起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識用戶研究讓你的AI更智能
導語：AI時代，用戶研究機遇與挑戰并存。如何讓AI賦能傳統的用戶研究？ 如何通過用戶研究解決AI帶來的體驗新痛點？這是廣大研究人員共同面臨的問題。微軟Office首席用戶研究經理Penny Marsh Collisson 與Gwenyth Hardiman、Michaelvincent Santos 等人通過《User Research Makes Your AI Smarter》一文探討了對該問題的思考。本文在不改變作者原意的情況下進行了編譯，分享給大家。
隨著人工智能（Artificial Intelligence, AI）的普及，人機互動方式也發生著改變，人們對產品的期望也越來越高。用戶體驗從業者不僅要考慮AI產品的有效性，還需收集用戶對AI產品的使用反饋，從而創造更好的使用體驗。但是，收集AI產品的使用反饋并不是一件容易的事情。
傳統的研究方法諸如民族志、原型設計、用戶問卷調查、日志分析等仍可用來評估AI產品的用戶體驗。但是，AI系統具有情境感知能力，可以提供個性化服務，能通過機器學習不斷升級，還會有出錯的風險。這些新的特征為研究AI產品的用戶體驗帶來了新的機遇和挑戰。
接下來，我們將分享幾點從工作中總結的AI產品用戶體驗研究實用技巧。
01?招募多樣化的被試
作為用戶體驗從業者，我們有責任提供多樣化的AI產品體驗，來滿足不同背景、不同能力的用戶的需求。如果我們僅關注部分用戶需求，那么所構建的AI交互模型將會存在偏差，并且這些偏差會隨著機器學習的訓練而不斷加深。因此，在研究AI產品用戶體驗時，僅按照基本的人口屬性（如：性別、年齡等）進行隨機抽樣是不夠的，還需要考慮一些與AI產品使用體驗相關的抽樣因素。如：
- 用戶對AI和隱私的態度；
- 用戶對新興科技的接受程度；
- 用戶對科技的自我效能感（譯者注：自我效能感指人們對自身能否完成任務或達成目標的自信程度）；
- 用戶所在的地域分布；
- 用戶所處的社會環境和社會規范；
- 用戶的體能、認知能力、情感能力等；
- 即使是在產品前期收集用戶反饋時，也需要招募具有以上因素的用戶。
02?用綠野仙蹤法來“模擬”AI
在早期的原型設計階段，
AI系統可能尚未實現全部的功能或交互方式，還不能稱之為“產品”。如果使用這樣的系統做研究，被試的使用體驗是不完整的。因此，我們可以嘗試使用綠野仙蹤研究法（Wizard of Oz techniques）。
這個方法中，研究人員在“幕后“模擬AI系統的交互過程和結果，讓被試誤認為自己是在與真實的AI系統進行互動。例如，研究人員根據被試之前的選擇設置AI系統的推薦結果，被試卻以為這是AI系統的實時反饋。當被試認為他們操作的是真實的AI系統時，他們能夠更認真地、更自然地進行互動。
03?將被試的“真實信息”整合到你的AI系統原型中
在進行綠野仙蹤測試時，將被試的“真實信息”預先整合到AI系統原型中也是很重要的。
例如，系統對手機相冊進行人臉識別時，識別出普通人的照片和識別出好朋友的照片，用戶的感受是大不相同的。如果僅僅在AI系統中使用一些通用的內容，用戶可能不會流露真情實感，而與自己相關的真實信息才會讓用戶更投入地交互。
04?在談論AI時，多了解用戶對人本身的期待
生活中有很多關于AI的傳聞，當我們向被試提及AI，他們可能會基于對AI的刻板印象或目前熱議的AI負面事件進行聯想，也可能過分理想地認為AI無所不能。如果想更好地了解用戶對AI產品的期待，研究人員可以讓用戶更多思考“如果是人類，TA能如何幫助到你”。
在談論AI產品時，可以使用以下問題來幫助用戶多談論對人本身的期待：
- 你目前如何尋求他人幫助來達成自己的目標？
- 你希望的（某個領域）專家是什么樣的，會做什么？
05?關注AI產品出錯時的體驗
AI產品并不完美。人工智能算法是基于概率的、有缺陷的，所以是會犯錯誤的。特別是在AI產品設計的早期，原型設計通常比較理想化，使用這樣的交互原型進行用戶研究得到的用戶體驗反饋往往過于樂觀。
為此在AI產品原型評估階段，我們應該多考慮AI產品實際應用過程中會出現的錯誤，從而彌補實際體驗與理想原型之間的差距。一旦了解AI產品出錯對用戶體驗的影響，研究人員就可以通過設計來減輕這類負面影響。
在關注出錯體驗時，有以下幾點值得思考：
- 有意在AI產品原型中引入可能“出錯”的東西；
- 使用綠野仙蹤研究時，確保你的交互系統包含不同類型的錯誤；
- 讓被試體驗不同出錯程度的交互模型，如：一切運行正確；有些地方出錯了；大部分出錯了；全部都出錯了；
- 邀請被試討論哪些出錯對他們的體驗影響最大。
06?洞察用戶的心智模型
雖然人們在不了解AI技術背后的具體細節時，也能獲得積極的產品體驗，但在用戶的心智模型中，對于AI系統能提供什么服務，何時以及為什么提供，是有預期的。
研究人員容易假設用戶能夠正確理解AI系統是如何工作的，實際上用戶的理解經常是錯誤的（即使他們對此非常有信心）。找到用戶的心智模型與AI系統的實際表現之間的差距，就能通過設計來更好地改善AI系統的設計。
要了解被試如何理解你的AI系統運作模式，可以嘗試如下方法：
- 讓被試寫下他們理解的AI系統的實現邏輯。例如，給用戶一個結果，讓他們解釋產生該結果的原因和方式；
- 給用戶一個結果，讓用戶思考導致該結果產生的數據或者交互行為是什么。
07?關注共性趨勢的同時，也需要關注個性化需求
不同的用戶處于不同情境，會產生不同的輸入內容和交互方式，因此，每個人對AI產品都有不同的體驗需求。只是洞察大多數人的共性需求是不夠的，也需要關注少數人的個性化需求，并理解他們為什么會產生這種個性化需求。這在評估覆蓋用戶類型較廣的AI產品時，尤為重要。
版權聲明：本文在不改變作者原意的情況下，做了刪減和編排，版權屬原作者所有。本文僅為翻譯，不代表本院觀點。
編譯：AIID非正式編譯組
原文作者：Penny Marsh Collisson, Gwenyth Hardiman，Michaelvincent Santos
原文鏈接：https://medium.com/microsoft-design/user-research-makes-your-ai-smarter-70f6ef6eb25a
本文由 @Du Design 原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自 Unsplash，基于 CC0 協議
- 目前還沒評論，等你發揮！
