مصاحبه و تحقیق کاربر با کمک هوش مصنوعی: راهنمای عملی
پرسش «چه میخواهی» آرزو میدهد و «آخرین بار چه کردی» واقعیت. راهنمای مصاحبهی بدون جهتدهی، کدگذاری متن با مدل، و گزارشی که با نقلقول مستقیم تیم را قانع میکند.
مدیر یک اپلیکیشن سفارش غذا ده نفر از کاربرانش را دعوت میکند و از همه یک چیز میپرسد: «چه قابلیتی دوست دارید اضافه کنیم؟» بیشترشان میگویند تقسیم صورتحساب بین دوستان. تیم دو ماه رویش کار میکند و بعد از انتشار تقریباً هیچکس سراغش نمیرود.
هیچکدام دروغ نگفته بودند؛ پرسش خراب بود. آدمها وقتی از آینده میپرسی، نسخهی بهترِ خودشان را توصیف میکنند: منظم، حسابگر، همیشه تصمیمدرست. آن آدم مشتری شما نیست.
تحقیق کاربر یعنی رسیدن به رفتار واقعی، نه به تصویر آرزویی. مدل زبانی در سه نقطهی مشخص کمک میکند — ساختن راهنمای مصاحبه، پیادهسازی و کدگذاری، نوشتن گزارش — و یک نقطه هم هست که ورودش کل پژوهش را بیاعتبار میکند: پرسیدن از مدل بهجای پرسیدن از مشتری.
چرا جواب مصاحبه گمراه میکند
سه نیرو همزمان کار میکنند. اول ادب: مصاحبهشونده میبیند زحمت کشیدهاید و نمیخواهد ناامیدتان کند، پس هر ایدهای «جالب» است. دوم تصویر ذهنی: هیچکس نمیگوید تنبل است یا ارزانترین گزینه را برمیدارد. سوم، آدمها پیشبینیکنندههای ضعیفی از رفتار خودشاناند.
نتیجه این است که مصاحبهی بد از نداشتن مصاحبه بدتر است. بیداده، محتاط تصمیم میگیرید؛ اما وقتی هشت نفر یک چیز را تأیید کردهاند، با اطمینان کامل در جهت غلط میدوید. همان چیزی که ویکیپدیا زیر سوگیری تأییدی جمع کرده است.
«چه میخواهی» آرزو میدهد، «آخرین بار چه کردی» واقعیت
این تفاوت هستهی کار است. پرسش از آینده جواب خیالی میگیرد، پرسش از گذشته جواب مستند. «حاضری برای ارسال سریع پول بیشتری بدهی؟» تقریباً همیشه بله میگیرد. «آخرین باری که خرید فوری داشتی چه کردی و چقدر دادی؟» یا یک ماجرای واقعی بیرون میدهد، یا معلوم میکند چنین موقعیتی اصلاً پیش نیامده.
فروشندهی صنایع دستیای را در نظر بگیرید که میخواهد بفهمد چرا سبد خرید سایتش رها میشود. «صفحهی پرداختمان مشکلی دارد؟» جز تعارف چیزی نمیآورد. پرسش درست این است: «آخرین باری که از یک سایت ایرانی خرید کردی، کجا مکث کردی؟» جواب معمولاً به جای نامنتظرهای میرسد — مثلاً لحظهای که کاربر رفته شمارهی کارت را از اپ بانکش بیاورد و برنگشته.
چهار پرسشی که باید از راهنما حذف شود
پیش از هر مصاحبه، راهنما را با این جدول تطبیق بدهید؛ هر پرسشی که در یکی از این چهار دسته بیفتد، جوابش قابل استناد نیست.
| نوع پرسش | نمونه | چه چیزی را خراب میکند |
|---|---|---|
| آرزویی | «دوست داری چه اضافه شود؟» | آیندهی خیالی را توصیف میکند |
| جهتدار | «این کار را راحتتر نمیکند؟» | جواب را در دهان میگذارد |
| فرضی | «اگر رایگان بود استفاده میکردی؟» | هیچ تعهدی پشتش نیست |
| دوتایی | «کند بود یا گران؟» | دو پرسش در یک جمله، جواب مبهم |
دستهی دوم بدترین است و تشخیصش در متن خودمان از همه سختتر، چون وقتی جمله را خودت نوشتهای جهتش را نمیبینی. شکلهای ظریفش را ویکیپدیا زیر Leading question شرح داده است.
راهنمای مصاحبه را با مدل بازرسی کنید، نه بنویسید
ترتیب درست این است: خودتان پنج تا هفت پرسش خام بنویسید، بعد متن را به مدل بدهید و نقش بازرس به او بدهید — پرسش جهتدار را علامت بزند، پرسش از آینده را رفتاری بازنویسی کند، و جملههایی را که دو پرسش در خود دارند جدا کند. این کار زبانی است نه قضاوت دربارهی کسبوکار شما، و مدل خوب انجامش میدهد.
برعکسش جواب نمیدهد: «ده سؤال برای مصاحبه با کاربر بنویس» فهرستی میدهد که برای هر محصولی در جهان صادق است و به همین دلیل برای محصول شما بیفایده.
در جلسه: سکوت کنید و بپرسید «بعدش چه شد»
اینجا مدل هیچ کمکی نمیکند. مهارت اصلی این است که بعد از جواب کوتاه سکوت کنید؛ جملهای که از دل سکوت بیرون میآید معمولاً ارزشمندتر از جملهی اول است. پرسش کمکی هم یکی بیشتر نیست: «بعدش چه شد؟»
ضبط را با اجازه انجام بدهید و بگویید فایل کجا میرود. همزمان یادداشت ننویسید؛ مصاحبهشونده وقتی میبیند چیزی نوشته شد، سعی میکند بیشتر شبیه همان حرف بزند.
پیادهسازی: از فایل صوتی تا متن قابل جستوجو
این مرحله قبلاً چند ساعت وقت میگرفت و حالا کار دقایق است. فایل را به ابزار تبدیل گفتار به متن بدهید و خروجی را با برچسب گوینده نگه دارید؛ روشش در تبدیل گفتار به متن فارسی و شکل جمعبندی جلسه در خلاصهی جلسه از فایل صوتی آمده است.
یک هشدار عملی: روی نام محصول، اصطلاح صنفی و عدد، پیادهسازی فارسی اشتباه میکند. لازم نیست کل متن را بازبینی کنید، ولی هر جملهای که قرار است نقلقول شود باید یک بار با صدا مقابله شود.
کدگذاری: از متن خام تا برچسب
کدگذاری یعنی هر جملهی معنادار را با برچسبی کوتاه علامت بزنید تا بعداً بشود شمرد. دو قاعده کل کار را نجات میدهد: مدل حق ندارد نقلقول را زیبا یا خلاصه کند، و حق ندارد چیزی را که در متن نیست اضافه کند. بدون این دو، خروجی روان و قانعکنندهای میگیرید که بخشیاش ساختگی است — همان توهم هوش مصنوعی.
نقش: تحلیلگر پژوهش کاربر، فارسی
ورودی: متن پیادهشدهی یک مصاحبه (در پیام بعدی میفرستم)
کار:
۱. هر جا مصاحبهشونده از کارِ انجامشده در گذشته حرف زده، جمله را عیناً بیرون بکش
۲. برای هر جمله یک برچسب حداکثر سهکلمهای بگذار
۳. جملههای مربوط به آرزو و پیشنهاد قابلیت را در فهرست جداگانه بگذار
۴. هر جا حرفش با جای دیگرِ همان مصاحبه نمیخواند، علامت بزن
قواعد:
— نقلقول کلمهبهکلمه؛ خلاصه و ویرایش ممنوع
— چیزی که در متن نیست ننویس؛ اگر مبهم بود بنویس «مبهم»
خروجی: جدول سهستونی — نقلقول | برچسب | گروه (رفتار/آرزو)خروجی هر مصاحبه را جدا نگه دارید و بعد از سه چهار تا، فهرست برچسبها را خودتان مرتب کنید تا برای یک مفهوم دو نام ساخته نشود. همین کار روی نظرات ثبتشدهی سایت هم جواب میدهد؛ روشش در تحلیل نظرات مشتری هست و برای امتحان کردنش میشود متن را مستقیم در نارنگی گذاشت.
پیدا کردن الگو در ده مصاحبه
الگو یعنی چیزی که چند نفر مستقل از هم و بدون جهتدهی شما گفتهاند. برچسبهای ده مصاحبه را کنار هم بگذارید و بشمارید هر برچسب در چند مصاحبهی متفاوت آمده — نه چند بار در کل، که یک نفر پرحرف رتبهی اول را میسازد.
موردهای مخالف را هم جدا نگه دارید؛ اگر هفت نفر از کندی شکایت کردهاند و سه نفر اشارهای نکردهاند، فرق آن سه نفر با بقیه معمولاً مهمترین یافته است. خروجی این مرحله ورودی خوبی برای ساخت پرسونای مشتری است، به شرطی که پرسونا از همین داده در بیاید نه از تصور تیم.
گزارش یافتهها: نقلقول مستقیم قویترین ابزار است
یک جملهی خام از دهان مشتری بیشتر از هر نمودار و استدلالی داخل تیم کار میکند. «رفتم شمارهی کارت را بیاورم، برگشتم صفحه پریده بود» بحث را تمام میکند؛ «کاربران در فرآیند پرداخت با چالش مواجهاند» فقط یک جلسهی دیگر میسازد.
هر یافته چهار خط است: عنوان در یک جمله، تعداد مصاحبههای پشتیبان، دو نقلقول مستقیم، تصمیم پیشنهادی. مدل این چهار خط را از فهرست کدگذاریشده میچیند و متن را یکدست میکند، اما ترتیب اهمیت یافتهها کار شماست؛ به بودجه و وضعیت محصول ربط دارد، نه به داده.
کاربر مصنوعی، پژوهش نیست
حالا آن مرزی که اول گفتم. ساختن «کاربر مصنوعی» و پرسیدن سؤالهای مصاحبه از مدل — یا دادن پرسونا به مدل و خواستن نقشبازی — پژوهش نیست. مدل جوابی میسازد همخوان با متنهای موجود در دنیا، نه با مشتری شما در شیراز و کرج؛ و لحن مطمئنش باعث میشود سریعتر باورش کنید.
وقتی سؤال را طوری میپرسید که جوابش را میدانید، مدل تأییدش میکند؛ این سوگیری تأییدی است با ظاهر پژوهش و چیزی به دانستههای شما اضافه نمیکند. ریشهاش در سوگیری در هوش مصنوعی توضیح داده شده. پیش از دادن متن مصاحبه به ابزار هم، نام و شماره و مبلغ قرارداد را با برچسب جایگزین کنید؛ چراییاش در امنیت اطلاعات در هوش مصنوعی آمده است.
تنها استفادهی دفاعپذیر از نقشبازی، تمرین است: راهنما را یک بار روی مدل اجرا کنید تا ببینید کدام پرسش مبهم است. خروجی آن جلسه داده نیست و در گزارش نمیآید.
جمعبندی
تحقیق کاربر با عوض کردن یک فعل شروع میشود: بهجای «میخواهی»، بپرسید «کردی». بقیهاش انضباط است — راهنمای بدون جهت، سکوت در جلسه، کدگذاری وفادار به متن، و شمردن الگو در سطح آدم نه در سطح جمله.
مدل در سه جا وقت زیادی برمیگرداند: بازرسی پرسشها، پیادهسازی و کدگذاری، و مرتب کردن گزارش. در دو جا هیچ کاری از دستش برنمیآید: نشستن روبهروی آدم واقعی، و تصمیم گرفتن اینکه با یافتهها چه بکنید. ده مصاحبهی واقعی با پرسش درست، از صد ساعت تحلیل روی دادهی ساختگی جلوتر است.
برای ادامه:
