محصولات هوش مصنوعی را به صورت آنبوردینگ (Onboarding) به کار بگیرید: چگونه تجربه اولیه استفاده از ابزارهای هوش مصنوعی را طراحی کنیم؟
یک دفترچه راهنمای کاربردی برای آشنایی اولیه با محصولات هوش مصنوعی. بررسیهای دقیق Cursor، Claude.ai، Linear AI، Granola، Perplexity، ChatGPT و نسخه ۰. الگوهایی که در ۶۰ ثانیه یک مدل ذهنی میسازند، الگوهایی که فعالسازی را از بین میبرند و یک چک لیست قبل از عرضه برای هر تجربه اولیه هوش مصنوعی.
بیشتر محصولات هوش مصنوعی در فرآیند جذب کاربر شکست میخورند، زیرا همان جریان پر کردن فرم را برای هر SaaS ارائه میدهند. هوش مصنوعی مشکل متفاوتی است. کاربر باید در شصت ثانیه اول یک مدل ذهنی کارآمد از یک ابزار غیرقطعی بسازد و هیچ چرخ فلکی از اسکرینشاتهای ویژگی این کار را انجام نمیدهد.
این دفترچه راهنمای کارآمد است. چهار کاری که شصت ثانیه اول باید انجام دهد، شش بررسی جریانهایی که کار میکنند، سه الگویی که فعالسازی را از بین میبرند، مدل جدید برای اولین اجرای هوش مصنوعی، و یک چک لیست قبل از ارسال.
جذب کاربر به هوش مصنوعی یک مشکل مدل ذهنی است، نه یک تور معرفی ویژگی
محصولات هوش مصنوعی در فرآیند جذب کاربر شکست میخورند زیرا با آن مانند یک تور معرفی ویژگی رفتار میکنند. کاربر به لیستی از ویژگیها نیاز ندارد. آنها به یک مدل ذهنی کارآمد از آنچه محصول میتواند و نمیتواند انجام دهد، نحوه صحبت با آن و چگونگی موفقیت نیاز دارند. هیچ یک از این موارد در اسلایدهای چرخ فلک نشان داده نمیشود.
یک مدل ذهنی، نظریه در حال اجرای کاربر در مورد نحوه رفتار سیستم است. با SaaS قطعی، با کلیک کاربر، به صورت غیرفعال ساخته میشود. با هوش مصنوعی، سطح، همان نوار اعلان برای هر کار است و مدل باید آگاهانه ساخته شود، قبل از اینکه کاربر تسلیم شود. تیمهایی که بهترین آموزش هوش مصنوعی را ارائه میدهند، شصت ثانیه اول را به عنوان یک مسئله طراحی واحد با چهار کار برای انجام دادن در نظر میگیرند.
چهار کاری که ۶۰ ثانیه اول باید انجام دهند
هر اجرای اولیه هوش مصنوعی باید در شصت ثانیه اول چهار پاسخ ارسال کند. چه کاری میتواند انجام دهد، چگونه با آن صحبت کنم، موفقیت چگونه به نظر میرسد، اولین درخواست من چیست. اگر هر چهار پاسخ را درست انجام دهید، کاربر فعال میشود. اگر هر یک از آنها را از دست بدهید، دهانههای فعالسازی ظاهر میشوند.
این چهار مورد قابل مذاکره نیستند. ترتیب این است. برخی از محصولات با محدودیت قابلیت شروع میشوند، برخی با اولین درخواست شروع میشوند و اجازه میدهند محدودیت قابلیت از خروجی ظاهر شود. چیزی که کار نمیکند، پرسیدن نقش کاربر و اندازه تیم قبل از پاسخ دادن به هر یک از آنهاست.
محدودیت قابلیت، آنچه هوش مصنوعی میتواند و نمیتواند انجام دهد
اولین کار، محدود کردن سطح قابلیت است. کاربران یا با شک و تردید بیش از حد یا با انتظار بیش از حد وارد میشوند و هر دو، اولین اجرا را خراب میکنند. افراد بدبین انتظار یک چتبات توهمزا را دارند. خوشبینان انتظار یک دستگاه پاسخگویی جادویی را دارند. هیچکدام با محصول واقعی مطابقت ندارند.
راه حل، نشان دادن سطح است، نه توصیف آن. لندینگ اولیه ChatGPT این کار را با یک طرح سه ستونی انجام داد، مثالها در سمت چپ، قابلیتها در وسط، محدودیتها در سمت راست. آن صفحه نمایش واحد، شکل ابزار را سریعتر از هر تور آموزشی آموزش داد. پنهان کردن محدودیتها برای اینکه چشمگیرتر به نظر برسند، حرکت اشتباهی است. کاربران به هر حال در جلسه دوم محدودیتها را کشف میکنند، اما اکنون احساس میکنند که گمراه شدهاند.
مدل تعامل، نحوه صحبت کاربر با آن
کار دوم، آموزش الگوی ورودی است. چت تنها رابط هوش مصنوعی نیست. کاربر باید بداند که آیا یک جمله تایپ کند، یک کلید میانبر را فشار دهد یا یک فایل را رها کند. فرض اینکه کاربر از قبل میداند، رایجترین اشکال در آموزش هوش مصنوعی است.
مکاننما مدل تعامل را در سه ثانیه آموزش میدهد. کاربر یک پوشه را باز میکند و یک راهنمای کوچک پالت فرمان، اعمال ویرایش را پیشنهاد میدهد. Notion هوش مصنوعی همان درس را با منوی اسلش ارائه میدهد. فراخوانی را در متن نشان دهید، نه در یک پوشش آموزشی. پوششهای آموزشی به کاربر یاد میدهند که چگونه پوششهای آموزشی را نادیده بگیرد.
وضعیت موفقیت، آنچه انجام شده به نظر میرسد
کار سوم نشان دادن موفقیت قبل از تولید هرگونه خروجی توسط کاربر است. خروجیهای هوش مصنوعی به اندازه کافی ناآشنا هستند که کاربران نمیتوانند بدون ارجاع، یک خروجی خوب را تشخیص دهند. یک نوار اعلان خالی، حالت موفقیت نیست، بلکه سوالی است که کاربر نمیداند چگونه به آن پاسخ دهد.
Perplexity این مشکل را با ارائه یک نتیجه واقعی در صفحه اصلی حل میکند. روی هر سوال پرطرفدار کلیک کنید و یک صفحه پاسخ کامل، با استنادها، پیگیریها و فهرست بصری یک خروجی نهایی ظاهر میشود. آن را با ابزاری مقایسه کنید که کاربر را به یک چت خالی با یک تبریک میبرد. کاربر باید حالت موفقیت را تصور کند، و اکثر کاربران این کار را نخواهند کرد.
اولین دستور، لحظهای که ارزش به آن میرسد
کار چهارم، رساندن کاربر به یک دستور واقعی در عرض سی ثانیه است. هر ثانیه که از آن میگذرد، مدل ذهنی از بین میرود. سی ثانیه بودجه واقعی است، نه یک هدف نرم.
گرانولا با راهاندازی رویداد در اولین اجرا، بودجه را میخرد. Onboarding یک صفحه است، تقویم خود را وصل کنید. محصول دفعه بعد که کاربر به یک تماس میپیوندد، فعال میشود. Cursor با درخواست از کاربر برای باز کردن یک پایگاه کد واقعی، آن را میخرد. هوش مصنوعی در اولین باری که مفید میبود، فراخوانی میشود.
شش جریان Onboarding هوش مصنوعی که کار میکنند
الگوها فقط در صورتی اهمیت دارند که از تماس با محصولات عرضه شده جان سالم به در ببرند. شش اجرای اولیه هوش مصنوعی که چهار کار را به درستی انجام میدهند.
Cursor، یک پایگاه کد واقعی را به عنوان شروع سرد باز کنید
اولین اجرای Cursor، Cursor را به شما نشان نمیدهد. از شما میخواهد یک پوشه واقعی را باز کنید و ویرایشگر کنترل را به دست میگیرد. مدل ذهنی در کمتر از یک دقیقه ایجاد میشود زیرا کاربر از قبل به کد آشنایی نگاه میکند، هوش مصنوعی از طریق میانبرهای آشنا فراخوانی میشود و اولین ویرایش مفید روی کار واقعی کاربر انجام میشود.
شروع سرد مناسب برای یک ابزار هوش مصنوعی، محیط واقعی کاربر است. یک جعبه شنی داربستی برای ارسال امنتر به نظر میرسد، اما چیزی در مورد نحوه رفتار ابزار در کاری که واقعاً مهم است، آموزش نمیدهد.
Claude.ai، مثالهای پیشنهادی به عنوان نسخه آزمایشی
Claude.ai در اولین بارگذاری، صفحه اصلی از مثالهای پیشنهادی را ارائه میدهد. کلیک روی یکی از آنها، کاربر را به یک مکالمه کاری بدون تنظیمات، بدون تور و بدون چرخ فلک وارد میکند. کاربر ظرف پنج ثانیه یک خروجی واقعی دریافت میکند.
مثالهای پیشنهادی، نسخه آزمایشی بهتری نسبت به یک لیست ویژگی هستند. هر مثال، محدودیت قابلیت، مدل تعامل و وضعیت موفقیت را به طور همزمان در بر میگیرد. کاربر آن را میخواند، روی آن کلیک میکند و مدل ذهنی با یک حرکت واحد ایجاد میشود.
Linear هوش مصنوعی، افشای تدریجی درون جریان موجود
Linear هوش مصنوعی، برای ویژگیهای هوش مصنوعی خود، آنبوردینگ جداگانهای ارائه نمیدهد. هوش مصنوعی درون اقداماتی که کاربر قبلاً انجام داده است، ظاهر میشود. با تهیه پیشنویس یک مسئله، هوش مصنوعی توضیحی اصلاحشده ارائه میدهد. با بررسی فهرست مطالب، یک ترتیب مرتبسازی پیشنهاد میدهد. هر سطح با یک کلیک و یک پذیرش انجام میشود.
هوش مصنوعی تعبیهشده درون یک محصول موجود، نیازی به آنبوردینگ مستقل ندارد. الگوی صحیح، افشای تدریجی درون جریانهایی است که کاربر از قبل میداند. آنبوردینگ جداگانه هوش مصنوعی درون محصولی که کاربر قبلاً از آن استفاده میکند، یک مالیات است.
گرانولا، به عنوان محرک به تماس بعدی خود بپیوندید
آنبوردینگ گرانولا یک جمله است، تقویم خود را وصل کنید. دفعه بعد که کاربر به یک تماس میپیوندد، محصول فعال میشود. کاربر لازم نیست استفاده از محصول را به خاطر بسپارد. محصول به جای او به خاطر میسپارد.
اولین اجراهای رویدادمحور، برای هر محصول هوش مصنوعی که به رفتار تکرارشونده کاربر متصل است، از اولین اجراهای جلسهمحور پیشی میگیرد. اولین اعلان، جلسه واقعی بعدی کاربر، کامیت واقعی بعدی و سند واقعی بعدی باز شده است. ارزش بدون باز کردن مجدد برنامه توسط کاربر، حاصل میشود.
Perplexity، پیشنهادهای سریع به عنوان مسیر ورودی
صفحه اصلی Perplexity یک ورودی سریع با پنج سوال پیشنهادی در زیر آن است. پیشنهادها به اندازهای خوب هستند که اولین پرسوجو ظرف بیست ثانیه انجام میشود. کاربر نیازی به طرح سوال ندارد، آنها یکی را انتخاب میکنند و صفحه پاسخ، بقیه را آموزش میدهد.
پیشنهادهای سریع ارزانترین مسیر ورودی در هوش مصنوعی هستند. ارسال آنها تقریباً هیچ هزینهای ندارد و زمان اولین خروجی را به میزان قابل توجهی کاهش میدهند. هر محصول هوش مصنوعی با یک نوار اعلان خالی، باید تا زمانی که کاربر خودش پیشنهادها را تولید نکرده است، پیشنهادها را ارسال کند.
ChatGPT، به عنوان لندینگ چه کاری میتوانید انجام دهید
اولین اجرای ChatGPT، در شکل اصلی خود، مثالها، قابلیتها و محدودیتها را در یک صفحه نمایش واحد نشان داد. آن لندینگ سه ستونی هنوز هم تمیزترین لندینگ مبتنی بر قابلیت است که در مقیاس بزرگ ارائه میشود. هر ستون یکی از چهار کار را به نثر ساده انجام میداد.
یک لندینگ صادقانه مبتنی بر قابلیت، همیشه از دیوار آموزش عبور میکند. محدودیتها در همان صفحهای قرار دارند که قابلیتها قرار دارند. پنهان کردن محدودیتها برای چشمگیرتر به نظر رسیدن، حرکتی است که اعتماد را در روز دوم از بین میبرد.
آیا یک محصول هوش مصنوعی میخواهید که مدل ذهنی خود را در شصت ثانیه اول ارائه دهد؟ استخدام ⟦برند ۰⟧. UXBrainy ممیزیهای اجرای اولیه و طراحی مجدد لندینگ را ارائه میدهد، AppBrainy تحویل کامل محصول هوش مصنوعی را ارائه میدهد و ClaudeBrainy لایه اعلان و مهارت را ارائه میدهد که نمایش قابلیت را ارزان میکند. آن را با کار الگوهای طراحی رابط کاربری عامل هوش مصنوعی جفت کنید تا لایه عامل در همان سطح مهارت ارائه شود.
سه الگوی شکستخوردهی آموزش هوش مصنوعی
بیشتر محصولات هوش مصنوعی که در فعالسازی با مشکل مواجه هستند، ترکیبی از سه الگوی شکستخورده را ارائه میدهند. دیوارهای آموزشی. چرخوفلکهای مودال. دروازههای فرم. هر کدام اولین خروجی واقعی را به تأخیر میاندازند و هر کدام کمتر از اولین دستوری که به صورت رایگان آموزش میداد، آموزش میدهند.
دیوارهای آموزشی، اولین دستور را مسدود میکنند
یک آموزش چند مرحلهای که قبل از اینکه کاربر بتواند چیزی تایپ کند، اجرا میشود، پرهزینهترین اشتباه در آموزش هوش مصنوعی است. سه مرحله خیلی زیاد است. پنج مرحله خصمانه است. کاربر بدون خواندن کلیک میکند و بدون هیچ چیز آموخته شدهای به نوار دستور میرسد.
آموزش را حذف کنید. آن را با یک صفحه اصلی شلوغ، یک مثال واقعی یا یک محرک رویداد جایگزین کنید. تور همیشه جایگزینی برای اعتماد به نفس بود.
چرخوفلکهای مودال ویژگیهایی را توضیح میدهند که کاربر هنوز نمیتواند از آنها استفاده کند
یک چرخوفلک مودال که ویژگیهای هوش مصنوعی را قبل از تولید هرگونه خروجی توسط کاربر فهرست میکند، توضیح ویژگی بدون نمایش قابلیت است. کاربر هر صفحه را میخواند، رد میکند و فراموش میکند. لیست ویژگیها مدلهای ذهنی نمیسازند. خروجیهای واقعی این کار را میکنند.
این رایجترین حالت شکست در ادغام هوش مصنوعی در نرمافزار به عنوان سرویس (SaaS) سازمانی با یک محصول موجود است. تیم یک ماژول «چه خبر؟» را با تصاویری از ویژگیهای هوش مصنوعی ارسال میکند و آن را «آشنایی با محصول» مینامد. فعالسازی انجام نمیشود زیرا کاربر نمیتواند خروجی موفق را تشخیص دهد و دلیلی برای بازگشت ندارد.
دروازههای فرم قبل از ارائه ارزش، زمینه را میپرسند
درخواست از کاربر برای پر کردن مشخصات تیم، نقش و مورد استفاده قبل از یک خروجی هوش مصنوعی، یک دروازه فرم است. دروازههای فرم به طور خاص در محصولات هوش مصنوعی، قاتلان فعالسازی هستند. کاربر ثبتنام کرده است تا ببیند هوش مصنوعی چه کاری میتواند انجام دهد و فرم، دیواری بین او و پاسخ است.
ابتدا ارزش را ارسال کنید و بعداً زمینه را جمعآوری کنید. اولین درخواست نیازی به اندازه تیم کاربر ندارد. فرم را به صفحه تنظیماتی منتقل کنید که کاربر پس از تصمیمگیری در مورد ارزش نگه داشتن محصول، آن را پر میکند.
مدل جدید برای آنبوردینگ هوش مصنوعی
مدل جدید سه قانون دارد. نمایش قابلیتها بر توضیح ویژگیها. اولین درخواست ظرف سی ثانیه. وضعیت موفقیت ظرف دو دقیقه قابل مشاهده است. هر محصول هوش مصنوعی که در حال حاضر در فعالسازی موفق میشود، در این محدودیتها قرار دارد.
این سه قانون با هم ترکیب شدهاند. محصولی که نمایش قابلیتها را ارسال میکند اما سه دقیقه طول میکشد تا اولین درخواست را دریافت کند، هنوز در بودجه فعالسازی شکست خورده است. محصولی که اولین درخواست را سریع دریافت میکند اما هرگز خروجی نهایی را نشان نمیدهد، هنوز در وضعیت موفقیت شکست خورده است. هر سه یا هیچ.
چک لیست پیش از ارسال هوش مصنوعی
این را قبل از ارسال، روی هر هوش مصنوعی که برای اولین بار اجرا میشود، اجرا کنید. دوازده بررسی، همه قابل اندازهگیری.
-
زمان از ورود تا اولین درخواست در آزمایش کاربر کمتر از سی ثانیه است.
-
زمان از ورود تا اولین خروجی نهایی کمتر از دو دقیقه است.
-
سطح قابلیتها در صفحه اول نشان داده میشود، نه در یک مرکز کمک.
-
محدودیتها در همان صفحهای که قابلیتها نمایش داده میشوند، قابل مشاهده هستند.
-
مدل تعامل در متن آموزش داده میشود، نه در یک پوشش آموزشی.
-
صفحه اصلی یک مثال، پیشنهاد یا رویداد پر شده را نشان میدهد.
-
هیچ دیوار آموزشی قبل از نوار اعلان وجود ندارد. ۸. هیچ چرخ فلک مودالی قبل از اولین خروجی وجود ندارد که ویژگیها را فهرست کند.
۹. هیچ دروازه فرمی قبل از اولین خروجی هوش مصنوعی وجود ندارد.
۱۰. وضعیت موفقیت قبل از تولید توسط کاربر قابل مشاهده است.
۱۱. ویژگیهای هوش مصنوعی تعبیهشده در داخل جریانهای موجود ارسال میشوند، نه در یک تور جداگانه.
۱۲. اولین اعلان از یک میانبر، منو یا رویداد آشنا فراخوانی میشود.
این لیست در الگوی بررسی طراحی قرار دارد و هر بار که آن را اجرا میکنید، سریعتر میشود.
سوالات متداول
مهمترین لحظه در معرفی محصول هوش مصنوعی چیست؟
اولین اعلان. هر لحظه در خدمت رساندن کاربر به یک خروجی واقعی در سریعترین زمان ممکن است. سی ثانیه بودجه است.
آیا معرفی هوش مصنوعی باید شامل یک تور باشد؟
خیر. یک تور جایگزینی برای اعتماد به محصول است. یک صفحه اصلی شلوغ، یک نمونه اعلان یا یک محرک رویداد، همان کار آموزشی را بدون تأخیر انجام میدهد.
آشنایی با هوش مصنوعی چه تفاوتی با آشنایی با SaaS دارد؟
آشنایی با هوش مصنوعی باید در شصت ثانیه یک مدل ذهنی از یک ابزار غیرقطعی بسازد. SaaS میتواند به کلیک کاربر برای کشف ویژگیهای قطعی تکیه کند. اقتباس از الگوهای SaaS رایجترین اشتباه در این دسته است.
راه درست آموزش محدودیتهای یک محصول هوش مصنوعی چیست؟
آنها را در همان صفحهای که قابلیتها نمایش داده میشوند، نشان دهید. پنهان کردن محدودیتها اعتماد را در روز دوم از بین میبرد. صداقت در اولین اجرا چیزی است که جلسه دوم را به ارمغان میآورد.
آیا محصولات هوش مصنوعی قبل از اولین درخواست به حساب کاربری نیاز دارند؟
تقریباً هرگز. اولین درخواست باید بدون حساب کاربری اجرا شود، هر زمان که هزینه اجازه دهد. هر دروازه حساب، یک مالیات فعالسازی است.
آشنایی با هوش مصنوعی در واقع قفل را باز میکند
یک محصول هوش مصنوعی با اولین اجرای عالی، محصولی با یک تور نیست. این محصولی است که مدل ذهنی و ارزش را همزمان، در کمتر از شصت ثانیه، بدون هیچ گونه اصطکاکی بین آنها، ارائه میدهد. محصولاتی که در حال حاضر برنده هستند، این را به عنوان یک مشکل طراحی واحد در نظر میگیرند، نه یک توالی از صفحات.
اکثر محصولات هوش مصنوعی هنوز هم از طریق دفترچه راهنمای SaaS (نرمافزار به عنوان سرویس) (Onboarding) ارسال میشوند. فرم گیت، چرخ فلک ویژگی، مدال موفقیت، مکاننمای چشمکزن. این جریان برای SaaS از قبل متوسط بود و برای هوش مصنوعی هم خراب است. تیمهایی که جلوتر هستند، فرم گیت را حذف میکنند، چرخ فلک را با یک مثال واقعی جایگزین میکنند و نوار اعلان را روی صفحه اول با پیشنهادات زیر آن قرار میدهند.
اگر اولین اعلان در سی ثانیه و اولین خروجی در دو دقیقه ظاهر شود، کاربر فعال میشود. اگر هر یک از اعداد اشتباه باشند، کاربر از برنامه خارج میشود. کار را با طراحی محصول بومی هوش مصنوعی جفت کنید، برای ارزان کردن نمونههای اعلان، مهارتها را انتخاب کنید و برای قابل اسکن نگه داشتن صفحه اول، به سلسله مراتب بصری تکیه کنید.
اگر یک محصول هوش مصنوعی میخواهید که مدل ذهنی خود را در شصت ثانیه ارائه دهد، استخدام ⟦برند ۰⟧ را انتخاب کنید. UXBrainy ممیزیهای اولیه و طراحیهای مجدد آنبوردینگ را ارائه میدهد، AppBrainy تحویل کامل محصول هوش مصنوعی را ارائه میدهد، و ClaudeBrainy لایه اعلان و مهارت را ارائه میدهد که نمایش قابلیتها را ارزان میکند.
Want an AI product that lands its mental model in the first sixty seconds, not the tenth session? Brainy ships UXBrainy as first-run audits and onboarding redesigns, AppBrainy as full AI product delivery, and ClaudeBrainy as the prompt and Skill layer that makes capability demonstration cheap to build.
Get Started
