فائدہ:
- مصنوعی ذہانت کے ساتھ تحقیقی اعداد و شمار پر مبنی شواہد پر مبنی شخصیت کے مسودے تیار کرنے اور دقیانوسی تصورات اور کلیچوں کو ختم کرنے کی صلاحیت
- مصنوعی ذہانت کی مدد سے صارف کے سفر کے نقشے کے مراحل، اعمال، خیالات، جذبات اور درد کے نکات کا مسودہ تیار کرنے کی صلاحیت
- حقیقی طبقہ کے اعداد و شمار کے ساتھ بنائے گئے افراد کی جانچ کرکے ان مفروضوں کو جھنڈا لگانے کی اہلیت جو ڈیٹا پر مبنی نہیں ہیں
شخصیت اور صارف کے سفر کا نقشہ تحقیق کی بصیرت کو ٹھوس ٹولز میں ترجمہ کرتا ہے جسے ٹیم دن بھر دیکھے گی۔ ایک شخصیت ایک خیالی لیکن ڈیٹا سے چلنے والا پروفائل ہے جو ایک حقیقی صارف طبقہ کی نمائندگی کرتا ہے: ان کے مقاصد، ان کی رکاوٹیں، ان کا سیاق و سباق۔ صارف کے سفر کا نقشہ ایک بصری بیانیہ ہے جو قدم بہ قدم دکھاتا ہے کہ صارف کیا کرتا ہے، وہ کیا سوچتا ہے، کیا محسوس کرتا ہے، اور مقصد حاصل کرنے کے دوران وہ کہاں پھنس جاتا ہے۔ AI منٹوں میں دونوں کے ڈرافٹ تیار کرتا ہے۔ لیکن یہاں سب سے خطرناک جال ہے: مصنوعی ذہانت ڈیٹا کے بغیر "حقیقی" آواز دینے والے افراد بنا سکتی ہے۔ یہ یونٹ آپ کو رفتار کی قربانی کے بغیر ثبوت پر قائم رہنا سکھاتا ہے۔
شخصیت: ثبوت پر مبنی ہونا چاہیے، خیالی نہیں۔
اچھی شخصیت اور بری شخصیت میں فرق صرف رویہ ہے۔ بری شخصیت ڈیزائنر کے ذہن میں موجود مفروضوں کو ایک خوبصورت ٹیمپلیٹ میں ڈالتی ہے: "Ayşe، 34 سال کی عمر، ٹیکنالوجی کے ساتھ اچھی، عملی حل کو پسند کرتی ہے۔" اگر ان جملوں میں سے کوئی بھی تحقیق پر مبنی نہیں ہے تو شخصیت محض ایک سجاوٹ ہے اور غلط فیصلوں کو جائز قرار دیتی ہے۔
ایک اچھی شخصیت تحقیق پر ہر دعوے کی بنیاد رکھتی ہے۔ اس جملے کے پیچھے "صارفین انسٹالیشن میں پھنس گئے ہیں" ڈیٹا ہے "8 میں سے 5 شرکاء ابتدائی انسٹالیشن مکمل کرنے کے قابل نہیں تھے"۔ مصنوعی ذہانت کے ساتھ کام کرتے وقت، اصول تبدیل نہیں ہوتا: ماڈل کو تحقیقی خلاصہ بطور ماخذ دیں اور اسے صرف اس ذریعہ سے ایک شخصیت بنانے کے لیے کہیں، نہ کہ ایسی خصوصیات شامل کریں جن کی کوئی بنیاد نہ ہو۔
احتیاط: AI "خالی جگہوں کو پُر کرنے" کے قابل ہے۔ یہ بے ساختہ تفصیلات بنا سکتا ہے جیسے کہ عمر، آمدنی، اور عادات جو آپ فراہم نہیں کرتے ہیں۔ اگر یہ تفصیلات ڈیٹا سے نہیں آتی ہیں تو شخصیت قابل اعتبار نہیں ہے۔
دقیانوسی تصورات اور تعصب کو ختم کرنا
شخصیات وہ ہیں جہاں AI تعصب سب سے زیادہ واضح طور پر باہر نکلتا ہے۔ ماڈل ٹریننگ ڈیٹا سے دقیانوسی تصورات کو پروفائلز میں منتقل کرتا ہے: "بوڑھا صارف ٹیکنالوجی سے ڈرتا ہے،" "نوجوان صارف بے صبر ہے،" مخصوص پیشوں یا جنس سے منسوب طرز عمل۔ یہ عمومیتیں غلط اور اخلاقی طور پر قابل اعتراض ہیں۔
طہارت کے طریقہ کار کے تین مراحل ہیں:
- نشان: آؤٹ پٹ ("ہر کوئی"، "عموماً"، "اس عمر کے لوگ") میں ہر عامی جملے کو اسکین کریں۔
- ٹیسٹ: کیا اس جملے کا تحقیقی اعداد و شمار کے برابر ہے؟
- درست کریں یا ہٹا دیں: اگر اس کی کوئی بنیاد ہے تو اسے ثبوت کے ساتھ منسلک کریں، ورنہ حذف کریں۔ "اسے نرم" کرکے کلیچ کو مت رکھیں؛ اگر کوئی ثبوت نہ ہو تو وہ چلا جاتا ہے۔
شخصیت کا اظہار
مسئلہ
ثبوت پر مبنی اصلاح
"پرانے صارفین ٹیکنالوجی سے ڈرتے ہیں"
عمر پر مبنی سٹیریوٹائپ
"6 میں سے 5 شرکاء نے نئی خصوصیت کے ساتھ اضافی یقین دہانی کے متن کی توقع کی"
"نوجوان صارفین بے صبر ہیں"
نسلی عمومی کاری
"شرکاء نے بہاؤ کو 3 قدموں سے آگے چھوڑ دیا (عمر سے قطع نظر)"
"خواتین سادگی چاہتی ہیں"
صنفی مفروضہ
"تمام طبقات میں سادہ بہاؤ کو ترجیح دی گئی"
"اس کا پسندیدہ رنگ نیلا ہے"
آرائشی معلومات (فیصلے پر اثر نہیں پڑتا)
(ذخیرہ کریں - ڈیزائن کے فیصلے کو متاثر نہیں کرتا)
صارف کے سفر کے نقشے کی اناٹومی۔
سفر کا نقشہ عام طور پر لائنوں پر مشتمل ہوتا ہے:
- مرحلہ: اہم ادوار جیسے آگاہی، تشخیص، استعمال اور واپسی۔
- ایکشن: صارف ہر مرحلے پر کیا کرتا ہے۔
- خیال: آپ کے دماغ میں کیا گزرتا ہے۔
- جذبات: کوئی کیا محسوس کرتا ہے؛ یہ عام طور پر ایک وکر کے ساتھ تیار کیا جاتا ہے.
- درد کا مقام: کوئی کہاں پھنس جاتا ہے، غصہ آتا ہے، ہار مان لیتا ہے۔
- موقع: جہاں ڈیزائن مداخلت کر سکتا ہے۔
اس کنکال میں مصنوعی ذہانت تیزی سے بھر جاتی ہے۔ لیکن "جذبات" لائن خاص طور پر خطرناک ہے: ماڈل معقول طور پر پیش گوئی کرتا ہے کہ صارف کیا محسوس کر رہا ہے، لیکن یہ پیشین گوئی اندازہ ہے جب تک کہ حقیقی اعداد و شمار کی حمایت نہ ہو۔ نقشے پر غیر مصدقہ جذبات کو مفروضوں کے طور پر نشان زد کریں۔ تحقیقی حوالہ سے تصدیق ہونے پر "تصدیق شدہ" حیثیت حاصل کریں۔
تین چھوٹے مقدمات
کیس 1 - فوری مسودہ، حقیقی حل۔ ایک ٹیم نے 12 انٹرویو کے خلاصوں سے AI کے ساتھ 3 شخصیت کے خاکے بنائے۔ کام میں 25 منٹ لگے۔ پھر اس نے تحقیقی اعداد و شمار کے خلاف ہر شخص کی 9 خصوصیات کی جانچ کی۔ 4 خصوصیات کی کوئی بنیاد نہیں تھی اور انہیں ہٹا دیا گیا تھا۔ باقی افراد تیز اور قابل اعتماد تھے۔
کیس 2 - لیک شدہ کلچ۔ "ریٹائرڈ صارفین ڈیجیٹل بینکنگ پر بھروسہ نہیں کرتے،" AI شخصیت نے لکھا۔ ٹیم نے ڈیٹا کو دیکھا: 6 میں سے 5 ریٹائرڈ شرکاء نے باقاعدہ ڈیجیٹل بینکنگ کا استعمال کیا۔ جملہ بالکل غلط تھا اور ہٹا دیا گیا تھا۔ ثبوت پر مبنی مشاہدے کے ساتھ تبدیل کیا گیا جیسے کہ "نئی خصوصیات پر اضافی یقین دہانی کا متن زیر التواء ہے۔" سبق: عمر پر مبنی دقیانوسی تصورات کو ڈیٹا کے ذریعے غلط ثابت کیا جاتا ہے۔
کیس 3 - جذبات کا وکر مبالغہ آمیز ہے۔ ماڈل نے لکھا کہ صارف چیک آؤٹ پر "غصے میں" تھا۔ اصل ریکارڈنگ میں، صارفین صرف "ہچکچاتے" تھے۔ ڈیزائنر نے جذبات کو ٹھیک کیا۔ کیونکہ "غصہ" اور "ہچکچاہٹ" کے لیے مختلف حل درکار ہوتے ہیں (ایک اعتماد ہے، دوسرا وضاحت)۔ سبق: جذبات کی لکیر ثبوت کے ساتھ کیلیبریٹ کی جاتی ہے۔
کتنی شخصیات، کتنی تفصیل؟
ایک عام جال جس میں نئے ڈیزائنرز آتے ہیں وہ بہت زیادہ اور حد سے زیادہ تفصیلی شخصیتیں تیار کر رہا ہے۔ AI اس ٹریپ کو بڑا کرتا ہے: جتنے لوگ آپ چاہتے ہیں، جتنی تفصیل آپ چاہتے ہیں، سیکنڈوں میں پہنچ جاتے ہیں۔ تاہم، جو چیز قیمتی ہے وہ تھوڑی ہے لیکن ٹھوس ہے۔ زیادہ تر مصنوعات کے لیے، 2-3 بنیادی شخصیات کافی ہوتی ہیں۔ ہر ایک کو حقیقی صارف طبقہ کی نمائندگی کرنی چاہیے اور ڈیزائن کے فیصلوں میں فرق کرنے کے قابل ہونا چاہیے۔ اگر دو شخصیتیں تقریباً یکساں برتاؤ کرتی ہیں تو یہ شاید ایک ہی شخصیت ہے۔ تفصیل کی طرف، معیار یہ ہے: شخصیت میں شامل کی گئی ہر معلومات قابل قدر ہے اگر یہ ڈیزائن کے فیصلے کو متاثر کرتی ہے۔ اگر یہ متاثر نہیں کرتا ہے (مثال کے طور پر، صارف کا پسندیدہ رنگ)، یہ آرائشی ہے اور اسے ہٹا دینا چاہیے۔ مصنوعی ذہانت سے کسی شخصیت کی درخواست کرتے وقت، یہ کہنا کہ "صرف ایسی خصوصیات شامل کریں جو ڈیزائن کے فیصلے کو متاثر کرتی ہیں" اس ٹریپنگ سے چھٹکارا پانے کا سب سے عملی طریقہ ہے۔
ٹپ: ایک شخصیت کی خصوصیت کی جانچ کریں: "اگر میں اسے تبدیل کروں تو کیا میرا ڈیزائن بدل جائے گا؟" اگر جواب نفی میں ہے تو شخصیت میں یہ خصوصیت غیر ضروری ہے۔
کاپی کرنے کے قابل اشارے
آپ کا کردار: UX ریسرچ سنتھیسائزر۔ ماخذ: گمنام تحقیق کا خلاصہ ذیل میں۔ ٹاسک: اس ماخذ سے 2 تک شخصیت کے خاکے بنائیں۔ اصول: ہر خصوصیت کو ماخذ میں تلاش کرنے سے جوڑیں اور قوسین میں بنیاد لکھیں۔ کوئی بھی خصوصیت (عمر، آمدنی، عادات) شامل نہ کریں جس کا کوئی ہم منصب نہ ہو۔ << خلاصہ>>
تعصب کے لیے اس شخصی خاکہ کو چیک کریں۔ ہر اس جملے کو نشان زد کریں جس میں عمومیت، کلیچ، یا غیر مصدقہ مفروضہ ہو، لکھیں کہ یہ کیوں قابل اعتراض ہے، اور اس بات کی نشاندہی کریں کہ آیا یہ سورس ڈیٹا میں معاون ہے۔ شخصیت: <<text>> ماخذ ڈیٹا: <<summary>>
ذیل میں شخصی اور تحقیقی مختصر سے صارف کے سفر کے نقشے کا مسودہ تیار کریں۔ لائنز: اسٹیج | ایکشن | سوچ | جذبات | درد کا نقطہ | موقع۔ہر ایک "جذبہ" اور "پین پوائنٹ" سیل میں ایک حوالہ شامل کریں اگر اس کے لیے کوئی ذریعہ ہے؛ بصورت دیگر، سیل کو "[ASSUMPTION]" سے نشان زد کریں۔ Person: <<x>> خلاصہ: <<y>>
اس سفری نقشے پر نشان زدہ خلیات کی فہرست بنائیں۔ ہر ایک کے لیے، لکھیں کہ کون سا اضافی تحقیقی سوال اس مفروضے کی تصدیق کرے گا۔ نقشہ: <<ٹیبل>>
کمزور فوری / مضبوط اشارہ
کمزور: "ای کامرس صارف کی شخصیت بنائیں۔"
نتیجہ: ایک پروفائل جو مکمل طور پر بنا ہوا ہے، ڈیٹا سے غیر متعلق ہے، اور کلیچوں سے بھرا ہوا ہے۔
مضبوط: "اس تحقیقی خلاصے سے 2 سے زیادہ شخصیات کو نہ نکالیں؛ ہر ایک خصوصیت کو تلاش کے ساتھ جوڑیں؛ کوئی ایسی تفصیلات شامل نہ کریں جو ماخذ میں نہ ہوں؛ نامعلوم کو 'کوئی ڈیٹا نہیں' کے طور پر چھوڑ دیں۔"
نتیجہ: شواہد پر مبنی ایک قابل دفاع شخصیت، جس میں خلاء کی ایمانداری سے نشاندہی کی گئی ہے۔
فرق: مضبوط پرامپٹ ذریعہ ذمہ داری + من گھڑت کی ممانعت + نامعلوم کو نشان زد کرتا ہے۔
عام غلطیاں
- ڈیٹا کے بغیر شخصیت بنانا۔ AI کو "شخصیت بنانے" کے لیے کہنا آپ کے مفروضوں کو غلط جواز فراہم کرتا ہے۔
- کلچ کو نرم کرکے رکھنا۔ "تھوڑا محتاط" کہنا دقیانوسی تصور کو درست نہیں کرتا ہے۔ اگر کوئی ثبوت نہیں ہے تو اسے ہٹا دیا جائے۔
- حقیقت کے لئے جذبات کی لکیر کو غلط کرنا۔ ماڈل جذبات کی پیش گوئی کرتا ہے۔ ثبوت کے بغیر جذبات مفروضہ ہے۔
- شخصیت کو بالکل بھی اپ ڈیٹ نہیں کرنا۔ نئی تحقیق کے دستیاب ہوتے ہی شخصیت کو بھی اپ ڈیٹ کیا جانا چاہیے۔ منجمد شخصیت گمراہ کن ہے۔
- بہت زیادہ شخصیات تخلیق کرنا۔ 5-6 شخصیت ٹیم کو مفلوج کردیتی ہے۔ تھوڑا رکھو، لیکن جو مضبوط ہے اسے پکڑو.
خلاصہ میں
شخصیت اور سفر کا نقشہ طاقتور ٹولز ہیں جو ٹیم کی مشترکہ زبان میں تحقیق کا ترجمہ کرتے ہیں۔ لیکن ان کی طاقت مکمل طور پر اس ڈیٹا سے آتی ہے جس پر وہ مبنی ہیں۔ AI منٹوں میں ان ٹولز کے لیے ایک بلیو پرنٹ تیار کرتا ہے، جب کہ اصل کام ہر دعوے کو ماخذ سے جوڑنا، کلچوں کو جھنڈا لگانا اور ڈیٹا کے خلاف جانچنا، اور غیر مصدقہ جذبات/درد کے نکات کو مفروضوں کے طور پر الگ کرنا ہے۔ ایک شخصیت جو ایمانداری سے خالی جگہوں کو "کوئی ڈیٹا نہیں" کے طور پر چھوڑ دیتی ہے وہ ایک "حقیقت پسند" شخصیت سے زیادہ قیمتی ہے
درخواست کا کام
- تحقیقی مختصر (حقیقی یا خیالی) سے پہلے پرامپٹ کے ساتھ 2 شخصیت کے مسودے تیار کریں۔
- دوسرے پرامپٹ کے ساتھ تعصب کے لیے افراد کی جانچ کریں۔ ہر نشان زد جملے کو ڈیٹا کے ساتھ جانچیں۔
- "کوئی ڈیٹا نہیں" کو ہٹا دیں یا بنائیں
- تیسرے پرامپٹ کے ساتھ، کسی شخصیت سے سفر کا نقشہ تیار کریں۔
- نقشے میں سیلز کی فہرست بنائیں اور ہر ایک کے لیے ایک تصدیقی سوال لکھیں۔
چیک لسٹ
- میں نے شخصیت کو تحقیقی خلاصے کی بنیاد پر بنایا، میں نے اسے تخیل سے نہیں بنایا۔
- میں نے شخصیت میں کوئی ایسی خصوصیات شامل نہیں کیں جو ماخذ میں نہ ہوں۔
- [ ] میں نے کلیچز اور عمومیات کو نشان زد کیا اور ڈیٹا کے ساتھ ان کا تجربہ کیا۔
- [ ] میں نے ثبوتوں کے ساتھ احساسات اور درد کے نکات کی تصدیق کی، اور غیر تعاون یافتہ لوگوں کو نشان زد کیا۔
- میں نے افراد کی تعداد کو قابل انتظام رکھا۔
- میں نے مفروضوں کے لیے تصدیقی سوالات تیار کیے ہیں۔