Dovetail 上的 AI 聚類數(shù)據(jù)
首先,我要說(shuō)的是:人工智能永遠(yuǎn)無(wú)法取代真實(shí)用戶的研究。 無(wú)論工具多么強(qiáng)大,它都無(wú)法提供與實(shí)際用戶交流一樣的洞察。然而,人工智能 可以 提高速度和效率,并幫助減少用戶研究員工作流程中的一些人工開(kāi)銷。
一些人工智能工具多年來(lái)一直是研究過(guò)程的一部分——比如轉(zhuǎn)錄、自動(dòng)標(biāo)記或情緒分析。但2025年的前景會(huì)是什么樣子?研究人員還能用什么來(lái)增強(qiáng)(而不是取代!)他們的實(shí)踐?
每當(dāng)我看到一篇對(duì) AI 工具贊不絕口的文章時(shí),我都會(huì)持保留態(tài)度。有時(shí)是贊助內(nèi)容,有時(shí)推薦的人甚至連一半的工具都沒(méi)用過(guò)。這篇文章不會(huì)是工具清單(順便說(shuō)一下,這里有 一個(gè)相當(dāng)不錯(cuò)的清單 ?。?,也不會(huì)推薦什么內(nèi)容。相反,我會(huì)分享我在工作中是如何運(yùn)用 AI 的——哪些有用,哪些沒(méi)用,以及我認(rèn)為它的發(fā)展方向。
我將使用 NNg 的結(jié)構(gòu) 來(lái)分享我的 AI 研究歷程,將研究大致分為以下幾個(gè)階段:準(zhǔn)備 → 運(yùn)行 → 分析,并在此過(guò)程中添加任何額外的想法。
準(zhǔn)備
人工智能可以加快部分準(zhǔn)備階段的速度,但并非全部。例如,用人工智能編寫一份好的測(cè)試計(jì)劃通常也需要同樣長(zhǎng)的時(shí)間。除非是非常簡(jiǎn)單的事情,否則我解釋背景的時(shí)間往往比自己起草的時(shí)間還要長(zhǎng)。
它 確實(shí) 有幫助的地方:
同意書和文檔 :標(biāo)準(zhǔn)化模板易于生成和定制。隨著時(shí)間的推移,您甚至可能不需要人工智能——只需重復(fù)使用您最好的模板即可。
篩選問(wèn)題 :非常適合生成快速變化,特別是當(dāng)您需要為不同的平臺(tái)提供不同的音調(diào)/格式時(shí)。
招聘平臺(tái) :一些工具現(xiàn)在嵌入了人工智能,可以根據(jù)標(biāo)準(zhǔn)或行為模式篩選參與者。這種方法可能存在一些問(wèn)題,但正在不斷改進(jìn)。
開(kāi)展研究
事情到了這里就變得有點(diǎn)不連貫了。如果是主持式會(huì)議,那么你仍然需要承擔(dān)主要工作——掌控對(duì)話方向,通過(guò)后續(xù)問(wèn)題深入探究背景。如果是無(wú)主持式研究,那么你已經(jīng)知道結(jié)果會(huì)如何,而且研究會(huì)自行進(jìn)行。而且,很可能你在這個(gè)階段已經(jīng)使用了一些人工智能工具:
轉(zhuǎn)錄 :一項(xiàng)重要功能。大多數(shù)研究人員已經(jīng)依賴 Otter.ai 等工具,但準(zhǔn)確度參差不齊,尤其是在地區(qū)口音方面(英國(guó)口音尤其棘手)。
嵌入式工具 :一些研究平臺(tái)現(xiàn)在提供集成的AI功能(例如自動(dòng)轉(zhuǎn)錄、基本標(biāo)記)。雖然有用,但缺乏深度。
分析:人工智能有時(shí)能大放異彩的地方
Dovetail 人工智能輔助分析,由 Dovetail 網(wǎng)站提供。
我發(fā)現(xiàn)人工智能在這里 最 有用,但同時(shí)也是最需要謹(jǐn)慎行事的地方。
轉(zhuǎn)錄 :必不可少。大多數(shù)研究人員已經(jīng)依賴像 Otter.ai 這樣的工具,但準(zhǔn)確性參差不齊,尤其是在處理地區(qū)口音時(shí)(英國(guó)口音尤其棘手)?,F(xiàn)在大多數(shù)研究平臺(tái)都提供集成的 AI 功能,包括自動(dòng)轉(zhuǎn)錄。雖然實(shí)用,但深度不夠——即使可能需要修改部分內(nèi)容,也非常適合初始階段。通常,如果您正在研究特定主題,可以預(yù)先輸入一些詞匯,這樣轉(zhuǎn)錄會(huì)更準(zhǔn)確。
詞云優(yōu)于情緒分析 :情緒分析通常不可靠——我見(jiàn)過(guò)它多次將中性短語(yǔ)錯(cuò)誤地標(biāo)記為過(guò)于消極或積極,從而扭曲了整體數(shù)據(jù)。另一方面,詞云可以快速瀏覽常見(jiàn)的主題或語(yǔ)言,在分析初期尤其有用。
初始分組 + 主題劃分 :AI 可以幫助對(duì)早期主題進(jìn)行聚類,或識(shí)別會(huì)話中重復(fù)的短語(yǔ)。這可以加快主題分析的第一階段,讓您對(duì)一些基本聚類有一個(gè)大致的了解,但請(qǐng)記住,聚類結(jié)果并不總是準(zhǔn)確的。
摘要 :如果將其作為初稿或起點(diǎn),可能會(huì)很有用。切勿輕信其表面含義。AI 可能會(huì)忽略細(xì)微差別、語(yǔ)氣,甚至完全誤解其情感。在可用性測(cè)試中,AI 會(huì)選擇哪些最有價(jià)值的見(jiàn)解也相當(dāng)令人好奇——有時(shí)它并非你所期望的那樣。
實(shí)際分析 :不要外包。人工智能無(wú)法像研究人員那樣觀察語(yǔ)境、肢體語(yǔ)言或語(yǔ)氣。如果您已經(jīng)使用人工智能進(jìn)行過(guò)基礎(chǔ)工作(分組、引用等),那么您將更有能力進(jìn)行更深入的研究——但最終的洞察仍然來(lái)自您。
報(bào)告
Breyta AI 驅(qū)動(dòng)的搜索,由 Breyta 網(wǎng)站提供
人工智能可以幫助:
語(yǔ)法和潤(rùn)色 :像轉(zhuǎn)錄一樣,這是一種常見(jiàn)的用途,也是我經(jīng)常依賴的。
報(bào)告模板 :一些工具提供結(jié)構(gòu)化的布局或框架,用于生成調(diào)查結(jié)果報(bào)告。非常方便,尤其是在時(shí)間緊迫的情況下。
研究庫(kù) :更優(yōu)的人工智能意味著更優(yōu)的搜索,這對(duì)于研究庫(kù)的使用和推廣至關(guān)重要。因此,即使研究已經(jīng)完成,任何人都可以隨時(shí)返回并重復(fù)使用研究成果。
注意 :不要讓人工智能撰寫整份報(bào)告。它通常會(huì)使報(bào)告顯得過(guò)于學(xué)術(shù)或機(jī)械。如果你向認(rèn)識(shí)你的人匯報(bào),他們絕對(duì)會(huì)發(fā)現(xiàn)這份報(bào)告聽(tīng)起來(lái)不夠真實(shí)。即使你與不太了解你的人分享這份報(bào)告,在這個(gè)時(shí)代,他們?nèi)匀缓苋菀撞煊X(jué)到報(bào)告中人工智能的影子。
工具概況
最大的問(wèn)題和挑戰(zhàn)是,目前還沒(méi)有一種適用于所有研究的人工智能工具。
您可能需要混合搭配:
Otter.ai 用于轉(zhuǎn)錄
用于分析的燕尾榫 、 冷凝器 或 小枝
Breyta 用于文檔記錄并將見(jiàn)解與產(chǎn)品工作聯(lián)系起來(lái)
另外,還可以臨時(shí)使用基于 GPT 的工具進(jìn)行起草、總結(jié)和寫作。
這絕不是市場(chǎng)上所有工具的詳盡列表,市場(chǎng)上還有無(wú)數(shù)的工具。
一個(gè)很大的警告:這一切的成本
這讓我想到了工具采用過(guò)程中的主要障礙—— 成本 。沒(méi)有一個(gè)平臺(tái)能夠涵蓋所有內(nèi)容,所以你最終需要處理訂閱、在工具之間切換,并處理分散的數(shù)據(jù)。 這會(huì)導(dǎo)致:
累計(jì)成本高
去中心化文檔
切換環(huán)境或訓(xùn)練每個(gè)工具所浪費(fèi)的時(shí)間
您可以在許多文章中找到有關(guān)市場(chǎng)上各種工具的更多信息,但我發(fā)現(xiàn)這篇文章非常有用。
最后的想法
人工智能不會(huì)取代研究人員。但它可以成為強(qiáng)大的助手——如果你知道在哪里以及如何使用它。我想再次強(qiáng)調(diào)——你仍然需要知道自己在做什么,并掌控全局。就像任何好的工具一樣,關(guān)鍵在于平衡、專注,以及知道何時(shí)依靠自己的判斷。
蘭亭妙微(www.b186.net ) 是一家專注而深入的界面設(shè)計(jì)公司,為期望卓越的國(guó)內(nèi)外企業(yè)提供卓越的大數(shù)據(jù)可視化界面設(shè)計(jì)、B端界面設(shè)計(jì)、桌面端界面設(shè)計(jì)、APP界面設(shè)計(jì)、圖標(biāo)定制、用戶體驗(yàn)設(shè)計(jì)、交互設(shè)計(jì)、UI咨詢、高端網(wǎng)站設(shè)計(jì)、平面設(shè)計(jì),以及相關(guān)的軟件開(kāi)發(fā)服務(wù),咨詢電話:01063334945。我們建立了一個(gè)微信群,每天分享國(guó)內(nèi)外優(yōu)秀的設(shè)計(jì),有興趣請(qǐng)加入一起學(xué)習(xí)成長(zhǎng),咨詢及進(jìn)群請(qǐng)加藍(lán)小助微信ben_lanlan