Планирование исследований с помощью генеративного ИИ

При правильном контексте, подсказках и внимательном отношении чат-боты с искусственным интеллектом могут быть использованы для создания успешного плана пользовательского исследования.

ИИ (такие как ChatGPT, Gemini от Google и Microsoft Copilot) могут помочь UX-исследователям любого уровня опыта в планировании исследований.

В этой статье:

• Что такое план исследования?
• Использование чат-ботов с искусственным интеллектом для написания плана исследования
• Заключение

Что такое план исследования?

Хорошее исследование всегда начинается с плана.

План исследования - это документ, в котором изложены цели исследования и порядок его проведения.

План исследования должен включать в себя:

• цели исследования или вопросы, на которые оно надеется получить ответ.
• Метод, который будет использоваться, и описание того, как он будет осуществляться
• Задания или вопросы, которые будут поставлены перед участниками исследования
• Профиль целевых участников
• анкета, используемая для набора участников.

Составление плана исследования может занять много времени. Даже имея хороший шаблон, исследователь должен сформулировать вопросы исследования, выбрать подходящий метод (методы), решить, как проводить сессии, и часто создавать сопутствующий материал исследования (например, анкеты и задания) с нуля. Хорошая новость заключается в том, что ИИ может помочь в решении многих, если не всех, из этих задач!

Использование ИИ-чатботов для написания плана исследования

Может возникнуть соблазн просто попросить инструмент ИИ предоставить вам план исследования для проекта. Не делайте этого.

Плохая задача:

Сгенерировать план исследования для юзабилити-теста приложения по доставке еды.

Такой запрос приводит к общему, шаблонному ответу, отчасти потому, что ИИ не хватает контекста, чтобы предложить полный план исследования, а отчасти из-за того, как модель была обучена.

Чтобы составить полезный план исследования, разбейте его на части и поручите чат-боту с искусственным интеллектом рассмотреть каждую часть по отдельности. Ответы можно собрать в окончательный план исследования.

Не ждите, что ИИ будет задавать вам правильные вопросы, чтобы получить исчерпывающий результат. Рассматривайте инструмент ИИ как UX-ассистента, а не как UX-наставника. Вы должны предоставить ИИ все шаги и детали, которые он должен учесть.

Для достижения наилучших результатов следуйте приведенным ниже шагам.

Шаг 1: Предоставьте контекст

Представьте, что вы просите опытного коллегу дать рекомендации по проведению исследования, не объясняя ему, над каким проектом вы работаете и чего пытаетесь достичь. Скорее всего, они ответят: «Это зависит от того, что вы хотите узнать». Разговор с ИИ не является исключением.

Начните разговор с достаточного контекста, особенно если инструмент ИИ еще не хранит эту информацию о вас или вашем текущем проекте. (ChatGPT 4 позволяет пользователям сохранять контекст для каждого нового разговора).

Контекстная информация, которой вы поделитесь, должна включать информацию о том, на кого вы работаете, масштаб вашего проекта и то, чего вы хотите достичь. Помните, что некоторые инструменты искусственного интеллекта могут использовать ваши разговоры для обучения своих моделей, поэтому делитесь только той информацией, которую вы не против выложить в открытый доступ.

Шаблон подсказки:

Я работаю в [организация]. Моя компания предоставляет [какой продукт, услугу или опыт]. Мне нужно провести исследование пользователей, чтобы узнать [что-то о пользователях или проблеме].

Шаг 2: Формирование вопросов для исследования

После того как инструмент искусственного интеллекта получит контекст, попросите его предложить конкретные вопросы для исследования.

Пример подсказки:

Я проведу исследование и составлю отчет о том, как UX-практики из разных организаций создают и используют исследовательские репозитории. Пожалуйста, составьте 10 исследовательских вопросов, которые подойдут для такого рода исследования.

Хорошая идея — попросить инструменты генеративного ИИ предложить больше вариантов или идей, чем вы думаете, что вам понадобится, потому что некоторые из них не подойдут.

Microsoft Copilot ответил на вышеприведенную подсказку 10 исследовательскими вопросами, представленными ниже.

10 исследовательских вопросов, сгенерированных Microsoft Copilot

1. Кто является основными пользователями исследовательского репозитория в различных организациях?
2. Что побуждает пользователей работать с хранилищем исследований?
3. Как различные команды (разработчики, разработчики продукта, продавцы, маркетологи) получают доступ к хранилищу исследований и извлекают из него пользу?
4. С какими проблемами сталкиваются специалисты-практики при внесении вклада в репозиторий или получении информации из него?
5. Какие типы исследовательских артефактов (отчеты, исходные данные, шаблоны) чаще всего хранятся в репозитории?
6. Как организации структурируют свои исследовательские репозитории?
7. Какие инструменты и шаблоны обычно используются для облегчения управления исследовательскими репозиториями?
8. Как специалисты-практики обеспечивают качество и точность информации в репозитории?
9. Какое влияние оказывает исследовательский репозиторий на принятие решений и результаты проектов?
10. Какие стратегии могут реализовать организации, чтобы стимулировать широкое внедрение и активное участие в работе исследовательского репозитория?

Чтобы расширить круг исследовательских вопросов, задайте дополнительные вопросы или предложите ту же самую подсказку в новой сессии. Повторяйте этот процесс столько раз, сколько вам нужно, чтобы составить список, который будет казаться исчерпывающим по отношению к тому, что вы хотели бы узнать.

Некоторые из исследовательских вопросов, которые Copilot сгенерировал для меня, были подходящими, а другие — нет. В результате мне пришлось сгенерировать еще несколько исследовательских вопросов.

К сожалению, большинство чат-ботов с искусственным интеллектом не предлагают удобного способа отклонить предложения или объединить конкретные ответы и работать только на их основе (такое поведение называется «выбор яблока»).

Внесение сгенерированных исследовательских вопросов в автономный документ (например, FigJam или Google Doc) позволяет легко сгруппировать элементы, удалить дубликаты или переформулировать предложенные исследовательские вопросы.

Начните новую сессию чата с выбранным и уточненным набором исследовательских вопросов, чтобы ненужные вопросы были удалены из истории чата.

Шаг 3: Запрос методов

После обмена информацией о контексте и выбранных исследовательских вопросах попросите инструмент искусственного интеллекта определить подходящие методы исследования.

Пример запроса:

Какое исследование вы бы предложили для ответа на эти исследовательские вопросы? Пожалуйста, будьте конкретны; укажите, на какие вопросы исследования можно ответить с помощью того или иного метода исследования, если вы предлагаете несколько методов.

Советы генеративного ИИ не всегда являются хорошими советами. Часто эти инструменты предлагают различные методы и предлагают вам триангулировать данные из нескольких источников. Такой подход не всегда необходим. Кроме того, не все методы будут практичными или наилучшим образом подойдут для вашего исследования. Кроме того, ИИ может предложить провести интервью и фокус-группы даже для тех вопросов, которые лучше подходят для поведенческих методов исследования.

Попросите чат-ботов ИИ подсказать вам, какие методы исследования подойдут для того или иного исследовательского вопроса и почему. Мы также рекомендуем самостоятельно ознакомиться с незнакомыми вам методами.

В ответ на вышеприведенный запрос (и с учетом выбранных мною вопросов исследования) ChatGPT рекомендовал опрос, интервью с избранными практикующими UX-специалистами и тематические исследования. Все эти методы были выбраны мной, так что ИИ справился с задачей!

Шаг 4: Запрос критериев включения

AI может создать критерии включения — необходимый компонент вашего плана исследования. Выполняйте этот шаг только после разработки вопросов и методов исследования, поскольку именно они определят, кто должен участвовать в исследовании.

Критерии включения (или критерии набора) — это конкретные характеристики целевой группы, которые должны быть представлены в вашей выборке.

Начните с критериев включения, прежде чем просить ИИ помочь вам составить анкету для отбора; ИИ сможет составить подходящую анкету только после того, как «узнает», кого вы хотите набрать.

Пример задания:

Чтобы я мог набрать нужных людей для интервью, помогите мне создать критерии включения. По каким характеристикам или поведению я должен набирать людей?

Шаг 5: Попросите помочь с отсеивателями, вопросами для собеседования и заданиями

Наконец, попросите ИИ составить:

• Вопросы для интервью или руководство по проведению интервью (если вы проводите интервью)
• Задания для юзабилити-теста
• Подсказки для ведения дневника (если это уместно)
• Электронные письма с подтверждением приема на работу или другие коммуникационные сообщения.

К сожалению, в сети можно найти множество неудачных примеров вышеперечисленного. Разговорный ИИ обучался на всех этих данных. Поэтому не удивляйтесь, если с первой же попытки он выдаст некачественные предложения по обучению! Это большая зона риска для начинающих исследователей.

Один из способов уменьшить эту опасность — дать инструменту ИИ совет при создании любого из этих результатов. Воспринимайте ИИ как нового помощника исследователя, который может очень быстро обучаться.

К распространенным ошибкам, которые допускают инструменты ИИ, относятся:

• Использование слов, которые встречаются в интерфейсе, в инструкциях к задаче (прайминг)
• Создание инструкций к заданиям, которые просят пользователей представить, что они являются кем-то, кем они не являются
• Отсутствие цели или призыва к действию в инструкции к задаче
• Отсутствие вариантов отвлечения внимания в анкетах для скрининга
• Использование чрезмерно восторженных маркетинговых формулировок в материалах по подбору персонала.

Неудивительно, что ИИ совершает эти ошибки, ведь их совершают и UX-практики!

Чтобы улучшить результаты, давайте ИИ важные советы, например:

1. При составлении задач: Не используйте названия слов или метки ссылок в инструкции к задаче. Найдите эквивалент на естественном языке, чтобы объяснить, что должен сделать участник. (Можно попросить ИИ «прочитать» сайт или изображение).
2. При составлении рекрутинговых материалов: Используйте нейтральный и лаконичный язык в электронном письме о наборе участников. Избегайте использования слишком восторженных маркетинговых формулировок.
3. При составлении анкеты: Включите вопросы с несколькими вариантами ответов, которые могут скрыть суть исследования и то, кого я хочу привлечь.

Кроме того, по возможности снабжайте ИИ примерами анкет, заданий или вопросов для интервью, чтобы он мог следовать их формату или стилю.

Даже при соблюдении этих рекомендаций ИИ все равно может совершать ошибки. Если вы сомневаетесь в его ответах, обратитесь к первоисточникам или поговорите с опытным исследователем, чтобы получить старомодную человеческую подсказку.

Заключение

При наличии надлежащего контекста, примеров и рекомендаций инструменты искусственного интеллекта, такие как ChatGPT и Microsoft Copilot, могут создавать полезные вопросы, задания, вопросы для интервью и другие сопутствующие исследования гораздо быстрее, чем если бы вы начинали с нуля.

Руководители исследований и сотрудники ResearchOps могут поддерживать младших исследователей и PWDR (People Who Do Research), приводя примеры и давая советы, которые могут быть переданы агентам ИИ. Опытные исследователи могут извлечь выгоду из использования ИИ, чтобы ускорить процесс планирования исследований и получить дополнительное вдохновение.