Привет! Меня зовут Лена, я продуктовый дизайнер в Альфе. До этого три года была дизайн-лидом в Сбере и в travel-tech стартапе. Много работала в паре с исследователями и сама часто проводила простые UX-тесты.

Запрос от бизнеса

В начале квартала пришёл запрос от бизнеса: сделать CJM для объёмного пользовательского сценария. Я думала, что задача на весь квартал — успею записаться в UX-лабораторию и провести полноценное исследование.

Но оказалось, карту ждут… уже на следующей неделе.

В помощь пошёл Scholar GPT

Я вспомнила, что в чате GPT видела подборку нейросетей для UX-исследований. Самая популярная из них — Scholar GPT.

Начала с простого запроса на английском: «Find the latest research on… /мой запрос/» («Найди последние исследования по теме…»). GPT выдал больше 10 свежих академических статей (включая закрытые источники) с кратким резюме по каждой. В моём случае это были исследования про таск-менеджеры для детей: родитель ставит задачу — ребёнок выполняет и получает награду.

Как я выжимала максимум из ИИ

Из всего списка я выбрала две статьи и начала задавать уточняющие вопросы. «What were the characteristics of the participants?» («Кто участвовал в исследовании?») В ответ получила данные по возрасту, финансовому статусу и т.д.

После я попросила его рассказать подробнее: какие барьеры были у респондентов — «Tell me more about Study N: what barriers do users face?». GPT выдал список болей пользователей, вроде страха утечки данных или перегруза геймификацией, которые я потом перенесла в карточки.

Некоторые пункты хотелось ещё больше развернуть, углубиться. Поэтому я просила Scholar GPT объяснить детальнее: «Explain /тема/ in more detail». Это помогло разобраться в новых понятиях и погрузиться в тему.

А что предлагают сами исследователи?

Мне стало интересно: если авторы так глубоко исследовали проблемы, наверняка у них есть идеи по их решению. Спросила: «What do the authors recommend specifically to avoid these biases?». В ответе пришла масса стоящих рекомендаций, вроде, онбординга с прозрачными условиями по сбору личных данных или подсказок родителям для вовлечения детей в диалог про деньги.

Неожиданный поворот: GPT сам нарисовал CJM

Финальным штрихом стал запрос: «If the authors of these studies were to create a customer journey map, what key interactions would they likely highlight? Make it in a table view», — что, если бы авторы статей создали CJM, какие этапы взаимодействия они бы выделили?

GPT в ответ… сделал таблицу в виде CJM.

Не совсем в привычной структуре, но с набором параметров, почти как в полноценной карте (для некоторых тем показывает ещё столбик с эмоциями, но в этот раз задача прочувствовать клиента осталась на нас с продактом).

Что дальше?

Я перенесла результат в Figma. С продактом проверили уместность всех болей и инсайтов, добавили свои кейсы и идеи относительно UX нашего сервиса.

На презентации бизнес утвердил наши идеи и дал зелёный свет на проработку макетов на основе CJM.

Выводы

1. Chat-GPT сильно сэкономил ресурсы. На исследование ушёл день, на сборку карты — ещё два.

2. Я лучше погрузилась в задачу — это дало более глубокое понимание причин болей и барьеров пользователей.

3. Запросы лучше делать на английском и поэтапно. Универсальный промт не сработал: GPT сразу выдал готовую CJM без фактуры. Лучше идти шаг за шагом — от поиска исследований до конкретных инсайтов.

Важно: всегда проверяйте источники и ссылки. ИИ может «галлюцинировать» и придумывать данные. Scholar GPT в этом плане надёжнее, но всё равно не безупречен. 

––
Пишу заметки про usability продуктов для детей и воспитание digital-native тоддлера в telegram-канале @milkyUX