虽然人工智能能够增强我们的工作，但它无法取代从实际用户体验研究和分析中获得的重要见解。
人工智能是一种帮助我们更高效地完成工作的工具；它不会取代我们。
凭借 20 多年的用户体验研究经验，我最初对将人工智能融入研究实践持怀疑态度。然而，我发现诸如 ChatGPT、Google Gemini、Microsoft CoPilot、Claude.ai 等生成式人工智能 (GenAI) 工具非常有用。它们不仅能协助分析数据以发现洞察，还能将这些洞察转化为有效的可交付成果，例如用户体验人物角色和旅程地图。
编写 AI 提示来创建用户体验人物角色和旅程地图的方法有很多。只需在 Google 上搜索“如何使用 AI 创建用户体验人物角色？”，你就能找到大量资源（其中一些我曾经使用过，并在文末引用过）。既然已经有很多资源了，我为什么还要写这篇文章呢？经过一年的研究和实验，尝试了多种变体，我发现了一种成功的方法：混合使用各种提示，并赋予它们独特的细微差别，而这些细微差别似乎在我读过的任何文献中都没有涉及。因此，我想分享我的发现，希望它们也能帮助其他用户体验研究人员。随着我们领域的不断发展，分享我们的发现并促进合作对于充分释放 AI 在用户体验中的潜力至关重要。因此，如果您尝试过这些提示中的任何一个或其他方法并取得了良好的效果，我诚邀您在评论区分享您的经验。
用户体验人物角色主要分为两类：基于实际用户研究的人物角色和基于假设的人物角色。无论您创建的是基于数据的人物角色，还是基于假设的人物角色（又称“原型人物角色”、“临时人物角色”、“一致性人物角色”等），GenAI 都能提供巨大帮助。
✴️关于原型用户画像的补充说明：根据我的经验，产品团队以外的许多人并不理解用户画像和原型用户画像之间的区别。因此，在创建原型用户画像时，我更喜欢使用“基于假设的用户画像”这个术语，这样就能清楚地看出，仍然需要进行研究。没有什么比展示一个原型用户画像，而利益相关者却认为他们已经勾选了“用户画像框”，可以不进行实际用户研究就继续前进更糟糕的了！
如果您有兴趣了解有关如何创建原型人物角色的更多信息，我强烈建议您查看 Tamara Adlin 关于对齐人物角色的出色作品。
即使用户画像是基于用户研究构建的，提炼出的信息也会以虚构的方式呈现，同时仍然能够准确地描述产品的普通用户。无论是姓名、背景故事、标语等等，这些虚构的元素都能赋予用户画像生命力，使其真实可信、令人难忘，同时增强其与受众的共鸣。我不知道你的情况如何，但我总是在创作这些虚构的用户画像时遇到困难，而这正是 GenAI 给予我最多帮助的地方。
经过研究和分析后，我知道了哪些数据应该包含在用户画像中，以及如何对其进行细分，但我苦苦挣扎于如何以最佳方式传达这些数据。有些人可能认为这是用户画像创作的乐趣所在，但就我个人而言，我可能要花上几个小时才能想出合适的标语。我是个数据迷，热爱定性分析，但我并不认为自己是最有创造力的作家，而创造力有时能让用户画像真正有意义。这并不是说我无法独自完成，而是我比拥有这种天赋的人花费的时间要长得多。人工智能来了！
最近，我一直在尝试使用 HeyMarvin、ChatGPT Team 和其他 GenAI 工具来帮助我填补创作人物角色时常常遇到的创意写作空白。要以这种方式使用 AI，我发现最有效的方法是先自己完成最繁重的工作。
如果你做过用户研究，请收集所有访谈记录和/或研究报告。如果你正在构建原型用户画像，最好有大量二手研究文件可供分析（例如品牌战略和行业报告、年度报告、之前的研究报告——例如调查结果、市场研究报告、客户服务报告等），或者一些能够记录团队对目标受众假设的文件。
没有两个人物角色是完全相同的。选择符合你研究需求的人物角色部分至关重要。正如史蒂夫·穆德 (Steve Mulder) 在其著作《用户永远是对的》中所述，人物角色的每个元素都应该有其目的，这意味着它应该帮助团队更好地理解和体谅该用户群体。始终确保背景与你的产品或服务环境相关。包含过多与人物角色如何使用产品或其功能无关的个人背景信息毫无意义。
如果您想了解更多有关决定包含哪些信息的信息，请观看我的免费 1 小时课程“如何创建和使用 UX 角色”。
不同的工具允许您上传不同的文件格式。目前，您可以在 ChatGPT Plus 或 Team 中上传 PDF、TXT、JPEG、PNG、DOCX、CSV 和 XLS 文件格式。
数据隐私：您上传到 ChatGPT Plus 的任何文件“都会无限期地保留在服务中，OpenAI 也可能使用这些文件来训练其模型，因此最好不要上传包含任何重要个人信息的文件……”。如果您需要更安全的选项，例如不使用聊天记录进行训练且数据已加密，则需要使用 ChatGPT Team 帐户或投资安全的用户体验研究分析工具，例如 HeyMarvin 或 Dovetail。我还想指出，ChatGPT Team 目前存在一个安全问题，即无法限制团队成员邀请新成员加入工作区，因此您必须定期检查工作区的“成员”页面。ChatGPT Enterprise 没有此安全漏洞。在将任何 GenAI 工具用于处理客户和/或公司数据之前，请咨询您的 IT 团队，以确保您遵守他们的数据安全规定。
您可以调整下面的提示以满足您的个人需求……
AI 提示：
[公司] 正在重新设计其 [产品]，以便更好地与目标
受众沟通。[产品] 的主要受众是 [X]。根据
营销团队的定义，目标受众被定义为 [简短定义]。
主要受众使用 [产品] 来实现 [用户目标]。
根据提供的定义
以及所附的背景材料和研究记录，为 [主要受众] 撰写一个用户画像。该用户画像
需要包含以下部分：价值观、动机、亲和力
（即拥有相似目标受众和
共同兴趣或价值观的品牌或组织）、目标、挑战、需求、人口统计、
行为以及与公司（线上和线下）的首选接触点。
如果您发现第一个回复不够深入，或者您希望它包含具体信息，您可以要求 GenAI 通过多种方式对其进行完善。对于用户画像，我喜欢提供行为提示。例如，您可以使用下面的提示要求 GenAI 重写用户画像的某些部分。顺便说一句，这些提示与我在跨职能团队主持用户画像研讨会以开发原型用户画像时使用的提示相同……
AI 后续提示：
使用以下行为提示重新编写
此角色的“动机”和“亲和力”部分：
动机
1. 个人目标：
a. 你的人物角色的短期和长期个人目标是什么？
b. 是什么促使你的人物角色实现这些目标？
2. 职业抱负：
a. 你的人物角色的职业抱负和野心是什么？
b. 是什么驱使你的人物角色在职业生涯中取得成功？
3. 激励和奖励：
a. 什么类型的激励或奖励对你的
人物角色最有吸引力（例如
这个后续提示应该会产生更丰富的结果。您可以选择在初始 GenAI 提示中提供行为提示，但我注意到，如果我逐步提供数据并进行迭代改进，结果会更好。在一个提示中提出太多要求会使模型混乱。《面向用户体验设计师和产品经理的 AI 助手》一书的作者 Patrick Neeman建议在提示中加入用户研究问题，以“确保其准确反映真实用户”。他建议在提示中添加“生成能够验证此用户角色是否正确的用户研究问题”。
使用大型语言模型 (LLM) 根据行为模式、偏好、人口统计数据等将用户群划分为不同的角色，非常有帮助。然而，务必记住，如果用于训练模型的数据中存在偏见，你可能会无意中延续甚至放大偏见。
关于准确性：请记住，所有 GenAI 工具都可能存在错误，并可能提供错误的答案。最终，您必须尽职尽责，确保所提供的信息准确反映您收集的数据。如果您使用的数据集包含历史偏差或不平衡（例如，在性别、种族或社会经济地位方面），则模型的输出很可能会反映这些偏差。
提示：正如 Bill Bulman 在他的文章《利用 AI 增强研究构建人物角色（分步指南）》中提到的，你也可以编写一个提示，为你的人物角色获取“日常生活叙述”。Bill 提供了一个示例提示：“请以以下用户访谈数据为基准，为我提供一个人物角色的日常生活叙述。”使用以下用户访谈数据作为基准，为我提供人物日常生活的故事。”
无论是基于数据还是基于假设，创建用户体验人物角色都是一个细致入微的过程，GenAI 的支持将使其受益匪浅。这些工具可以帮助我们打造复杂的细节，使人物角色更具关联性和价值，尤其对于那些不擅长创意写作的人来说更是如此。通过细致地收集和分析用户数据，定义真正反映用户需求的人物角色元素，并策略性地运用人工智能来增强人物角色创建的创造性，我们可以开发出更精准、更引人入胜的用户角色。
您将遵循创建角色中概述的相同步骤来创建旅程地图，但与步骤 2 和步骤 4 有一些明显的差异。
第二步是确定你的旅程地图元素。你需要花费大量时间来定义旅程的各个阶段以及每个阶段想要呈现的用户数据（例如，行动、想法、待办事项等）。我认为 GenAI 不应该承担这项繁重的工作。相反，你应该将其与数据集（即你在步骤 3 中上传的文档以及最终确定的人物模型）一起包含在你的 AI 提示中。
对于步骤 4（AI 提示），我喜欢使用详细说明的提示：
AI 提示（通用示例）：
为 [x] 角色撰写旅程地图。该地图应重点关注
[x] 的旅程。阶段如下：1) [x]、2) [x]、3) [x]、4) [x] 和 5) [x]。
请针对每个阶段提供：
1) 待完成任务（例如，目标 - 客户想要实现什么？）
2) 行动（客户会做什么？他们寻找哪些信息？
他们的背景是什么？）
3) 挫折/挑战（客户想要实现或
避免什么？） 4) 线上接触点（他们 与
[x] 服务的哪些线上部分互动？） 5) 线下接触点（他们与服务的哪些线下部分互动 ？）6) 关键时刻（客户互动可能会对 品牌、产品或服务产生正面或负面的印象，从而影响他们的 购买决策。）
例如，如果我正在创建通过移动应用程序订购食物的旅程地图，我的提示可能看起来像......
AI PROMPT（以使用手机应用订餐为例）：
使用提供的数据集（包含详细的人物角色、用户
研究报告、调查结果、市场调研报告和客服互动），为一款外卖手机应用
创建全面的用户体验旅程地图。该地图的人物角色是“Chris”，一位忙碌的软件开发人员，喜欢各种美食。旅程地图应整合来自每个阶段和各个维度的数据集数据驱动洞察，以准确呈现 Chris 的体验。阶段：1. 认知：Chris 如何通过广告、社交媒体或 好友发现这款应用。2 . 考虑：Chris 评估应用的功能、优势和用户 评论。3 . 注册/入门：Chris 下载、注册并 学习使用应用的步骤。4 . 探索：Chris 浏览各种餐厅选项和 菜单。5 . 决策：Chris 选择餐厅和餐点的那一刻，包括 任何定制。6 . 交易：完成订单并填写付款和外卖详情。7. 履行：监控订单进度并接收更新 直至送达。8 . 送达后：收到订单后的操作，包括用餐、 解决问题和评价。对于每个阶段，请提供：* 操作：详细说明 Chris 在每个阶段在应用程序内采取的每个操作。* 想法：捕捉 Chris 在每个阶段中的想法 。* 情绪：描述 Chris 在旅程关键点的情绪状态 。* 接触点：确定 Chris 与应用程序和任何其他 服务元素交互的位置。* 挫折：记录 Chris 遇到的任何具体挫折或挑战。* 待办事项 (JTBD)：概述 Chris 在每个阶段想要满足的基本需求或任务。确保旅程地图在视觉上结构化并区分这些方面，提供用户体验的整体视图。
LLM 非常擅长预测分析和预测用户行为，当他们进行猜测时，除非你特别指示他们这样做，否则不会在结果中指出。
因此，我更愿意完善提示，以了解研究中的差距在哪里……
AI 精炼提示（清晰标记假设的示例）：使用提供的数据集（包含用户研究报告、调查结果和客户反馈）
为外卖应用创建更新的用户体验旅程图。如果数据集不完整或缺少全面理解用户旅程所需的具体信息，您可以做出合理的假设。请在旅程图中清晰地标记这些假设，以将其与数据驱动的洞察区分开来。具体说明：1. 数据整合：对于旅程图的每个阶段，请使用来自数据集的直接洞察。清晰引用 支持这些洞察的 数据源（例如，特定的调查问题、报告页面） 。2. 识别假设：如果数据集中缺少必要的信息，请提出并清晰标记假设。 根据可用数据的上下文， 为每个假设提供理由。3 . 假设标签：在旅程图中任何 未直接受数据集支持，而是由 AI 进行有根据的猜测 的内容旁边，使用独特的视觉或文本标签（例如“假设”或特殊符号） 。4. 澄清与合理化：对于每个假设，请简要 解释为什么基于 数据集中观察到的相关趋势或模式做出此假设。5 . 细节与准确性：确保旅程地图的每个阶段都包含 详细的描述和可视化效果，清晰区分 数据得出的见解和假设。这将增强地图的 整体清晰度和决策实用性。预期结果：旅程地图应将事实数据与必要的假设无缝集成，提供全面且实用的用户体验视图。每个假设都应清晰标记并论证其合理性，使利益相关者能够理解和评估所提供见解的基础。这将有助于战略规划和设计改进，确保它们既基于数据，又能适应不确定的领域。
提示：正如 Nate Jones 在其优秀的时事通讯《快速工程袖珍指南：如何从 AI 模型中获得最大收益》中提到的那样，如果您希望响应采用特定格式，则应确保在提示中指定这一点（例如“将响应放在表格中。”）
包含机会和解决方案：对于旅程地图的每个阶段，我通常喜欢为机会（基于已确定的接触点、情绪和挫折提出的改进建议）和解决方案（基于收集到的见解，提出可以改善用户体验的设计或功能增强）提供额外的“泳道”。对我来说，这是旅程地图中的研究数据最具可操作性的最佳点。我发现最好不要使用 GenAI 来帮助编写这些泳道。通常，数据集不包含集体团队解决每个阶段出现的用户体验问题的广泛知识。
我发现，将人工智能与这些提示结合使用可以显著简化旅程地图的创建，使流程更快、更高效。通过利用人工智能，我们可以更轻松地将复杂数据集的发现整合到用户旅程的每个阶段，确保从行动和想法到挑战和互动的每个环节都被准确捕捉。人工智能能够预测用户行为并生成详细的可视化效果，从而提升旅程地图的有效性。然而，手动审查和调整这些人工智能生成的地图至关重要，以确保它们融入人类洞察并准确反映真实的用户体验，从而提供更具可操作性和更全面的用户旅程视图。虽然人工智能可以协助预测和可视化用户行为，但战略性地融入人类洞察对于制作真正反映和改善用户旅程的旅程地图仍然至关重要。
随着我们不断将 GenAI 融入用户体验设计流程，在充分利用其计算能力与保持人性化体验之间找到平衡至关重要，这对于创建真实且富有影响力的用户画像和旅程地图至关重要。通过将 AI 的效率与我们的专业知识和创造力相结合，我们可以改进工作流程，从而交付与用户实际需求和体验紧密相关的交付成果。我鼓励我的用户体验专业人士同仁们尝试这些工具，分享他们的经验，并继续在这个激动人心的科技与设计交汇的领域中，共同突破所能取得的成就。
如果您有兴趣了解更多信息，欢迎加入Patrick Neeman 创建的AI for UX Slack 小组。我们会深入探讨如何将 AI 用于用户体验，以便更好地理解如何正确利用它来推动行业发展。期待与您相见！
兰亭妙微(www.lanlanwork.com )是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。我们建立了一个微信群，每天分享国内外优秀的设计，有兴趣请加入一起学习成长，咨询及进群请加蓝小助微信ben_lanlan。