Kazanimlar:
- Ham görüşme dökümleri, açık uçlu anket yanıtları ve destek kayıtlarını yapay zeka ile temalara ve içgörülere dönüştürebilme
- Yakınlık diyagramı (affinity mapping) ve kodlama gibi kalitatif analiz adımlarını yapay zeka desteğiyle hızlandırıp sonucu insan gözüyle doğrulayabilme
- Yapay zekanın uydurduğu veya abarttığı temaları gerçek alıntılara geri bağlayarak ayıklayabilme
Kullanıcı araştırmasının en yorucu ve en kolay atlanan aşaması sentezdir: onlarca görüşme, yüzlerce anket yanıtı ve destek kaydını (kullanıcının yardım için açtığı talep) anlamlı içgörülere dönüştürmek. Bu iş elle günler sürer; bu yüzden ekipler çoğu zaman kestirmeden gider ve "hissiyata göre" karar verir. Yapay zeka, tam bu darboğazı açar: ham metni saatler yerine dakikalar içinde temalara ayırır. Ama sentez, bir "özet üret" işi değildir; kanıta bağlı, denetlenebilir bir muhakemedir. Bu ünite, yapay zekayı sentez ortağı yaparken içgörünün gerçekliğini nasıl koruyacağınızı gösterir.
İçgörü nedir, özet değildir
Önce terimi netleştirelim. İçgörü (insight), veriden çıkan, tasarımı yönlendiren anlamlı bir kalıptır: "Kullanıcılar ödeme adımında değil, kargo ücretini ilk gördükleri anda vazgeçiyor." Bu bir özet değildir ("Kullanıcılar ödemeden şikayetçi"); bir gözlem de değildir ("Katılımcı 4 kargo ücretini görünce durdu"). İçgörü, birçok gözlemin altındaki ortak nedeni yakalar ve bir tasarım kararına kapı açar.
Yapay zeka doğal olarak özet üretmeye eğilimlidir. İşiniz, onu özetten içgörüye çekmektir: "neden?" ve "bu tasarımda neyi değiştirir?" sorularını promptun içine gömerek.
Kalitatif analiz adımları ve yapay zekanın yeri
Kalitatif (sayısal olmayan, metin/gözlem temelli) analiz klasik olarak şu adımlarla ilerler:
- Kodlama (coding): Metindeki her anlamlı parçaya bir etiket verilir ("kargo maliyeti kaygısı", "güven eksikliği").
- Yakınlık diyagramı (affinity mapping): Benzer etiketler gruplanır; gruplar temalara dönüşür.
- Tema önceliklendirme: Hangi tema kaç kullanıcıda, ne şiddette görülüyor belirlenir.
- İçgörü ve öneri: Temalar "ne yapmalı?" cümlelerine bağlanır.
Yapay zeka 1. ve 2. adımı büyük ölçüde hızlandırır: ilk kodlamayı ve ilk gruplamayı dakikalar içinde verir. Ancak grupların anlamı, temaların önemi ve önerilerin isabeti insan doğrulaması ister. Yapay zeka size bir "ilk taslak harita" verir; siz haritayı gerçeğe göre düzeltirsiniz.
İpucu: Yapay zekaya "temaları çıkar" demeden önce ona kodlama şemanızı (etiket listenizi) verin. Böylece herkesin ortak diliyle çalışır ve çıktılar karşılaştırılabilir olur.
Kanıt zinciri: her tema bir alıntıya bağlanır
Sentezin altın kuralı: her tema en az bir birebir alıntıya (verbatim) bağlanır. Alıntı, temanın gerçek olduğunun kanıtıdır. Yapay zekadan tema isterken alıntı zorunluluğunu daima ekleyin; alıntı bulamadığı temayı üretmemesini söyleyin. Böylece halüsinasyonu kaynağında keserisiniz: uydurulmuş bir tema, kaynakta karşılığı olmadığı için "dayanak yok" diye işaretlenir.
Katman
Örnek
Kaynağı
Gözlem
"Katılımcı 4 kargo ücretini görünce sepeti terk etti"
Birebir kayıt
Kod
"beklenmedik maliyet"
Etiketleme
Tema
"Gizli maliyet güveni kırıyor"
5 katılımcıda tekrar
İçgörü
"Kargo ücreti erken gösterilmeli"
Temadan çıkarım
Öneri
"Ürün sayfasına kargo tahmini ekle"
Tasarım kararı
Bu zincir, bir paydaş "bunu nereden biliyoruz?" diye sorduğunda gözlemden alıntıya kadar geri gidebilmenizi sağlar.
Üç mini vaka
Vaka 1 — 240 anket yanıtı, 90 dakika. Bir ekip açık uçlu (serbest metinle yanıtlanan) 240 anket cevabını yapay zekayla kodladı. Model 11 tema önerdi; ekip bunları 90 dakikada gözden geçirip 7'ye indirdi, 2 temayı birleştirdi, 2'sini dayanaksız bulup çıkardı. Elle 2 günlük iş, yarım güne indi ve kanıt zinciri korundu.
Vaka 2 — Abartılmış tema yakalandı. Yapay zeka "kullanıcılar uygulamadan nefret ediyor" gibi güçlü bir tema üretti. Ekip alıntılara baktığında yalnızca 2 katılımcının sert konuştuğunu, 18'inin nötr olduğunu gördü. Tema "belirli bir akışta yoğun hayal kırıklığı" olarak yeniden yazıldı. Ders: yapay zeka duygu şiddetini abartabilir; sıklığı sayın.
Vaka 3 — Kayıp azınlık görüşü. Model, çoğunluk temalarını öne çıkarırken 3 katılımcının dile getirdiği kritik bir erişilebilirlik sorununu "önemsiz" saydı. Tasarımcı bunu fark edip ayrı bir bulgu olarak korudu; sonradan bu sorun tüm ekran okuyucu kullanıcılarını etkilediği anlaşıldı. Ders: azınlık sinyali her zaman "az önemli" değildir.
Kopyalanabilir promptlar
Rolün: kalitatif araştırma analisti.Kodlama şeması (etiketler): <<liste>>Görev: Aşağıdaki anonimleştirilmiş dökümü bu etiketlerle kodla.Her kodlanmış parçaya [Katılımcı X] ve birebir alıntıyı ekle.Şemaya uymayan yeni bir kalıp görürsen "YENİ KOD ÖNERİSİ" başlığıyla ayır.Döküm: <<metin>>
Aşağıdaki kodlanmış veriyi yakınlık diyagramına dönüştür:benzer kodları grupla, her gruba bir tema adı ver.Her tema için: kaç ayrı katılımcıda göründüğünü say, en güçlü 2 alıntıyı ekle,ve tek cümlelik bir "neden" açıklaması yaz. Kanıtı zayıf temaları ayrı işaretle.Veri: <<kodlar>>
Şu temayı sınamak istiyorum: "<<tema>>".Kaynak metinde bu temayı DESTEKLEYEN ve ÇÜRÜTEN alıntıları ayrı listele.Sonunda temanın ne kadar güçlü desteklendiğini (güçlü/orta/zayıf) değerlendir.Kaynak: <<döküm>>
Bu tema listesini içgörü ve öneriye çevir. Her tema için:1) tek cümlelik içgörü ("çünkü..." içeren),2) somut bir tasarım önerisi,3) bu önerinin hangi ekranı/akışı etkilediği.Uydurma yapma; dayanağı zayıfsa "daha fazla araştırma gerek" yaz.Temalar: <<liste>>
Zayıf prompt / Güclü prompt
Zayıf: "Bu görüşmeleri analiz et ve bana sonuçları söyle."
Sonuç: Kaynaksız, sıklık bilgisi olmayan, abartıya açık bir özet.
Güçlü: "Bu dökümü verdiğim etiketlerle kodla; her temayı [Katılımcı X] alıntısına bağla; her temanın kaç ayrı katılımcıda göründüğünü say; dayanağı zayıfları ayrı işaretle."
Sonuç: Sıklığı belli, kanıta bağlı, denetlenebilir bir sentez.
Fark: güçlü prompt sıklık + alıntı + zayıf dayanak uyarısı ister; bunlar abartıyı ve halüsinasyonu engeller.
Sık yapılan hatalar
- Sıklığı saymamak. "Kullanıcılar X istiyor" cümlesinin arkasında 2 kişi mi 20 kişi mi var, bilmeden karar vermek.
- Duygu şiddetini olduğu gibi almak. Yapay zeka güçlü ifadeleri öne çıkarma eğilimindedir; nötr çoğunluğu gizleyebilir.
- Azınlık sinyalini elemek. Az kişide görülen bir sorun kritik (örneğin erişilebilirlik) olabilir.
- Alıntı zorunluluğu koymamak. Alıntısız tema, doğrulanamaz temadır.
- Tek turda bitirmek. Sentez tekrarlıdır; ilk çıktıyı sınayıp promptu keskinleştirin.
Özetle
Sentez, ham veriyi tasarımı yönlendiren içgörüye çeviren muhakemedir. Yapay zeka kodlama ve yakınlık gruplama gibi mekanik adımları büyük ölçüde hızlandırır, ama içgörünün anlamı ve önemi insanda kalır. Altın kural her temayı birebir alıntıya bağlamaktır; sıklığı sayın, duygu abartısını düzeltin, azınlık sinyalini gözden kaçırmayın. Gözlemden alıntıya, temadan öneriye uzanan kanıt zincirini kurduğunuzda hem hızlı hem savunulabilir bir araştırma çıktısı elde edersiniz.
Uygulama görevi
- Elinizdeki (veya kurgusal) 8-10 görüşme/anket yanıtını anonimleştirin.
- Kendi kodlama şemanızı (6-8 etiket) yazın ve ilk prompt ile yapay zekaya kodlatın.
- İkinci prompt ile temaları çıkarın; her temanın kaç katılımcıda göründüğünü not edin.
- Üçüncü prompt ile en güçlü temayı sınayın: destekleyen ve çürüten alıntıları karşılaştırın.
- Bir temayı içgörü + öneri + etkilenen ekran biçiminde yazıp kanıt zincirini tabloya dökün.
Kontrol listesi
- [ ] Kodlama şemamı yapay zekaya önceden verdim.
- [ ] Her temayı en az bir birebir alıntıya bağladım.
- [ ] Her temanın kaç ayrı katılımcıda göründüğünü saydım.
- [ ] Abartılmış duygu ifadelerini sıklıkla düzelttim.
- [ ] Azınlık sinyallerini eleyip elemeyeceğime bilinçli karar verdim.
- [ ] İçgörüleri somut tasarım önerisine ve etkilenen ekrana bağladım.