使用ChatGPT来加速商业应用中的角色塑造。

介绍：

在 Microsoft 商业应用中，人设（personas）利用“任务完成（JTBD）”框架，并且通常遵循“质、量、质”的方法进行开发。在这里，研究人员进行探索性/发现性面谈，以确定潜在的任务、工作和痛点，随后进行大规模调查以验证、评级并可能分段这些内容，最后进行更多的面谈以深入研究最具机会的领域。这个三阶段的过程通常会产生三个不同程度的人设忠诚度，研究人员应该在第一阶段的“质”阶段之后得到低忠诚度的人设，第二阶段的“量”阶段之后得到中等忠诚度的人设，最后在后续的“质”阶段之后得到高忠诚度的人设。

虽然这种方法非常有效，但它可能非常昂贵且耗时。随着实施人工智能的当前竞赛，我们需要比以往更快地移动和解封产品团队，特别是在商业应用领域，那里涉及大量的主要和次要角色。因此，我最近开始尝试使用 ChatGPT 来加速这个过程。通过将 ChatGPT 与快速调查结合起来，我能够在比传统方法开发一个低保真度角色所需时间更短的时间内，开发出三个中等保真度的角色。尽管我不建议将我的方法作为整个传统流程的替代品，但我确实将其视为第一阶段（或前两个阶段）的潜在替代方案，特别是在时间或预算受限的情况下。

在这篇文章中，我简要解释了我认为传统方法的缺点，详细回顾了我提出的新方法（包括ChatGPT提示和调查问题），最后对我认为这种方法最有意义的地方以及如何改进进行了反思。

目前方法的缺点：

在这里，我主要关注前两个阶段，因为这是我目前认为ChatGPT有最大影响潜力的地方。

如何将ChatGPT和调查结合起来作为一种替代方案：

步骤：

1. 我让ChatGPT根据以下提示生成关于每个用户角色的关键JTBD的假设：

“我是一位在X产品上工作的用户体验研究员，希望为Y用户角色创建一个人设。”
"你熟悉工作定位框架吗？"
"What are the key jobs for this user role?" (如果有大量工作，请列出前6-8项，或者根据您的角色通常展示的数量来确定，并使用您偏好的格式)。

2. 然后我进行了一项调查，有10位参与者+ （每个用户角色）来验证和完善这些JTBD，通过提出问题，比如：

以下是一份与你类似职位相关的潜在工作列表。你可以将其视为你在简历上或者职位发布中可能列出的职责。这份列表与你的经验有多符合？【5点李克特量表】
对于每一份工作，请标明您的角色通常是负责、负责人、支持、咨询或知会。 (RASCI)
“你会添加/删除/合并/更改哪些工作岗位？”【分开提问，提供他们描述选择的选项。】

3. 结果显示，ChatGPT的准确率大约在80-90％左右，因此我根据反馈对JTBD进行了必要的优化。

在一个案例中，我只是将其中一个工作转换为另一个工作下的一个任务，因为参与者建议它们可以合并。
在其他情况下，如果有多个参与者提到他们会以类似的方式进行更改，我会稍微重新表达或添加一些额外的词语来完成这份工作。
我甚至使用ChatGPT来帮助这个，使用了一些提示，比如“基于这些人的反馈，你会如何重新写这个JTBD（复制/粘贴回复）？”（注意：虽然不会完美无误，但我发现它通常比我更好地表达了工作，并且速度更快。我仍然会根据需要进行自己的调整，但大大加快了进展）

4. 然后，我将我优化过的JTBD输入给ChatGPT，并要求它生成与任务和痛点相关的假设。

“以下是由X角色完成的主要工作。请列出与每个工作相关的关键任务和难点。”

5. 我随后进行了第二次调查，样本规模与第一次类似，并解释说我已根据前一次调查的反馈对JTBD进行了改进。这一次，调查的第一部分要求参与者对JTBD和任务按照耗时进行排序，并描述可能忽略的任何任务。同样地，第二部分要求他们对每个工作的痛点进行按严重程度排序，并描述可能忽略的任何痛点。

随着所有这些信息，我能够轻松地创造出具有以下特征的角色人物：

按照时间消耗程度组织的主要JTBD清单。
按照时间强度和疼痛程度分别组织的与每个JTBD相关的关键任务和痛点清单（根据第二次调查的回复，我还能够添加或重新表述这些内容）。
我选择收集的其他信息有RASCI、技术熟练度和行业。

当然，在我进行更多研究时，角色定位将进一步完善，无论是通过直接的角色定位研究还是通过其他研究间接地进行。尽管如此，我认为相比典型方法的第一阶段，它提供了一个更好的基础，并且时间更短。

对这种方法的反思：

根据讨论，这种方法使我能够在比传统方法开发一个低保真度角色所需的时间更短的时间内将三个角色以中等保真度程度进行开发。这还使我具备了在选择时进行典型的“量化”或分割步骤的强势立场，因为我对已收集到的信息非常有信心。

我认为这种方法对我的特定情况非常有意义，因为我正在处理多个产品，并且基于既定的工作角色有很多角色。对我来说，这也是有道理的，因为我们现在需要以非常快的速度工作，以便了解人工智能如何使我们的用户受益。然而，如果我只是在一个具体的产品上工作，只有几个角色，我可能更喜欢传统的方法，因为通过访谈和深入分析，我可以更加熟悉这些角色和领域。目前，我可以将我的团队引导到比较成熟的角色，但是我自己并不像一个专家那样了解这些用户。

一个将这两种方法的混合版本的机会是使用ChatGPT来生成JTBD，然后邀请用户进行短暂的采访或焦点小组讨论，以便审查并与他们的经验相关联。这比我上面概述的方法要花费一点时间，但可以使研究人员实际与用户交流并从中学习。我的一位同事目前正在探索这种方法，所以我们可能会考虑写一篇后续文章来讨论她的发现。如果有任何读者尝试过类似的方法，请在评论中分享你的经验 :)