การรวบรวมข้อเสนอแนะระยะแรกจากต้นแบบ

ต้นแบบมีไว้เพื่อให้ เรียนรู้ได้อย่างรวดเร็ว ไม่ใช่เพื่อสร้างความประทับใจ เป้าหมายคือการรับข้อเสนอแนะที่ทำให้การตัดสินใจของคุณเปลี่ยนแปลง

• ทดสอบสมมติฐานหลัก
• ค้นหาขั้นตอนการใช้งานที่ชวนสับสนตั้งแต่เนิ่น ๆ
• ค้นหาคุณค่าที่ขาดหายไป

คัดเลือกผู้ที่ตรงกับ ผู้ใช้เป้าหมาย ไม่ใช่เพื่อนที่จะเกรงใจคุณ คุณภาพของผู้ทดสอบเป็นตัวกำหนดคุณภาพของข้อมูลเชิงลึก

มอบ งาน ที่สมจริงให้ผู้ทดสอบ แล้วเฝ้าดูอย่างเงียบ ๆ อย่าพยายามอธิบาย เพราะความสับสนก็คือข้อมูล

ขอให้ผู้ใช้ บรรยายความคิดของตน ขณะคลิก วิธีนี้จะเผยให้เห็นแบบจำลองทางความคิดและความเข้าใจผิดที่คุณไม่อาจมองเห็นได้ด้วยวิธีอื่น

สำหรับผลิตภัณฑ์ AI ความไว้วางใจเป็นสิ่งสำคัญอย่างยิ่ง ถามผู้ทดสอบว่า เชื่อถือและจะนำ ผลลัพธ์ของ AI ไปใช้หรือไม่ ไม่ใช่ถามเพียงว่าผลลัพธ์ดูดีหรือไม่

บันทึกข้อเสนอแนะในรูปแบบที่สอดคล้องกัน เพื่อให้มองเห็นรูปแบบที่เกิดขึ้นซ้ำระหว่างแต่ละเซสชัน

ความคิดเห็นของคนคนเดียวอาจเป็นสัญญาณรบกวน แต่รูปแบบที่เกิดซ้ำในผู้ใช้หลายคนคือสัญญาณ จงให้ความสำคัญกับปัญหาที่ เกิดซ้ำ

เพิ่มแบบสำรวจสั้น ๆ หลังการทดสอบ เพื่อให้มีตัวเลขประกอบข้อสังเกต

แปลงข้อมูลเชิงลึกให้เป็นรายการงานค้างที่จัดลำดับความสำคัญแล้ว การเปลี่ยนแปลงแต่ละรายการควรเชื่อมโยงกลับไปยัง ปัญหาที่สังเกตพบจริง

ปรับแก้ทีละเล็กน้อยแล้วทดสอบซ้ำ วงจรสั้น ๆ มีประสิทธิภาพกว่าการออกแบบใหม่ครั้งใหญ่ เพราะคุณยังคงตรวจสอบกับผู้ใช้ได้อย่างต่อเนื่อง

หยุดปรับปรุงต้นแบบเมื่อขั้นตอนหลักมีความชัดเจนและผู้ใช้ไว้วางใจสูง จากนั้นคุณก็พร้อมที่จะ สร้างใช้งานจริง

คุณได้เรียนรู้การคัดเลือก ผู้ใช้เป้าหมาย การจัดการทดสอบแบบคิดออกเสียงด้วยงานที่สมจริง การวัดความไว้วางใจต่อผลลัพธ์ของ AI การบันทึกข้อเสนอแนะอย่างเป็นระบบ การแยก สัญญาณออกจากสัญญาณรบกวน การวัดเป็นตัวเลขด้วยแบบสำรวจสั้น ๆ และการปรับปรุงซ้ำเป็นวงจรสั้น ๆ จนกว่าขั้นตอนหลักจะชัดเจน