Mga nadagdag:
- Kakayahang gumawa ng mga draft ng persona na batay sa ebidensya batay sa data ng pananaliksik gamit ang artificial intelligence at alisin ang mga stereotype at clichés
- Kakayahang mag-draft ng mga yugto, pagkilos, pag-iisip, emosyon at mga punto ng sakit ng mapa ng paglalakbay ng gumagamit na may suporta ng artificial intelligence
- Kakayahang mag-flag ng mga pagpapalagay na hindi batay sa data sa pamamagitan ng pagsubok ng mga ginawang persona na may totoong data ng segment
Isinasalin ng persona at user journey map ang mga insight mula sa pananaliksik sa mga nasasalat na tool na titingnan ng team sa buong araw. Ang persona ay isang fictional ngunit data-driven na profile na kumakatawan sa isang tunay na segment ng user: ang kanilang mga layunin, ang kanilang mga hadlang, ang kanilang konteksto. Ang isang mapa ng paglalakbay ng gumagamit ay isang visual na salaysay na nagpapakita ng hakbang-hakbang kung ano ang ginagawa ng isang user, kung ano ang kanyang iniisip, kung ano ang kanyang nararamdaman, at kung saan siya natigil habang nakakamit ang isang layunin. Ang AI ay gumagawa ng mga draft ng pareho sa ilang minuto. Ngunit dito nakasalalay ang pinaka-mapanganib na bitag: ang artificial intelligence ay maaaring lumikha ng "totoo" na tunog na mga persona na walang data. Tinuturuan ka ng unit na ito na manatili sa ebidensya nang hindi isinasakripisyo ang bilis.
Persona: dapat batay sa ebidensya, hindi pantasya
Ang pagkakaiba lang ng mabuting katauhan sa masamang katauhan ay ang ugali. Inilalagay ng masamang persona ang mga pagpapalagay sa isip ng taga-disenyo sa isang magandang template: "Ayşe, 34 taong gulang, mahusay sa teknolohiya, mahilig sa praktikal na mga solusyon." Kung wala sa mga pangungusap na ito ay batay sa pananaliksik, ang katauhan ay isang dekorasyon lamang at ginagawang lehitimo ang mga maling desisyon.
Ang isang mabuting katauhan ay nakabatay sa bawat paghahabol sa pananaliksik. Sa likod ng pangungusap na "Ang mga gumagamit ay natigil sa pag-install" ay ang data na "5 sa 8 kalahok ang hindi nakumpleto ang paunang pag-install". Kapag nagtatrabaho sa artificial intelligence, hindi nagbabago ang panuntunan: ibigay sa modelo ang buod ng pananaliksik bilang pinagmulan at hilingin itong lumikha ng persona mula lamang sa pinagmulang ito, hindi upang magdagdag ng mga feature na walang batayan.
Pag-iingat: Ang AI ay napakahusay na "punan ang mga puwang"; Maaari itong kusang gumawa ng mga detalye tulad ng edad, kita, at mga gawi na hindi mo ibinibigay. Kung hindi nagmula sa data ang mga detalyeng ito, hindi maaasahan ang persona.
Pag-aalis ng mga stereotype at bias
Ang mga persona ay kung saan ang AI bias ay pinaka-kitang tumagas. Ang modelo ay naglilipat ng mga stereotype mula sa data ng pagsasanay sa mga profile: "ang mas lumang gumagamit ay natatakot sa teknolohiya," "ang batang gumagamit ay naiinip," mga pag-uugali na nauugnay sa mga partikular na propesyon o kasarian. Ang mga paglalahat na ito ay parehong mali at hindi kanais-nais sa etika.
Ang pamamaraan ng paglilinis ay may tatlong hakbang:
- Markahan: I-scan ang bawat pangungusap sa pangkalahatan sa output ("lahat", "karaniwan", "mga tao sa edad na ito").
- Pagsubok: May katumbas ba ang pangungusap na ito sa datos ng pananaliksik?
- Itama o alisin: Kung may batayan ito, ilakip ito sa ebidensya, kung hindi man ay tanggalin ito. Huwag panatilihin ang cliché sa pamamagitan ng "paglambot nito"; Kung walang patunay, aalis siya.
Ekspresyon ng persona
problema
Pagwawasto batay sa ebidensya
"Ang mga matatandang gumagamit ay natatakot sa teknolohiya"
Estereotipo batay sa edad
"5 sa 6 na kalahok ang inaasahan ng karagdagang assurance text na may bagong feature"
"Ang mga batang gumagamit ay naiinip"
Generational generalization
"Iniwan ng mga kalahok ang daloy na lampas sa 3 hakbang (anuman ang edad)"
"Gusto ng mga babae ng simple"
pagpapalagay ng kasarian
"Ang simpleng daloy ay ginustong sa lahat ng mga segment"
"Ang kanyang paboritong kulay ay asul"
Pang-adorno na impormasyon (hindi nakakaapekto sa desisyon)
(Bawasan — hindi makakaapekto sa desisyon sa disenyo)
Anatomy ng mapa ng paglalakbay ng gumagamit
Ang isang mapa ng paglalakbay ay karaniwang binubuo ng mga linya:
- Phase: Mga pangunahing panahon tulad ng kamalayan, pagsusuri, paggamit at pagbabalik.
- Pagkilos: Ano ang ginagawa ng user sa bawat yugto.
- Thought: Kung ano ang pumapasok sa isip mo.
- Emosyon: Ano ang nararamdaman ng isang tao; Karaniwan itong iginuhit na may kurba.
- Pain point: Saan napadpad, nagagalit, sumusuko.
- Pagkakataon: Kung saan maaaring makialam ang disenyo.
Mabilis na pinupuno ng artificial intelligence ang balangkas na ito. Ngunit ang linya ng "emosyon" ay partikular na mapanganib: ang modelo ay makatuwirang hinuhulaan kung ano ang nararamdaman ng gumagamit, ngunit ang hulang iyon ay hula maliban kung sinusuportahan ng totoong data. Markahan ang mga hindi napatunayang emosyon sa mapa bilang mga pagpapalagay; Kunin ang status na "na-verify" kapag nakumpirma ng pagsipi ng pananaliksik.
tatlong mini case
Case 1 — Mabilis na draft, totoong ayusin. Isang koponan ang gumawa ng 3 persona sketch na may AI mula sa 12 buod ng panayam; Ang trabaho ay tumagal ng 25 minuto. Pagkatapos ay sinuri niya ang 9 na katangian ng bawat persona laban sa datos ng pananaliksik; 4 na mga tampok ay walang batayan at inalis. Ang natitirang mga persona ay parehong mabilis at maaasahan.
Case 2 — Leak cliché. "Ang mga retiradong gumagamit ay hindi nagtitiwala sa digital banking," isinulat ng AI persona. Tiningnan ng team ang data: 5 sa 6 na retiradong kalahok ang gumamit ng regular na digital banking. Ang pangungusap ay ganap na mali at inalis; pinalitan ng isang obserbasyon na nakabatay sa ebidensya gaya ng "karagdagang teksto ng kasiguruhan na nakabinbin sa mga bagong feature." Aralin: ang mga stereotype na batay sa edad ay pinatutunayan ng data.
Case 3 — Ang kurba ng sentimento ay pinalaki. Isinulat ng modelo na ang gumagamit ay "galit" sa pag-checkout. Sa aktwal na mga pag-record, ang mga gumagamit ay "nag-aalangan." Inayos ng taga-disenyo ang damdamin; dahil ang "galit" at "pag-aatubili" ay nangangailangan ng iba't ibang solusyon (isa ay tiwala, ang isa ay kalinawan). Aralin: ang linya ng emosyon ay na-calibrate na may ebidensya.
Ilang persona, gaano karaming detalye?
Ang isang karaniwang bitag na nahuhulog sa mga bagong designer ay ang paggawa ng masyadong marami at masyadong detalyadong persona. Pinapalaki ng AI ang bitag na ito: kung gaano karaming mga persona ang gusto mo, na may mas maraming detalye hangga't gusto mo, darating sa ilang segundo. Gayunpaman, kung ano ang mahalaga ay maliit ngunit solid. Para sa karamihan ng mga produkto, sapat na ang 2-3 pangunahing katauhan; bawat isa ay dapat na kumakatawan sa isang tunay na segment ng gumagamit at magagawang pag-iba-ibahin ang mga desisyon sa disenyo. Kung halos magkapareho ang ugali ng dalawang persona, malamang ay isang persona ito. Sa panig ng detalye, ang criterion ay ito: bawat impormasyong idinagdag sa persona ay mahalaga kung makakaapekto ito sa isang desisyon sa disenyo; Kung hindi ito tumatak (halimbawa, ang paboritong kulay ng gumagamit), ito ay ornamental at dapat na alisin. Kapag humihiling ng persona mula sa artificial intelligence, ang pagsasabing "magdagdag lang ng mga feature na makakaapekto sa desisyon sa disenyo" ay ang pinakapraktikal na paraan para maalis ang mga trapping na ito.
Tip: Subukan ang isang tampok na persona: "Magbabago ba ang aking disenyo kung babaguhin ko ito?" Kung hindi ang sagot, hindi kailangan ang feature na iyon sa persona.
Nakokopyang mga prompt
Iyong tungkulin: UX research synthesizer.Source: Anonymized na buod ng pananaliksik sa ibaba.Gawain: Gumawa ng hanggang 2 persona sketch mula sa source na ito. Panuntunan: I-link ang bawat feature sa isang paghahanap sa source at isulat ang batayan sa mga panaklong. HUWAG MAGDAGDAG ng anumang feature (edad, kita, gawi) na walang katapat sa pinagmulan. Iwanan ang mga hindi kilalang field bilang: "walang source>.
Suriin ang persona outline na ito para sa bias. Markahan ang bawat pangungusap na naglalaman ng generalization, cliché, o unsubstantiated assumption, isulat kung bakit ito kaduda-dudang, at isaad kung sinusuportahan ito sa source data. Persona: <<text>> Source data: <<summary>>
Bumuo ng draft na mapa ng paglalakbay ng gumagamit mula sa persona at maikling pananaliksik sa ibaba. Mga Linya: Yugto | Aksyon | Naisip | Damdamin | Pain point | Opportunity.Magdagdag ng citation sa bawat cell na "Emosyon" at "Painpoint" kung mayroong pinagmulan para dito; kung hindi, markahan ang cell ng "[ASSUMPTION]".Persona: <<x>> Summary: <<y>>
Ilista ang mga cell na may markang [ASSUMPTION] sa mapa ng paglalakbay na ito. Para sa bawat isa, isulat kung anong karagdagang tanong sa pananaliksik ang magpapatunay sa pagpapalagay na ito. Mapa: <<talahanayan>>
Mahinang prompt / Malakas na prompt
Mahina: "Gumawa ng persona ng user ng e-commerce."
Ang resulta: isang profile na ganap na binubuo, walang kaugnayan sa data, at puno ng mga clichés.
Strong: "Mag-extract ng hindi hihigit sa 2 personas mula sa buod ng pananaliksik na ito; itali ang bawat feature sa isang paghahanap; huwag magdagdag ng anumang mga detalye na wala sa pinagmulan; iwanan ang hindi alam bilang 'walang data'."
Ang resulta: isang mapagtatanggol na katauhan batay sa ebidensya, na may mga puwang na matapat na itinuro.
Pagkakaiba: ang malakas na prompt ay nagdudulot ng source na obligasyon + pagbabawal ng katha + pagmamarka ng hindi alam.
Mga karaniwang pagkakamali
- Paglikha ng mga persona nang walang data. Ang pagsasabi sa AI na "gumawa ng isang persona" ay nagbibigay ng maling lehitimo sa iyong mga pagpapalagay.
- Panatilihin ang cliche sa pamamagitan ng paglambot nito. Ang pagsasabi ng "medyo maingat" ay hindi itinatama ang stereotype; Kung walang ebidensya, dapat itong alisin.
- Napagkamalan ang linya ng emosyon para sa katotohanan. Ang modelo ay hinuhulaan ang damdamin; Ang emosyon na walang ebidensya ay pagpapalagay.
- Hindi nag-a-update ng persona sa lahat. Dapat ding i-update ang persona habang may bagong pananaliksik; nakaliligaw ang frozen persona.
- Gumagawa ng masyadong maraming persona. 5-6 persona ang nagpaparalisa sa koponan; Manatili ng kaunti, ngunit kumapit sa kung ano ang matatag.
Sa buod
Ang persona at journey map ay makapangyarihang mga tool na nagsasalin ng pananaliksik sa karaniwang wika ng team; ngunit ang kanilang kapangyarihan ay ganap na nagmumula sa data kung saan sila nakabatay. Gumagawa ang AI ng blueprint para sa mga tool na ito sa loob ng ilang minuto, samantalang ang tunay na gawain ay ikinonekta ang bawat claim sa pinagmulan, pag-flag ng mga cliché at pagsubok sa mga ito laban sa data, at pagbubukod ng hindi napapatunayang mga punto ng damdamin/sakit bilang mga pagpapalagay. Ang isang persona na tapat na nag-iiwan ng mga puwang bilang "walang data" ay higit na mahalaga kaysa sa isang "makatotohanan" na katauhan na puno ng mga gawa-gawang detalye.
Gawain ng aplikasyon
- Bumuo ng 2 persona draft na may unang prompt mula sa isang research brief (totoo o kathang-isip).
- Suriin ang mga persona para sa bias sa pangalawang prompt; Subukan ang bawat minarkahang pangungusap gamit ang data.
- Alisin o gawing "walang data" ang anumang mga manipis na feature.
- Gamit ang ikatlong prompt, mag-draft ng isang mapa ng paglalakbay mula sa isang persona.
- Ilista ang mga cell ng [ASSUMPTION] sa mapa at sumulat ng tanong sa pagpapatunay para sa bawat isa.
checklist
- [ ] Ibinase ko ang persona sa buod ng pananaliksik, hindi ko ito nilikha mula sa imahinasyon.
- [ ] Hindi ako nagdagdag ng anumang feature sa persona na wala sa source.
- [ ] Minarkahan ko ang mga cliché at generalization at sinubukan ang mga ito gamit ang data.
- [ ] Kinumpirma ko ang mga damdamin at mga punto ng sakit na may katibayan, at minarkahan ang mga hindi sinusuportahan.
- [ ] Pinanatili kong mapapamahalaan ang bilang ng mga persona.
- [ ] Naghanda ako ng mga tanong sa pagpapatunay para sa mga pagpapalagay.