הפקת מפות פרסונות ומסע משתמש

רווחים:

• יכולת לייצר טיוטות אישיות מבוססות ראיות המבוססות על נתוני מחקר עם בינה מלאכותית ולחסל סטריאוטיפים וקלישאות
• יכולת לנסח את השלבים, הפעולות, המחשבות, הרגשות ונקודות הכאב של מפת מסע המשתמש בתמיכה של בינה מלאכותית
• יכולת לסמן הנחות שאינן מבוססות על נתונים על ידי בדיקת פרסונות מורכבות עם נתוני פלחים אמיתיים

מפת הפרסונה והמסע של המשתמש מתרגמת את התובנות מהמחקר לכלים מוחשיים שהצוות יסתכל עליהם במהלך היום. פרסונה היא פרופיל בדיוני אך מונחה נתונים המייצג פלח משתמשים אמיתי: המטרות שלהם, המחסומים שלהם, ההקשר שלהם. מפת מסע משתמש היא נרטיב ויזואלי שמראה שלב אחר שלב מה משתמש עושה, מה הוא חושב, מה הוא מרגיש והיכן הוא נתקע תוך כדי השגת מטרה. AI מייצר טיוטות של שניהם תוך דקות. אבל כאן טמונה המלכודת המסוכנת ביותר: בינה מלאכותית יכולה ליצור פרסונות "אמיתיות" ללא נתונים. יחידה זו מלמדת אותך לדבוק בראיות מבלי להקריב מהירות.

פרסונה: חייבת להיות מבוססת על ראיות, לא על פנטזיה

ההבדל היחיד בין פרסונה טובה לפרסונה רעה הוא הגישה. הפרסונה הרעה מכניסה את ההנחות במוחו של המעצב לתבנית יפהפיה: "אייש, בת 34, טובה בטכנולוגיה, אוהבת פתרונות פרקטיים". אם אף אחד מהמשפטים האלה לא מבוסס על מחקר, הפרסונה היא רק קישוט ומעניקה לגיטימציה להחלטות שגויות.

פרסונה טובה מבססת כל טענה על מחקר. מאחורי המשפט "המשתמשים תקועים בהתקנה" עומדים הנתונים "5 מתוך 8 משתתפים לא הצליחו להשלים את ההתקנה הראשונית". בעבודה עם בינה מלאכותית הכלל לא משתנה: תנו למודל את תקציר המחקר כמקור ובקשו ממנו ליצור פרסונה רק ממקור זה, לא להוסיף תכונות שאין להן בסיס.

זהירות: בינה מלאכותית מסוגלת מאוד "למלא את החסר"; זה עשוי להמציא באופן ספונטני פרטים כגון גיל, הכנסה והרגלים שאינך מספק. אם הפרטים הללו אינם מגיעים מהנתונים, הפרסונה אינה אמינה.

ביטול סטריאוטיפים והטיות

פרסונות הן המקום שבו הטיית בינה מלאכותית דולפת בצורה הכי גלויה החוצה. המודל מעביר סטריאוטיפים מנתוני ההכשרה לפרופילים: "משתמש מבוגר מפחד מטכנולוגיה", "משתמש צעיר חסר סבלנות", התנהגויות המיוחסות למקצועות או מגדר ספציפיים. ההכללות הללו הן שגויות והן מעוררות התנגדות מבחינה אתית.

לשיטת הטיהור שלושה שלבים:

1. סימון: סרוק כל משפט הכללה בפלט ("כולם", "בדרך כלל", "אנשים בגיל הזה").
2. מבחן: האם למשפט הזה יש מקבילה בנתוני המחקר?
3. תקן או הסר: אם יש לכך בסיס, צרף לראיה, אחרת מחק. אל תשמרו על הקלישאה על ידי "לרכך אותה"; אם אין הוכחה, הוא עוזב.

ביטוי פרסונה

בעיה

תיקון מבוסס ראיות

"משתמשים מבוגרים מפחדים מטכנולוגיה"

סטריאוטיפ מבוסס גיל

"5 מתוך 6 משתתפים ציפו לטקסט הבטחה נוסף עם התכונה החדשה"

"משתמשים צעירים חסרי סבלנות"

הכללה דורית

"המשתתפים נטשו את הזרימה מעבר ל-3 שלבים (ללא קשר לגיל)"

"נשים רוצות פשטות"

הנחה מגדרית

"זרימה פשוטה הועדפה בכל הקטעים"

"הצבע האהוב עליו הוא כחול"

מידע נוי (לא משפיע על ההחלטה)

(הורדה - לא משפיע על החלטת התכנון)

האנטומיה של מפת המסע של המשתמש

מפת מסע מורכבת בדרך כלל מקווים:

• שלב: תקופות עיקריות כמו מודעות, הערכה, שימוש והחזרה.
• פעולה: מה המשתמש עושה בכל שלב.
• מחשבה: מה עובר לך בראש.
• רגש: מה מרגישים; זה בדרך כלל מצויר עם עקומה.
• נקודת כאב: איפה נתקעים, כועסים, מוותרים.
• הזדמנות: איפה העיצוב יכול להתערב.

הבינה המלאכותית ממלאת את השלד הזה במהירות. אבל קו ה"רגש" מסוכן במיוחד: המודל מנבא באופן סביר את מה שהמשתמש מרגיש, אבל חיזוי זה הוא ניחוש אלא אם כן נתמך בנתונים אמיתיים. סמן רגשות לא מבוססים על המפה כהנחות; קבל סטטוס "מאומת" כאשר יאושר על ידי ציטוט מחקר.

שלושה מיני תיקים

מקרה 1 - טיוטה מהירה, תיקון אמיתי. צוות אחד הפיק 3 סקיצות פרסונה עם AI מ-12 סיכומי ראיונות; העבודה ארכה 25 דקות. אחר כך הוא בדק 9 מאפיינים של כל פרסונה מול נתוני המחקר; ל-4 תכונות לא היה בסיס והוסרו. הפרסונות הנותרות היו גם מהירות וגם אמינות.

מקרה 2 - קלישאה דלפה. "משתמשים בדימוס אינם סומכים על בנקאות דיגיטלית", נכתב בפרסונת הבינה המלאכותית. הצוות בחן את הנתונים: 5 מתוך 6 משתתפים שפרשו השתמשו בבנקאות דיגיטלית רגילה. המשפט היה שגוי לחלוטין והוסר; הוחלף בתצפית מבוססת ראיות כגון "טקסט הבטחה נוסף הממתין לתכונות חדשות". לקח: סטריאוטיפים מבוססי גיל מופרכים על ידי נתונים.

מקרה 3 - עקומת הסנטימנט מוגזמת. הדוגמנית כתבה שהמשתמש "זעם" בקופה. בהקלטות בפועל, המשתמשים פשוט היו "מהססים". המעצב תיקן את הסנטימנט; כי "כעס" ו"היסוס" דורשים פתרונות שונים (אחד הוא אמון, השני הוא בהירות). שיעור: קו הרגש מכויל עם ראיות.

כמה פרסונות, כמה פרטים?

מלכודת נפוצה שמעצבים חדשים נופלים אליה היא יצירת פרסונות רבות מדי ומפורטות מדי. בינה מלאכותית מגדילה את המלכודת הזו: כמה פרסונות שאתה רוצה, עם כמה פרטים שאתה רוצה, מגיעות תוך שניות. עם זאת, מה שיש לו ערך הוא מעט אבל מוצק. עבור רוב המוצרים, 2-3 פרסונות ראשוניות מספיקות; כל אחד מהם חייב לייצג פלח משתמשים אמיתי ולהיות מסוגל להבדיל החלטות עיצוביות. אם שתי פרסונות מתנהגות כמעט אותו דבר, כנראה שזו פרסונה אחת. בצד הפירוט, הקריטריון הוא זה: כל מידע שנוסף לפרסונה הוא בעל ערך אם הוא משפיע על החלטת עיצוב; אם הוא לא מרשים (למשל, הצבע האהוב על המשתמש), הוא נוי ויש להסירו. כאשר מבקשים פרסונה מבינה מלאכותית, האמירה "הוסף רק תכונות המשפיעות על החלטת העיצוב" היא הדרך המעשית ביותר להיפטר מהחפצים הללו.

טיפ: בדוק תכונת פרסונה: "האם העיצוב שלי ישתנה אם אשנה את זה?" אם התשובה היא לא, התכונה הזו מיותרת בפרסונה.

הנחיות הניתנות להעתקה

התפקיד שלך: סינתיסייזר מחקר UX.מקור: סיכום מחקר אנונימי למטה.משימה: צור עד 2 סקיצות אישיות ממקור זה. כלל: קשר כל תכונה לממצא במקור וכתוב את הבסיס בסוגריים.אל תוסיף תכונות כלשהן (גיל, הכנסה, הרגלים) שאין להן מקבילה במקור. השאר שדות לא ידועים>> <<no datamary".

בדוק את מתווה הפרסונה הזה עבור הטיה. סמנו כל משפט שמכיל הכללה, קלישאה או הנחה לא מבוססת, כתבו מדוע הוא מוטל בספק, וציינו האם הוא נתמך בנתוני המקור. פרסונה: <<text>> נתוני מקור: <<סיכום>>

צור טיוטה של מפת מסע משתמש מהפרסונה והמחקר שלהלן. שורות: שלב | פעולה | מחשבה | רגש | נקודת כאב | הזדמנות. הוסף ציטוט לכל תא "רגש" ו"נקודת כאב" אם יש מקור לכך; אחרת, סמן את התא עם "[הנחה]". איש: <<x>> סיכום: <<y>>

רשום את התאים המסומנים [הנחה] במפת המסע הזו. עבור כל אחד מהם, כתוב איזו שאלת מחקר נוספת תאשר את ההנחה הזו. מפה: <<table>>

הנחיה חלשה / הנחיה חזקה

חלש: "צור דמות משתמש מסחר אלקטרוני".

התוצאה: פרופיל מורכב לגמרי, לא רלוונטי לנתונים ומלא בקלישאות.

חזק: "חלץ לא יותר מ-2 פרסונות מסיכום המחקר הזה; קשר כל תכונה לממצא; אל תוסיף פרטים שאינם במקור; השאר את הלא נודע כ'אין נתונים'."

התוצאה: פרסונה ברת הגנה המבוססת על ראיות, עם פערים שצוינו ביושר.

הבדל: הנחיה חזקה מביאה חובת מקור + איסור בדיה + סימון הלא נודע.

טעויות נפוצות

• יצירת פרסונות ללא נתונים. להגיד ל-AI "לעשות פרסונה" נותן לגיטימציה כוזבת להנחות שלך.
• שמירה על הקלישאה על ידי ריכוכו. אמירת "קצת זהירה" אינה מתקנת את הסטריאוטיפ; אם אין ראיות, יש להסיר אותן.
• טעות בקו הרגש במציאות. המודל מנבא רגש; רגש ללא ראיות הוא הנחה.
• לא מעדכן את הפרסונה בכלל. יש לעדכן את הפרסונה גם כאשר מחקר חדש הופך זמין; פרסונה קפואה מטעה.
• יצירת יותר מדי פרסונות. 5-6 פרסונות משתקות את הצוות; תשמור קצת, אבל תחזיק במה שנקבע.

לסיכום

פרסונה ומפת מסע הם כלים רבי עוצמה המתרגמים מחקר לשפה המשותפת של הצוות; אבל הכוח שלהם נובע כולו מהנתונים עליהם הם מבוססים. בינה מלאכותית מייצרת תוכנית לכלים אלה תוך דקות, בעוד שהעבודה האמיתית היא חיבור כל טענה למקור, סימון קלישאות ובדיקתן מול נתונים, ובידוד סנטימנטים/נקודות כאב לא מבוססות כהנחות. פרסונה שבכנות משאירה את הפערים כ"אין נתונים" היא הרבה יותר בעלת ערך מפרסונה "ריאליסטית" מלאה בפרטים מורכבים.

משימת יישום

1. צור 2 טיוטות אישיות עם ההנחיה הראשונה מתוך תקציר מחקר (אמיתי או בדיוני).
2. בדוק את הפרסונות עבור הטיה עם ההנחיה השנייה; בדוק כל משפט מסומן עם נתונים.
3. הסר או הפוך "ללא נתונים" כל תכונות קלושות.
4. עם ההנחיה השלישית, נסח מפת מסע מתוך פרסונה.
5. רשום את התאים [הנחה] במפה וכתוב שאלת אימות לכל אחד מהם.

רשימת בדיקה

• [ ] ביססתי את הפרסונה על סיכום המחקר, לא יצרתי אותו מדמיון.
• [ ] לא הוספתי תכונות לפרסונה שלא היו במקור.
• [ ] סימנתי את הקלישאות וההכללות ובדקתי אותן עם הנתונים.
• [ ] אישרתי את התחושות ואת נקודות הכאב בראיות, וסימנתי את הבלתי נתמכות.
• [ ] שמרתי את מספר הפרסונות לניהול.
• [ ] הכנתי שאלות אימות להנחות.