Keuntungan:
- Kemampuan untuk mengubah transkrip wawancara mentah, tanggapan survei terbuka, dan tiket dukungan menjadi tema dan wawasan dengan kecerdasan buatan
- Kemampuan untuk mempercepat langkah-langkah analisis kualitatif seperti pemetaan afinitas dan pengkodean dengan dukungan kecerdasan buatan dan memverifikasi hasilnya dengan mata manusia
- Kemampuan untuk menyingkirkan tema yang dibuat atau dilebih-lebihkan oleh kecerdasan buatan dengan menghubungkannya kembali ke kutipan sebenarnya
Fase riset pengguna yang paling membosankan dan paling mudah dilewati adalah sintesis: mengubah lusinan wawancara, ratusan respons survei, dan tiket dukungan (permintaan bantuan pengguna) menjadi wawasan yang bermakna. Pekerjaan ini memakan waktu berhari-hari; Itu sebabnya tim sering kali mengambil jalan pintas dan memutuskan berdasarkan perasaan. AI membuka hambatan ini: AI memecah teks mentah menjadi beberapa tema dalam hitungan menit, bukan jam. Namun sintesis bukanlah tugas "menghasilkan ringkasan"; Ini adalah alasan yang berbasis bukti dan dapat diaudit. Unit ini menunjukkan kepada Anda cara menjaga keaslian wawasan sekaligus menjadikan AI sebagai mitra sintesis Anda.
Apa itu wawasan, bukan ringkasan
Mari kita perjelas dulu istilahnya. Wawasan adalah pola bermakna yang muncul dari data dan memandu desain: "Pengguna menyerah bukan pada langkah checkout, namun saat pertama kali melihat biaya pengiriman." Ini bukan ringkasan ("Pengguna mengeluh tentang pembayaran"); juga bukan observasi (“Peserta 4 berhenti ketika melihat biaya pengiriman”). Wawasan menangkap penyebab umum yang mendasari banyak pengamatan dan membuka pintu bagi keputusan desain.
AI secara alami cenderung menghasilkan ringkasan. Tugas Anda adalah menariknya dari ringkasan ke wawasan: “mengapa?” dan “apa perubahan desainnya?” dengan menyematkan pertanyaan Anda ke dalam prompt.
Langkah-langkah analisis kualitatif dan tempat kecerdasan buatan
Analisis kualitatif (non-numerik, berbasis teks/observasi) secara klasik berlangsung dengan langkah-langkah berikut:
- Pengkodean: Setiap bagian yang bermakna dalam teks diberi label ("masalah biaya pengiriman", "kurang percaya diri").
- Diagram afinitas (pemetaan afinitas): Tag serupa dikelompokkan; kelompok menjadi tema.
- Prioritas tema: Tema mana yang dilihat oleh berapa banyak pengguna dan dengan intensitas apa yang ditentukan.
- Wawasan dan saran: Tema “apa yang harus dilakukan?” menghubungkan ke kalimat.
AI sangat mempercepat langkah 1 dan 2: memberikan pengkodean awal dan pengelompokan awal dalam hitungan menit. Namun, makna kelompok, pentingnya tema, dan keakuratan saran memerlukan verifikasi manusia. AI memberi Anda “draf peta pertama”; Anda mengoreksi peta sesuai kenyataan.
Tip: Sebelum Anda memberi tahu AI untuk "mengekstrak tema", berikan skema pengkodean Anda (daftar tag). Dengan cara ini, ia bekerja dalam bahasa umum semua orang dan hasilnya sebanding.
Rantai bukti: setiap tema tertaut ke kutipan
Aturan emas sintesis: setiap tema dikaitkan dengan setidaknya satu kutipan kata demi kata. Kutipan tersebut menjadi bukti bahwa tema tersebut nyata. Selalu sertakan persyaratan kutipan saat menanyakan tema kepada AI; Katakan padanya untuk tidak membuat tema yang kutipannya tidak dapat dia temukan. Dengan cara ini Anda menghentikan halusinasi pada sumbernya: tema yang dibuat-buat ditandai sebagai "tidak berdasar" karena tidak ada padanannya dalam sumbernya.
lapisan
contoh
sumber
pengamatan
"Peserta 4 meninggalkan troli ketika melihat biaya pengiriman"
rekaman satu lawan satu
Kode
"biaya tak terduga"
Pelabelan
tema
“Biaya tersembunyi merusak kepercayaan”
ulangi pada 5 peserta
wawasan
"Biaya pengiriman harus ditunjukkan lebih awal"
Saya meninggalkan temanya
Saran
"Tambahkan perkiraan pengiriman ke halaman produk"
Keputusan desain
Rantai ini dimulai ketika pemangku kepentingan bertanya “bagaimana kita mengetahui hal ini?” Saat Anda bertanya, ini memungkinkan Anda untuk kembali dari observasi ke kutipan.
tiga kasus mini
Kasus 1 — 240 tanggapan survei, 90 menit. Satu tim mengkodekan 240 respons survei terbuka (teks bebas) dengan kode AI. Model tersebut menyarankan 11 tema; Tim meninjaunya dalam 90 menit, mempersempitnya menjadi 7, menggabungkan 2 tema, dan menghapus 2 tema karena tidak didukung. Pekerjaan manual yang memakan waktu 2 hari dikurangi menjadi setengah hari dan rantai bukti dipertahankan.
Kasus 2 — Tema yang berlebihan tertangkap. AI menghasilkan tema kuat “pengguna membenci aplikasi”. Ketika tim melihat kutipan tersebut, mereka menemukan bahwa hanya 2 peserta yang bersikap kasar, sedangkan 18 peserta bersikap netral. Temanya ditulis ulang sebagai "kekecewaan yang intens pada aliran tertentu". Pelajaran: AI dapat melebih-lebihkan intensitas emosi; menghitung frekuensinya.
Kasus 3 — Tidak adanya opini minoritas. Meskipun model ini menyoroti tema-tema mayoritas, model ini meremehkan masalah aksesibilitas penting yang diangkat oleh 3 peserta sebagai “tidak penting.” Perancangnya memperhatikan hal ini dan menyimpannya sebagai temuan terpisah; Belakangan menjadi jelas bahwa masalah ini memengaruhi semua pengguna pembaca layar. Hikmahnya: sinyal minoritas tidak selalu “kurang penting”.
Perintah yang dapat disalin
Peran Anda: analis penelitian kualitatif. Skema pengkodean (tag): <<list>>Tugas: Kode transkrip anonim di bawah ini dengan tag ini.Tambahkan [Peserta
Ubah data berkode berikut menjadi diagram kedekatan: kelompokkan kode serupa, beri nama tema pada setiap grup. Untuk setiap tema: hitung berapa banyak peserta yang muncul, sertakan 2 kutipan terkuat, dan tulis penjelasan “mengapa” dalam satu kalimat. Tandai tema dengan bukti lemah secara terpisah.Data: <<kode>>
Saya ingin menguji tema berikut: "<<tema>>". Cantumkan secara terpisah kutipan yang MENDUKUNG dan MENOLAK tema ini di teks sumber. Di bagian akhir, evaluasi seberapa kuat tema tersebut didukung (kuat/sedang/lemah).Sumber: <<transkripsi>>
Ubah daftar tema ini menjadi wawasan dan saran. Untuk setiap tema: 1) wawasan satu kalimat (berisi “karena…”), 2) saran desain yang konkrit, 3) layar/aliran apa yang dipengaruhi oleh saran ini.Jangan dibuat-buat; Jika dasar lemah, tuliskan “diperlukan penelitian lebih lanjut”. Tema: <<daftar>>
Perintah lemah / Perintah kuat
Lemah: "Analisis percakapan ini dan beri tahu saya hasilnya."
Hasilnya: Ringkasan tanpa sumber, tanpa informasi frekuensi, dan bersifat berlebihan.
Kuat: "Kodekan transkrip ini dengan label yang saya berikan kepada Anda; hubungkan setiap tema dengan kutipan dari [Peserta
Hasil: Sintesis yang berfrekuensi tinggi, berbasis bukti, dan dapat diaudit.
Perbedaan: frekuensi prompt kuat + kutipan + prompt jangkar lemah; ini mencegah sikap berlebihan dan halusinasi.
Kesalahan umum
- Tidak menghitung frekuensi. Mengambil keputusan tanpa mengetahui apakah ada 2 atau 20 orang dibalik kalimat “Pengguna ingin X”.
- Mengambil intensitas emosi apa adanya. AI cenderung menonjolkan ekspresi yang kuat; Hal ini dapat menyembunyikan mayoritas netral.
- Menghilangkan sinyal minoritas. Masalah yang jarang dialami oleh sedikit orang mungkin bersifat kritis (misalnya aksesibilitas).
- Tidak memerlukan kutipan. Tema tanpa kutipan adalah tema yang tidak dapat diverifikasi.
- Selesai dalam satu putaran. Sintesis bersifat berulang; Uji keluaran pertama dan pertajam perintahnya.
Singkatnya
Sintesis adalah penalaran yang mengubah data mentah menjadi wawasan yang mendorong desain. AI sangat mempercepat langkah-langkah mekanis seperti pengkodean dan pengelompokan jarak, tetapi makna dan pentingnya wawasan tersebut tetap bersifat manusiawi. Aturan emasnya adalah menghubungkan setiap tema dengan kutipan literal; frekuensi hitung, koreksi emosi yang berlebihan, jangan lewatkan sinyal minoritas. Ketika Anda membangun rantai bukti yang membentang dari observasi hingga kutipan, dari tema hingga saran, Anda mencapai hasil penelitian yang cepat dan dapat dipertahankan.
Tugas aplikasi
- Anonimkan tanggapan wawancara/survei 8-10 (atau fiksi) Anda.
- Tulis skema pengkodean Anda sendiri (6-8 label) dan buat kode tersebut menggunakan kecerdasan buatan pada perintah pertama.
- Hapus tema dengan perintah kedua; Catat berapa banyak peserta yang muncul untuk setiap tema.
- Uji tema terkuat dengan perintah ketiga: bandingkan kutipan yang mendukung dan menyangkal.
- Tulis tema dalam bentuk wawasan + saran + layar yang terpengaruh dan bagan rantai buktinya.
daftar periksa
- [ ] Saya memberikan skema pengkodean saya kepada AI terlebih dahulu.
- [ ] Saya menghubungkan setiap tema ke setidaknya satu kutipan kata demi kata.
- [ ] Saya menghitung berapa banyak peserta yang muncul untuk setiap tema.
- [ ] Saya sering mengoreksi ekspresi emosi yang berlebihan.
- [ ] Saya membuat keputusan sadar apakah akan menghilangkan sinyal minoritas.
- [ ] Saya menghubungkan wawasan tersebut dengan proposal desain konkret dan layar yang terpengaruh.