用AI解鎖用戶研究新范式

0 評論 6188 瀏覽 24 收藏 10 分鐘

大模型發展至今,已經在各行各業的崗位上得到廣泛的應用。這篇文章,我們就來看下,在用戶研究階段,如何合理應用大模型幫助我們工作。

隨著互聯網的快速發展和人工智能時代的到來,我們已經邁進了AIGC(Artificial Intelligence Generated Content)的新紀元。AIGC,即通過人工智能技術自動生成內容的生產方式,不僅改變了信息網絡上的內容輸出形式,也為各行各業帶來了新的機會與挑戰。

本文旨在探討如何在用戶研究領域中,巧妙地運用AI工具,特別是ChatGPT,以提升工作效率。

一、AI時代下的用研思考

在使用前,大家需要思考,在項目執行中,哪部分工作是需要用到或者輸出內容的?只有想明白這個問題,你就知道在工作中,哪部分是可以由AI代替或者提效,也就可以知道,你需要重點掌握那部分的工具。

通過對ChatGPT 的優勢分析,ChatGPT 在用戶研究的文本生成和初步分析方面具有較強的優勢,比如在方案撰寫上,ChatGPT 可以用于生成研究方案的草稿或提供方案結構的模板,從而加速方案編寫的過程。此外ChatGPT 可以根據您的研究目標和需求,生成一系列相關問題。這些問題可以經過進一步的優化和修訂,以適應特定的研究場景。

但在需要深入分析和專業判斷的環節中,其應用則相對受限。雖然 ChatGPT 可以進行一些基礎的數據計算解釋,但它不具備進行復雜定量或定性數據分析的能力。這一環節通常需要專業的統計軟件和深入的專業知識。

還有在報告生成階段的時候, ChatGPT 雖然根據要求可以生成報告的某些部分(例如,引言、結論等),但它不能替代對數據和結果的深入分析和解釋。報告撰寫通常需要研究者的專業判斷和綜合能力。在做訪談總結的時候, ChatGPT 在生成文本時表現出較高的準確性,但它可能仍然難以完全理解某些特定領域或文化背景下的復雜語境。

二、AI時代下的用研實踐

知道了哪些環節適合AIGC參與,那到了具體實施階段,又該怎么做呢?

接下來會以案例的形式給大家展示。

1. 問卷設計

我們嘗試讓chatgpt去輔助我們設計問卷,就像最初的midjoury輔助設計師出圖一樣。

以ChatGPT為例,曾嘗試用它來設計一個測量趕集網用戶滿意度的問卷。

向ChatGPT輸入了一個相對模糊的要求:“幫我設計一份調研問卷,主要目的是為了測量趕集網用戶的滿意度?!?/p>

輸出的結果并不令人滿意,問題設置顯得散亂且不專業,與招聘相關的內容也較少。

1)原因定位

這里出現的問題源自于不明確或不完整的指令和背景信息。在AI領域有一句話:垃圾輸入,垃圾輸出。若給AI工具一個模糊不清的指令,你得到的結果也將是模糊不清的,為此改進了輸出指令。?

2)優化操作

后續,我們對指令進行了明確和優化,加入了更多的背景信息和具體目標。

可以看到,目的沒變,但chatgpt文本生層內容確有不同,新的提示詞增加了身份設定、目標和格式,他也會根據你的提示,在內容生成上更聚焦。

3)持續對話與潤色

即便如此,如果輸出的問卷仍未達到預期水平,仍可繼續與ChatGPT進行對話,提供更多具體需求和背景信息,以便進行進一步的潤色和優化。

比如在問卷中,你不需要進行功體驗的評估,而是需要對產品各環節進行評估,你直接輸入后,chatgpt就會補充各環節滿意度相關問題。

除了能幫助你修改問卷,還可以讓AI對問卷進行潤色,你可以告訴他,這份問卷面對的用戶是誰,讓AI將問卷內容潤色成符合要求的口吻或者語氣。

4)其他

一份合乎你心意的問卷初步完成后,你可以讓他以markdown的形式展示,方便你進行粘貼在文檔里,進行微調或直接使用。

以此類推,設計研究方案、訪談提綱等等,操作步驟和上面說的一樣,如果不確定從何開始,你也可以直接詢問ChatGPT,根據其給出的提示來補充信息。

2. 數據分析

ChatGPT雖然不具備復雜的數據計算能力,但可以進行一些基礎的數據計算解釋。

簡單但重復性操作多的數據分析工作可以通過自動化處理進行提效。

一般而言,對于數據分析的指令,需要明確、分步驟地進行,并要做好每一步的驗證和確認。

1)分析指令?

這里需要注意的是,對數據分析的指令,一定是需要傻瓜式的,你要分析什么,做什么計算,具體要用哪道題計算,都需要清晰的告知chatgpt,每一次的計算最好都分步驟進行,避免多任務進行導致計算錯誤。

2)數據驗證

一般而言,對每一步的計算都需要進行驗證、確認;簡單的描述統計一般而言不會出問題,但在復雜的交叉分析中,或者需要對數據行合并計算時,AI極易出錯,而進行驗證最簡單的方法就是看他計算用的樣本量是否正確,這是一個較好的方法。

3)公式撰寫

除了讓他幫你分析以外,對于咱們來說更常見的是讓AI幫咱們寫公式。

特別是一個復雜的公式:

3. 訪談整理與總結

在定性研究中,對多場訪談記錄的整理和總結也是非常耗時的。有針對性的AI工具,如Chatdoc、Humata、FileGPT等,這一類軟件將搜索引擎和 AI 模型的優點進行融合,針對用戶的提問,提供更為精準的答案,并提供與答案相關的引文信息。

可以在這方面幫助我們進行訪談小結。

4. 報告輸出

在報告生成環節,通過AI工具如Gamma,我們可以智能生成PPT,從而節省找圖和模板的時間。

三、結論

AI工具,在用戶研究領域具有顯著的應用價值。

通過合理和明確的輸入,用戶研究員不僅可以提高工作效率,也能更聚焦于需要專業知識和判斷的環節。

有效地將AI工具集成到用戶研究工作流程中將是一種值得推崇的實踐方式。

然而,關鍵的一步是如何克服AI工具的局限性,與之形成互補,以達到更全面和深入的研究結果。

作者:王楠、張政奧

來源公眾號:58UXD(ID:i58UXD),58UXD,全稱58同城用戶體驗設計中心。

本文由人人都是產品經理合作媒體 @58UXD 授權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。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!