用AI解锁用户研究新范式

0 评论 6114 浏览 24 收藏 10 分钟

大模型发展至今,已经在各行各业的岗位上得到广泛的应用。这篇文章,我们就来看下,在用户研究阶段,如何合理应用大模型帮助我们工作。

随着互联网的快速发展和人工智能时代的到来,我们已经迈进了AIGC(Artificial Intelligence Generated Content)的新纪元。AIGC,即通过人工智能技术自动生成内容的生产方式,不仅改变了信息网络上的内容输出形式,也为各行各业带来了新的机会与挑战。

本文旨在探讨如何在用户研究领域中,巧妙地运用AI工具,特别是ChatGPT,以提升工作效率。

一、AI时代下的用研思考

在使用前,大家需要思考,在项目执行中,哪部分工作是需要用到或者输出内容的?只有想明白这个问题,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,你需要重点掌握那部分的工具。

通过对ChatGPT 的优势分析,ChatGPT 在用户研究的文本生成和初步分析方面具有较强的优势,比如在方案撰写上,ChatGPT 可以用于生成研究方案的草稿或提供方案结构的模板,从而加速方案编写的过程。此外ChatGPT 可以根据您的研究目标和需求,生成一系列相关问题。这些问题可以经过进一步的优化和修订,以适应特定的研究场景。

但在需要深入分析和专业判断的环节中,其应用则相对受限。虽然 ChatGPT 可以进行一些基础的数据计算解释,但它不具备进行复杂定量或定性数据分析的能力。这一环节通常需要专业的统计软件和深入的专业知识。

还有在报告生成阶段的时候, ChatGPT 虽然根据要求可以生成报告的某些部分(例如,引言、结论等),但它不能替代对数据和结果的深入分析和解释。报告撰写通常需要研究者的专业判断和综合能力。在做访谈总结的时候, ChatGPT 在生成文本时表现出较高的准确性,但它可能仍然难以完全理解某些特定领域或文化背景下的复杂语境。

二、AI时代下的用研实践

知道了哪些环节适合AIGC参与,那到了具体实施阶段,又该怎么做呢?

接下来会以案例的形式给大家展示。

1. 问卷设计

我们尝试让chatgpt去辅助我们设计问卷,就像最初的midjoury辅助设计师出图一样。

以ChatGPT为例,曾尝试用它来设计一个测量赶集网用户满意度的问卷。

向ChatGPT输入了一个相对模糊的要求:“帮我设计一份调研问卷,主要目的是为了测量赶集网用户的满意度。”

输出的结果并不令人满意,问题设置显得散乱且不专业,与招聘相关的内容也较少。

1)原因定位

这里出现的问题源自于不明确或不完整的指令和背景信息。在AI领域有一句话:垃圾输入,垃圾输出。若给AI工具一个模糊不清的指令,你得到的结果也将是模糊不清的,为此改进了输出指令。‍

2)优化操作

后续,我们对指令进行了明确和优化,加入了更多的背景信息和具体目标。

可以看到,目的没变,但chatgpt文本生层内容确有不同,新的提示词增加了身份设定、目标和格式,他也会根据你的提示,在内容生成上更聚焦。

3)持续对话与润色

即便如此,如果输出的问卷仍未达到预期水平,仍可继续与ChatGPT进行对话,提供更多具体需求和背景信息,以便进行进一步的润色和优化。

比如在问卷中,你不需要进行功体验的评估,而是需要对产品各环节进行评估,你直接输入后,chatgpt就会补充各环节满意度相关问题。

除了能帮助你修改问卷,还可以让AI对问卷进行润色,你可以告诉他,这份问卷面对的用户是谁,让AI将问卷内容润色成符合要求的口吻或者语气。

4)其他

一份合乎你心意的问卷初步完成后,你可以让他以markdown的形式展示,方便你进行粘贴在文档里,进行微调或直接使用。

以此类推,设计研究方案、访谈提纲等等,操作步骤和上面说的一样,如果不确定从何开始,你也可以直接询问ChatGPT,根据其给出的提示来补充信息。

2. 数据分析

ChatGPT虽然不具备复杂的数据计算能力,但可以进行一些基础的数据计算解释。

简单但重复性操作多的数据分析工作可以通过自动化处理进行提效。

一般而言,对于数据分析的指令,需要明确、分步骤地进行,并要做好每一步的验证和确认。

1)分析指令‍

这里需要注意的是,对数据分析的指令,一定是需要傻瓜式的,你要分析什么,做什么计算,具体要用哪道题计算,都需要清晰的告知chatgpt,每一次的计算最好都分步骤进行,避免多任务进行导致计算错误。

2)数据验证

一般而言,对每一步的计算都需要进行验证、确认;简单的描述统计一般而言不会出问题,但在复杂的交叉分析中,或者需要对数据行合并计算时,AI极易出错,而进行验证最简单的方法就是看他计算用的样本量是否正确,这是一个较好的方法。

3)公式撰写

除了让他帮你分析以外,对于咱们来说更常见的是让AI帮咱们写公式。

特别是一个复杂的公式:

3. 访谈整理与总结

在定性研究中,对多场访谈记录的整理和总结也是非常耗时的。有针对性的AI工具,如Chatdoc、Humata、FileGPT等,这一类软件将搜索引擎和 AI 模型的优点进行融合,针对用户的提问,提供更为精准的答案,并提供与答案相关的引文信息。

可以在这方面帮助我们进行访谈小结。

4. 报告输出

在报告生成环节,通过AI工具如Gamma,我们可以智能生成PPT,从而节省找图和模板的时间。

三、结论

AI工具,在用户研究领域具有显著的应用价值。

通过合理和明确的输入,用户研究员不仅可以提高工作效率,也能更聚焦于需要专业知识和判断的环节。

有效地将AI工具集成到用户研究工作流程中将是一种值得推崇的实践方式。

然而,关键的一步是如何克服AI工具的局限性,与之形成互补,以达到更全面和深入的研究结果。

作者:王楠、张政奥

来源公众号:58UXD(ID:i58UXD),58UXD,全称58同城用户体验设计中心。

本文由人人都是产品经理合作媒体 @58UXD 授权发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!