحقیق استوار کردم، آن را از روی تخیل خلق نکردم.
- [ ] هیچ ویژگی به شخصیت اضافه نکردم که در منبع نبود.
- [ ] کلیشه ها و کلیات را علامت گذاری کردم و با داده ها تست کردم.
- [ ] من احساسات و نقاط درد را با شواهد تأیید کردم و موارد بدون پشتوانه را علامت زدم.
- [ ] من تعداد شخصیت ها را قابل مدیریت نگه داشتم.
- [ ] من سؤالات تأیید را برای مفروضات آماده کردم.