В течение нескольких месяцев я создаю себе воображаемых пользователей и провожу с ними глубинные интервью для улучшения сервиса контроля стройки домов в ИЖС “Пазл Дом”.
Создавать ИИ-персон можно с помощью любой языковой модели (LLM / GPT) и общаться прямо в чате. Вкратце: сначала описываем Ваш сервис / приложение, про который будем опрашивать будущего респондента, потом просим накидать сегменты целевой аудитории (ЦА) такого сервиса, затем говорим LLM’ке, что ей нужно будет отвечать от лица этого респондента. После подобных промптов можно приступать к интервьюированию. Чтобы ГПТ’шка лучше понимала всё происходящее, просим её задавать вам уточняющие вопросы. Об этом подробнее в пункте 2, шаге 5.
Прикол в том, что это реально работает – то есть можно вычленить полезные инсайты из ответов от LLM для улучшения вашего сервиса, не прибегая к интервью с настоящими респондентами. Да, где-то ИИ-респонденты могут ошибаться в ходе общения: например, говорить, что в вашем интерфейсе нет каких-то функций, хотя они есть, но это можно опустить, либо уточнить прямо в время диалога, и дальнейшее интервью пойдёт с этими условиями.
Рассмотрим более подробные шаги для создания персон и проведения с ними глубинного интервью:
1. От шаблонных персон к живым образам
Многие персоны страдают от двух крайностей:
- Чрезмерная обобщенность: "Анна, 35 лет, любит йогу и путешествия, хочет удобный сервис"
- Избыточная детализация: множество нерелевантных для продукта деталей
LLM помогают создавать персоны, которые одновременно конкретны, основаны на данных и полезны для дизайн-решений.
2. Пошаговый процесс создания персон с LLM / GPT
Шаг 1: Описать цифровое решение (Пазл Дом) для LLM или попросить саму нейросеть рассказать о Пазл Дом
У нас уже есть база знаний о сервисе, с которой можно работать в ChatGPT, поэтому я могу открыть её и спросить, что она может рассказать о сервисе. Если такой базы нет, то Вы должны будете сами в первых запросах детально описать нужный Вам раздел сервиса, можно со скринами.
Пример описания от самой GPT:
Что такое ПАЗЛ ДОМ
ПАЗЛ ДОМ – это цифровой строительный супервис и ИИ-ассистент, помогающий людям построить дом мечты без лишних затрат, стресса и ошибок.
Это A-to-Z платформа: помогает получить ипотеку, выбрать проект и подрядчика, управлять стройкой, застраховать объект, и построить дом в контролируемом, прозрачном и понятном формате. В отличие от прорабов, агентов и инспекторов, ПАЗЛ ДОМ: независим и беспристрастен (робот), дешевле технадзора в 10–20 раз, работает 24/7, делает стройку такой же простой, как заказ такси.
Пример запроса:
Расскажи мне всё, что знаешь о продукте ПАЗЛ ДОМ
Расскажи поподробнее про ИИ-смету и цифровую смету
Шаг 2: Синтез исследовательских данных в архетипы
Выдели 5 чётких пользовательских архетипов, которые представляют основные сегменты аудитории строителей ИЖС (строителей в компании и строителей, работающих на себя).
Для каждого архетипа укажи:
Ключевые профессиональные характеристики
Основные цели при стройке дома ИЖС
Главные боли и фрустрации
Типичный контекст использования сервисов для стройки дома
Уровень технической грамотности
Дополнительно:
Отношение к работе, Отношение к жилью, выбору жилья, Что из всего прежде написанного тобой могут знать пользователи с такими архетипами о цифровой и ии-смете пазл дом, которые могли слышать, ознакомиться или уже начать стройку в cервисе
Шаг 3: Превращение архетипов в живых персон
Возьми Архетип 2: «Бригадир от Подрядчика» и создай детализированную персону. Включи:
1. Имя, возраст
2. Мотивации и цели (как связанные со строительством дома, так и более широкие жизненные цели)
3. Ежедневные привычки и рутины, влияющие на использование сервиса для стройки дома ижс
4. Отношения с технологиями и строительным сервисами
5. Конкретные ситуации использования сервиса стройки ижс (минимум 3 сценария)
6. Цитаты, отражающие мышление и отношение к строительству дома ижс
7. Ключевые потребности и боли при строительстве дома ижс
Избегай нерелевантных для продукта пазл дом деталей и стереотипов
Шаг 4: Добавление дизайн-ориентированных деталей
Для персоны "Алексей Савельев, 41 год" добавь следующие дизайн-ориентированные детали:
1. Предпочтения в интерфейсах (минимализм или обилие информации, визуальные или текстовые подсказки)
2. Уровень толерантности к сложности в приложениях
3. Отношение к финансовой аналитике и визуализациям
4. Предпочитаемые устройства и контексты использования
5. Факторы, повышающие и понижающие доверие к финансовому сервису
6. Типичный путь принятия решений при финансовых операциях
Шаг 5: Понимание роли для LLM + запрос на уточнения
Сейчас ты будешь действовать как эта персона (Алексей Савельев, 41 год) в интервью для UX-исследования сервиса Пазл Дом, раздела Цифровой Сметы. Я напишу вопросы, а ты на них ответишь от лица этой персоны и в рамках данного архетипа
Но перед началом, задай мне 5 уточняющих вопросов (про сервис, раздел Цифровой сметы и остальное), пока не будешь уверен на 95%, что понял, как действовать. после этого можно переходить к симуляции интервью
Шаг 6: Ответы на уточняющие вопросы от LLM и переход к интервьюированию
3. Микроперсоны для конкретных задач
Вместо всеобъемлющих персон иногда эффективнее создавать "микроперсоны" — узкие образы, сфокусированные на конкретных аспектах продукта:
Создай три персоны, сфокусированные конкретно на опыте первичной регистрации в сервисе контроля стройки дома в ИЖС Пазл Дом:
1. "Осторожный новичок" — пользователь с низким уровнем доверия к цифровым сервисам
2. "Нетерпеливый" — человек, желающий затратить минимум услилий на строительство дома в ИЖС
3. "Технически подкованный" — пользователь, который изучает все функции и настройки при первом входе
Для каждой персоны опиши:
– Ожидания от процесса регистрации
– Потенциальные точки фрустрации
– Факторы, повышающие доверие
– Вопросы, которые могут возникать в процессе
– Критерии успешного завершения регистрации
4. От персон к пользовательским историям
Для персоны "Алексей Савельев, 41 год" создай 5 ключевых пользовательских историй, связанных с заполнением цифровой сметы для строительства дома в ИЖС.
Каждая история должна включать:
1. Контекст (где, когда, почему пользователь обращается к этой функции)
2. Формулировку в стандартном формате "Как [персона], я хочу [действие], чтобы [выгода]"
3. Критерии приёмки (как пользователь поймет, что задача выполнена успешно)
4. Уровень приоритета (высокий / средний / низкий) с обоснованием
5. Возможные сценарии отказа и фрустрации
5. Job Stories: фокус на ситуации и мотивации
Преобразуй следующие User Stories в формат Job Stories по шаблону "Когда [ситуация], я хочу [мотивация], чтобы [ожидаемый результат]":
1. "Как Алексей, я хочу видеть категории моих расходов за месяц, чтобы контролировать бюджет стройки"
2. "Как Алексей, я хочу получать уведомления о крупных тратах, чтобы предотвратить неожиданные большие неоправданные расходы"
3. "Как Алексей, я хочу быстро отправлять отчёт по этапу стройки, чтобы закончить рабочий день без задержек"
> Для каждой Job Story предложи 2-3 варианта с разными ситуационными контекстами
Проделывая всё это важно соблюдать лучшие практики создания персон с LLM
1. ИИ-персоны всё равно остаются гипотезами – при возможности проверяйте их на реальных пользователях
2. Начинайте с реальных данных
3. Фокусируйтесь на релевантных для продукта деталях
4. Персоны должны вызывать эмпатию, но оставаться рабочими инструментами
5. Регулярно обновляйте персоны при появлении новых данных (через уточнения)