通过虚拟角色赋予用户话语权
在我之前的文章中，我探讨了人工智能如何帮助我们更高效地创建功能性角色。我们研究了如何构建专注于用户目标，而非仅仅停留在海报上、很少影响设计决策的人口统计档案的角色。
但创建角色只是战斗的一半。更大的挑战是，如何在人们需要的时候，将那些洞察传递到需要它们的人手中。
每天，组织内的人们都在做出影响用户体验的决定。产品团队决定优先开发哪些功能。营销团队策划活动。财务团队设计发票流程。客户支持团队编写回复模板。所有这些决策都塑造了用户对您的产品或服务的体验。
而其中大多数决定，都是在没有实际用户输入的情况下做出的。
我们如何分享用户研究的问题
你做了研究。你创建了角色。你写了报告。你做了演示。你甚至制作了漂亮的信息图表。然后呢？
研究躺在某个共享驱动器里，慢慢积攒数字灰尘。角色在启动会议上被提及，然后就被遗忘。报告被匆匆浏览一次后，再也不会打开。
当产品经理决定是否增加新功能时，他们很可能不会去翻阅去年的研究资料库。当财务团队重新设计发票邮件时，他们几乎肯定不会去查阅用户角色。他们会做出最佳猜测，然后继续推进。
这不是在批评这些团队。他们很忙。他们有截止日期。坦白说，即使他们想查阅研究，他们也可能不知道去哪里找，或者不知道如何针对他们的具体问题进行解读。
知识被锁在用户体验团队的头脑里，而他们不可能参与组织内每个决策的讨论。
如果用户真的能说话呢？
如果我们不是创建需要人们寻找和解读的静态文档，而是给利益相关者一种能够同时咨询你所有用户角色的方式，会怎么样？
想象一下，一位营销经理正在策划一场新活动。与其努力回忆角色资料中关于信息偏好的内容，他们可以直接问：“我在考虑在这封邮件中以折扣优惠作为主打。我们的用户会怎么想？”
而人工智能，基于你所有的研究数据和角色，可以给出一个综合的观点：每个角色可能会如何反应，他们在哪些方面一致，在哪些方面有分歧，以及基于他们集体视角的一系列建议。一个问题，就能综合你整个用户群的见解。
这不是科幻小说。利用人工智能，我们可以构建出这种系统。我们可以把所有那些分散的研究（调查、访谈、支持工单、分析数据、角色本身）变成一种交互式资源，任何人都可以就它进行查询，以获得多视角的反馈。
构建用户研究资料库
这种方法的基础是一个集中存放所有用户知识的资料库。把它想象成人工智能可以访问和引用的单一事实来源。
如果你做过一段时间用户研究，你拥有的数据可能比你意识到的要多。它们只是分散在不同的工具和格式中：调查结果在调查平台里，访谈记录在谷歌文档里，客户支持工单在帮助台系统里，分析数据在各个仪表盘里，社交媒体提及和评论，过去项目的旧角色，可用性测试录像和笔记。
第一步是将所有这些收集到一个地方。它不需要完美地组织。人工智能非常擅长理解混乱的输入。
如果你是从零开始，没有太多现有研究，你可以使用人工智能深度研究工具来建立一个基线。
创建交互式角色
一旦你有了资料库，下一步就是创建可供人工智能代表利益相关者咨询的角色。这直接建立在我上一篇文章中概述的功能性角色方法之上，但有一个关键区别：这些角色成为人工智能分析问题的视角，而不仅仅是参考文档。
这个过程如下所示：
- 将你的研究资料库提供给一个人工智能工具。
- 要求它根据目标、任务和痛点来识别不同的用户群体。
- 让它为每个细分群体生成详细的角色。
- 配置人工智能，在利益相关者提问时咨询所有角色，提供综合反馈。
这就是这种方法与传统角色方法显著不同的地方。因为人工智能是这些角色文档的主要消费者，它们不需要易于浏览或适合放在一页纸上。传统角色受限于人类可读性：你必须将所有内容提炼成要点和关键引述，让人一目了然。但人工智能没有这种限制。
这意味着你的角色可以更详细。你可以包括冗长的行为观察、矛盾的数据点和细微的背景信息，这些在传统角色海报的编辑过程中永远不会保留。人工智能可以处理所有这些复杂性，并在回答问题时加以利用。
你还可以在每个角色内创建不同的视角，以适应特定的业务职能。你的“周末勇士”角色可能拥有营销视角（信息偏好、渠道习惯、活动反应）、产品视角（功能优先级、可用性模式、升级触发点）和支持视角（常见问题、痛点、解决偏好）。当营销经理提问时，人工智能会利用与营销相关的信息。当产品经理提问时，它则从产品视角中提取信息。同一个角色，根据提问者的不同，提供不同的深度。
角色仍然应该包括我们之前讨论过的所有功能元素：目标和任务、疑问和反对、痛点、接触点和服务差距。但现在，这些元素成为人工智能从每个角色的视角评估问题的基础，将他们的观点综合成可操作的建议。
实施方案
你可以根据资源和需求，以不同的复杂程度来设置。
简单方法
大多数人工智能平台现在都提供了项目或工作区功能，允许你上传参考文档。在 ChatGPT 中，这称为“项目”。Claude 有类似的功能。Copilot 和 Gemini 称之为“空间”或“宝石”。
首先，创建一个专门的项目并上传你的关键研究文档和角色。然后编写清晰的指示，告诉人工智能在回答问题时咨询所有角色。例如：
你正在帮助利益相关者了解我们的用户。当被问到问题时，请咨询此项目中的所有用户角色，并提供：(1) 每个角色可能如何回应的简要总结，(2) 概述他们在哪些方面一致，在哪些方面有分歧，以及 (3) 基于他们集体视角的建议。利用所有研究文档来为你的分析提供信息。如果研究未完全涵盖某个主题，请搜索如 Reddit、Twitter 和相关论坛等社交平台，查看符合这些角色的人如何讨论类似问题。如果你仍然不确定某件事，请诚实说明，并建议哪些额外的研究可能会有所帮助。
这种方法有一些限制。上传的文件数量有限制，因此你可能需要优先处理最重要的研究，或将你的角色合并成一个综合文档。
更复杂的方法
对于大型组织或更持续的使用，像 Notion 这样的工具具有优势，因为它可以容纳你的整个研究资料库，并内置了人工智能功能。你可以为不同类型的研究创建数据库，将它们链接起来，然后使用人工智能进行跨库查询。
这样做的好处是人工智能可以访问更多的上下文。当利益相关者提问时，它可以同时调用调查、支持工单、访谈记录和分析数据。这使得回应更加丰富、细致。
这不能替代什么
我需要明确其局限性。
虚拟角色不能替代与真实用户交谈。它们是让现有研究更容易获取和更具行动力的一种方式。
有几种情况你仍然需要主要研究：
- 推出真正全新、现有研究未覆盖的内容时；
- 当你需要验证特定的设计或原型时；
- 当你的资料库数据变得过时时；
- 当利益相关者需要直接听到真实用户的声音以建立共情时。
事实上，你可以配置人工智能来识别这些情况。当有人提出的问题超出了研究能够回答的范围时，人工智能可以这样回应：“我没有足够的信息来自信地回答这个问题。这可能是一个适合进行快速用户访谈或调查的好问题。”
当你进行新的研究时，这些数据会反馈回资料库。随着理解的加深，角色会随着时间的推移而进化。这比传统的方法好得多，传统方法中角色被创建一次，然后慢慢地过时。
组织层面的转变
如果这种方法在你的组织中得到采用，会发生一些有趣的事情。
用户体验团队的角色会从用户知识的“守门人”转变为资料库的“策展人”和“维护者”。
研究沟通从“推送”（演示、报告、电子邮件）转变为“拉取”（利益相关者在需要答案时提问）。以用户为中心的思维在组织中得以分布，而不是集中在一个团队中。
这并不会降低用户体验研究人员的价值。如果有什么不同的话，这会使他们更有价值，因为他们的工作现在影响范围更广，影响力更大。但它确实改变了工作的性质。
如何开始
如果你想尝试这种方法，请从小处着手。在深入研究之前，如果你需要关于功能性角色的入门知识，我写了一篇详细的创建指南。选择一个项目或团队，使用 ChatGPT 项目或类似工具设置一个简单的实现。收集你拥有的任何研究（即使感觉不完整），创建一两个角色，看看利益相关者的反应。
注意他们问的问题。这会告诉你你的研究在哪些方面存在空白，以及哪些额外的数据最有价值。
当你完善了方法后，可以扩展到更多的团队和更复杂的工具。但核心原则保持不变：收集所有分散的用户知识，并赋予它一个组织内任何人都能听到的声音。
在我之前的文章中，我认为我们应该从人口统计角色转向专注于用户目标的功能性角色。现在我建议我们采取下一步：从静态角色转向能够真正参与决策对话的交互式角色。
因为每一天，在你的组织中，人们都在做出影响你用户的决定。而你的用户，理应有一席之地，即使是一个虚拟席位。