Το εμπόδιο δεν ήταν ποτέ η συνέντευξη
Κάθε άρθρο σχετικά με την Τεχνητή Νοημοσύνη και την έρευνα χρηστών ξεκινά με τον ίδιο τρόπο: η έρευνα είναι αργή, η Τεχνητή Νοημοσύνη την κάνει γρήγορη. Αυτή η διατύπωση δεν είναι λανθασμένη, αλλά είναι αρκετά ανακριβής ώστε να είναι άχρηστη όταν αποφασίζεις τι να αλλάξεις πραγματικά τη Δευτέρα το πρωί.
Εδώ είναι η πιο ακριβής εκδοχή. Η διεξαγωγή μιας συντονισμένης συνέντευξης διαρκεί εξήντα λεπτά και θα διαρκεί πάντα, επειδή ένα άτομο πρέπει να μιλήσει εξήντα λεπτά. Αυτό που παλιά διαρκούσε τέσσερις μέρες ήταν το παν γύρω — μεταγραφή, προσθήκη ετικετών, εύρεση της στιγμής όπου τρεις συμμετέχοντες είπαν το ίδιο πράγμα σε τρία διαφορετικά λεξιλόγια και μετατροπή αυτού σε κάτι με το οποίο ένας διευθυντής προϊόντων θα μπορούσε να ενεργήσει πριν ολοκληρωθεί το σπριντ.
Εκεί πέρασε ο χρόνος, και ακριβώς εκεί είναι που τα γλωσσικά μοντέλα είναι ισχυρά. Είναι αντιστοίχιση προτύπων αντί για κείμενο. Η ερευνητική σύνθεση είναι ένα πρόβλημα αντιστοίχισης προτύπων αντί για κείμενο. Η προσαρμογή είναι πραγματική.
Αλλά η ίδια ιδιότητα που τα κάνει καλούς στη σύνθεση τα καθιστά επικίνδυνα σε αυτήν. Ένα μοντέλο που βρίσκει μοτίβα θα βρει μοτίβα ανεξάρτητα από το αν υπάρχουν ή όχι, και θα περιγράψει αυτά που εφηύρε ακριβώς με την ίδια βεβαιότητα όπως αυτά που υπάρχουν. Στην έρευνα, ένα σίγουρο λάθος θέμα είναι χειρότερο από το να μην υπάρχει θέμα, επειδή δημιουργείται λάθος θέμα.
Άρα το ερώτημα δεν είναι αν να χρησιμοποιούν την Τεχνητή Νοημοσύνη στην έρευνα χρηστών. Όλοι το κάνουν ήδη. Το ερώτημα είναι ποια μέρη της διαδικασίας παραδίδετε, τι ελέγχετε πριν εμπιστευτείτε το αποτέλεσμα και τι αρνείστε να αυτοματοποιήσετε καθόλου. Αυτό ακριβώς είναι το θέμα αυτού του άρθρου.
Όπου η Τεχνητή Νοημοσύνη κερδίζει πραγματικά τη θέση της
Αντιστοιχίζουμε την Τεχνητή Νοημοσύνη σε σχέση με την ερευνητική διαδικασία βήμα προς βήμα αντί να την αντιμετωπίζουμε ως μία μόνο απόφαση. Τα διαφορετικά στάδια έχουν πολύ διαφορετικά προφίλ κινδύνου.
| Στάδιο | Τι κάνει καλά η Τεχνητή Νοημοσύνη | Τι κάνει λάθος | Ο κανόνας μας |
|---|---|---|---|
| Πρόσληψη και επιλογή | Σύνταξη ερωτηματολογίων, εντοπισμός αντιφατικών απαντήσεων στις απαντήσεις των ερωτηματολογίων, επισήμανση πιθανών επαγγελματιών ερωτηθέντων | Υπερβολικά φιλτράρει για τους εύγλωττους συμμετέχοντες· αποκλείει τους απογοητευμένους χρήστες που χρειάζεστε περισσότερο | Μόνο βοήθεια. Ένας άνθρωπος εγκρίνει το τελικό πάνελ. |
| Οδηγός συζήτησης | Δημιουργία ενός πρώτου προσχεδίου από το ερευνητικό ερώτημα, πρόταση επακόλουθων ερωτήσεων, έλεγχος για βασικές ερωτήσεις | Παράγει γενικούς οδηγούς που δοκιμάζουν ό,τι είναι ήδη γνωστό | Επιταχυντής σχεδίασης. Ο ερευνητής ξαναγράφει τουλάχιστον το μισό. |
| Μετριοπάθεια | Λήψη σημειώσεων σε πραγματικό χρόνο, ζωντανή σήμανση, υποβολή προτάσεων σε έναν ανθρώπινο συντονιστή | Δεν μπορώ να διαβάσω τον δισταγμό, την αμηχανία ή την παύση πριν από ένα ευγενικό ψέμα | Ποτέ αυτόνομο. Εργαλείο υποστήριξης για έναν ανθρώπινο συντονιστή. |
| Μεταγραφή | Διαχωρισμός ηχείων, χρονική σήμανση, καθαρισμός πρώτου περάσματος | Η ακρίβεια της μεταγραφής στα τουρκικά μειώνεται απότομα λόγω της ορολογίας τομέα, των εμπορικών σημάτων και της εναλλαγής κωδικών | Αυτοματοποιήστε και, στη συνέχεια, ελέγξτε δειγματοληπτικά το 10% σε σχέση με τον ήχο. |
| Κωδικοποίηση και προσθήκη ετικετών | Εφαρμογή ενός υπάρχοντος βιβλίου κωδικών με συνέπεια σε εκατοντάδες μεταγραφές με ταχύτητα | Επινόηση νέων κωδίκων στο μέσο του σώματος κειμένων· συμπτύσσοντας ξεχωριστά προβλήματα σε μία άνετη ετικέτα | Αυτοματοποιήστε με ένα σταθερό, ανθρώπινο βιβλίο κωδικών. |
| Σύνθεση | Ομαδοποίηση, ανάδειξη μοτίβων διασταυρούμενων συμμετεχόντων, σύνταξη της πρώτης αφήγησης | Μπερδεύει τη συχνότητα με τη σημασία· εξομαλύνει τον διαφωνούντα συμμετέχοντα | Μόνο σε προσχέδιο. Κάθε θέμα εντοπίζεται στην πηγή του πριν από την αποστολή του. |
| Συνεχής ανάλυση ανατροφοδότησης | Κριτικές από το App Store, αιτήματα υποστήριξης, αυτολεξεί NPS, αρχεία καταγραφής συνομιλιών σε μεγάλο όγκο που καμία ομάδα δεν μπορεί να διαβάσει χειροκίνητα | Η βαθμολόγηση του συναισθήματος ερμηνεύει άσχημα τον σαρκασμό και την πολιτισμική έμμεση συμπεριφορά | Αυτοματοποίηση υψηλής αξίας με δειγματοληπτικούς ελέγχους. |
| Κτίριο τεχνουργημάτων | Personas, χάρτες διαδρομής, δέντρα ευκαιριών από επικυρωμένα δεδομένα εισόδου | Παράγει εύλογα αντικείμενα από ελάχιστα ή απόντα στοιχεία | Μόνο από επαληθευμένη έρευνα, ποτέ από την παγκόσμια γνώση του μοντέλου. |
Δύο γραμμές σε αυτόν τον πίνακα αξίζουν περισσότερο από τις υπόλοιπες μαζί.
Κωδικοποίηση σε κλίμακα. Αν έχετε ένα βιβλίο κωδίκων που έχει γράψει ένας άνθρωπος, η συνεπής εφαρμογή του σε 40 μεταγραφές είναι ακριβώς το είδος του κουραστικού μοντέλου εργασίας που ακολουθεί κανόνες και είναι αξιόπιστο. Εδώ ακριβώς βρίσκεται το μεγαλύτερο μέρος του χρόνου ανακτήσιμου.
Συνεχής ανάλυση ανατροφοδότησης. Οι περισσότερες εταιρείες βασίζονται σε χιλιάδες κριτικές από καταστήματα εφαρμογών, αιτήματα υποστήριξης και αυτολεξεί ερευνών που κανείς δεν έχει διαβάσει από τότε που εμφανίστηκαν. Αυτή είναι η χρήση Τεχνητής Νοημοσύνης με την υψηλότερη απόδοση και τον χαμηλότερο κίνδυνο σε ολόκληρο τον κλάδο, επειδή δεν αντικαθιστάτε την έρευνα που διεξαγόταν - διαβάζετε δεδομένα που πετιόντουσαν. Το καλύπτουμε αυτό σε βάθος στο Πώς η Τεχνητή Νοημοσύνη μπορεί να μετατρέψει τα σχόλια των χρηστών σε εφαρμόσιμες πληροφορίες για το προϊόν.
Οι τέσσερις τρόποι αποτυχίας που συνεχίζουμε να εντοπίζουμε
Αυτοί δεν είναι θεωρητικοί κίνδυνοι. Είναι τα συγκεκριμένα πράγματα που πάνε στραβά σε πραγματικά έργα, κατά προσέγγιση φθίνουσα σειρά με το πόσο συχνά τα εντοπίζουμε.
1. Η συχνότητα μεταμφιέζεται σε σπουδαιότητα
Ζητήστε από ένα μοντέλο να συνοψίσει είκοσι συνεντεύξεις και αυτό θα αναδείξει τι ειπώθηκε πιο συχνά. Αλλά η ερευνητική αξία συνήθως δεν έγκειται στην τροπική απάντηση. Βρίσκεται στον έναν συμμετέχοντα που εγκατέλειψε εντελώς τη ροή ή στους δύο που περιέγραψαν την ίδια λύση ανεξάρτητα ή στο τμήμα που δεν έφτασε ποτέ στο βήμα που συζήτησαν όλοι οι άλλοι.
Ένα μοντέλο που συνοψίζει μια μελέτη ολοκλήρωσης αγοράς θα σας πει ότι η διαφάνεια του κόστους αποστολής αναφέρθηκε επανειλημμένα. Δεν θα σας πει ότι οι μόνοι δύο συμμετέχοντες που ολοκλήρωσαν την αγορά ήταν ήδη συνδεδεμένοι — κάτι που είναι το πραγματικό εύρημα και εμφανίζεται στο σώμα κειμένων μόνο ως απουσία.
Ο έλεγχος μας: Ζητάμε ρητά τη θέση της μειοψηφίας. «Ποιος συμμετέχων διαφώνησε με την αναδυόμενη συναίνεση και τι είπε;» Εάν το μοντέλο δεν μπορεί να κατονομάσει κάποιον, αντιμετωπίζουμε την περίληψη ως ελλιπή και όχι ως απόδειξη συμφωνίας.
2. Άπταιστη εφευρετικότητα
Τα μοντέλα παράγουν αποσπάσματα που ακούγονται ακριβώς όπως κάτι που θα είχε πει ένας συμμετέχων, αποδιδόμενο σε έναν συμμετέχοντα που δεν το είπε. Όχι συχνά. Αρκετά συχνά. Και η αποτυχία είναι αόρατη κατά την επιθεώρηση, επειδή ένα κατασκευασμένο απόσπασμα διαβάζεται καλύτερα από ένα πραγματικό - οι πραγματικοί άνθρωποι μιλούν αποσπασματικά.
Ο έλεγχος μας: Κάθε απόσπασμα που φτάνει σε μια τράπουλα πελατών φέρει μια αναφορά μεταγραφής και μια χρονική σήμανση. Εάν δεν μπορεί να εντοπιστεί στον πηγαίο ήχο, δεν αποστέλλεται. Αυτός είναι ένας μηχανικός κανόνας, όχι μια απόφαση, επειδή η κρίση είναι ακριβώς αυτό που αποτυγχάνει εδώ.
3. Συκοφαντική σύνθεση
Δώστε σε ένα μοντέλο την υπόθεσή σας και στη συνέχεια τα δεδομένα σας, και η σύνθεση θα υποστηρίξει την υπόθεσή σας. Δώστε του τα ίδια δεδομένα με την αντίθετη υπόθεση και η σύνθεση θα την υποστηρίξει. Αυτή είναι η πιο δαπανηρή μέθοδος αποτυχίας σε ένα συμβουλευτικό πλαίσιο, επειδή παράγει ακριβώς το παραδοτέο που ήθελε ο πελάτης, ενώ καταστρέφει τον λόγο για τον οποίο σας προσέλαβε.
Ο έλεγχος μας: Οι προτροπές σύνθεσης δεν περιέχουν ποτέ την υπόθεση. Το μοντέλο λαμβάνει το σώμα και το ερευνητικό ερώτημα, τίποτα άλλο. Όταν θέλουμε να δοκιμαστεί μια υπόθεση, την εκτελούμε ως ξεχωριστό, αντιπαραθετικό πέρασμα: "βρείτε τα ισχυρότερα στοιχεία σε αυτό το σώμα". κατά τον ακόλουθο ισχυρισμό."
4. Συνθετικοί χρήστες
Η εφαρμογή που διαφημίζεται με την μεγαλύτερη σιγουριά και η οποία είναι λιγότερο εύστοχη: η δημιουργία προσομοιωμένων συμμετεχόντων και η λήψη συνεντεύξεων από αυτούς αντί για ανθρώπους. Παράγει γρήγορα εύλογα απομαγνητοφωνημένα δεδομένα και η αληθοφάνεια είναι ακριβώς το πρόβλημα. Ένα μοντέλο που έχει εκπαιδευτεί στο διαδίκτυο θα σας πει τι είναι ένα πρόσωπο. Ακούγεται σαν, το οποίο αποτελεί μια σύνοψη του πώς γράφονται για τέτοιους ανθρώπους — όχι του πώς συμπεριφέρονται όταν η επικύρωση της φόρμας σας απορρίπτει τη διεύθυνσή τους με την τρίτη προσπάθεια.
Οι συνθετικοί χρήστες είναι χρήσιμοι για ένα πράγμα: την πρόβα ενός οδηγού συζήτησης προτού αφιερώσετε έναν πραγματικό συμμετέχοντα σε αυτόν. Τους χρησιμοποιούμε για αυτόν τον σκοπό. Δεν τους χρησιμοποιούμε ως αποδεικτικά στοιχεία και δεν αναφέρουμε τα αποτελέσματά τους ως ερευνητικά ευρήματα. Εάν ένας προμηθευτής σας προσφέρει ένα ερευνητικό πρόγραμμα χωρίς ανθρώπινους συμμετέχοντες σε αυτό, σας πουλάει έναν πολύ ακριβό τρόπο για να επιβεβαιώσετε αυτά που ήδη πιστεύετε.
Το πρωτόκολλο εργασίας μας
Αυτή είναι η πραγματική ακολουθία, όχι μια ιδανική.
1. Οι άνθρωποι γράφουν πρώτα το βιβλίο κωδίκων. Πριν από οποιοδήποτε μοντέλο που αγγίζει μια μεταγραφή, ένας ερευνητής διαβάζει τρεις έως πέντε συνεντεύξεις και δημιουργεί το πλαίσιο κωδικοποίησης χειροκίνητα. Το πλαίσιο προέρχεται από τα δεδομένα αυτής της μελέτης, όχι από μια γενική ταξινόμηση UX. Όλα τα κατάντη κληρονομούν την ποιότητά τους από αυτό το βήμα, γι' αυτό και είναι το βήμα που δεν συμπιέζουμε ποτέ.
2. Το μοντέλο εφαρμόζει το πλαίσιο και μόνο το πλαίσιο. Διορθώθηκε το πρόβλημα με το βιβλίο κωδικών, χωρίς νέες κατηγορίες κατά τη διάρκεια της εκτέλεσης. Όταν το μοντέλο συναντά κάτι που δεν καλύπτει το πλαίσιο, το επισημαίνει ως μη ταξινομημένο αντί να επιβάλλει προσαρμογή. Η μη ταξινομημένη στοίβα είναι συχνά το πιο ενδιαφέρον αποτέλεσμα ολόκληρης της εκτέλεσης.
3. Διπλός κώδικας σε ένα δείγμα 15%. Τα ίδια αντίγραφα κωδικοποιούνται από έναν άνθρωπο και από το μοντέλο ανεξάρτητα, και μετράμε το ποσοστό διαφωνίας. Κάτω από 10% και συνεχίζουμε. Πάνω από 20% και το βιβλίο κωδικών είναι λάθος, όχι το μοντέλο — επιστρέφουμε στο πρώτο βήμα. Το ποσοστό διαφωνίας είναι ένα διαγνωστικό στοιχείο στο πλαίσιο, και η αντιμετώπισή του με αυτόν τον τρόπο μας έχει εξοικονομήσει περισσότερα από το να το αντιμετωπίζουμε ως μια πύλη ποιότητας στα εργαλεία.
4. Σχέδιο σύνθεσης χωρίς υπόθεση στην προτροπή. Το μοντέλο λαμβάνει σώμα κειμένου και ερευνητικό ερώτημα. Παράγει συστάδες και μια πρώτη αφήγηση.
5. Πιστοποίηση ιχνηλασιμότητας. Κάθε ισχυρισμός στο προσχέδιο συνδέεται με τουλάχιστον δύο συμμετέχοντες, με χρονικές σημάνσεις. Οι ισχυρισμοί που δεν μπορούν να εντοπιστούν διαγράφονται, δεν μαλακώνονται. Ένας ισχυρισμός που υποστηρίζεται από ακριβώς έναν συμμετέχοντα χαρακτηρίζεται ως μία μόνο παρατήρηση, κάτι που είναι εύλογο και συχνά πολύτιμο για αναφορά — αλλά όχι ως θέμα.
6. Τριγωνοποίηση με δεδομένα συμπεριφοράς. Η δηλωμένη συμπεριφορά και η παρατηρούμενη συμπεριφορά αποκλίνουν συνεχώς. Ελέγχουμε τα ευρήματα των συνεντεύξεων με τις καταγραφές των συνεδριών και τα δεδομένα του θερμικού χάρτη — κλικ οργής, κλικ που δεν λειτουργούν, σημεία απόρριψης — πριν φτάσει οτιδήποτε σε έναν πελάτη. Όταν οι συμμετέχοντες λένε ότι το φίλτρο είναι εντάξει και οι καταγραφές τους δείχνουν ότι εγκαταλείπουν το φίλτρο, οι καταγραφές κερδίζουν. Εδώ είναι επίσης το σημείο όπου η ποιοτική εργασία που βασίζεται στην τεχνητή νοημοσύνη είναι πιο πιθανό να αποκλειστεί, επειδή τα δεδομένα συμπεριφοράς δεν ενδιαφέρονται για το πόσο συνεκτική ήταν η αφήγηση.
7. Ένας άνθρωπος γράφει τη σύσταση. Τα ευρήματα μπορούν να συγκεντρωθούν με βοήθεια. Το τι πρέπει να γίνει γι' αυτά, σε αυτόν τον οργανισμό, με αυτούς τους περιορισμούς και αυτόν τον οδικό χάρτη, είναι θέμα κρίσης που κάνει κάποιος που συμμετείχε στις συνεντεύξεις.
Τι δεν αυτοματοποιούμε
Σύντομη λίστα, και την κρατάμε σταθερά.
- Συντονισμός συνεντεύξεων με ευάλωτους ή προβληματικούς χρήστες. Υγειονομική περίθαλψη, οικονομικές δυσκολίες, έρευνα προσβασιμότητας. Η δουλειά του συντονιστή εκεί είναι εν μέρει καθήκον φροντίδας και αυτό δεν είναι ανατεθειμένο.
- Η σύσταση. Δείτε το βήμα επτά.
- Αξιολόγηση προσβασιμότητας. Αυτοματοποιημένα εργαλεία — συμπεριλαμβανομένων των δικών μας Εργαλείο ελέγχου WCAG — εντοπίζει περίπου το ένα τρίτο των προβλημάτων WCAG. Τα υπόλοιπα απαιτούν χειροκίνητο έλεγχο με υποστηρικτική τεχνολογία. Οποιοσδήποτε προμηθευτής ισχυρίζεται πλήρη αυτοματοποιημένη κάλυψη περιγράφει μια σάρωση, όχι έναν έλεγχο.
- Αποφασίζοντας τι δεν θα ερευνήσουμε. Η οριοθέτηση του πεδίου εφαρμογής είναι το σημείο όπου δημιουργείται ή καταστρέφεται η μεγαλύτερη ερευνητική αξία και πρόκειται για μια στρατηγική συζήτηση και όχι για μια εργασία σύνοψης.
Σημείωση για την έρευνα στην τουρκική γλώσσα
Οι περισσότερες δημοσιευμένες οδηγίες σχετικά με την έρευνα με τη βοήθεια της Τεχνητής Νοημοσύνης είναι γραμμένες και επικυρωμένες στα αγγλικά, και το χάσμα απόδοσης είναι πραγματικό και δεν έχει συζητηθεί επαρκώς.
Η τουρκική μεταγραφή υποβαθμίζεται αισθητά γύρω από επωνυμίες, ορολογία τομέων και την εναλλαγή κωδικών μεταξύ Αγγλικών και Τουρκικών, κάτι που είναι απολύτως φυσιολογικό στις ομάδες προϊόντων και ηλεκτρονικού εμπορίου στην Κωνσταντινούπολη. Η ταξινόμηση συναισθημάτων χειρίζεται ανεπαρκώς την έμμεση τουρκική γλώσσα — η ευγενική αντιστάθμιση που προηγείται ενός σοβαρού παραπόνου συχνά διαβάζεται ως ουδέτερη ή θετική σε έναν ταξινομητή που έχει εκπαιδευτεί κυρίως στα Αγγλικά. Η συγκολλητική μορφολογία σημαίνει επίσης ότι οι προσεγγίσεις συχνότητας λέξεων-κλειδιών σε δεδομένα ανοιχτών ερευνών υποεκτιμώνται αρνητικά, επειδή μια ενιαία έννοια εμφανίζεται σε δώδεκα κλιτές μορφές που ο tokeniser αντιμετωπίζει ως άσχετες.
Πρακτικές συνέπειες: αυξήστε το ποσοστό δειγματοληπτικού ελέγχου μεταγραφής πάνω από το 10% που θα χρησιμοποιούσατε για τα αγγλικά, μην βασίζεστε ποτέ σε αυτοματοποιημένο συναίσθημα ως αυτόνομο σήμα στα τουρκικά σώματα κειμένων και επικυρώστε οποιονδήποτε ταξινομητή σε ένα χειρόγραφα επισημασμένο δείγμα τουρκικών κειμένων προτού εμπιστευτείτε την απόδοσή του σε όγκο. Εκτελούμε το δικό μας σύνολο επικύρωσης ακριβώς για αυτόν τον λόγο.
Πώς να διαπιστώσετε εάν λειτουργεί
Η ταχύτητα είναι το λάθος μέτρο. Όλοι γίνονται πιο γρήγοροι. Το ερώτημα είναι αν η έξοδος επιβιώνει από την επαφή με την πραγματικότητα. Τρία μέτρα που παρακολουθούμε στην πραγματικότητα:
Ποσοστό επιβίωσης με βάση την διορατικότητα. Από τα ευρήματα που παρουσιάστηκαν σε μια ερευνητική έκθεση, ποιο ποσοστό εξακολουθούσε να θεωρείται έγκυρο έξι μήνες αργότερα; Αυτό είναι άβολο να μετρηθεί και αξίζει κάθε είδους ταλαιπωρία.
Ποσοστό διαφωνίας μεταξύ ανθρώπινου μοντέλου. Από το τρίτο βήμα παραπάνω. Παρακολουθήστε το με την πάροδο του χρόνου. Η αυξανόμενη διαφωνία συνήθως σημαίνει ότι ο τομέας της έρευνας έχει μετατοπιστεί και το βιβλίο κωδικών όχι.
Χρόνος από την τελευταία συνέντευξη έως την πρώτη ελέγξιμη υπόθεση. Αυτός είναι ο αριθμός που πραγματικά κινείται η Τεχνητή Νοημοσύνη. Αν η σύνθεση διαρκούσε οκτώ ημέρες και τώρα δύο, αυτό σημαίνει δύο επιπλέον κύκλους πειράματος ανά τρίμηνο — κάτι που αποτελεί την πραγματική επιχειρηματική περίπτωση και είναι καλό. Απλώς δεν ισχύει όπως υποστηρίζουν οι περισσότεροι προμηθευτές.
Προχωρώντας πιο βαθιά
Αυτό το άρθρο αποτελεί την επισκόπηση. Τέσσερα συνοδευτικά άρθρα καλύπτουν λεπτομερώς τα επιμέρους στάδια:
- Δημιουργία Personas χρηστών που βασίζονται σε δεδομένα με Τεχνητή Νοημοσύνη — κατασκευή αντικειμένων persona από επικυρωμένα στοιχεία αντί για προγενέστερα μοντέλα
- Από τα Δεδομένα στις Αποφάσεις: Πώς η Τεχνητή Νοημοσύνη Μπορεί να Βελτιστοποιήσει τη Σύνθεση Έρευνας Χρηστών — το στάδιο της σύνθεσης σε βάθος
- Πώς η Τεχνητή Νοημοσύνη μπορεί να μετατρέψει τα σχόλια των χρηστών σε εφαρμόσιμες πληροφορίες για το προϊόν — κριτικές, εισιτήρια και αυτολεξεί NPS σε κλίμακα
- Βελτιστοποίηση της ανακάλυψης προϊόντων με έρευνα χρηστών με την υποστήριξη της τεχνητής νοημοσύνης — εφαρμογή όλων αυτών μέσα σε έναν κύκλο ανακάλυψης
Συχνές ερωτήσεις
Μπορεί η Τεχνητή Νοημοσύνη να αντικαταστήσει πλήρως τις συνεντεύξεις χρηστών; Όχι. Μπορεί να αντικαταστήσει μέρος της εργασίας γύρω από τις συνεντεύξεις — μεταγραφή, κωδικοποίηση, σύνθεση πρώτου σταδίου — και μπορεί να σας βοηθήσει να προετοιμάσετε καλύτερες. Δεν μπορεί να παράγει στοιχεία για το πώς συμπεριφέρονται οι άνθρωποι, επειδή δεν έχει πρόσβαση στη συμπεριφορά τους. Οι προσομοιωμένοι συμμετέχοντες σας λένε πώς περιγράφονται αυτοί οι άνθρωποι στο κείμενο, κάτι που είναι διαφορετικό και συχνά παραπλανητικό.
Πόσο χρόνο εξοικονομεί στην πραγματικότητα η έρευνα με τη βοήθεια της Τεχνητής Νοημοσύνης; Από την εμπειρία μας, η εξοικονόμηση επικεντρώνεται σχεδόν εξ ολοκλήρου στη σύνθεση και την κωδικοποίηση, όπου είναι σημαντική. Η επιτόπια έρευνα, η προσέλκυση νέων μελών και η ευθυγράμμιση με τα ενδιαφερόμενα μέρη παραμένουν αμετάβλητες. Μια ρεαλιστική προσδοκία για μια μελέτη υπό εποπτεία είναι ότι η φάση μετά την επιτόπια έρευνα θα συμπιεστεί σημαντικά, ενώ η συνολική διάρκεια του έργου θα μειωθεί πολύ λιγότερο — επειδή η επιτόπια έρευνα ήταν πάντα ο μακροπρόθεσμος πόλος.
Είναι ποτέ νόμιμοι οι συνθετικοί χρήστες; Ως εργαλείο πρόβας για οδηγούς συζήτησης και ως τρόπος δοκιμής πίεσης στη διατύπωση μιας έρευνας, ναι. Ως απόδειξη σε ένα ερευνητικό εύρημα, όχι. Η διάκριση έχει σημασία: το ένα είναι ένα βοήθημα προετοιμασίας, το άλλο είναι κατασκευασμένα δεδομένα με μια ετικέτα έρευνας πάνω του.
Ποιος είναι ο μεγαλύτερος κίνδυνος; Σίγουρη, ρέουσα, λανθασμένη απόδοση — και συγκεκριμένα η εκδοχή της που συμφωνεί με ό,τι ήδη πίστευε η ομάδα. Τα κατασκευασμένα αποσπάσματα καλύπτονται από τους κανόνες ιχνηλασιμότητας. Η συκοφαντική σύνθεση είναι πιο δύσκολη, επειδή παράγει ένα παραδοτέο με το οποίο όλοι είναι ευχαριστημένοι. Η μόνη αξιόπιστη άμυνα είναι ο διαχωρισμός της υπόθεσης από την προτροπή σύνθεσης και η εκτέλεση μιας σαφούς αντιφατικής προσέγγισης.
Λειτουργεί εξίσου καλά η έρευνα με τη βοήθεια της Τεχνητής Νοημοσύνης στα Τουρκικά; Όχι έτοιμη για χρήση. Η ακρίβεια της μεταγραφής, η ταξινόμηση συναισθημάτων και οι μέθοδοι συχνότητας λέξεων-κλειδιών υποβαθμίζονται στα Τουρκικά σε σχέση με τα Αγγλικά. Είναι εύχρηστο και το χρησιμοποιούμε καθημερινά, αλλά απαιτεί υψηλότερα ποσοστά δειγματοληψίας, επικυρωμένους ταξινομητές και έναν ερευνητή που διαβάζει τη γλώσσα.
Θέλετε μια δεύτερη γνώμη σχετικά με την ερευνητική σας διαδικασία;
Εάν διεξάγετε έρευνα με τη βοήθεια Τεχνητής Νοημοσύνης και θέλετε να μάθετε εάν τα ευρήματά σας θα αντέξουν στον έλεγχο — ή εάν αποφασίζετε τι να αυτοματοποιήσετε και τι να προστατεύσετε — θα εξετάσουμε την τρέχουσα διαδικασία σας και θα σας ενημερώσουμε ξεκάθαρα για τον κίνδυνο.
