利益:
- 人工知能を使用して研究データに基づいて証拠に基づいたペルソナの草案を作成し、固定観念や決まり文句を排除する能力
- 人工知能のサポートを受けて、ユーザージャーニーマップの段階、行動、思考、感情、問題点を作成する機能
- 実際のセグメントデータを使用して架空のペルソナをテストすることで、データに基づいていない仮定にフラグを立てる機能
ペルソナとユーザー ジャーニー マップは、調査からの洞察を、チームが 1 日を通して検討する具体的なツールに変換します。ペルソナは、実際のユーザー セグメント (ユーザーの目標、障壁、コンテキスト) を表す架空のデータ主導型プロファイルです。ユーザー ジャーニー マップは、ユーザーが何を行い、何を考え、何を感じ、目標を達成する際にどこで行き詰ったのかを段階的に示す視覚的な物語です。 AI は両方の草稿を数分で作成します。しかし、ここに最も危険な罠が潜んでいます。人工知能は、データがなくても「本物の」ようなペルソナを作成できるのです。この単元では、スピードを犠牲にすることなく証拠に固執することを学びます。
ペルソナ: 空想ではなく証拠に基づいている必要があります
良いペルソナと悪いペルソナの唯一の違いは態度です。悪いペルソナは、デザイナーの頭の中にある仮定を美しいテンプレートにまとめます。「アイシェ、34 歳、テクノロジーに精通し、実用的なソリューションが大好きです。」これらの文章がいずれも研究に基づいていない場合、そのペルソナは単なる飾りであり、誤った決定を正当化することになります。
優れたペルソナは、あらゆる主張を研究に基づいています。 「ユーザーがインストールでスタックしている」という文の背後には、「参加者 8 人中 5 人が初期インストールを完了できませんでした」というデータがあります。人工知能を使用する場合、ルールは変わりません。モデルに研究概要をソースとして与え、根拠のない機能を追加するのではなく、このソースのみからペルソナを作成するように依頼します。
注意: AI は「ギャップを埋める」能力が非常に高いです。あなたが提供していない年齢、収入、習慣などの詳細を自発的に作り上げることもあります。これらの詳細がデータから得られない場合、そのペルソナは信頼できません。
固定観念と偏見を排除する
ペルソナは、AI のバイアスが最も目に見えて漏れ出る場所です。このモデルは、「年配のユーザーはテクノロジーを恐れている」、「若いユーザーはせっかちである」、特定の職業や性別に起因する行動などの固定観念をトレーニング データからプロファイルに移します。これらの一般化は間違っており、倫理的に好ましくありません。
精製方法には 3 つのステップがあります。
- マーク: 出力内の各一般化文 (「みんな」、「通常」、「この年齢の人々」) をスキャンします。
- テスト: この文に相当する文が研究データにありますか?
- 修正または削除: 根拠がある場合は証拠に添付し、そうでない場合は削除します。 「柔らかくする」ことで決まり文句を維持しないでください。証拠がなければ、彼は立ち去ります。
ペルソナ表現
問題
証拠に基づいた修正
「年配のユーザーはテクノロジーを恐れている」
年齢に基づく固定観念
「参加者 6 人中 5 人は、新機能による追加の保証テキストを期待していました」
「若いユーザーはせっかちだ」
世代間の一般化
「参加者は3ステップを超えて流れを放棄した（年齢に関係なく）」
「女性はシンプルさを求める」
性別の仮定
「すべてのセグメントでシンプルなフローが好まれました」
「彼の好きな色は青です」
装飾情報（判断には影響しません）
(減算 — 設計上の決定には影響しません)
ユーザージャーニーマップの構造
ジャーニー マップは通常、次の線で構成されます。
- フェーズ：認知、評価、使用、返却などの主要な期間。
- アクション: ユーザーが各段階で行うこと。
- 思考: あなたの心をよぎるもの。
- 感情:人は何を感じますか。通常は曲線で描かれます。
- 問題点: どこで行き詰ったり、怒ったり、諦めたりするか。
- 機会: デザインが介入できる場所。
人工知能はこの骨格をすぐに埋めていきます。しかし、「感情」ラインは特に危険です。モデルはユーザーが何を感じているかを合理的に予測しますが、実際のデータで裏付けられない限り、その予測は推測にすぎません。根拠のない感情を仮定として地図上にマークします。研究引用によって確認された場合は「検証済み」ステータスを取得します。
ミニケース3個
ケース 1 — 簡単なドラフト、実際の修正。あるチームは、12 件のインタビュー概要から AI を使用して 3 つの人物スケッチを作成しました。作業には 25 分かかりました。次に、各ペルソナの 9 つの特徴を研究データと照合しました。 4 つの機能には根拠がなく、削除されました。残りのペルソナは速くて信頼できました。
ケース 2 — 流出した常套句。 「退職したユーザーはデジタルバンキングを信頼していません」とAIペルソナは書いています。チームはデータを調べました。退職した参加者の 6 人中 5 人が通常のデジタル バンキングを使用していました。この文は完全に間違っており、削除されました。 「新機能に関する追加の保証文は保留中」などの証拠に基づいた見解に置き換えられました。教訓: 年齢に基づく固定観念はデータによって反証される。
ケース 3 — 感情曲線が誇張されている。モデルは、ユーザーがチェックアウト時に「激怒した」と書いた。実際の収録では、ユーザーは「ためらっている」だけだった。デザイナーはその感情を修正しました。なぜなら、「怒り」と「ためらい」には異なる解決策が必要だからです（1つは信頼であり、もう1つは明晰さです）。教訓: 感情線は証拠によって調整される。
ペルソナは何人、詳細はどれくらいですか?
新人デザイナーが陥りやすい罠は、あまりにも多くの詳細すぎるペルソナを作成することです。 AI はこの罠を拡大します。必要なだけの詳細を備えた、必要なだけのペルソナが数秒で到着します。しかし、価値のあるものは、わずかではありますが、確かなものです。ほとんどの製品では、主要なペルソナは 2 ～ 3 つあれば十分です。それぞれが実際のユーザーセグメントを表し、設計上の決定を区別できる必要があります。 2 つのペルソナがほぼ同じ動作をする場合、それはおそらく 1 つのペルソナです。詳細な面では、基準は次のとおりです。ペルソナに追加されたすべての情報は、デザイン上の決定に影響を与える場合には価値があります。印象に残らない場合（ユーザーの好みの色など）、それは装飾的なものであるため、削除する必要があります。人工知能にペルソナを要求するときは、「設計上の決定に影響を与える機能のみを追加する」と言うのが、この罠を取り除く最も現実的な方法です。
ヒント: ペルソナ機能をテストします。「これを変更すると、デザインも変わりますか?」答えが「いいえ」の場合、その機能はペルソナには不要です。
コピー可能なプロンプト
あなたの役割: UX リサーチ シンセサイザー。出典: 以下の匿名化された調査概要。タスク: このソースから最大 2 つのペルソナ スケッチを作成します。ルール: 各特徴をソース内の調査結果にリンクし、根拠を括弧内に書きます。ソースに対応する特徴がない特徴 (年齢、収入、習慣) は追加しないでください。不明なフィールドは「データなし」のままにしておきます。出典: <<まとめ>>
このペルソナの概要に偏見がないか確認してください。一般化、決まり文句、または根拠のない仮定を含む各文にマークを付け、それが疑わしい理由を書き、それがソース データでサポートされているかどうかを示します。ペルソナ: <<テキスト>> ソースデータ: <<概要>>
以下のペルソナと調査概要からユーザー ジャーニー マップの草案を生成します。ライン: ステージ |アクション |感想 |感情 |問題点 |機会。出典がある場合は、「感情」と「痛み」の各セルに引用を追加します。それ以外の場合は、セルに「[ASSUMPTION]」とマークを付けます。ペルソナ: <<x>> 概要: <<y>>
このジャーニー マップ上で [ASSUMPTION] とマークされたセルをリストします。それぞれについて、この仮定を裏付ける追加の研究質問を書きます。マップ: <<テーブル>>
弱いプロンプト / 強いプロンプト
弱み: 「電子商取引ユーザーのペルソナを作成する。」
その結果、完全にでっち上げられ、データとは無関係で、決まり文句に満ちたプロファイルが作成されます。
強者: 「この調査概要から抽出する人物は 2 人までにしてください。各特徴を調査結果に結び付けます。ソースにない詳細は追加しないでください。不明な点は「データなし」のままにしてください。」
その結果、証拠に基づいて防御可能なペルソナが作成され、ギャップが正直に指摘されました。
違い: 強力なプロンプトは、出典の義務 + 捏造の禁止 + 未知のマークをもたらします。
よくある間違い
- データなしでペルソナを作成する。 AI に「ペルソナを作成する」ように指示すると、あなたの仮定に誤った正当性が与えられます。
- 決まり文句を柔らかくすることで維持します。 「少し慎重に」と言っても、固定観念は修正されません。証拠がない場合は削除する必要があります。
- 感情線を現実と間違える。モデルは感情を予測します。証拠のない感情は思い込みです。
- ペルソナを全然更新してない。新しい研究が利用可能になったら、ペルソナも更新する必要があります。凍結されたペルソナは誤解を招きます。
- ペルソナを作りすぎている。 5 ～ 6 人のペルソナはチームを麻痺させます。少しだけ残しますが、しっかりしたものは保持してください。
要約すれば
ペルソナとジャーニー マップは、リサーチをチームの共通言語に翻訳する強力なツールです。しかし、その力は完全にデータに基づいています。 AI はこれらのツールの青写真を数分で作成しますが、実際の作業は、各主張を情報源に結び付け、決まり文句にフラグを立ててデータに照らしてテストし、根拠のないセンチメントや問題点を仮定として分離することです。正直に「データなし」としてギャップを残すペルソナは、でっち上げられた詳細が満載の「現実的な」ペルソナよりもはるかに価値があります。
アプリケーションタスク
- 研究概要 (現実または架空) からの最初のプロンプトを使用して、2 つのペルソナの草稿を生成します。
- 2 番目のプロンプトでペルソナにバイアスがないか確認します。マークされた各文をデータでテストします。
- 脆弱な機能を削除するか、「データなし」にします。
- 3 番目のプロンプトでは、ペルソナからジャーニー マップを作成します。
- マップ内の [仮定] セルをリストし、それぞれに確認用の質問を書きます。
チェックリスト
- [ ] ペルソナは研究概要に基づいており、想像で作成したものではありません。
- [ ] ソースにない機能はペルソナに追加しませんでした。
- [ ] 決まり文句と一般化をマークし、データでテストしました。
- [ ] 感情や問題点を証拠で確認し、裏付けのないものにはマークを付けました。
- [ ] ペルソナの数は管理可能な範囲に留めました。
- [ ] 仮定の検証問題を用意しました。