Kann KI Nutzerforschung durchführen?
KI ist überall und sie verändert alles. Sogar die Produktentwicklung. Sogar die Nutzerforschung. “Wie integrierst Du KI in Deine Nutzerforschung?” ist einer der häufigsten Sätze, die ich in letzter Zeit höre. Eine gute Frage. Wie macht ihr das? Wir experimentieren viel damit. Hier ist, was ich herausgefunden habe:
Wenn es um Nutzerforschung geht, gibt es drei Hauptwerttreiber:
- Relevante Informationen aus den Interviews erhalten
- Extrahieren von Entscheidungsmustern aus den Interviewdaten
- Erstellen von Wertvorschlägen, die die Entscheidungsmuster bedienen
Und keine dieser Aufgaben kann KI für dich lösen. Hier ist der Grund dafür:
Mit KI relevante Informationen aus den Interviews gewinnen
Der entscheidende Faktor für die Qualität eines Interviews ist in meinen Augen der Interviewer. Wenn er weiß, wie man fragt, was man fragt und wie man zuhört, werden die Daten für alles, was folgt, erstaunlich sein. Wenn er das nicht tut, kannst Du keine guten Daten aus dem Interview gewinnen. Es ist ein riesiger Unterschied, ob ein Experte das Interview führt oder jemand, der es nicht kann. Und vieles davon sind sehr subtile Dinge. Sieh Dir jemanden wie Chris Voss an, der eine Zeit lang der führende Geiselvermittler des FBI war. Es gibt eine Art zu sprechen, die Menschen dazu bringt, Dir Dinge zu sagen. KI kann das nicht nachahmen. Menschen erschnüffeln die Details.
Um tolle Interviewdaten zu bekommen, brauchst Du tolle Interviewer/innen. Das ist im Moment einfach nicht zu ersetzen.
Extrahieren von Entscheidungsmustern aus den Interviewdaten mit KI
Wenn ein erfahrener Interviewer die Daten extrahiert hat, ist dies einer der wenigen Fälle, in denen KI wirklich helfen kann. Die Strukturierung unstrukturierter Daten ist schließlich einer der grundlegenden Anwendungsfälle von KI. Auch das Erkennen von Mustern. Wenn wir jedoch an Mustererkennung in der KI denken, denken wir oft an große Datenmengen und Korrelationen. Die Art der Entscheidungsmuster in der qualitativen Nutzerforschung ist anders. Sie haben eher die Form einer Geschichte. “Als das passiert ist, habe ich das gedacht. Ich wollte das nicht, aber ich habe auf das gehofft. Ich hatte Angst, dass das passieren könnte, aber ich war froh, als das stattdessen passierte.” Menschliche Erfahrungen sind größtenteils von Geschichten abhängig. Geschichten sind die Art und Weise, wie unser Gedächtnis funktioniert. Selbst wenn wir die Welt nicht in Form von Geschichten erleben, erinnern wir uns an sie auf diese Weise. Daher ist das gesamte bisherige Nutzerverhalten in Form von Geschichten entstanden und wird in Form von Geschichten verwendet.
Es gibt eine ganze Reihe von Arbeiten, bei denen KI Daten in Geschichten strukturieren kann. Aber wir brauchen bessere Begrenzungen für die Modelle. Generative KI ist großartig, um Geschichten zu schreiben, aber sie arbeitet mit der Vorhersage der nächsten Figur. Das führt leicht dazu, dass KI Dinge erfindet, die nicht Teil der Forschung sind.
Hier ist ein Beispiel für die Unfähigkeit, mit der Einhaltung von Grenzen umzugehen.
Ich: Schreibe einen 1000 Zeichen langen Aufsatz über Produktentwicklung, ohne den Buchstaben a zu verwenden.
ChatGPTs erster Satz: Die Entwicklung neuer Produkte erfordert sorgfältige Planung, Tests und Erkenntnisse.
Das macht den ganzen Sinn der Nutzerforschung zunichte. Du willst Deine Annahmen auf das reduzieren, was der Nutzer tatsächlich gesagt hat. Nicht neue Annahmen aus der KI hinzufügen. Irgendetwas, das jemand irgendwann im Internet gesagt hat. Das schränkt den Einsatz auf eng definierte Aufgaben ein. Zum Beispiel das Benennen einer Gruppe von Ereignissen, die im Entscheidungsprozess passiert sind. Oder noch besser: Einen Namen vorschlagen.
Erstellen von Wertvorschlägen, die den Entscheidungsmustern mit KI dienen
Ein Wertversprechen zu erstellen ist schwierig. Es erfordert, dass Du viel Kontextwissen in Dein Denken einbeziehst. Für wen ist dieses Produkt gedacht? Was wollen sie? Welche Dinge wollen sie vermeiden? In welchem begrenzten Kontext befinden sie sich? Welche Ereignisse sind ihnen widerfahren? In welcher Entscheidungsphase befinden sie sich?
Gleichzeitig musst Du Ideen für mögliche Lösungen entwickeln. Was sind ihre Erfolgskriterien? Welche Lösungen sind für das Problem relevant? Gibt es neue Dimensionen, an die wir noch nicht gedacht haben? Was können wir als Unternehmen überhaupt anbieten? Welche Beschränkungen auf der Angebotsseite sind fest und welche flexibel?
Nach dem, was ich bisher gesehen habe, geht es nicht von einer Rechenleistung aus. Die Unfähigkeit, sich an vorgegebene Beschränkungen zu halten, ist ebenfalls ein Problem. Wenn Du einem KI-Modell ein gut definiertes Problem gibst, wird es keine gut definierte Lösung finden. Irgendwann werden wir das aber wahrscheinlich schaffen. Aber so weit sind wir noch nicht.
KI ist jedoch eine großartige Hilfe beim Brainstorming. Sie löst das Problem nicht für dich, aber sie hilft Dir, auf neue Ideen zu kommen. Wenn Du fragst, statt zu befehlen.
KI ist also nicht hilfreich bei der Kundenforschung?
Das habe ich nicht gesagt. Sie ist sehr hilfreich. Hier ist zum Beispiel ein Testszenario für eine Lösungshypothese. Ich habe Google Gemini gebeten, ein Testszenario für ein Joghurtunternehmen zu entwerfen. Der Test sollte überprüfen, ob das neue Joghurtgetränk die Menschen satt macht. Google Gemini kam mit einer großartigen Idee. Gib drei Gruppen von Menschen verschiedene Lebensmittel mit ähnlichem Kalorienwert. Lass sie dann in einem Raum mit Snacks auf dem Tisch sitzen und zähle die gegessenen Snacks über einen bestimmten Zeitraum. Von dort aus kannst Du die Variablen, Vergleichslösungen und Dauer, anpassen.
Es gibt auch eine Menge kleiner Aufgaben, die die Effizienz steigern. Hintergrundchecks für Interviewkandidaten. Strukturierung und Visualisierung von Daten. Analysieren von Unternehmensdaten, um herauszufinden, wo Du mit Deiner Kundenforschung beginnen solltest (Markt, Produkt, Finanzen)
Das Einzige, wo Menschen derzeit nicht durch Menschen ersetzt werden, sind die zentralen Werttreiber. Aber jede disruptive Innovation beginnt am unteren Ende der Wertschöpfungskette. Schauen wir also, wohin wir gehen.
Du willst mit Experten und KI arbeiten?
Mach einen Forschungssprint mit uns!
