CX Uzmanı, Kurumsal Web Sitelerinin Yapay Zekâ Şekillendirmiş Kullanıcı Davranışına Ayak Uyduramadığını Söylüyor

Chris Gibbins, baş deneyim yöneticisi gibi rolleri de içeren 25 yıllık kullanıcı deneyimi ve deney yapma kariyerine öncülük etti. Şu anda CreativeCX'te Baş Deney Yöneticisi olarak görev yapıyor. Ayrıca Experimentation London etkinliğinin kurucu ortağı.

Yapay zekânın ekipleri ve müşterileri için deneyimi nasıl değiştirdiğini öğrenmek üzere Chris'le bir araya geldik. İşte paylaştıkları.

Yapay zekâ hakkında kararları abartıya değil, sonuçlara göre verin

25 yılı aşkın deneyime sahip bir müşteri deneyimi ve deney yapma profesyoneliyim. Şimdi ise Creative CX'te Baş Deney Yöneticisi olarak görev yapıyorum.

Creative CX, yaklaşık 45 üyeden oluşan, deney yapma konusunda uzmanlaşmış bir danışmanlık şirketidir. Sky, easyJet ve Virgin Media O2 gibi işletmelerin ölçülebilir inovasyonu yönlendirmesine, müşteri deneyimini iyileştirmesine ve kullanıcı deneyimi ile deney yapma yoluyla her yolculuğu optimize etmesine yardımcı oluyoruz.

En önemlisi, müşterilerimizin bu yetkinliği kendi bünyelerinde oluşturmalarına da yardımcı olmaya odaklanıyoruz. Bu, bizi diğer birçok ajans ve danışmanlık şirketinden farklılaştırıyor. Müşterilerimizin ürün ekipleri için kullanıcı deneyimi ve deney yapma programları kuruyoruz; böylece sonunda bize ihtiyaçları kalmıyor!

UX araştırmacıları, UX tasarımcıları, mühendisler ve deney stratejistleri de dâhil olmak üzere yetenekli bir danışman ekibiyle birlikte çalışıyorum. Ayrıca en büyük müşterilerimizden bazılarıyla yakın çalışıyor ve danışmanlığın vizyonu ile yönünün belirlenmesine yardımcı oluyorum. Bu, müşteri deneyimi alanında önde kalmamızı sağlamayı içeriyor; yapay zekânın sektörü değiştirdiği şu dönemde bu özellikle heyecan verici!

Son müşterilerin görevlerini kolayca tamamlamasına yardımcı olurken işletmelerin dijital ürünlerinde ölçülebilir iyileştirmeler sağlamasına destek olma konusunda tutkuluyum. Ürün, UX ve deney yapma doğru şekilde yürütüldüğü sürece çoğu durumda müşteri ihtiyaçlarıyla işletme ihtiyaçları arasında bir çatışma olması gerekmediğine inanıyorum!

Ayrıca, Londra ve Birleşik Krallık'taki deney yapma topluluğunu oluşturmak ve güçlendirmek amacıyla 2024'te başlattığımız düzenli bir topluluk etkinliği olan Experimentation London'ın kurucu ortağıyım.

Yapay zekânın müşteri deneyimini ve işletme performansını iyileştirme potansiyeli konusunda iyimserim; ancak aynı zamanda bu alandaki abartılara ve aşırı söylemlere karşı oldukça şüpheciyim. Deneysel bir bakış açısı uygulamak hiç olmadığı kadar önemli. Yapay zekâyı denemeli ve abartıya değil, gerçek sonuçlara dayanarak sağduyulu kararlar vermeliyiz!

Yapay zekâ müşteri deneyimi ve geliştirme süreçlerinde nasıl kullanılabilir?

Geliştirme, süreç otomasyonu ve UX araştırması sentezi genelinde verimliliği artırmak ve yetkinlikleri geliştirmek için yapay zekâyı süreçlerimizin birçoğuna dâhil ettik.

Sonuncu alanda bize yardımcı olan çeşitli Claude becerileri oluşturduk. Örneğin, daha önce mümkün olmayan bir şeyi, açık uçlu anket sorularından elde edilen büyük veri kümelerini analiz eden bir beceriye sahibiz. Özellikle beğendiğim bir diğer beceri ise çok büyük ortak fikir geliştirme oturumlarımızdaki tüm fikir üretme çıktılarını analiz ediyor.

Geliştirme tarafında, yardımcı yapay zekâ desteğiyle geliştirdiğimiz özel çerçeveyi kullanarak A/B testi geliştirme hızını önemli ölçüde artırdık. Bu, müşteriler için inovasyon hızını artırmamıza ve aynı bütçe dâhilinde daha karmaşık deneyler oluşturmamıza olanak tanıyor.

Elbette A/B testi geliştirme, 0-1 türü kodlamadan farklıdır; 0-1 türü kodlamada verimlilik kazanımlarının daha da yüksek olmasını bekleyebiliriz. Bunun nedeni, genellikle sonradan işleme yöntemiyle mevcut kodu değiştirmemizdir. Bu da pek çok karmaşıklık yaratır; dolayısıyla insanların hâlâ sürecin içinde olması gerekir.

0-1 konusuna değinmişken, prototip oluşturma yapay zekânın bizim için önemli ölçüde iyileştirdiği bir alan. Tamamen çalışan, kodlanmış prototipler tasarlamak için Claude'u kullanıyoruz; böylece yüksek aslına uygunlukta prototipleri 1-2 hafta yerine 1-2 günde oluşturabiliyoruz!

Gerçek kullanıcılarla test edebileceğimiz, mevcut web sitelerinin üzerine tamamen çalışan konseptler oluşturabildiğimiz canlı prototip oluşturma yöntemleri bizi özellikle heyecanlandırıyor. Figma ekranlarını bir araya getirdiğimiz eski yöntemden çok daha iyi!

Müşteri deneyimi liderleri neden sorunlara ve deney yapmaya odaklanmalı?

Tüm Ürün ve Müşteri Deneyimi çalışmalarında önce sorun, her yerde deney yaklaşımını benimsemenizi öneriyorum.

Çözüm odaklı fikirler her yerde. Ekipler, var olmayan sorunları tahmin ederek ve rakipleri kopyalayarak çözmeye çalışırken çok fazla zaman harcıyor. Buna karşılık, sorun odaklı yaklaşım; uçtan uca bir yolculuk boyunca en önemli müşteri sorunlarını ortaya çıkarmak ve kritik olarak, bu sorunları çözmeye girişmeden önce doğru şekilde anlamak için yüksek kaliteli Fırsat Keşfi Araştırması yürütmek anlamına gelir.

Yol haritaları artık çözümlerle dolu değil. Bunun yerine, çözülecek sorunlarla dolu. Bu yaklaşım aynı zamanda doğrulama yanlılığı sorununu da ele alıyor — insanların mevcut fikirlerini desteklemek için araştırmayı yanlış kullanmasını.

Her yerde deney yapma yaklaşımımız, her ekibin her platformda deneyler yapması gerektiğine inandığımız anlamına geliyor. Bir markanın başarısının anahtarı, herkesin fikirlerinden elde edilebilecek potansiyel kazanımlarda yatıyor. Deney yapmak da bu potansiyeli gerçekleştirmenin anahtarı; çünkü doğru yapıldığında herkesin daha cesur davranmasına, daha fazla fikri daha sık test etmesine ve çoğu zaman aynı anda birden çok fikri test etmesine olanak tanıyor — tüm bunlar bir deneyin sağladığı güvenlik ağı içinde gerçekleşiyor.

Tıbbın bu şekilde geliştirilmesinin bir nedeni var. En iyi müşteri deneyimlerini yaratmanın anahtarının da aynı bilimsel yöntem olduğuna inanıyoruz. Artık bunu AI kolaylaştırıyor!

AI neden her şeyin cevabı değil?

Tüm bunları söylemişken, şu anda AI konusunda çok fazla gürültü ve FOMO var. AI her şeyin cevabı değil ve bunu hatırlamak önemli.

AI için tüm etkili kullanım alanlarına rağmen, nihai CX kararlarını vermesini sağlamıyoruz. Kullanıcı araştırması yürütmek için de AI kullanmıyoruz — ancak sentezleme ve not alma süreçlerinin bazı yönlerinde yardımcı oluyor. Yüksek kaliteli araştırmaya ve verilere ihtiyacımız var; bunu elde etmek için bu araştırmayı insan uzmanların yürütmesi gerekiyor. Kötü veriler/içgörüler kötü kararlara yol açar.

AI daha iyi bir müşteri deneyimi sunmanıza yardımcı oluyorsa ve gerçek bir müşteri sorununu başka türlü çözebileceğinizden daha etkili bir şekilde çözmenize katkı sağlıyorsa, bu harika. Ancak lütfen onu her sorunun çözümü olarak görmeyin.

Bazen insanların başka bir sohbet robotuna ihtiyacı yoktur. Bunun yerine, gerçek bir insanla konuşmak için yalnızca telefon numarasına ihtiyaç duyabilirler!

CX liderleri AI kullanırken QA'yı neden artırmalı?

Chris States

AI’ya “en önemli 10 temayı listele.” gibi aşırı kesin talimatlar vermemeye dikkat edin. AI bu sayıya ulaşmak için çoğu zaman halüsinasyon görür!

AI kullanırken, nihai çıktının kalitesine çok dikkat etmeliyiz. Çünkü AI çoğu zaman kendinden emin bir şekilde yanlış sonuçlar verir.

Sonuç olarak, verimlilik kazanımlarının bir kısmı; CX görevlerinde, geliştirmede veya büyük ölçekli anket verilerini sentezlemede QA için gereken ek zamanla dengeleniyor.

İşte bir ipucu — deneyimlerimden öğrendiğim bir şey. AI'ya "en önemli 10 temayı listele" gibi aşırı kesin talimatlar vermemeye dikkat edin. AI bu sayıya ulaşmak için çoğu zaman halüsinasyon görür!

Kullanıcı davranışları AI nedeniyle nasıl değişiyor?

Kurumsal web siteleri ve uygulamaları, AI kullanımının yol açtığı ve halkın değişen beklentilerine ayak uyduramadı.

Yakın zamanda, çeşitli araştırma projelerinde ilginç bir eğilim fark ettik: Kullanıcılar kurumsal web siteleri ve uygulamalarıyla, AI'dan önceki döneme kıyasla çok farklı şekilde etkileşime giriyordu. İşte iki örnek:

1. Site içi arama: Birçok kullanıcı, ürün türü, özellikler ve ihtiyaçlarının diğer bağlamsal yönleri de dahil olmak üzere, ChatGPT'ye yazacaklarının aynısını site içi aramalara yazıyor. Bu durum geleneksel site içi aramayı tamamen işlevsiz hâle getiriyor ve korkunç sonuçlar sunuyor.
2. LLM'lerle çalışma: Birçok kullanıcı artık ürün URL'lerini alıp ChatGPT/Claude'a geçtiklerini ve burada örneğin ayrıntılı karşılaştırmalar istemek gibi sorular sorduklarını söylüyor.

Web sitesi ve uygulama deneyimleri bu yeni davranışları destekleyecek şekilde güncellenmediği için genel yolculuk bundan olumsuz etkileniyor.

Yapay zekânın hızlanmasını CX liderleri için değerli kılabilecek üç faktör

Yapay zekâ, ekiplerin uygulama sürecini (tasarım ve geliştirme) şimdiden büyük ölçüde hızlandırdı ve bu hızlanma devam edecek. Müşterilerinizin daha kolay satın almasına, rezervasyon yapmasına, kaydolmasına ve işlerini tamamlamasına yardımcı olmayı benim gibi derinden önemsiyorsanız, bu üç koşula bağlı olarak çok iyi bir şey olabilir. Şunları yapmalısınız:

1. Müşterilerinizin gerçek sorunlarını ve fırsatlarını çözmeye %100 odaklanın. Bu, uygulama sürecinde elde edilen zaman tasarrufunu ön araştırma ve stratejiye yatırmak anlamına gelir.
2. Müşteri deneyimi özelliklerini, iyileştirmelerini ve yeniliklerini artırılmış bu hızda sunmak için deneyselliğin gücünden tam olarak yararlanın. Büyük ölçekte doğrulayın; tahminde bulunmayın. Aksi takdirde, iki kat hızla korkunç deneyimler yaratırsınız!
3. Yapay zekâ özellikleri söz konusu olduğunda, kişiselleştirme konusunda yapılan hatayı tekrarlamayın. Birinin bunun yapay zekâ olduğunu söylemesi ve web sitesine eklenmesini önermesi, bunun mutlaka yararlı olacağı anlamına gelmez. Gerçek bir müşteri sorununu çözmüyorsa asla işe yaramaz ve büyük olasılıkla işleri daha da kötüleştirir. Deney olarak kullanıma sunun. Ancak var olmayan müşteri sorunlarını çözmek için tonlarca kaynak harcamayın.

Gelişmeleri takip edin

Chris Gibbins'i LinkedIn üzerinden takip edebilirsiniz.

The CX Lead'de daha fazla uzman röportajı sizlerle olacak!