2025-8-12 杰睿
雖然人工智能能夠增強我們的工作，但它無法取代從實際用戶體驗研究和分析中獲得的重要見解。
人工智能是一種幫助我們更高效地完成工作的工具；它不會取代我們。
憑借 20 多年的用戶體驗研究經驗，我最初對將人工智能融入研究實踐持懷疑態度。然而，我發現諸如 ChatGPT、Google Gemini、Microsoft CoPilot、Claude.ai 等生成式人工智能 (GenAI) 工具非常有用。它們不僅能協助分析數據以發現洞察，還能將這些洞察轉化為有效的可交付成果，例如用戶體驗人物角色和旅程地圖。
編寫 AI 提示來創建用戶體驗人物角色和旅程地圖的方法有很多。只需在 Google 上搜索“如何使用 AI 創建用戶體驗人物角色？”，你就能找到大量資源（其中一些我曾經使用過，并在文末引用過）。既然已經有很多資源了，我為什么還要寫這篇文章呢？經過一年的研究和實驗，嘗試了多種變體，我發現了一種成功的方法：混合使用各種提示，并賦予它們獨特的細微差別，而這些細微差別似乎在我讀過的任何文獻中都沒有涉及。因此，我想分享我的發現，希望它們也能幫助其他用戶體驗研究人員。隨著我們領域的不斷發展，分享我們的發現并促進合作對于充分釋放 AI 在用戶體驗中的潛力至關重要。因此，如果您嘗試過這些提示中的任何一個或其他方法并取得了良好的效果，我誠邀您在評論區分享您的經驗。
用戶體驗人物角色主要分為兩類：基于實際用戶研究的人物角色和基于假設的人物角色。無論您創建的是基于數據的人物角色，還是基于假設的人物角色（又稱“原型人物角色”、“臨時人物角色”、“一致性人物角色”等），GenAI 都能提供巨大幫助。
??關于原型用戶畫像的補充說明：根據我的經驗，產品團隊以外的許多人并不理解用戶畫像和原型用戶畫像之間的區別。因此，在創建原型用戶畫像時，我更喜歡使用“基于假設的用戶畫像”這個術語，這樣就能清楚地看出，仍然需要進行研究。沒有什么比展示一個原型用戶畫像，而利益相關者卻認為他們已經勾選了“用戶畫像框”，可以不進行實際用戶研究就繼續前進更糟糕的了！
如果您有興趣了解有關如何創建原型人物角色的更多信息，我強烈建議您查看 Tamara Adlin 關于對齊人物角色的出色作品。
即使用戶畫像是基于用戶研究構建的，提煉出的信息也會以虛構的方式呈現，同時仍然能夠準確地描述產品的普通用戶。無論是姓名、背景故事、標語等等，這些虛構的元素都能賦予用戶畫像生命力，使其真實可信、令人難忘，同時增強其與受眾的共鳴。我不知道你的情況如何，但我總是在創作這些虛構的用戶畫像時遇到困難，而這正是 GenAI 給予我最多幫助的地方。
經過研究和分析后，我知道了哪些數據應該包含在用戶畫像中，以及如何對其進行細分，但我苦苦掙扎于如何以最佳方式傳達這些數據。有些人可能認為這是用戶畫像創作的樂趣所在，但就我個人而言，我可能要花上幾個小時才能想出合適的標語。我是個數據迷，熱愛定性分析，但我并不認為自己是最有創造力的作家，而創造力有時能讓用戶畫像真正有意義。這并不是說我無法獨自完成，而是我比擁有這種天賦的人花費的時間要長得多。人工智能來了！
最近，我一直在嘗試使用 HeyMarvin、ChatGPT Team 和其他 GenAI 工具來幫助我填補創作人物角色時常常遇到的創意寫作空白。要以這種方式使用 AI，我發現最有效的方法是先自己完成最繁重的工作。
如果你做過用戶研究，請收集所有訪談記錄和/或研究報告。如果你正在構建原型用戶畫像，最好有大量二手研究文件可供分析（例如品牌戰略和行業報告、年度報告、之前的研究報告——例如調查結果、市場研究報告、客戶服務報告等），或者一些能夠記錄團隊對目標受眾假設的文件。
沒有兩個人物角色是完全相同的。選擇符合你研究需求的人物角色部分至關重要。正如史蒂夫·穆德 (Steve Mulder) 在其著作《用戶永遠是對的》中所述，人物角色的每個元素都應該有其目的，這意味著它應該幫助團隊更好地理解和體諒該用戶群體。始終確保背景與你的產品或服務環境相關。包含過多與人物角色如何使用產品或其功能無關的個人背景信息毫無意義。
如果您想了解更多有關決定包含哪些信息的信息，請觀看我的免費 1 小時課程“如何創建和使用 UX 角色”。
不同的工具允許您上傳不同的文件格式。目前，您可以在 ChatGPT Plus 或 Team 中上傳 PDF、TXT、JPEG、PNG、DOCX、CSV 和 XLS 文件格式。
數據隱私：您上傳到 ChatGPT Plus 的任何文件“都會無限期地保留在服務中，OpenAI 也可能使用這些文件來訓練其模型，因此最好不要上傳包含任何重要個人信息的文件……”。如果您需要更安全的選項，例如不使用聊天記錄進行訓練且數據已加密，則需要使用 ChatGPT Team 帳戶或投資安全的用戶體驗研究分析工具，例如 HeyMarvin 或 Dovetail。我還想指出，ChatGPT Team 目前存在一個安全問題，即無法限制團隊成員邀請新成員加入工作區，因此您必須定期檢查工作區的“成員”頁面。ChatGPT Enterprise 沒有此安全漏洞。在將任何 GenAI 工具用于處理客戶和/或公司數據之前，請咨詢您的 IT 團隊，以確保您遵守他們的數據安全規定。
您可以調整下面的提示以滿足您的個人需求……
AI 提示：
[公司] 正在重新設計其 [產品]，以便更好地與目標
受眾溝通。[產品] 的主要受眾是 [X]。根據
營銷團隊的定義，目標受眾被定義為 [簡短定義]。
主要受眾使用 [產品] 來實現 [用戶目標]。
根據提供的定義
以及所附的背景材料和研究記錄，為 [主要受眾] 撰寫一個用戶畫像。該用戶畫像
需要包含以下部分：價值觀、動機、親和力
（即擁有相似目標受眾和
共同興趣或價值觀的品牌或組織）、目標、挑戰、需求、人口統計、
行為以及與公司（線上和線下）的首選接觸點。
如果您發現第一個回復不夠深入，或者您希望它包含具體信息，您可以要求 GenAI 通過多種方式對其進行完善。對于用戶畫像，我喜歡提供行為提示。例如，您可以使用下面的提示要求 GenAI 重寫用戶畫像的某些部分。順便說一句，這些提示與我在跨職能團隊主持用戶畫像研討會以開發原型用戶畫像時使用的提示相同……
AI 后續提示：
使用以下行為提示重新編寫
此角色的“動機”和“親和力”部分：
動機
1. 個人目標：
a. 你的人物角色的短期和長期個人目標是什么？
b. 是什么促使你的人物角色實現這些目標？
2. 職業抱負：
a. 你的人物角色的職業抱負和野心是什么？
b. 是什么驅使你的人物角色在職業生涯中取得成功？
3. 激勵和獎勵：
a. 什么類型的激勵或獎勵對你的
人物角色最有吸引力（例如
這個后續提示應該會產生更豐富的結果。您可以選擇在初始 GenAI 提示中提供行為提示，但我注意到，如果我逐步提供數據并進行迭代改進，結果會更好。在一個提示中提出太多要求會使模型混亂。《面向用戶體驗設計師和產品經理的 AI 助手》一書的作者 Patrick Neeman建議在提示中加入用戶研究問題，以“確保其準確反映真實用戶”。他建議在提示中添加“生成能夠驗證此用戶角色是否正確的用戶研究問題”。
使用大型語言模型 (LLM) 根據行為模式、偏好、人口統計數據等將用戶群劃分為不同的角色，非常有幫助。然而，務必記住，如果用于訓練模型的數據中存在偏見，你可能會無意中延續甚至放大偏見。
關于準確性：請記住，所有 GenAI 工具都可能存在錯誤，并可能提供錯誤的答案。最終，您必須盡職盡責，確保所提供的信息準確反映您收集的數據。如果您使用的數據集包含歷史偏差或不平衡（例如，在性別、種族或社會經濟地位方面），則模型的輸出很可能會反映這些偏差。
提示：正如 Bill Bulman 在他的文章《利用 AI 增強研究構建人物角色（分步指南）》中提到的，你也可以編寫一個提示，為你的人物角色獲取“日常生活敘述”。Bill 提供了一個示例提示：“請以以下用戶訪談數據為基準，為我提供一個人物角色的日常生活敘述。”使用以下用戶訪談數據作為基準，為我提供人物日常生活的故事。”
無論是基于數據還是基于假設，創建用戶體驗人物角色都是一個細致入微的過程，GenAI 的支持將使其受益匪淺。這些工具可以幫助我們打造復雜的細節，使人物角色更具關聯性和價值，尤其對于那些不擅長創意寫作的人來說更是如此。通過細致地收集和分析用戶數據，定義真正反映用戶需求的人物角色元素，并策略性地運用人工智能來增強人物角色創建的創造性，我們可以開發出更精準、更引人入勝的用戶角色。
您將遵循創建角色中概述的相同步驟來創建旅程地圖，但與步驟 2 和步驟 4 有一些明顯的差異。
第二步是確定你的旅程地圖元素。你需要花費大量時間來定義旅程的各個階段以及每個階段想要呈現的用戶數據（例如，行動、想法、待辦事項等）。我認為 GenAI 不應該承擔這項繁重的工作。相反，你應該將其與數據集（即你在步驟 3 中上傳的文檔以及最終確定的人物模型）一起包含在你的 AI 提示中。
對于步驟 4（AI 提示），我喜歡使用詳細說明的提示：
AI 提示（通用示例）：
為 [x] 角色撰寫旅程地圖。該地圖應重點關注
[x] 的旅程。階段如下：1) [x]、2) [x]、3) [x]、4) [x] 和 5) [x]。
請針對每個階段提供：
1) 待完成任務（例如，目標 - 客戶想要實現什么？）
2) 行動（客戶會做什么？他們尋找哪些信息？
他們的背景是什么？）
3) 挫折/挑戰（客戶想要實現或
避免什么？） 4) 線上接觸點（他們 與
[x] 服務的哪些線上部分互動？） 5) 線下接觸點（他們與服務的哪些線下部分互動 ？）6) 關鍵時刻（客戶互動可能會對 品牌、產品或服務產生正面或負面的印象，從而影響他們的 購買決策。）
例如，如果我正在創建通過移動應用程序訂購食物的旅程地圖，我的提示可能看起來像......
AI PROMPT（以使用手機應用訂餐為例）：
使用提供的數據集（包含詳細的人物角色、用戶
研究報告、調查結果、市場調研報告和客服互動），為一款外賣手機應用
創建全面的用戶體驗旅程地圖。該地圖的人物角色是“Chris”，一位忙碌的軟件開發人員，喜歡各種美食。旅程地圖應整合來自每個階段和各個維度的數據集數據驅動洞察，以準確呈現 Chris 的體驗。階段：1. 認知：Chris 如何通過廣告、社交媒體或 好友發現這款應用。2 . 考慮：Chris 評估應用的功能、優勢和用戶 評論。3 . 注冊/入門：Chris 下載、注冊并 學習使用應用的步驟。4 . 探索：Chris 瀏覽各種餐廳選項和 菜單。5 . 決策：Chris 選擇餐廳和餐點的那一刻，包括 任何定制。6 . 交易：完成訂單并填寫付款和外賣詳情。7. 履行：監控訂單進度并接收更新 直至送達。8 . 送達后：收到訂單后的操作，包括用餐、 解決問題和評價。對于每個階段，請提供：* 操作：詳細說明 Chris 在每個階段在應用程序內采取的每個操作。* 想法：捕捉 Chris 在每個階段中的想法 。* 情緒：描述 Chris 在旅程關鍵點的情緒狀態 。* 接觸點：確定 Chris 與應用程序和任何其他 服務元素交互的位置。* 挫折：記錄 Chris 遇到的任何具體挫折或挑戰。* 待辦事項 (JTBD)：概述 Chris 在每個階段想要滿足的基本需求或任務。確保旅程地圖在視覺上結構化并區分這些方面，提供用戶體驗的整體視圖。
LLM 非常擅長預測分析和預測用戶行為，當他們進行猜測時，除非你特別指示他們這樣做，否則不會在結果中指出。
因此，我更愿意完善提示，以了解研究中的差距在哪里……
AI 精煉提示（清晰標記假設的示例）：使用提供的數據集（包含用戶研究報告、調查結果和客戶反饋）
為外賣應用創建更新的用戶體驗旅程圖。如果數據集不完整或缺少全面理解用戶旅程所需的具體信息，您可以做出合理的假設。請在旅程圖中清晰地標記這些假設，以將其與數據驅動的洞察區分開來。具體說明：1. 數據整合：對于旅程圖的每個階段，請使用來自數據集的直接洞察。清晰引用 支持這些洞察的 數據源（例如，特定的調查問題、報告頁面） 。2. 識別假設：如果數據集中缺少必要的信息，請提出并清晰標記假設。 根據可用數據的上下文， 為每個假設提供理由。3 . 假設標簽：在旅程圖中任何 未直接受數據集支持，而是由 AI 進行有根據的猜測 的內容旁邊，使用獨特的視覺或文本標簽（例如“假設”或特殊符號） 。4. 澄清與合理化：對于每個假設，請簡要 解釋為什么基于 數據集中觀察到的相關趨勢或模式做出此假設。5 . 細節與準確性：確保旅程地圖的每個階段都包含 詳細的描述和可視化效果，清晰區分 數據得出的見解和假設。這將增強地圖的 整體清晰度和決策實用性。預期結果：旅程地圖應將事實數據與必要的假設無縫集成，提供全面且實用的用戶體驗視圖。每個假設都應清晰標記并論證其合理性，使利益相關者能夠理解和評估所提供見解的基礎。這將有助于戰略規劃和設計改進，確保它們既基于數據，又能適應不確定的領域。
提示：正如 Nate Jones 在其優秀的時事通訊《快速工程袖珍指南：如何從 AI 模型中獲得最大收益》中提到的那樣，如果您希望響應采用特定格式，則應確保在提示中指定這一點（例如“將響應放在表格中。”）
包含機會和解決方案：對于旅程地圖的每個階段，我通常喜歡為機會（基于已確定的接觸點、情緒和挫折提出的改進建議）和解決方案（基于收集到的見解，提出可以改善用戶體驗的設計或功能增強）提供額外的“泳道”。對我來說，這是旅程地圖中的研究數據最具可操作性的最佳點。我發現最好不要使用 GenAI 來幫助編寫這些泳道。通常，數據集不包含集體團隊解決每個階段出現的用戶體驗問題的廣泛知識。
我發現，將人工智能與這些提示結合使用可以顯著簡化旅程地圖的創建，使流程更快、更高效。通過利用人工智能，我們可以更輕松地將復雜數據集的發現整合到用戶旅程的每個階段，確保從行動和想法到挑戰和互動的每個環節都被準確捕捉。人工智能能夠預測用戶行為并生成詳細的可視化效果，從而提升旅程地圖的有效性。然而，手動審查和調整這些人工智能生成的地圖至關重要，以確保它們融入人類洞察并準確反映真實的用戶體驗，從而提供更具可操作性和更全面的用戶旅程視圖。雖然人工智能可以協助預測和可視化用戶行為，但戰略性地融入人類洞察對于制作真正反映和改善用戶旅程的旅程地圖仍然至關重要。
隨著我們不斷將 GenAI 融入用戶體驗設計流程，在充分利用其計算能力與保持人性化體驗之間找到平衡至關重要，這對于創建真實且富有影響力的用戶畫像和旅程地圖至關重要。通過將 AI 的效率與我們的專業知識和創造力相結合，我們可以改進工作流程，從而交付與用戶實際需求和體驗緊密相關的交付成果。我鼓勵我的用戶體驗專業人士同仁們嘗試這些工具，分享他們的經驗，并繼續在這個激動人心的科技與設計交匯的領域中，共同突破所能取得的成就。
如果您有興趣了解更多信息，歡迎加入Patrick Neeman 創建的AI for UX Slack 小組。我們會深入探討如何將 AI 用于用戶體驗，以便更好地理解如何正確利用它來推動行業發展。期待與您相見！
蘭亭妙微(m.ocunn.cn )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan。