ChatGPT UX Sürecinde Nerede İşe Yarar, Nerede Yaramaz
ChatGPT'yi UX sürecine sokmanın kolay tarafı fikir üretmek. Zor tarafı, hangi çıktının araştırmanın yerine geçtiğine, hangisinin sadece araştırma taklidi olduğuna karar vermek. Araç bazı adımlarda gerçekten saat kazandırıyor, bazılarında elinizde hiç ölçülmemiş bir kanı bırakıp gidiyor.
Saat kazandırdığı yerler
Tıkandığınız bir akışı anlatıp on ayrı çözüm istemek. Rakip ürünlerden topladığınız dağınık notları tek sayfaya indirmek. Mülakat için soru taslağı çıkarmak. Atölyeden çıkan post-it fotoğraflarını sıralı bir özete çevirmek. Bu işlerin ortak yanı, çıktıyı zaten sizin doğrulayacak olmanız ve yanlışın ucuza mal olması: kötü bir fikir listesinden kötü fikirleri elemek beş dakika sürer.
Peki bu ucuzluk nerede bozuluyor? Çıktı doğrudan bir karara girdiği anda. Persona bunun en sık görülen örneği.
Persona üretmek araştırma değildir
Modelden "35 yaşında, İstanbul'da yaşayan, sabah koşan bir kullanıcı" istediğinizde aldığınız şey sizin kullanıcılarınıza dair bir bilgi değil, eğitim verisindeki ortalama kalıpların derli toplu bir özeti. İsim yerinde, yaş yerinde, motivasyon cümlesi de yerinde duruyor. Arkasında kimse yok.
Persona'nın asıl işi tartışmayı somutlaştırmaktı: "kullanıcı" diye soyut bir varlık yerine masada belirli bir davranış olsun diye üretilirdi. Kaynağı görüşme kaydıysa bu işi görür. Kaynağı tahminse ekibin ortak varsayımını belgeye çevirmekten başka bir şey yapmaz, üstelik belgeye girdiği anda kimse onu bir daha sorgulamaz.
Peki gerçek görüşme notlarınızı modele verip gruplatırsanız? O zaman iş tersine döner. Veri sizindir, model yalnızca sıralama ve kümeleme yapar, hata yaptığında da notlara bakıp yakalayabilirsiniz.
Geri bildirim etiketlerken tekrarlanabilirlik sorunu
Yüzlerce kullanıcı yorumunu kullanılabilirlik, estetik, performans gibi başlıklara ayırmak, modelin gerçekten hızlı olduğu bir iş. Ama bir tuzağı var. Destek yorumlarını iki ayrı oturumda aynı prompt'la etiketlettiğimde çıkan kategoriler birbirini tutmadı; ikisi de makul görünüyordu, ikisi de aynı değildi.
Çözüm modelde değil, işi kurma biçiminde:
- Kategori listesini önceden siz yazın, modelden kategori icat etmesini değil, verilen listeye yerleştirmesini isteyin.
- Elle etiketlediğiniz otuz kırk yorumluk küçük bir kontrol seti tutun, her toplu çalıştırmada ona bakın.
- API üzerinden çalışıyorsanız sıcaklığı düşürün ve prompt'u sürüm kontrolünde tutun; prompt bir yapılandırma dosyasıdır, sohbet penceresine yazılıp unutulan bir şey değil.
Bunu yapmazsanız elinizde ölçüm değil, her seferinde biraz kayan bir izlenim olur.
İşe yarayan istek biçimleri
Prompt kalitesi çoğunlukla ne kadar bağlam verdiğinizle doğru orantılı. Interaction Design Foundation'ın ChatGPT for UX Design derlemesi bunun iyi örneklerini topluyor. Pratikte en çok işe yarayanlar dar ve sınırlı olanlar:
- "Bir e-ticaret sitesinde arama deneyimine dair on mülakat sorusu yaz; yönlendirici soru olmasın, evet hayır ile cevaplanmasın."
- "Şu ekran akışında kullanıcının vazgeçebileceği noktaları sırala, her biri için nedenini tek cümleyle yaz."
- "Bu yorumları verilen dört kategoriden birine ata, hiçbirine uymayanı 'diğer' yap ve uydurma."
Son maddedeki kısıt, listenin en değerli kısmı. Model boşluk bırakmaktansa doldurmayı tercih eder, bunu açıkça yasaklamak gerekir.
Nerede durmalı
Modelden çıkan her sayıya kaynak sorun. "Kullanıcıların yüzde kırk altısı" diye başlayan cümlelerin büyük kısmı hiçbir yere dayanmıyor, üstelik ikna edici bir tonda geliyor. Erişilebilirlik konusunda da temkinli olun: WCAG kriterleri hakkında genel doğruları söyler, ama sizin arayüzünüzde kontrast oranının gerçekten kaç olduğunu ancak ölçerek öğrenirsiniz.
Kabaca bir ayrım işinizi görür. Üretim aşamasında, yani seçenek çoğaltırken, model iyi bir ortak. Karar aşamasında, yani seçenekleri elerken, kullanacağınız kanıt hâlâ gerçek kullanıcıdan gelmek zorunda.
Kaynaklar