今天來聊一下這個可能困擾很多做問卷調查的人們, 那就是"無法有效取得夠多的客戶回饋問卷", 畢竟有時開放性問題太多, 大家可能填寫的意願就不高, 不然就是回答的很簡單, 實在無法取得什麼有效的insight洞見, 因此有時我還更傾向用實體需求訪談會議取得更多反饋的意見, 但這時計劃要求取得Beta Test後的問卷調查結果怎麼辦? 這時AI可以用來模擬很多大量不同職稱, 不同產業, 不同角度切入的多元觀點就顯得非常重要且有幫助~ 我也已經實際用在兩個計畫的結案報告上來補足回收問卷的不足, 只有回到到幾份, 不足以滿足KPI時, 就只能請AI填答了~~
一般來說, 我會把訪問對象先告訴AI, 若更進一步知道Beta Test參與人員的公司, 部門, 職級...等人員基本profile提供給AI, 告訴它要模擬的是這些背景的人的回答角度, 但這邊有兩種情況, 一種是真的就開放給AI來填答, 答案可能出乎意料 ; 但另一種是你先從實際訪談或歸納出基本的調查結論後, 再請AI根據你預設的調查結果回過頭去模擬這些背景的人應該會說什麼話來形成這樣的結論, 等於是你讓AI去補足了問卷缺少的原始調查結果, 但實際上就不會因為AI的答案而去影響你預期分析出來的結論, 因為你已經先寫好調查的基本論點了~
而且你也可以讓 AI去做評分, 從五顆星到1~10分都可以進一步模擬有量化的衡量結果, 請AI模擬也不能完全說是假的, 因為確實也有一些論點說AI可以成為一個好的Persona作為產品開發的人物誌, 畢竟原本Persona就是虛構人物, 那請AI來擔任不是剛剛好而已, 因此未來使用心得的問卷調查數量不夠, 可以請AI替代填寫需要的份數來滿足一些相對來說屬於客觀建議的問卷調查, 如果問卷是非常人類主觀的議題, 恐怕AI替代回答應該沒什麼意義了@@ 最後值得一提的是現在問卷調查用的工具都可以直接將調查數據可視化, 所以我就把AI模擬的答案回填到問卷, 一份精美的調查數據就出來了, 然後再讓AI根據數據再進行調查報告的敘述性生成, 就獲得了完整的論述, 看到這, 以後不再需擔心問卷調查的KPI了~