വ്യക്തിയും ഉപയോക്തൃ യാത്രയും മാപ്പ് പ്രൊഡക്ഷൻ

നേട്ടങ്ങൾ:

• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് ഗവേഷണ ഡാറ്റയെ അടിസ്ഥാനമാക്കി തെളിവുകൾ അടിസ്ഥാനമാക്കിയുള്ള വ്യക്തിത്വ ഡ്രാഫ്റ്റുകൾ നിർമ്മിക്കാനും സ്റ്റീരിയോടൈപ്പുകളും ക്ലീഷേകളും ഇല്ലാതാക്കാനുമുള്ള കഴിവ്
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ പിന്തുണയോടെ ഉപയോക്തൃ യാത്രാ മാപ്പിൻ്റെ ഘട്ടങ്ങൾ, പ്രവർത്തനങ്ങൾ, ചിന്തകൾ, വികാരങ്ങൾ, വേദന പോയിൻ്റുകൾ എന്നിവ തയ്യാറാക്കാനുള്ള കഴിവ്
• യഥാർത്ഥ സെഗ്‌മെൻ്റ് ഡാറ്റ ഉപയോഗിച്ച് നിർമ്മിച്ച വ്യക്തികളെ പരീക്ഷിച്ച് ഡാറ്റയെ അടിസ്ഥാനമാക്കിയുള്ളതല്ലാത്ത അനുമാനങ്ങൾ ഫ്ലാഗ് ചെയ്യാനുള്ള കഴിവ്

വ്യക്തിത്വവും ഉപയോക്തൃ യാത്രാ മാപ്പും ഗവേഷണത്തിൽ നിന്നുള്ള സ്ഥിതിവിവരക്കണക്കുകൾ ടീം ദിവസം മുഴുവനും നോക്കുന്ന മൂർത്തമായ ഉപകരണങ്ങളിലേക്ക് വിവർത്തനം ചെയ്യുന്നു. ഒരു വ്യക്തി എന്നത് ഒരു യഥാർത്ഥ ഉപയോക്തൃ വിഭാഗത്തെ പ്രതിനിധീകരിക്കുന്ന സാങ്കൽപ്പികവും എന്നാൽ ഡാറ്റാധിഷ്ഠിതവുമായ പ്രൊഫൈലാണ്: അവരുടെ ലക്ഷ്യങ്ങൾ, തടസ്സങ്ങൾ, സന്ദർഭം. ഒരു ഉപയോക്തൃ യാത്രാ മാപ്പ് ഒരു വിഷ്വൽ വിവരണമാണ്, ഒരു ഉപയോക്താവ് എന്താണ് ചെയ്യുന്നത്, അവൻ എന്താണ് ചിന്തിക്കുന്നത്, എന്താണ് തോന്നുന്നത്, ഒരു ലക്ഷ്യം നേടുമ്പോൾ അവൻ എവിടെയാണ് കുടുങ്ങിയത് എന്നിവ ഘട്ടം ഘട്ടമായി കാണിക്കുന്നു. AI മിനിറ്റുകൾക്കുള്ളിൽ രണ്ടിൻ്റെയും ഡ്രാഫ്റ്റുകൾ നിർമ്മിക്കുന്നു. എന്നാൽ ഇവിടെയാണ് ഏറ്റവും അപകടകരമായ കെണി: കൃത്രിമബുദ്ധിക്ക് ഡാറ്റയില്ലാതെ "യഥാർത്ഥ" ശബ്ദമുള്ള വ്യക്തികളെ സൃഷ്ടിക്കാൻ കഴിയും. വേഗത നഷ്ടപ്പെടാതെ തെളിവുകളിൽ ഉറച്ചുനിൽക്കാൻ ഈ യൂണിറ്റ് നിങ്ങളെ പഠിപ്പിക്കുന്നു.

വ്യക്തിത്വം: ഫാൻ്റസിയല്ല, തെളിവുകളെ അടിസ്ഥാനമാക്കിയുള്ളതായിരിക്കണം

ഒരു നല്ല വ്യക്തിയും മോശം വ്യക്തിയും തമ്മിലുള്ള ഒരേയൊരു വ്യത്യാസം മനോഭാവമാണ്. മോശം വ്യക്തിത്വം ഡിസൈനറുടെ മനസ്സിലെ അനുമാനങ്ങളെ മനോഹരമായ ഒരു ടെംപ്ലേറ്റാക്കി മാറ്റുന്നു: "അയ്സെ, 34 വയസ്സ്, സാങ്കേതികവിദ്യയിൽ മികച്ചത്, പ്രായോഗിക പരിഹാരങ്ങൾ ഇഷ്ടപ്പെടുന്നു." ഈ വാക്യങ്ങളൊന്നും ഗവേഷണത്തെ അടിസ്ഥാനമാക്കിയുള്ളതല്ലെങ്കിൽ, വ്യക്തി ഒരു അലങ്കാരം മാത്രമാണ്, തെറ്റായ തീരുമാനങ്ങളെ നിയമാനുസൃതമാക്കുന്നു.

ഒരു നല്ല വ്യക്തിത്വം എല്ലാ ക്ലെയിമുകളും ഗവേഷണത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. "ഉപയോക്താക്കൾ ഇൻസ്റ്റാളേഷനിൽ കുടുങ്ങി" എന്ന വാക്യത്തിന് പിന്നിൽ "പങ്കെടുക്കുന്ന 8 ൽ 5 പേർക്ക് പ്രാരംഭ ഇൻസ്റ്റാളേഷൻ പൂർത്തിയാക്കാൻ കഴിഞ്ഞില്ല" എന്ന ഡാറ്റയുണ്ട്. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് പ്രവർത്തിക്കുമ്പോൾ, നിയമം മാറില്ല: മോഡലിന് ഗവേഷണ സംഗ്രഹം ഒരു ഉറവിടമായി നൽകുക, കൂടാതെ ഈ ഉറവിടത്തിൽ നിന്ന് മാത്രം ഒരു വ്യക്തിത്വം സൃഷ്ടിക്കാൻ ആവശ്യപ്പെടുക, അടിസ്ഥാനമില്ലാത്ത സവിശേഷതകൾ ചേർക്കരുത്.

മുന്നറിയിപ്പ്: "വിടവുകൾ നികത്താൻ" AI വളരെ പ്രാപ്തമാണ്; നിങ്ങൾ നൽകാത്ത പ്രായം, വരുമാനം, ശീലങ്ങൾ എന്നിവ പോലുള്ള വിശദാംശങ്ങൾ ഇത് സ്വയമേവ ഉണ്ടാക്കിയേക്കാം. ഈ വിശദാംശങ്ങൾ ഡാറ്റയിൽ നിന്ന് വരുന്നില്ലെങ്കിൽ, വ്യക്തി വിശ്വസനീയമല്ല.

സ്റ്റീരിയോടൈപ്പുകളും പക്ഷപാതവും ഇല്ലാതാക്കുന്നു

AI പക്ഷപാതം ഏറ്റവും ദൃശ്യമായി ചോരുന്നത് വ്യക്തികളാണ്. പരിശീലന ഡാറ്റയിൽ നിന്ന് പ്രൊഫൈലുകളിലേക്ക് സ്റ്റീരിയോടൈപ്പുകളെ മോഡൽ നീക്കുന്നു: "പ്രായമായ ഉപയോക്താവ് സാങ്കേതികവിദ്യയെ ഭയപ്പെടുന്നു," "യുവ ഉപയോക്താവ് അക്ഷമനാണ്," പ്രത്യേക തൊഴിലുകളോ ലിംഗഭേദമോ ആയ പെരുമാറ്റങ്ങൾ. ഈ സാമാന്യവൽക്കരണങ്ങൾ തെറ്റും ധാർമ്മികമായി ആക്ഷേപാർഹവുമാണ്.

ശുദ്ധീകരണ രീതിക്ക് മൂന്ന് ഘട്ടങ്ങളുണ്ട്:

1. അടയാളപ്പെടുത്തുക: ഔട്ട്‌പുട്ടിലെ ഓരോ സാമാന്യവൽക്കരണ വാക്യവും സ്കാൻ ചെയ്യുക ("എല്ലാവരും", "സാധാരണയായി", "ഈ പ്രായത്തിലുള്ള ആളുകൾ").
2. ടെസ്റ്റ്: ഗവേഷണ ഡാറ്റയിൽ ഈ വാക്യത്തിന് തത്തുല്യം ഉണ്ടോ?
3. ശരിയാക്കുക അല്ലെങ്കിൽ നീക്കം ചെയ്യുക: അതിന് അടിസ്ഥാനമുണ്ടെങ്കിൽ, അത് തെളിവുമായി കൂട്ടിച്ചേർക്കുക, അല്ലെങ്കിൽ അത് ഇല്ലാതാക്കുക. "മയപ്പെടുത്തി" ക്ലീഷേ നിലനിർത്തരുത്; തെളിവില്ലെങ്കിൽ അവൻ പോകും.

വ്യക്തിത്വ ഭാവം

പ്രശ്നം

തെളിവുകൾ അടിസ്ഥാനമാക്കിയുള്ള തിരുത്തൽ

"പഴയ ഉപയോക്താക്കൾ സാങ്കേതികവിദ്യയെ ഭയപ്പെടുന്നു"

പ്രായത്തെ അടിസ്ഥാനമാക്കിയുള്ള സ്റ്റീരിയോടൈപ്പ്

"പങ്കെടുക്കുന്ന 6ൽ 5 പേരും പുതിയ ഫീച്ചറിനൊപ്പം അധിക അഷ്വറൻസ് ടെക്‌സ്‌റ്റ് പ്രതീക്ഷിക്കുന്നു"

"യുവ ഉപയോക്താക്കൾ അക്ഷമരാണ്"

തലമുറകളുടെ പൊതുവൽക്കരണം

"പങ്കെടുക്കുന്നവർ 3 ഘട്ടങ്ങൾക്കപ്പുറമുള്ള ഒഴുക്ക് ഉപേക്ഷിച്ചു (പ്രായം കണക്കിലെടുക്കാതെ)"

"സ്ത്രീകൾക്ക് ലാളിത്യം വേണം"

ലിംഗ അനുമാനം

"എല്ലാ സെഗ്‌മെൻ്റുകളിലും ലളിതമായ ഒഴുക്കാണ് തിരഞ്ഞെടുത്തത്"

"അവൻ്റെ പ്രിയപ്പെട്ട നിറം നീലയാണ്"

അലങ്കാര വിവരങ്ങൾ (തീരുമാനത്തെ ബാധിക്കില്ല)

(കുറയ്ക്കുക - ഡിസൈൻ തീരുമാനത്തെ ബാധിക്കില്ല)

ഉപയോക്തൃ യാത്രാ മാപ്പിൻ്റെ അനാട്ടമി

ഒരു യാത്രാ മാപ്പിൽ സാധാരണയായി വരികൾ അടങ്ങിയിരിക്കുന്നു:

• ഘട്ടം: അവബോധം, മൂല്യനിർണ്ണയം, ഉപയോഗം, മടക്കം തുടങ്ങിയ പ്രധാന കാലഘട്ടങ്ങൾ.
• പ്രവർത്തനം: ഓരോ ഘട്ടത്തിലും ഉപയോക്താവ് എന്താണ് ചെയ്യുന്നത്.
• ചിന്ത: നിങ്ങളുടെ മനസ്സിലൂടെ എന്താണ് കടന്നുപോകുന്നത്.
• വികാരം: ഒരാൾക്ക് എന്ത് തോന്നുന്നു; ഇത് സാധാരണയായി ഒരു വക്രം ഉപയോഗിച്ച് വരയ്ക്കുന്നു.
• വേദന പോയിൻ്റ്: ഒരാൾ എവിടെയാണ് കുടുങ്ങിപ്പോകുക, ദേഷ്യപ്പെടുക, ഉപേക്ഷിക്കുക.
• അവസരം: ഡിസൈനിന് ഇടപെടാൻ കഴിയുന്നിടത്ത്.

ഈ അസ്ഥികൂടത്തിൽ കൃത്രിമബുദ്ധി വേഗത്തിൽ നിറയുന്നു. എന്നാൽ "ഇമോഷൻ" ലൈൻ പ്രത്യേകിച്ച് അപകടസാധ്യതയുള്ളതാണ്: മോഡൽ ഉപയോക്താവിന് എന്താണ് തോന്നുന്നതെന്ന് ന്യായമായും പ്രവചിക്കുന്നു, എന്നാൽ യഥാർത്ഥ ഡാറ്റ പിന്തുണയ്ക്കുന്നില്ലെങ്കിൽ ആ പ്രവചനം ഊഹക്കച്ചവടമാണ്. മാപ്പിൽ അടിസ്ഥാനരഹിതമായ വികാരങ്ങൾ അനുമാനങ്ങളായി അടയാളപ്പെടുത്തുക; ഗവേഷണ ഉദ്ധരണി സ്ഥിരീകരിക്കുമ്പോൾ "പരിശോധിച്ച" നില നേടുക.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - ദ്രുത ഡ്രാഫ്റ്റ്, യഥാർത്ഥ പരിഹാരം. ഒരു ടീം 12 അഭിമുഖ സംഗ്രഹങ്ങളിൽ നിന്ന് AI ഉപയോഗിച്ച് 3 വ്യക്തിത്വ സ്കെച്ചുകൾ നിർമ്മിച്ചു; ജോലി 25 മിനിറ്റ് എടുത്തു. തുടർന്ന് അദ്ദേഹം ഓരോ വ്യക്തിയുടെയും 9 സവിശേഷതകൾ ഗവേഷണ ഡാറ്റയ്‌ക്കെതിരെ പരിശോധിച്ചു; 4 സവിശേഷതകൾക്ക് അടിസ്ഥാനമില്ല, അവ നീക്കം ചെയ്തു. ശേഷിക്കുന്ന വ്യക്തികൾ വേഗതയേറിയതും വിശ്വസനീയവുമായിരുന്നു.

കേസ് 2 - ചോർന്ന ക്ലീഷേ. "വിരമിച്ച ഉപയോക്താക്കൾ ഡിജിറ്റൽ ബാങ്കിംഗിനെ വിശ്വസിക്കുന്നില്ല," AI വ്യക്തി എഴുതി. ടീം ഡാറ്റ പരിശോധിച്ചു: വിരമിച്ച 6 പങ്കാളികളിൽ 5 പേരും സാധാരണ ഡിജിറ്റൽ ബാങ്കിംഗ് ഉപയോഗിച്ചു. വാചകം പൂർണ്ണമായും തെറ്റാണ്, നീക്കം ചെയ്തു; "പുതിയ സവിശേഷതകളിൽ തീർപ്പുകൽപ്പിക്കാത്ത അധിക ഉറപ്പ് വാചകം" പോലെയുള്ള തെളിവ് അടിസ്ഥാനമാക്കിയുള്ള നിരീക്ഷണം ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിച്ചു. പാഠം: പ്രായാധിഷ്‌ഠിത സ്റ്റീരിയോടൈപ്പുകൾ ഡാറ്റ നിരാകരിക്കുന്നു.

കേസ് 3 - വികാര വക്രം അതിശയോക്തിപരമാണ്. ചെക്ക്ഔട്ടിൽ ഉപയോക്താവ് "രോഷാകുലനായിരുന്നു" എന്ന് മോഡൽ എഴുതി. യഥാർത്ഥ റെക്കോർഡിംഗുകളിൽ, ഉപയോക്താക്കൾ "മടിക്കുന്നവർ" മാത്രമായിരുന്നു. ഡിസൈനർ വികാരം ഉറപ്പിച്ചു; കാരണം "കോപത്തിനും" "മടിയ്ക്കും" വ്യത്യസ്തമായ പരിഹാരങ്ങൾ ആവശ്യമാണ് (ഒന്ന് വിശ്വാസം, മറ്റൊന്ന് വ്യക്തത). പാഠം: ഇമോഷൻ ലൈൻ തെളിവുകൾ ഉപയോഗിച്ച് കാലിബ്രേറ്റ് ചെയ്തിട്ടുണ്ട്.

എത്ര വ്യക്തികൾ, എത്ര വിശദാംശങ്ങൾ?

പുതിയ ഡിസൈനർമാർ വീഴുന്ന ഒരു പൊതു കെണി, വളരെയധികം കൂടുതൽ വിശദമായ വ്യക്തിത്വങ്ങൾ സൃഷ്ടിക്കുന്നതാണ്. AI ഈ കെണി വലുതാക്കുന്നു: നിങ്ങൾക്ക് ആവശ്യമുള്ളത്ര വ്യക്തികൾ, നിങ്ങൾക്ക് ആവശ്യമുള്ളത്ര വിശദാംശങ്ങളോടെ, നിമിഷങ്ങൾക്കുള്ളിൽ എത്തിച്ചേരും. എന്നിരുന്നാലും, മൂല്യവത്തായത് ചെറുതും എന്നാൽ ദൃഢവുമാണ്. മിക്ക ഉൽപ്പന്നങ്ങൾക്കും, 2-3 പ്രാഥമിക വ്യക്തികൾ മതിയാകും; ഓരോന്നും ഒരു യഥാർത്ഥ ഉപയോക്തൃ വിഭാഗത്തെ പ്രതിനിധീകരിക്കുകയും ഡിസൈൻ തീരുമാനങ്ങൾ വ്യത്യസ്തമാക്കുകയും വേണം. രണ്ട് വ്യക്തികൾ ഏതാണ്ട് ഒരേ പോലെ പെരുമാറിയാൽ, അത് ഒരു വ്യക്തിയായിരിക്കാം. വിശദാംശങ്ങളുടെ വശത്ത്, മാനദണ്ഡം ഇതാണ്: വ്യക്തിത്വത്തിലേക്ക് ചേർത്ത എല്ലാ വിവരങ്ങളും ഒരു ഡിസൈൻ തീരുമാനത്തെ ബാധിക്കുകയാണെങ്കിൽ അത് വിലപ്പെട്ടതാണ്; ഇത് മതിപ്പുളവാക്കുന്നില്ലെങ്കിൽ (ഉദാഹരണത്തിന്, ഉപയോക്താവിൻ്റെ പ്രിയപ്പെട്ട നിറം), അത് അലങ്കാരമാണ്, അത് നീക്കം ചെയ്യണം. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൽ നിന്ന് ഒരു വ്യക്തിത്വത്തെ അഭ്യർത്ഥിക്കുമ്പോൾ, "ഡിസൈൻ തീരുമാനത്തെ ബാധിക്കുന്ന സവിശേഷതകൾ മാത്രം ചേർക്കുക" എന്നത് ഈ കെണിയിൽ നിന്ന് രക്ഷപ്പെടാനുള്ള ഏറ്റവും പ്രായോഗിക മാർഗമാണ്.

നുറുങ്ങ്: ഒരു വ്യക്തി സവിശേഷത പരീക്ഷിക്കുക: "ഞാൻ ഇത് മാറ്റിയാൽ എൻ്റെ ഡിസൈൻ മാറുമോ?" ഇല്ല എന്നാണ് ഉത്തരമെങ്കിൽ ആ സവിശേഷത വ്യക്തിത്വത്തിൽ അനാവശ്യമാണ്.

പകർത്താവുന്ന നിർദ്ദേശങ്ങൾ

നിങ്ങളുടെ റോൾ: UX റിസർച്ച് സിന്തസൈസർ. ഉറവിടം: അജ്ഞാത ഗവേഷണ സംഗ്രഹം ചുവടെ. ടാസ്‌ക്: ഈ ഉറവിടത്തിൽ നിന്ന് 2 വ്യക്തിത്വ സ്കെച്ചുകൾ വരെ സൃഷ്‌ടിക്കുക. നിയമം: ഉറവിടത്തിലെ ഒരു കണ്ടെത്തലുമായി ഓരോ ഫീച്ചറും ലിങ്ക് ചെയ്യുക, ഒപ്പം പരാൻതീസിസിൽ അടിസ്ഥാനം എഴുതുകയും ചെയ്യുക. <<സംഗ്രഹം>>

പക്ഷപാതത്തിനായി ഈ വ്യക്തിയുടെ രൂപരേഖ പരിശോധിക്കുക. ഒരു സാമാന്യവൽക്കരണം, ക്ലീഷേ അല്ലെങ്കിൽ അടിസ്ഥാനരഹിതമായ അനുമാനം അടങ്ങിയിരിക്കുന്ന ഓരോ വാക്യവും അടയാളപ്പെടുത്തുക, അത് സംശയാസ്പദമായിരിക്കുന്നത് എന്തുകൊണ്ടെന്ന് എഴുതുക, കൂടാതെ ഉറവിട ഡാറ്റയിൽ ഇത് പിന്തുണയ്ക്കുന്നുണ്ടോ എന്ന് സൂചിപ്പിക്കുക. വ്യക്തിത്വം: <<text>> ഉറവിട ഡാറ്റ: << സംഗ്രഹം>>

വ്യക്തിത്വത്തിൽ നിന്ന് ഒരു ഡ്രാഫ്റ്റ് ഉപയോക്തൃ യാത്രാ മാപ്പ് സൃഷ്ടിക്കുക, ചുവടെയുള്ള ഗവേഷണ സംഗ്രഹം. വരികൾ: ഘട്ടം | ആക്ഷൻ | ചിന്ത | വികാരം | വേദന പോയിൻ്റ് | അവസരം. ഓരോ "ഇമോഷൻ", "പെയിൻപോയിൻ്റ്" സെല്ലിന് ഒരു ഉറവിടമുണ്ടെങ്കിൽ അവലംബം ചേർക്കുക; അല്ലെങ്കിൽ, "[ASSUMPTION]" ഉപയോഗിച്ച് സെല്ലിനെ അടയാളപ്പെടുത്തുക. വ്യക്തി: <<x>> സംഗ്രഹം: <<y>>

ഈ യാത്രാ മാപ്പിൽ [ASSUMPTION] എന്ന് അടയാളപ്പെടുത്തിയിരിക്കുന്ന സെല്ലുകൾ ലിസ്റ്റ് ചെയ്യുക. ഓരോന്നിനും, ഈ അനുമാനത്തെ സ്ഥിരീകരിക്കുന്ന അധിക ഗവേഷണ ചോദ്യം എഴുതുക. മാപ്പ്: << പട്ടിക>>

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "ഒരു ഇ-കൊമേഴ്‌സ് ഉപയോക്തൃ വ്യക്തിത്വം സൃഷ്‌ടിക്കുക."

ഫലം: പൂർണ്ണമായും രൂപപ്പെടുത്തിയതും ഡാറ്റയുമായി അപ്രസക്തവും ക്ലീഷേകൾ നിറഞ്ഞതുമായ ഒരു പ്രൊഫൈൽ.

ശക്തമായത്: "ഈ ഗവേഷണ സംഗ്രഹത്തിൽ നിന്ന് 2 വ്യക്തികളിൽ കൂടുതൽ എടുക്കരുത്; ഓരോ ഫീച്ചറും ഒരു കണ്ടെത്തലുമായി ബന്ധിപ്പിക്കുക; ഉറവിടത്തിൽ ഇല്ലാത്ത വിശദാംശങ്ങളൊന്നും ചേർക്കരുത്; അജ്ഞാതമായത് 'ഡാറ്റ ഇല്ല' എന്ന് വിടുക."

ഫലം: സത്യസന്ധമായി ചൂണ്ടിക്കാണിച്ച വിടവുകളുള്ള തെളിവുകളെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു പ്രതിരോധശേഷിയുള്ള വ്യക്തിത്വം.

വ്യത്യാസം: ശക്തമായ പ്രോംപ്റ്റ് ഉറവിട ബാധ്യത കൊണ്ടുവരുന്നു + കെട്ടിച്ചമയ്ക്കൽ നിരോധനം + അജ്ഞാതമായി അടയാളപ്പെടുത്തുന്നു.

സാധാരണ തെറ്റുകൾ

• ഡാറ്റയില്ലാതെ വ്യക്തിത്വങ്ങൾ സൃഷ്ടിക്കുന്നു. "ഒരു വ്യക്തിത്വം ഉണ്ടാക്കാൻ" AI-യോട് പറയുന്നത് നിങ്ങളുടെ അനുമാനങ്ങൾക്ക് തെറ്റായ നിയമസാധുത നൽകുന്നു.
• ക്ലീഷെ മൃദുവാക്കിക്കൊണ്ട് നിലനിർത്തൽ. "അൽപ്പം ജാഗ്രത" എന്ന് പറയുന്നത് സ്റ്റീരിയോടൈപ്പ് ശരിയാക്കുന്നില്ല; തെളിവില്ലെങ്കിൽ നീക്കം ചെയ്യണം.
• ഇമോഷൻ ലൈൻ യാഥാർത്ഥ്യമായി തെറ്റിദ്ധരിക്കുന്നു. മോഡൽ വികാരം പ്രവചിക്കുന്നു; തെളിവില്ലാത്ത വികാരം അനുമാനമാണ്.
• വ്യക്തിത്വം അപ്‌ഡേറ്റ് ചെയ്യുന്നില്ല. പുതിയ ഗവേഷണം ലഭ്യമാകുന്നതിനനുസരിച്ച് വ്യക്തിത്വവും അപ്‌ഡേറ്റ് ചെയ്യണം; മരവിച്ച വ്യക്തിത്വം തെറ്റിദ്ധരിപ്പിക്കുന്നതാണ്.
• വളരെയധികം വ്യക്തിത്വങ്ങൾ സൃഷ്ടിക്കുന്നു. 5-6 വ്യക്തിത്വം ടീമിനെ തളർത്തുന്നു; അൽപ്പം സൂക്ഷിക്കുക, എന്നാൽ ഉറച്ചത് മുറുകെ പിടിക്കുക.

ചുരുക്കത്തിൽ

വ്യക്തിത്വവും യാത്രാ ഭൂപടവും ടീമിൻ്റെ പൊതു ഭാഷയിലേക്ക് ഗവേഷണം വിവർത്തനം ചെയ്യുന്ന ശക്തമായ ഉപകരണങ്ങളാണ്; എന്നാൽ അവയുടെ ശക്തി പൂർണ്ണമായും അവ അടിസ്ഥാനമാക്കിയുള്ള ഡാറ്റയിൽ നിന്നാണ് വരുന്നത്. AI മിനിറ്റുകൾക്കുള്ളിൽ ഈ ഉപകരണങ്ങൾക്കായി ഒരു ബ്ലൂപ്രിൻ്റ് നിർമ്മിക്കുന്നു, അതേസമയം ഓരോ ക്ലെയിമിനെയും ഉറവിടവുമായി ബന്ധിപ്പിക്കുക, ക്ലീഷേകൾ ഫ്ലാഗ് ചെയ്യുകയും ഡാറ്റയ്‌ക്കെതിരെ അവ പരീക്ഷിക്കുകയും ചെയ്യുന്നു, കൂടാതെ അടിസ്ഥാനരഹിതമായ വികാരം/വേദന പോയിൻ്റുകൾ അനുമാനങ്ങളായി വേർതിരിക്കുന്നു. "ഡാറ്റ ഇല്ല" എന്ന് സത്യസന്ധമായി വിടവുകൾ വിടുന്ന ഒരു വ്യക്തി, നിർമ്മിത വിശദാംശങ്ങൾ നിറഞ്ഞ "റിയലിസ്റ്റിക്" വ്യക്തിത്വത്തേക്കാൾ വളരെ വിലപ്പെട്ടതാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

1. ഒരു ഗവേഷണ സംക്ഷിപ്തത്തിൽ നിന്ന് (യഥാർത്ഥമോ സാങ്കൽപ്പികമോ) ആദ്യ നിർദ്ദേശം ഉപയോഗിച്ച് 2 വ്യക്തിത്വ ഡ്രാഫ്റ്റുകൾ സൃഷ്ടിക്കുക.
2. രണ്ടാമത്തെ പ്രോംപ്റ്റ് ഉപയോഗിച്ച് വ്യക്തിത്വങ്ങൾ പക്ഷപാതത്തിനായി പരിശോധിക്കുക; അടയാളപ്പെടുത്തിയ ഓരോ വാക്യവും ഡാറ്റ ഉപയോഗിച്ച് പരിശോധിക്കുക.
3. ദുർബലമായ സവിശേഷതകൾ നീക്കം ചെയ്യുക അല്ലെങ്കിൽ "ഡാറ്റ വേണ്ട" ആക്കുക.
4. മൂന്നാമത്തെ പ്രോംപ്റ്റിനൊപ്പം, ഒരു വ്യക്തിയിൽ നിന്ന് ഒരു യാത്രാ മാപ്പ് ഡ്രാഫ്റ്റ് ചെയ്യുക.
5. മാപ്പിലെ [ASSUMPTION] സെല്ലുകൾ ലിസ്റ്റ് ചെയ്യുകയും ഓരോന്നിനും ഒരു സ്ഥിരീകരണ ചോദ്യം എഴുതുകയും ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ വ്യക്തിത്വത്തെ ഗവേഷണ സംഗ്രഹത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, ഞാൻ അത് ഭാവനയിൽ നിന്ന് സൃഷ്ടിച്ചതല്ല.
• [ ] ഉറവിടത്തിൽ ഇല്ലാത്ത ഫീച്ചറുകളൊന്നും ഞാൻ വ്യക്തിയിലേക്ക് ചേർത്തിട്ടില്ല.
• [ ] ഞാൻ ക്ലീഷേകളും സാമാന്യവൽക്കരണങ്ങളും അടയാളപ്പെടുത്തുകയും ഡാറ്റ ഉപയോഗിച്ച് അവയെ പരീക്ഷിക്കുകയും ചെയ്തു.
• [ ] ഞാൻ വികാരങ്ങളും വേദന പോയിൻ്റുകളും തെളിവുകൾ സഹിതം സ്ഥിരീകരിച്ചു, പിന്തുണയില്ലാത്തവ അടയാളപ്പെടുത്തി.
• [ ] കൈകാര്യം ചെയ്യാവുന്ന വ്യക്തികളുടെ എണ്ണം ഞാൻ സൂക്ഷിച്ചു.
• [ ] അനുമാനങ്ങൾക്കായി ഞാൻ സ്ഥിരീകരണ ചോദ്യങ്ങൾ തയ്യാറാക്കി.