فائدہ:
- مصنوعی ذہانت کے ساتھ مینو، نیویگیشن اور مواد کا ڈھانچہ (معلوماتی فن تعمیر) تیار کرنے اور کارڈ چھانٹنے کے نتائج کے ساتھ اس کی تصدیق کرنے کی صلاحیت
- مصنوعی ذہانت میں صارف کے بہاؤ اور اسکرین سے اسکرین کے مراحل کو اپنی طرف متوجہ کرنے کی صلاحیت اور منطقی خلا اور ایج کیسز کو پکڑنے کی صلاحیت
- حقیقی صارف کی زبان اور ذہنی ماڈل کے مطابق مصنوعی ذہانت کے ذریعہ تجویز کردہ ڈھانچے کو تنقیدی طور پر ڈھالنے کی صلاحیت
اگر کوئی پروڈکٹ استعمال کرنا مشکل ہو جاتا ہے، تو مسئلہ اکثر رنگ یا بٹن کا نہیں ہوتا، بلکہ ساخت کا ہوتا ہے۔ انفارمیشن آرکیٹیکچر (IA) یہ ہے کہ کس طرح کسی پروڈکٹ میں مواد کو گروپ، نام، اور نیویگیشن ڈھانچے میں ترتیب دیا جاتا ہے: مینو، زمرہ جات، درجہ بندی۔ صارف کا بہاؤ اسکرین سے اسکرین کے مراحل کا وہ سلسلہ ہے جس سے صارف ایک مخصوص ہدف (رجسٹریشن، پروڈکٹ خریدنا) حاصل کرنے کے لیے گزرتا ہے۔ دونوں پوشیدہ کنکال بناتے ہیں۔ AI تیزی سے اس کنکال کا خاکہ تیار کرتا ہے اور منطقی خلا کو پکڑنے میں مدد کرتا ہے۔ لیکن کیا ڈھانچہ حقیقی صارف کے ذہن میں فٹ بیٹھتا ہے اس کا تعین صرف انسانی فیصلے اور جانچ سے کیا جا سکتا ہے۔
معلوماتی فن تعمیر: صارف کی زبان بولنا
IA کا بنیادی تناؤ یہ ہے: کیا آپ مواد کو ادارے کی منطق یا صارف کے ذہن کے مطابق ترتیب دیں گے؟ زیادہ تر ناکام مینو کمپنی کے داخلی شعبہ کے ڈھانچے کو صارف پر مسلط کرتے ہیں ("انٹرپرائز سلوشنز"، "آپریشن سینٹر")۔ اگر صارف پوچھے "میں اپنا بل کیسے ادا کروں؟" وہ سوچتا ہے.
مصنوعی ذہانت یہاں دو طرفہ مددگار ہے۔ ایک طرف، یہ ایک معقول ابتدائی زمرہ کا ڈھانچہ تجویز کرتا ہے۔ دوسری طرف، یہ آپ کو صارف کی زبان کے خلاف اپنے موجودہ ڈھانچے کو جانچنے میں مدد کرتا ہے۔ لیکن ماڈل جو ٹیگ تجویز کرتا ہے وہ عام طور پر "اوسط انٹرنیٹ لینگویج" ہوتے ہیں۔ جو الفاظ آپ کا صارف درحقیقت استعمال کرتا ہے وہ مختلف ہو سکتے ہیں۔ لہذا، IA ڈرافٹ کی تصدیق کارڈ کی چھانٹی کے ذریعے کی جاتی ہے: حقیقی صارفین کو مواد کارڈ دیے جاتے ہیں اور وہ انہیں ترتیب دیتے ہیں۔ آپ ساخت کو ان کی گروپ بندی کے مطابق ایڈجسٹ کرتے ہیں۔
ٹپ: مصنوعی ذہانت سے زمرہ کی تجاویز حاصل کرتے وقت، اس سے "ہر زمرے کا ایک سوالیہ جملے میں ترجمہ کرنے کے لیے بھی کہیں جو صارف تعمیر کرے گا۔" یہ کارپوریٹ جرگون سے صارف کی زبان میں منتقلی کو تیز کرتا ہے۔
صارف کا بہاؤ: اقدامات، فیصلے، اور کنارے کے معاملات
ایک اچھا فلو چارٹ تین چیزوں کو واضح کرتا ہے: اقدامات (صارف کیا کرتا ہے)، فیصلے کے نکات (ہاں/نہیں شاخیں)، اور کنارے کے معاملات — اہم راستے سے دور حالات: خالی کارٹ، خراب پاس ورڈ، انٹرنیٹ کی بندش، میعاد ختم ہونے والے سیشن۔ ناتجربہ کار ڈیزائن "خوشی کا راستہ" کھینچتے ہیں (وہ منظر جہاں سب کچھ ٹھیک ہو جاتا ہے) اور کنارے کے معاملات کو بھول جاتے ہیں۔ صارف زیادہ تر ان بھولی ہوئی جگہوں پر ہینگ آؤٹ کرتا ہے۔
یہ وہ جگہ ہے جہاں AI طاقتور ہے: جب آپ ایک سٹریم برآمد کرتے ہیں، تو آپ پوچھتے ہیں کہ "کون سی ایج اسٹیٹس غائب ہیں؟" جب آپ پوچھتے ہیں، تو یہ عام طور پر کچھ کو پکڑتا ہے جو آپ نے کھو دیا تھا۔ ماڈل بہاؤ نقاد کی طرح کام کرتا ہے۔ لیکن آپ فیصلہ کرتے ہیں کہ آیا اس کی تجویز کردہ ہر شاخ واقعی ضروری ہے، مصنوعات کی گنجائش اور صارف کی حقیقت۔ دوسری صورت میں، بہاؤ غیر ضروری طور پر پیچیدہ ہو جاتا ہے.
سٹریم عنصر
مصنوعی ذہانت کا تعاون
انسانی فیصلہ
اہم اقدامات
معیاری درجہ بندی کا مسودہ
پروڈکٹ کی مخصوص آسانیاں
فیصلہ پوائنٹس
ممکنہ شاخیں۔
جو واقعی ضروری ہے۔
ایج کیسز
بھولی ہوئی چیزوں کی یاد دہانی
کیا احاطہ کیا جائے گا
لیبل/متن
پہلی تجویز
صارف کی زبان میں موافقت
خرابی کے راستے
عام پیٹرن
مصنوعات کی اصل خرابی کی اقسام
تین چھوٹے مقدمات
کیس 1 - مینو آسان ہو گیا ہے۔ ایک ٹیم نے مصنوعی ذہانت کو مین مینو کے 9 عنوانات دیے اور ان سے کہا کہ "انہیں صارف کے سوال کے جملے میں ترجمہ کریں۔" یہ دیکھا گیا کہ 3 عنوانات ایک ہی سوال سے مطابقت رکھتے ہیں ("میں اپنے اکاؤنٹ کا انتظام کیسے کروں؟")؛ مینو کو 9 سے کم کر کے 6 کر دیا گیا۔ پھر 14 صارفین کا کارڈ گروپنگ کے ساتھ تجربہ کیا گیا اور انضمام کی تصدیق کی گئی۔ کلک کی کامیابی 61% سے بڑھ کر 86% ہو گئی۔
کیس 2 - پکڑا ہوا ایج کیس۔ ایک ریکارڈنگ رن میں، ٹیم نے صرف کامیاب ریکارڈنگ ڈرا کی تھی۔ AI پوچھتا ہے "کیا ہوتا ہے اگر ای میل پہلے سے رجسٹرڈ ہے؟"، "اگر تصدیقی ای میل نہیں پہنچتی ہے؟"، "کیا ہوگا اگر یہ بند ہو جائے اور درمیان میں واپس آجائے؟" پیدا کیے گئے سوالات. ٹیم نے بہاؤ میں 3 کنارے والی ریاستیں بھی شامل کیں۔ جب یہ لائیو ہوا تو سپورٹ کی درخواستوں میں نمایاں کمی واقع ہوئی۔ سبق: ماڈل ایک اچھا "بھولے ہوئے کی یاد دہانی" ہے۔
کیس 3 - بے کار برانچ کو مسترد کر دیا گیا تھا۔ AI نے برانچوں کو ادائیگی کے بہاؤ جیسا کہ "کرپٹو کرنسی آپشن" اور "ملٹی ایڈریس مینجمنٹ" کا مشورہ دیا۔ یہ مصنوعات کے دائرہ کار میں شامل نہیں تھے؛ ڈیزائنر نے تجاویز کو مسترد کر دیا۔ سبق: ماڈل کی ہر تجویز کو قبول نہیں کیا جاتا ہے۔ دائرہ کار کا فیصلہ انسان کا ہے، ورنہ بہاؤ پھول جاتا ہے۔
کاپی کرنے کے قابل اشارے
آپ کا کردار: معلوماتی فن تعمیر کا ماہر۔ درج ذیل مواد/خصوصیات کی فہرست کو ان زمروں میں گروپ کریں جو صارف کے ذہن کے مطابق ہوں۔ ہر زمرے کو ایک مختصر لیبل اور سوالیہ جملہ دونوں دیں جسے صارف تعمیر کرے گا۔ کارپوریٹ جرگن سے پرہیز کریں۔ 6 بنیادی زمروں تک استعمال کریں۔ فہرست: <<مواد>>
اس صارف کے بہاؤ کا جائزہ لیں: <<steps>>.1) گمشدہ کناروں کے معاملات کی فہرست بنائیں (بے کار حالت، خرابی، ٹائم آؤٹ، دوبارہ لاگ ان)۔ سختی سے بولنا؛ "چیک کرنا ضروری ہے" کہیں۔
مندرجہ ذیل کام کے لیے اسکرین بہ اسکرین صارف کے بہاؤ کا خاکہ بنائیں: "<<task>>"۔ فارمیٹ: ہر قدم = اسکرین کا نام > صارف کا عمل > سسٹم کا ردعمل۔ "اگر... THEN" کے ساتھ فیصلہ پوائنٹس کو الگ کریں۔ خوش راہ کے ساتھ کم از کم 2 خرابی کے راستے دکھائیں۔
اس مینو سٹرکچر کا کارڈ گروپنگ کے نتیجے سے موازنہ کریں: تجویز کردہ ڈھانچہ: <<a>> یوزر گروپنگ: <<b>>۔ ایک ٹیبل میں غیر موازن جگہیں دکھائیں اور جواز پیش کریں کہ کون سا صارف کے ذہن کے قریب ہے۔
کمزور فوری / مضبوط اشارہ
کمزور: "مجھے ریکارڈنگ کا سلسلہ لکھو۔"
نتیجہ: ایک عام قدم کی فہرست جس میں کوئی کنارہ نہیں ہے، جس میں صرف خوش راہ ہے۔
مضبوط: "اس کام کے لیے ایک اسکرین بہ اسکرین فلو بنائیں؛ ہر ایک قدم کو 'اسکرین> ایکشن> سسٹم رسپانس' کی شکل میں دیں؛ خوش راہ کے آگے کم از کم 2 خرابی کے راستے دکھائیں؛ IF-THEN کے ساتھ الگ فیصلہ پوائنٹس۔"
نتیجہ: ایک قابل عمل بہاؤ جس میں ظاہری کنارے کی حالتیں اور شاخیں ہیں۔
فرق: مضبوط فوری فارمیٹ کی ضرورت ہے + غلطی کا راستہ لازمی + فیصلہ نقطہ؛ یہ بہاؤ کو حقیقی دنیا کے قریب لاتے ہیں۔
عام غلطیاں
- صرف خوش گوار طریقے سے ڈیزائن کرنا۔ صارف اکثر کنارے کے حالات میں پھنس جاتا ہے۔ ان کو چھوڑنا سب سے مہنگی غلطی ہے۔
- کارپوریٹ جرگون کو مینو میں لانا۔ صارف تلاش کرتا ہے "میرا آرڈر کہاں ہے،" نہیں "آپریشن سینٹر"۔
- کارڈ گروپ بندی کے بغیر IA کو حتمی شکل دینا۔ ماڈل تجویز مفروضہ ہے؛ صارف ٹیسٹ کی تصدیق کرتا ہے۔
- ماڈل کے ہر بہاؤ کی تجویز کو شامل کرنا۔ دائرہ سے باہر شاخیں بہاؤ کو پھولتی ہیں۔ رد کرنا بھی ایک فیصلہ ہے۔
- لیبل کی جانچ بالکل نہیں کر رہے ہیں۔ ایک لیبل جو آپ کے خیال میں "قابل فہم" ہے صارف کے لیے ناواقف ہو سکتا ہے۔
خلاصہ میں
معلومات کا فن تعمیر اور صارف کا بہاؤ مصنوعات کا پوشیدہ کنکال ہیں؛ صارف کے تجربے کی روانی بڑی حد تک اس سے آتی ہے۔ AI قابل فہم زمرہ کے ڈھانچے، تنقید کے بہاؤ کی تجویز کرتا ہے، اور خاص طور پر بھولے ہوئے کنارے کے معاملات کو پکڑنے میں طاقتور ہے۔ لیکن آیا لیبلز صارف کی زبان سے مماثل ہیں اس کا تعین کارڈ گروپنگ سے ہوتا ہے، اور بہاؤ کی گنجائش اور برانچنگ کی ضرورت کا تعین انسانی فیصلے سے ہوتا ہے۔ ماڈل کو ڈرافٹر اور نقاد کے طور پر استعمال کریں۔ آپ صارف کے ذہن کے مطابق ڈھانچے کو کیلیبریٹ کرتے ہیں۔
درخواست کا کام
- کسی پروڈکٹ کے 8-10 مواد/خصوصیات کی فہرست بنائیں اور پہلے پرامپٹ کے ساتھ زمرہ کا ڈھانچہ بنائیں۔
- ہر زمرے کا صارف کے سوالیہ جملے میں ترجمہ کریں اور جو الجھنیں ہیں ان کو یکجا کریں۔
- ایک کام کو منتخب کریں اور تیسرے پرامپٹ کے ساتھ اسکرین بہ اسکرین فلو بنائیں (کم از کم 2 خرابی کے راستوں کے ساتھ)۔
- دوسرے پرامپٹ کے ساتھ، بہاؤ پر تنقید کریں، گمشدہ کنارے کے کیسز شامل کریں، اور غیر ضروری اقدامات کو ہٹا دیں۔
- اگر ممکن ہو تو، 3-5 افراد کے ساتھ منی کارڈز کا گروپ بنائیں اور نتائج کے مطابق ڈھانچہ ایڈجسٹ کریں۔
چیک لسٹ
- [ ] میں نے زمرہ جات کو صارف کی زبان میں ترجمہ کیا اور اصطلاح کو ہٹا دیا۔
- خوشی کے راستے کے علاوہ، میں نے بہاؤ میں غلطی کے راستے بھی کھینچے۔
- میں نے مصنوعی ذہانت سے گمشدہ ایج کیسز کو اسکین کیا اور انہیں شامل کیا۔
- میں نے شعوری طور پر دائرہ کار سے باہر کی تجاویز کو مسترد کر دیا۔
- میں نے کارڈ گروپنگ یا صارف کی جانچ کے ساتھ IA ڈرافٹ کا تجربہ کیا۔
- [ ] میں نے اصلی صارف الفاظ کے ساتھ ٹیگز کی تصدیق کی۔