Yapay Zeka Ürünleri İçin Onboarding: Kullanıcıları İlk İyi Yanıtlarına Ulaştırmak
Yapay zeka ürünü kullanıcılarını, ne yapıp ne yapamayacağını belirterek, örnek istemler ve örnek veri sunarak ve ilk oturumda yararlı bir yanıta ulaşarak onboard edin.
8 dk. okuma

İçindekiler
Bir yapay zeka ürünü yeni kullanıcıları ilk oturumlarında tek bir yararlı yanıta ulaştırarak onboard etmelidir. Ürünün neyi yapıp neyi yapamayacağını açıkça söyleyin, boş istem kutusunu örnek istemler ve örnek veriyle değiştirin ve düşük riskli ve kontrol etmesi hızlı bir ilk görev önerin. Modeli değil, faydayı anlatın.
"Herhangi bir müşteri toplantısını özetleme" vaat eden bir yapay zeka aracına kaydolan küçük bir danışmanlık firması düşünün. İlk ekran, yanıp sönen bir imleçle boş bir metin kutusu. Bir ortak "toplantılarımda bana yardım et" yazıyor ve genel bir ipucu listesi alıyor. Bir diğeri iki saatlik bir transkripti yapıştırıyor ve önemli olan kararı atlayan bir özet alıyor. İkisi de geri gelmiyor. Araç iyi olabilirdi. İyi bir isteğin neye benzediğini ya da aracın iyi bir yanıt vermek için onlardan neye ihtiyaç duyduğunu kimse göstermedi.
Onboarding yapay zeka ürünleri için neden normal yazılımdan daha zor?
Yapay zeka ürünlerini onboard etmek daha zordur; çünkü kullanıcıların bir düğmeye tıklamak yerine ne istediklerini tarif etmeleri gerekir ve çıktı bir denemeden diğerine değişir. Yeni bir kullanıcı ürünün sınırlarını menülerinden göremez; bu yüzden onları başarısız olarak öğrenir.
Jakob Nielsen bunu erken dönemde AI: First New UI Paradigm in 60 Years (Haziran 2023) yazısında vurguladı: "Mevcut sohbet tabanlı etkileşim biçimi, kullanıcılardan sorunlarını düzyazı olarak yazmalarını gerektirmesi nedeniyle de sorun yaşıyor." Geleneksel yazılım seçeneklerini gösterir. Bir istem kutusu onları gizler.
İkinci bir sorun var: beklentiler. Google'ın People + AI Research ekibi Mental Models bölümünde şöyle yazıyor: "Birçok ürün, 'yapay zeka büyüsünün' görevlerini tamamlamalarına yardımcı olacağını vaat ederek kullanıcıları hayal kırıklığına hazırlıyor." Büyü bekleyen ve sıradan bir ilk yanıt alan kullanıcı ürünün çalışmadığına karar verir.
Yani bir yapay zeka ürününü onboard etmenin, normal onboarding'in sahip olmadığı iki işi var: insanlara nasıl soracaklarını öğretmek ve geri gelenle ilgili dürüst beklentiler belirlemek.
"İlk iyi yanıt" ne demek?
İlk iyi yanıt, yeni bir kullanıcının gerçekten kullanacağı ilk çıktıdır: doğru, kendi işiyle ilgili ve tek başına yapacağından daha iyi ya da daha hızlı. Bu, aktivasyon olayının yapay zeka eşdeğeridir ve onboarding ondan geriye doğru tasarlanmalıdır.
Bunu ürününüz için tanımlamak için üç soruyu yanıtlayın:
Yeni bir kullanıcı büyük olasılıkla hangi görevle gelir? En etkileyici görev değil, en yaygın olan.
Model o görevi iyi yapmak için neye ihtiyaç duyar? Bağlam, bir dosya, bağlı bir hesap, net bir talimat.
Kullanıcı yanıtın doğru olduğunu nasıl bilecek? Hızla kontrol edemiyorsa, doğru olsa bile ona güvenmez.
Yanıtlar genellikle ilk oturumun üründen daha dar olması gerektiğini gösterir. Herhangi bir belgeyi analiz edebilen bir araç, tek bir tür belge ve tek bir tür soruyla başlamalıdır.
Örnek istemler ve örnek veri yeni kullanıcılara nasıl yardımcı olur?
Örnek istemler kullanıcılara iyi bir isteğin neye benzediğini gösterir ve örnek veri, kendilerine ait hiçbir şey yüklemeden önce gerçek bir sonucu görmelerini sağlar. Birlikte, boş kutuyu işe yarama olasılığı yüksek bir ilk adımla değiştirirler.

Microsoft'un İnsan-Yapay Zeka Etkileşimi için Guideline 1'i, Sistemin neler yapabileceğini netleştirin, tam olarak bunun için, "Olası sistem girdilerini gösterin" ve "Bir sistem çıktıları seti gösterin" dahil kalıpları listeler. Nielsen Norman Group'un boş durumları tasarlama rehberi de aynı yönü gösterir: "Öğrenme İpuçları Sağlamak İçin Boş Durumları Kullanın" ve "Temel Görevler İçin Doğrudan Yollar Sağlamak İçin Boş Durumları Kullanın".
İyi bir örnek istemi ne yapar
Kullanıcının işine özgüdür. "Bu satış görüşmesini özetle ve sonraki adımları sahipleriyle listele", "Bir toplantıyı özetle"den daha çok öğretir.
İyi bir isteğin şeklini gösterir. Bağlamı, görevi ve geri istediğiniz biçimi ekleyin; böylece kullanıcılar yalnızca sözcükleri değil kalıbı kopyalar.
Her seferinde çalışır. Her örneği güncel modele karşı test edin. İlk tıklamada başarısız olan bir örnek, hiç örnek olmamasından daha çok zarar verir.
Kullanıcıyla birlikte değişir. Kullanıcının rolünü ya da sektörünü kayıttan biliyorsanız, o role yönelik örnekler gösterin.
Örnek veri ne zaman kullanılır
Örnek veri, yeni kullanıcıların riske girmeden deneyebilmesi için ürünle birlikte gelen hazır bir dosya, çalışma alanı ya da kayıt setidir. Ürünün değeri belgeler, bir CRM ya da bir elektronik tablo gibi kullanıcının kendi verisine bağlı olduğunda ve o veriyi bağlamak çaba ya da onay gerektirdiğinde kullanın. Bunu açıkça örnek veri olarak etiketleyin ve "bizimkinde dene"den "seninkinde dene"ye adımı tek, bariz bir eylem haline getirin.
İlk oturum neleri içermeli?
İlk oturum, ürünün neyi yapıp neyi yapmadığına dair kısa bir ifadeyi, kullanıcının dakikalar içinde bitirebileceği tek bir önerilen görevi, kontrol edebileceği bir sonucu ve net bir sonraki adımı içermelidir. Geri kalan her şey, kullanıcı ihtiyaç duyana kadar bekleyebilir.
Bu kontrol listesi, bir ilk oturumu gözden geçirmenin pratik bir yoludur:
Ürünün neyi iyi yaptığına dair, bir teknoloji değil bir fayda olarak yazılmış tek satırlık bir ifade.
Henüz neyi yapamadığına dair, ilk başarısızlıktan sonra değil ilk istekten önce gösterilen sade bir not.
En yaygın başlangıç görevi için, mümkün olduğunda kullanıcının rolüne özgü iki ila dört örnek istem.
Ürün değerini göstermek için kullanıcının verisine ihtiyaç duyuyorsa örnek veri.
Düşük riskli ve geri alınabilir tek bir önerilen görev.
Kaynaklarını ya da çalışmasını gösteren, kullanıcının kontrol edebileceği bir yanıt.
Yanıta geri bildirim vermenin bir yolu; bir puanlama ya da "bu yanlış" düğmesi gibi.
Kendi verilerini bağlamak ya da sonucu kaydetmek gibi tek bir net sonraki adım.
Google'ın PAIR rehberi bunun çoğunu destekler. Ekiplere "kullanıcı ilk kez etkileşime girdiğinde ürününüzün neyi yapıp neyi yapamayacağı konusunda açık sözlü olmalarını", "hemen deneyebilecekleri düşük riskli ya da geri alınabilir bir eylem önermelerini" ve yapay zekadan söz ederken "deneyimin bir kısmını özellikle nasıl iyileştirdiğine ya da yeni değer sunduğuna odaklanmalarını" tavsiye eder.
Kullanıcıları korkutmadan bir yapay zeka ürününün neyi yapamayacağını nasıl açıklarsınız?
Sınırları, ilk ekrandaki bir uyarı listesi olarak değil, önemli oldukları anda belirli, pratik olgular olarak açıklayın. Kullanıcılar, sınırları net olduğunda ve ürün onların içinde davrandığında bir ürüne daha çok güvenir.
PAIR Mental Models bölümü bunun için basit bir mesaj kalıbı sunar: "Şu anda şunu yapamıyor", ardından ana sınırlama. Her sınırı, bunun yerine ne yapılacağıyla eşleştirin. "Henüz taranmış görüntüleri okuyamıyor; metin PDF'si yükleyin ya da metni yapıştırın" tek cümlede hem bir sınır hem de ileriye giden bir yoldur.
Üç alışkanlık yardımcı olur:
Sınırları bağlam içinde gösterin. PAIR şunu not eder: "İnsanlar, kısa ve açık bilgi tam ihtiyaç duydukları anda göründüğünde daha iyi öğrenir." Kullanıcılara bir dosya türünün desteklenmediğini, atlayacakları bir karşılama turunda değil, yüklemeyi denediklerinde söyleyin.
Belirsizliği görünür kılın. Yanıt eksikse ya da model emin değilse, bunu yanıtın içinde söyleyin ve bilginin nereden geldiğini gösterin.
Pazarlama ile ürünü uyumlu tutun. Açılış sayfası ilk oturumun sunduğundan fazlasını vaat ediyorsa, onboarding kırık bir vaatle başlar. PAIR, ekiplere pazarlama ile "uygun ve tutarlı mesajlaşma" konusunda çalışmalarını tavsiye eder.
Yapay zeka onboarding'inizin işe yaradığını nasıl anlarsınız?
Onboarding'iniz, yeni kullanıcıların çoğu ilk oturumlarında tanımladığınız ilk iyi yanıta ulaştığında ve onu tekrar yapmak için geri geldiğinde işe yarıyordur. Turu değil, yanıtı ölçün.

Neler takip edilmeli
İlk iyi yanıta ulaşıldı: tanımlı ilk görevi tamamlayan ve sonucu saklayan, kopyalayan ya da kaydeden yeni kullanıcıların payı.
İlk iyi yanıta kadar geçen süre: kayıttan itibaren ne kadar sürdüğü ve insanların nerede takıldığı.
Örnek ve örnek veri kullanımı: kullanıcıların bir örnek istemle ya da örnek veriyle başlayıp başlamadığı ve bu kullanıcıların boş bir kutuyla başlayanlardan daha iyi sonuç alıp almadığı.
İlk yanıtlara olumsuz geri bildirim: hangi ilk isteklerin kullanıcıların yanlış olarak işaretlediği yanıtlar ürettiği.
İkinci oturum: kullanıcıların geri dönüp ürünü kendi verilerinde deneyip denemediği.
Kullanıcı testlerinde nelere bakmalı
Hedef kullanıcınıza uyan insanlarla bir avuç oturum yürütün, ürünün kendisi dışında hiçbir talimat vermeyin ve ilk on dakikayı izleyin. İlk neyi yazdıklarını, nerede tereddüt ettiklerini ve ürünün yararlı olup olmadığına karar verdikleri anı not edin. Onboarding'in iyileştirmek için var olduğu an budur.
Vizio AI olarak nasıl yaklaşıyoruz
Onboarding'i ürünün parçası olarak tasarlıyoruz; ekranlardan değil, ilk iyi yanıttan başlayarak. Kurucu ekiple yeni bir kullanıcının büyük olasılıkla geldiği tek görevi seçiyor, ona yararlı bir yanıtın neye benzediğini tanımlıyor ve oraya varmak için modelin kullanıcıdan neye ihtiyaç duyduğunu çözüyoruz.
Ardından ilk oturumu o görev etrafında kuruyoruz: hedef role yazılmış örnek istemler, kullanıcının kendi verisinin bağlanmasının yavaş olduğu yerde örnek veri ve ilk istekten önce sade biçimde belirtilmiş sınırlar. Bunu gerçek hedef kullanıcılarla erken test ediyor, çoğu zaman ürünün geri kalanı hâlâ bir prototipken ve örnekleri ve metni insanların gerçekte yazdıklarına göre değiştiriyoruz. onaylar ve geri almayla yapay zeka ajanları için tasarım yazısında ele alınan, ajanlar için kullandığımız aynı döngü düşüncesi burada da geçerli: işi gösterin ve bir sonraki adımı belirgin kılın.
Bu, Venture Studio'muzun yapay zeka ürünlerini nasıl inşa ettiğinin bir parçasıdır. Çekirdek görevi henüz doğrulamadıysanız, geliştirmeden önce bir girişim fikrini doğrulama ile başlayın. Ürün mobilde lansmana yakınsa, mağaza incelemesini geçen bir mobil MVP yayına almak bir sonraki adımı ele alıyor.
Kaynaklar
Google PAIR, People + AI Guidebook, Mental Models: https://pair.withgoogle.com/chapter/mental-models/
Microsoft HAX Toolkit, Guideline 1: Make clear what the system can do: https://www.microsoft.com/en-us/haxtoolkit/guideline/make-clear-what-the-system-can-do/
Nielsen Norman Group, Designing Empty States in Complex Applications: 3 Guidelines (Kate Kaplan, 2021): https://www.nngroup.com/articles/empty-state-interface-design/
Nielsen Norman Group, AI: First New UI Paradigm in 60 Years (Jakob Nielsen, 2023): https://www.nngroup.com/articles/ai-paradigm/
SSS.
Daha Fazla Oku

Attribution That Survives Your Tool Stack: Keeping UTMs From Ad to Booking to CRM

Clean Your CRM Data Before You Add AI: Dedupe, Grain and Ownership

Semantic Layer First: Getting Your BI Ready for AI Agents

How F&B CMOs Use Generative AI In Business For Location Decisions

How Real Estate Firms Use Business Analytics For City Parks To Drive Value

Data Storytelling and Visualization

When Does a Business Actually Need Digital Transformation?

Analytics for Product Recommendations

Data Analyst vs. Data Quality Analyst

The Best NoSQL Analytics Tools 2024



