المقابلات الاصطناعية: نعم أم لا لبحث المستخدم؟

مقابلات مع مستخدمين اصطناعيين. كان هناك الكثير من الحماس على منصات التواصل الاجتماعي مثل لينكد إن و ريديت حول هذا الموضوع، وخاصة حول إيجابياته وسلبياته.

لكن هل هو حقاً دواء وهمي كما تم تصويره لمحترفي تجربة المستخدم والتسويق؟ أم أن هناك فعلاً جوهر وراء الفكرة؟ بعد كل شيء، الهدف الأساسي من بحث تجربة المستخدم هو مراقبة ومقابلة مستخدمين حقيقيين، والتعرف على نقاط الألم لديهم، وتحديد العوامل التي تجعل تجاربهم فريدة.

المقابلات التقليدية مكلفة، نعم، ولكنها في النهاية تسمح باكتشاف الفروق الدقيقة والتعقيدات وراء التفاعلات والمشاعر الإنسانية.

أدوات الذكاء الاصطناعي التوليدي مثل تشات جي بي تي، التي تعمل على نماذج لغوية متقدمة للغاية، يمكنها فقط إنشاء مشاركين اصطناعيين يعكسون المتوسط الجماعي، وتفتقر إلى الشخصيات المتنوعة والخصائص الفردية الموجودة في الفئة الديموغرافية العامة.

ومع ذلك، بالنسبة للباحثين الذين يريدون تجاوز مشكلة الصفحة البيضاء، أو للشركات متعددة الجنسيات التي تواجه احتكاكاً تنظيمياً، يمكن أن يكون البحث الاصطناعي بالفعل المحفز الذي يحرك الأمور. التكلفة والوقت المطلوبان، مقارنة بالبدائل التقليدية، ضئيلان أيضاً.

إذن، هل يعني هذا أنه يمكنك استبدال الأشخاص الحقيقيين بمستخدمين تم إنشاؤهم بواسطة الذكاء الاصطناعي في دراسات أبحاث السوق الخاصة بك؟ أو الاعتماد على المقابلات الاصطناعية لاتخاذ قرارات مهمة؛ قرارات يمكن أن يكون لها تأثير كبير على عملك؟ دعونا نبحث في ذلك.

البيانات الاصطناعية والمستخدمين الاصطناعيين

قبل أن نتطرق إلى المقابلات الاصطناعية، أو بيرسونا الاصطناعية في هذا الصدد، نحتاج إلى التعمق في البيانات الاصطناعية. البيانات الاصطناعية ليست شيئًا حديثًا؛ فقد تم استخدامها على نطاق واسع لتدريب نماذج اللغة الكبيرة بمجرد استنفاد بيانات التدريب الأصلية.

كما هو واضح من اسمها، البيانات الاصطناعية هي بيانات مصطنعة تم إنشاؤها باستخدام الذكاء الاصطناعي (AI). لم يتم جمعها من مصادر حقيقية، ولا تمثل بيانات العالم الواقعي، ولكنها مستمدة من الأنماط الموجودة في العالم الحقيقي.

الآن، ما هو الجذب وراء ذلك؟ حسناً، إنها رخيصة وأسهل نسبياً في التوليد.

البيانات الواقعية غالباً ما تكون عرضة للأخطاء والتحيزات، لكن يمكن تصميم البيانات الاصطناعية بطريقة تقلل من هذه الأخطاء. يمكنك إنشاء بيانات تشبه مجموعة البيانات الأصلية دون مشاركة أي معلومات حساسة أو معلومات تعريف شخصية، لذلك لا داعي للقلق بشأن قوانين خصوصية المستخدم.

أيضاً، تأتي مفيدة عندما تتعامل مع جماهير متخصصة أو في الحالات التي تكون فيها البيانات المتاحة غير مكتملة أو محدودة.

الجميع يعلم أنه يتطلب الكثير من المال والوقت لتجميع أبحاث السوق الأصلية من المستخدمين والعملاء. هذا أحد الأسباب الرئيسية التي تجعل العلامات التجارية الكبيرة والشركات الصغيرة تستخدم البيانات الاصطناعية لجمع رؤى قيمة حول جمهورها المستهدف اليوم.

هذا يقودنا إلى المستخدمين الاصطناعيين...

المستجيبون الاصطناعيون يتصدرون التسويق وبحوث التصميم. يتم استخدام الذكاء الاصطناعي التوليدي في كل مكان، لذا ليس من المستغرب أن الناس في هذه المجالات (وليس الجميع) يستفيدون منه لإنشاء مستخدمين اصطناعيين.

ببساطة، بيرسونا الاصطناعية هي صور رمزية رقمية أو تمثيلات افتراضية لعملائك أو مستخدميك. إنها ليست مثل بيرسونا التقليدية التي طورها العاملون في التسويق أو التصميم، ولكن تم بناؤها بتقنيات الذكاء الاصطناعي والتعلم الآلي.

أسهل طريقة لإنشاء واحدة هي من خلال نماذج اللغة الكبيرة مثل GPT-4: ابدأ بوصف عملائك المستهدفين، ثم حدد أهدافهم وتحدياتهم واحتياجاتهم، وأخيراً، أضف فكرة منتجك أو خدمتك، والتي ستكون بمثابة حل لتلك المشاكل. بمجرد الانتهاء من ذلك، اطلب منه تبني "persona" لهذا الجمهور.

يمكنك إنشاء مئات أو حتى آلاف من بيرسونا المولدة بالذكاء الاصطناعي التي تمثل مجموعات ديموغرافية معينة ويمكنها الرد بدقة على استطلاعاتك ومقابلاتك. نظراً لأن أدوات مثل ChatGPT مدربة على مجموعات بيانات متنوعة تتضمن محادثات مكتوبة ومنطوقة من مصادر وصناعات متعددة، يمكنها محاكاة سلوكيات وتفضيلات مجموعة من المستخدمين.

وبالتالي، يمكنك استخدام المستخدمين الاصطناعيين لمحاكاة سيناريوهات مختلفة وإجراء التجارب والاختبارات قبل إطلاق منتجاتك أو خدماتك في السوق. يمكنهم معالجة كميات كبيرة من البيانات وتقديم التغذية الراجعة لدعم تكرارات التصميم والحملات.

ومع ذلك، على الرغم من كل استخداماتها، تأتي بيرسونا الاصطناعية مع قيد أساسي: إذا كنت تتعامل مع مفهوم جديد أو تحاول فهم نوع جديد من العملاء، مثل عمال المزارع في كولومبيا، فمن المحتمل أن تقصر.

كما يشرح Christopher Roosen، مناصر التصميم المتمحور حول الإنسان:

"الذكاء الاصطناعي التوليدي يعتمد على التقاط الإنترنت... إنه يخزن هيكل جميع تحيزات الإنترنت، والتي تشمل التحيزات بعيداً عن الأشخاص المقدمين بشكل غني بجميع ألوانهم وأشكالهم وأفكارهم ونحو عرض نمطي للغاية للناس."

يكافح الذكاء الاصطناعي لتمثيل الأشخاص الذين لديهم تمثيل ضعيف عبر الإنترنت، لذلك عندما تطلب منه إنشاء بيرسونا لعمال في كولومبيا، قد ينشئ صور نمطية عامة لأن البيانات التي تم تدريبه عليها تحتوي على تصورات سطحية لأشخاص مثل هؤلاء. قد تفوت أدواتك النقاط الرئيسية، وتعود إلى الصور النمطية، وتفتقر إلى العمق المطلوب للإجابة على الأسئلة المخصصة للمجموعات الجديدة أو المهمشة.

ما هي المقابلات الاصطناعية؟

المقابلات الاصطناعية مشابهة لمقابلات المستخدمين؛ ولكن بدلاً من طرح الأسئلة على أشخاص حقيقيين، تتفاعل مع مشاركين اصطناعيين (المعروفين أيضاً باسم المستخدمين الاصطناعيين)، عادةً من خلال حوار نصي أو استبيانات، لجمع رؤى المستخدمين حول مواضيع مختلفة.

الآن، أي شخص قام بإجراء بحث، سواء كانت مقابلات أو مجموعات تركيز، يعرف كم يستغرق ذلك من وقت وتكلفة. فالأمر يتطلب الكثير من التخطيط والتنسيق والمهنيين المدربين لمجرد إعداد الأسئلة المناسبة. بالإضافة إلى ذلك، تحتاج إلى التحدث مع الكثير من الناس لتحديد الأهداف ونقاط الألم المناسبة.

مقارنة بهذا، تبدو المقابلات الاصطناعية بديلاً أسرع وأكثر فعالية من حيث التكلفة لإجراء محادثات مع مستخدميك أو عملائك.

وفقاً لجون ويلن في درسه "التطبيق العملي مع المستخدمين الاصطناعيين: مستقبل أبحاث العملاء،" المقابلات الاصطناعية مثالية لـ:

• توليد الأفكار في المراحل الأولى.
• مقابلة الجماهير المتخصصة دون البحث عنهم وتوظيفهم.
• طرح أسئلة عميقة أو حساسة في بيئة آمنة وخالية من المخاطر.
• استكشاف المواقف الافتراضية أو المستقبلية.

لا يهم نوع الأسئلة التي تطرحها؛ المستخدمون الاصطناعيون لا يترددون أبداً.

لكن البيانات المولدة أو المخرجات التي تحصل عليها ليست مثالية دائماً. قد تجيب هذه الردود على المقابلات عن "ماذا"، ولكن ليس بالضرورة عن "لماذا".

تفتقد السياق الدقيق الذي يمكن أن يوفره فقط الوجه أو الصوت البشري - دون أي تعبيرات دقيقة أو نبرات صوت ولغة جسد. تكافح المقابلات الاصطناعية أيضاً لالتقاط عمق المشاعر الإنسانية، حيث غالباً ما تفشل الكلمات المكتوبة في تضمين الثراء السياقي الموجود في عملية البحث التقليدية.

لهذا السبب يجب عليك تقييم والتحقق من صحة المقابلات الاصطناعية بانتظام مقابل الردود البشرية. لماذا النهج الهجين؟ لأن بيانات المقابلة قد تكون مولدة بواسطة الذكاء الاصطناعي، لكن القرارات التي تتخذها بناءً عليها سيكون لها تأثير في العالم الواقعي.

المقابلات الاصطناعية قبل ChatGPT

ناقش سكوت ستيفنز ومايكل كريستل موضوع المقابلات الاصطناعية في عام 1998، في ورقتهم "المقابلات الاصطناعية: فن إنشاء "ثنائي" بين البشر والشخصيات المستندة إلى الآلة." بالطبع، ركز الباحثون من جامعة كارنيجي ميلون على المقابلات الاصطناعية، التقنية التي طورتها الجامعة.

لقد عرفت ورقتهم المقابلات الاصطناعية على النحو التالي:

"وسيلة للتحدث بعمق مع فرد أو شخصية، تسمح للمستخدمين بطرح الأسئلة بطريقة محادثة... وتلقي إجابات مناسبة وذات صلة للأسئلة المطروحة."

كان من المفترض أن تكون التكنولوجيا "واقعية" في نقل المعلومات، بطريقة تعكس التفكير البشري وعمليات الفكر. يمكن للمستخدمين طرح أسئلة على بيرسونا المولدة بالكمبيوتر عبر واجهات منطوقة أو مكتوبة لفهم تفضيلاتهم وسلوكهم وقيمهم.

لتحقيق ذلك، تم تسجيل آلاف مقاطع الفيديو للممثلين البشريين وتخزينها في قاعدة بيانات. تم تصوير هؤلاء الممثلين وهم يجيبون على الأسئلة المحتملة، مع مقاطع غير لفظية إضافية، مثل شرب القهوة، أو حك الرأس، أو الابتسام، لجعل الشخصيات تبدو أكثر إنسانية.

تم تقديم هذه الاستجابات في تنسيق رأس متحدث، حتى يشعر المستخدمون وكأنهم وجهاً لوجه مع الشخصية. تضمنت بيرسونا المولدة بالكمبيوتر أيضاً عادات فريدة للشخصيات التي يتم تصويرها، مثل ألبرت أينشتاين، لجعلها أكثر أصالة.

سمحت الواجهة للمستخدمين بالتحدث بشكل طبيعي في الميكروفون وتحديد تدفق المقابلة. قام نظام التعرف على الكلام بتحليل أسئلتهم باستخدام الـ LLMs الموجودة وتقديم نتائج دقيقة للأسئلة ذات الصلة ونتائج مقبولة للأسئلة غير المتوقعة (اقرأ الورقة لفهم ما يعني ذلك).

في ذلك الوقت، كانت هذه التكنولوجيا تُعتبر وسيلة لتقديم تجارب تفاعلية مع الممثلين والقادة الدينيين وغيرهم من الشخصيات العامة.

كان هذا قبل ظهور أدوات الذكاء الاصطناعي التوليدي. الآن، يمكنك ببساطة أن تطلب من النموذج "التصرف مثل" شخص معين، أو في حالتنا، مجموعة عملاء أو مستخدمين محددة، وسيولد على الفور استجابات واقعية، بدون الرؤوس المتحدثة بالطبع.

توليد المقابلات الاصطناعية باستخدام الذكاء الاصطناعي

إجراء بحث المستخدم بدون أشخاص يبدو صعباً، لكنه ليس كذلك. حقاً. كل ما تحتاجه هو أداة ذكاء اصطناعي توليدي، وفكرة جيدة عن جمهورك المستهدف، والمجموعة المناسبة من المطالبات والأسئلة.

• أدوات الذكاء الاصطناعي المحادثية: ChatGPT، Gemini، أو Claude.
• الجمهور المستهدف/persona: مستند Word أو PDF يحدد ملفات العملاء، مثل البيانات الديموغرافية (العمر، الجنس، الموقع)، الملف المهني، الدوافع النفسية، المهام المراد إنجازها، سلوك الشراء، العقبات الرئيسية، والمزيد.

إلى جانب ذلك، حدد احتياجات بحثك. ما هي أهدافك وحالات الاستخدام؟ ماذا تريد أن تتعلم من جلسة المقابلة هذه؟ سيساعدك هذا في صياغة أسئلة المقابلة. قرر كم عدد المستخدمين الاصطناعيين الذين تريدهم، وبأي تنسيق (نص، استجابات الاستطلاع)، ومدى تنوع استجاباتهم.

لأغراض التوضيح، سننشئ سبعة مستخدمين اصطناعيين لمنتجنا الأحدث، بيرسونا بحث by Delve AI، باستخدام الإصدار المجاني من ChatGPT.

الخطوة الأولى هي تحميل مستند يحتوي على تفاصيل حول مجموعة المستخدمين المثالية لدينا - وهذا يساعد في تقييد المستجيبين لفئة ديموغرافية معينة. ثم نضيف وصف المنتج ونحدد عدد المشاركين الاصطناعيين الذين نريد أن يولدهم النظام باستخدام موجه مصاغ جيداً.

بمجرد التوجيه، قام ChatGPT فوراً بتوليد بيرسونا اصطناعية متنوعة. إليك مثال على واحد يدعى دان ميلر، نائب رئيس التسويق في شركة تجارة إلكترونية.

قمنا بتشغيل أسئلة المقابلة التالية (التي تتضمن مزيجاً من الأسئلة المفتوحة وأسئلة الاستطلاع) من خلال كل من هذه الـ بيرسونا.

• هل يمكنك أن تشرح لي كيف تقوم أنت أو فريقك حالياً بإنشاء بيرسونا المستخدم؟
• ما أنواع البيانات التي تستخدمها عادةً؟ (مثل نصوص المقابلات، نتائج الاستطلاعات، تحليلات الويب، إلخ)
• كم من الوقت يستغرق فريقك عادةً لإنشاء أو تحديث بيرسونا المستخدم؟
• على مقياس من 1 إلى 5، ما مدى ثقتك في أن الـ بيرسونا الحالية تمثل مستخدميك بدقة؟ (1 = غير واثق على الإطلاق، 5 = واثق للغاية)
• ما هي أكبر التحديات التي تواجهها عند إنشاء أو صيانة بيرسونا المستخدم؟
• إذا كانت هناك أداة يمكنها مساعدتك في إنشاء بيرسونا دقيقة ومستندة إلى البيانات في دقائق فقط من بحثك الحالي، ما مدى قيمة ذلك لك أو لفريقك؟
• ما الميزات التي تتوقعها أو تحتاجها من أداة مثل هذه؟
• هل سبق لك استخدام أداة قائمة على الذكاء الاصطناعي أو أوتوماتيكية لإنشاء بيرسونا من قبل؟ إذا كانت الإجابة نعم، كيف كانت تجربتك؟
• هل ستكون منفتحاً لتجربة أداة جديدة تساعدك في إنشاء بيرسونا بشكل أسرع باستخدام بيانات بحثك؟
• في رأيك، ما الذي سيجعل هذا النوع من المنتجات "ضرورياً" بدلاً من مجرد "جيد أن يكون موجوداً"؟

طلبنا من الشات بوت تلخيص إجابات المقابلة في تقرير نظيف ومهني، مع تسليط الضوء على المشاكل أو المخاوف التي لديهم مع المنتج، وما يعجبهم فيه، مع اقتباسات داعمة.

كما هو متوقع، حصل النظام على معظم المشاكل الشائعة التي قد يربطها المستخدمون بهذا النوع من إنشاء الـ بيرسونا - مخرجات عامة، مخاوف بشأن الخصوصية، إلخ. تبع ذلك ملخص لما أعجبهم في المنتج، والذي، مرة أخرى، لم يكن سيئاً.

تركتنا عملية المقابلة هذه مع أشياء قد يهتم بها مستخدمونا المحتملون، ولكن لا شيء خارج عن المألوف. كانت الردود سريعة - استغرق التمرين بأكمله حوالي 15 دقيقة - ومع ذلك، لا يمكن استخدام هذه البيانات إلا لإنشاء أسئلة أفضل وأكثر تحديداً لمستخدميك الفعليين.

يمكنك عرض النتائج الكاملة، مع المطالبات والأسئلة المستخدمة هنا.

بيانات المقابلة الخاصة بك جيدة فقط بقدر المستخدمين الاصطناعيين الذين يبنيهم النظام. لذلك إذا كنت تريد إنشاء مقابلات اصطناعية بهذه الطريقة، راجع بدقة بيانات العملاء التي أدخلتها في النموذج للتحقق من جودتها. هل هناك أي تحيزات أو فجوات؟ هل تقوم بتضمين البيانات الصحيحة منذ البداية؟ أنت تدرب النظام على محاكاة شيء ما، لذا تأكد من أن "هذا الشيء" هو ما تريده بالفعل.

لكي تقوم نماذج اللغة الكبيرة بإنشاء بيانات تعكس تعقيد وفروق الاستجابات البشرية الحقيقية، تحتاج إلى مطالبات جيدة.

تذكر: بيانات إدخال رائعة + مطالبات مصممة جيداً = مخرجات مقابلة عالية الجودة.

بمجرد إنشاء البيانات الاصطناعية، تحقق من صحتها قبل استخدامها. قم بإجراء فحوصات يدوية واستخدم أدوات التحقق لتقييم الجودة والاتساق والدقة. أصحاب المصلحة متشككون في البيانات الاصطناعية (وبحق)، لذا كن شفافاً إذا كنت تستخدم بيانات تم إنشاؤها بواسطة الذكاء الاصطناعي في تقارير أبحاث المستخدم الخاصة بك.

المشاكل المحتملة مع المقابلات الاصطناعية

يقارن مايكل ميس بين Synthetic Users، وهي أداة تستخدم الذكاء الاصطناعي التوليدي لمحاكاة مقابلات العملاء، والمقابلات مع أشخاص حقيقيين في مقاله "هل يمكن للذكاء الاصطناعي أن يحل محل مقابلات الاكتشاف؟ مقارنة تنافسية."

إذا كان علينا مناقشة سلبيات المستجيبين الاصطناعيين وبالتالي المقابلات الاصطناعية، فإن منشوره يوفر نقطة انطلاق رائعة.

أجرى ميس دراسة بين Synthetic Users و UserTesting (والذي يتيح لك طرح أسئلة على أشخاص حقيقيين من لوحة عبر الإنترنت) باستخدام فكرة جديدة - خدمة مشاركة ركوب تستخدم سيارات طائرة.

نتائج هذه الدراسة لم تكن في صالح المستخدمين الاصطناعيين.

كان Synthetic Users سريعاً بالتأكيد. تقوم بإنشاء المستخدمين، وإضافة الأسئلة، ويتم إنشاء الردود في غضون دقائق. في المقابل، استخدام UserTesting تطلب يوماً كاملاً - كتابة خطة، وإعداد أدوات الفحص، وانتظار الردود، ثم تحليل النتائج. وحتى ذلك الحين، كان من الصعب العثور على الأشخاص المناسبين بالسمات التي تريدها.

المشكلة مع Synthetic Users هي أنه إذا حددت مستخدماً لديه مشكلة معينة، فلن يتساءل عما إذا كانت هذه المشكلة موجودة. يفترض فقط أنها موجودة. لذلك، ينتهي بك الأمر مع مستخدمين افتراضيين غير موجودين في الواقع.

وهذه مشكلة.

حتى النصوص المنشأة كانت مثالية بعض الشيء، بدون كلمات حشو أو تكرارات أو جمل غير مكتملة. افتقرت إلى الإشارات العاطفية التي قدمها UserTesting، حيث لم تكن هناك مقاطع فيديو أو تعبيرات للتحليل.

علاوة على ذلك، بدا المشاركون الاصطناعيون متشابهين مع بعضهم البعض، مع إجابات شبه متطابقة.

كانت تبدو أساسية ومتوسطة ومنفصلة عن الحياة الواقعية. المستخدمون الحقيقيون، رغم أن إجاباتهم كانت غير مصقولة، قدموا المزيد من التنوع والتفاصيل.

بخلاف السرعة ونظرة عامة أساسية عن جمهورك، لم تقدم هذه الأداة أي شيء يساعدك في معرفة المزيد عن طريقة تفكير وتفاعل عملائك. والذي، للأسف، هو المشكلة مع معظم منهجيات البحث الاصطناعية.

البحث التركيبي: إنشاء مستخدمين واستطلاعات ومقابلات محاكاة مع delve ai

لقد نظرنا في الطرق اليدوية لإجراء البحث التركيبي؛ والآن، دعونا نتحقق من الطرق المدعومة بالذكاء الاصطناعي. برنامج البحث التركيبي من delve ai هو أحد الأدوات التي تساعدك في إنشاء بيرسونا للذكاء الاصطناعي لمستخدميك أو عملائك، واستخدامها لإجراء الاستطلاعات والمقابلات.

حالياً، يتضمن برنامج البحث ثلاث وظائف:

• المستخدمين المحاكين
• الاستطلاعات
• المقابلات

هذه الpersonas الافتراضية المبنية من مصادر البيانات الأولية والعامة قابلة للتطوير ومتنوعة. يمكنك إنشاء أي عدد من المستخدمين وإجراء أكبر عدد ممكن من المقابلات الكمية والنوعية.

الخطوة ١: بيرسونا

تحتاج إلى إنشاء بيرسونا أساسية قبل تطوير المستخدمين المحاكين. للقيام بذلك، عليك الاشتراك في أحد منتجات الpersona لدينا.

حالياً، يقدم مولد الpersona للذكاء الاصطناعي لدينا ستة منها:

• customer بيرسونا (بناءً على بيانات إدارة علاقات العملاء الخاصة بك)
• website بيرسونا (لزوار موقعك/المشترين)
• social بيرسونا (لجماهير وسائل التواصل الاجتماعي الخاصة بك)
• competitor بيرسونا (للمنافسين)
• research بيرسونا (لمستخدميك)
• audience بيرسونا (بناءً على وصف جمهورك)
• employee بيرسونا (لمكان العمل)

في هذه الحالة، سنقوم ببناء بيرسونا باستخدام أداة بيرسونا بحث المذكورة سابقاً.

قم بالتسجيل أو تسجيل الدخول إلى delve ai، انتقل إلى research persona، وقم بتحميل مستنداتك. يمكنك تضمين أي شيء ذي صلة، مثل نصوص المقابلات، تقارير الاستطلاع، أخبار الصناعة، أو ملفات المستخدم السابقة.

اضغط على "إنشاء personas"، وسيقوم delve ai بتطوير بيرسونا بناءً على البيانات التي قدمتها. لا تقلق إذا لم يكن لديك أي مواد بحثية؛ فقط أضف وصفاً موجزاً لجمهورك المستهدف مع بعض التفاصيل حول منتجك أو عملك (اختياري)، وسنتولى الأمر من هناك.

بالإضافة إلى مدخلاتك، تستفيد منصتنا من التعلم من آلاف الpersonas التي تم إنشاؤها سابقاً لإنشاء ملفات عملاء فريدة. يمكن أن يكون الناتج بيرسونا واحدة أو متعددة، اعتماداً على جمهورك وحالة الاستخدام. يحتوي كل من هذه القطاعات على تفاصيل الpersona والتوزيع وخرائط الرحلة.

انقر على تفاصيل PERSONA، وسترى التركيبة السكانية للمستخدم، نمط الحياة، الوضع الوظيفي، الطموحات، العوامل المؤثرة في قرارات الشراء، الدوافع النفسية (الأهداف، الدوافع، الاحتياجات)، والتحديات الأساسية.

يتبع ذلك معلومات عن قنوات الاتصال المفضلة لديهم، والشبكات الاجتماعية، والعلامات التجارية، ومواقع التسوق، والموسيقى، والبرامج التلفزيونية، والأفلام، وقنوات يوتيوب، والبودكاست، وصفحات ريديت، والمصادر المؤثرة، والمزيد.

يوضح تبويب التوزيع كيفية توزيع جمهورك ضمن قطاع معين، مقسماً حسب القناة، والشبكة الاجتماعية، والعمر، والجنس، واللغة، والموقع، ومستويات النشاط، والمواضيع (المتفاعل معها والعامة).

التبويب الأخير، رحلات العملاء، يحتوي على خرائط رحلة المستخدم مقسمة إلى مراحل مميزة، تستكشف أهداف المستخدمين وأفعالهم ومشاكلهم وعمليات تفكيرهم.

ملاحظة: يتم تحديث بيرسونا الخاصة بك تلقائياً ببيانات جديدة كل شهر، ويمكنك أيضاً تكملتها ببيانات بحثية إضافية.

الخطوة 2: المستخدمون المحاكون

الآن بعد أن أنشأنا الـ personas، دعونا ننتقل إلى الخطوة التالية، وهي إنشاء مستخدمين اصطناعيين. لماذا هذا ضروري؟ لأنه لا يمكنك إجراء المقابلات بدونهم.

للبدء، انتقل إلى لوحة تحكم البحث الاصطناعي واشترِ عدد المستخدمين الذين تحتاجهم - على سبيل المثال، 100. ثم، قم بإنشاء لوحة مع هذه المجموعة وامنحها اسماً، مثل مجموعة رؤى التسويق. سيساعدك هذا في تنظيم وإدارة جماهيرك لاحقاً.

سيتم توجيهك إلى شاشة حيث يمكنك اختيار persona(s) أو منتج بيرسونا الذي ترغب في استخدامه لإنشاء مستخدمين اصطناعيين. هنا، سنختار شريحة من بيرسونا بحث تسمى إدوارد كولينز.

كما هو موضح أدناه، قام البرنامج بإنشاء 100 مستخدم اصطناعي بناءً على شريحة بيرسونا المستخدم المحددة. يتضمن كل مستخدم خيار "بدء المحادثة"، والذي يمكنك استخدامه للتفاعل معهم (راجع Digital Twin لمزيد من المعلومات).

الخطوة 3: الاستطلاعات + المقابلات

personas الاصطناعية جاهزة؛ حان الوقت لإجراء استطلاعات وأبحاث المستخدمين.

في الشريط الجانبي، انقر على مجموعة رؤى التسويق، ثم حدد الاستطلاعات من القائمة المنسدلة. في لوحة التحكم، انقر على زر "إنشاء استطلاع". سيُطلب منك إدخال اسم الاستطلاع (مثل، استطلاع ملاءمة المنتج للسوق)، وتحديد عدد المستخدمين (مثل، 100)، وتحميل ملف CSV يحتوي على أسئلة الاستطلاع.

يمكن أن يتضمن ملفك أنواعاً مختلفة من الأسئلة، مثل الاختيار المتعدد، ومقياس التقييم، ومقياس ليكرت، والأسئلة المفتوحة، وأسئلة الترتيب. سيستغرق الأمر وقتاً قصيراً فقط لإنشاء إجاباتك.

إلى جانب النتائج، ستتمكن من التعمق في معرفة المستجيبين الذين قدموا إجابات محددة لكل سؤال وحتى سؤالهم عن أسباب اختياراتهم باستخدام وظيفة الدردشة.

يمكنك أيضاً طلب آرائهم حول مواضيع أخرى تتعلق بالتسويق والمنتجات. في المثال أعلاه، سألنا مستخدماً عن العوامل التي أثرت على قرارهم بإتمام عملية الشراء عند التسوق عبر الإنترنت.

ما الذي يجعل هذه الأداة مختلفة

أحد الانتقادات الرئيسية للبحث المُنشأ بالذكاء الاصطناعي هو أنه يفتقر إلى الأصالة والعمق والفروق العاطفية الدقيقة التي عادةً ما نحصل عليها من المقابلات الحقيقية. هذا، والقلق من أن التحيزات في بيانات التدريب يمكن أن تؤثر على نتائج بحثك

كما تكتب نيلوفر صالحي في مقالها عن المستخدمين الاصطناعيين:

"الهدف الأساسي من قضاء الوقت في مقابلة الأشخاص ثم... تحليل كميات كبيرة من البيانات التي تم جمعها هو القدرة على التواصل معهم، وبناء الثقة، والتعمق أكثر، وطلب مشاركة القصص، والتعرف على مشاعرهم وعواطفهم."محركات تركيب الأنماط لا تملك أياً من هذه.

ومع ذلك، بالنسبة للأشخاص أو الفرق التي تبدأ للتو، وخاصة أولئك الذين ليس لديهم الوقت أو الميزانية لإجراء بحوث مستخدمين مكثفة، يمكن أن تكون المقابلات الاصطناعية بديلاً جذاباً وسهل المنال.

برنامج delve AI للبحث الاصطناعي لا يقوم بتوظيف الأشخاص. أو مقابلتهم.

لكنه يستخدم المعلومات التي جمعتها عن مستخدميك لإنشاء جماهير مشابهة. هؤلاء المستخدمون الافتراضيون، المبنيون من بيرسونا المنشأة باستخدام بياناتك من الطرف الأول (سي آر إم، تحليلات الويب)، والطرف الثاني (بيانات الجمهور الاجتماعي، معلومات المنافسين)، وبيانات صوت العميل، ليسوا شيئاً عامًا قام ChatGPT بإنشائه.

إنهم مخصصون لحالة استخدام عملك ومن المحتمل أن يمنحوك فهماً أفضل لمستخدميك واحتياجاتهم الأساسية.

دعونا ننظر إلى الجانب المشرق

المقابلات الاصطناعية يمكن أن تكون إشكالية، ولكن فقط إذا كان المستخدمون المحاكون الذين تجري عليهم المقابلات عامين أو غير دقيقين أو متحيزين. جودة البيرسوناز الاصطناعية مرتبطة مباشرة بجودة الردود التي تحصل عليها؛ كلما كانت الجودة أفضل، كانت الردود أفضل.

لذا، تقع المسؤولية عليك في اختيار، أو إذا كنت قادراً على ذلك، بناء برنامج بحث اصطناعي موثوق به (والذي سيكون كثيف الموارد).

بمجرد العثور على واحد، يمكنك استخدامه لتحديد المشكلات الواضحة قبل إجراء المقابلات الفعلية. المستخدمون الاصطناعيون جيدون أيضاً للعصف الذهني للأفكار الجديدة. وجهات نظر أو آراء جديدة كانت موجودة بالفعل، لكنك لم تكن تعرف عنها.

غني عن القول أنه في المرحلة التي هم فيها الآن، يجب أن تكون المقابلات الاصطناعية مكملة فقط لدراسات البحث الخاصة بك. يجب ألا يكون للمستخدمين المحاكين الأسبقية على المستخدمين الحقيقيين. يمكنك استخدامهم لاختبار سيناريوهات متعددة، ولكن عليك دائماً التحقق من صحة تلك النتائج مع نتائج بحثك الحقيقية.

في نهاية اليوم، لا يهم نوع المستخدمين الذين تختارهم؛ ما يهم هو الأسئلة التي تطرحها، أو لا تطرحها.