อิทธิพลของจิตวิทยาผู้บริโภคต่อการออกแบบผลิตภัณฑ์ AI

• อินเทอร์เฟซของผลิตภัณฑ์ AI ซับซ้อนเกินไป ทำให้ผู้ใช้ทั่วไปใช้งานได้ยาก
  • ความจำเป็นของอินเทอร์เฟซที่ เป็นมิตรต่อผู้ใช้ และ ใช้งานได้อย่างเป็นธรรมชาติ กำลังเพิ่มขึ้น
• ลองนำจิตวิทยาผู้ใช้ (The IKEA Effect, The Paradox of Choice, The Bandwagon Effect, The Endowment Effect, The Foot-in-the-Door Technique) มาปรับใช้กับ AI

The IKEA Effect

• The IKEA Effect หมายถึงปรากฏการณ์ที่ผู้ใช้จะประเมินคุณค่าของผลิตภัณฑ์สูงขึ้น เมื่อได้มีส่วนร่วมในการสร้างมัน
• แนวคิดนี้คล้ายกับ ทฤษฎีไข่ แต่ก็มีความแตกต่างกัน
  • ทฤษฎีไข่: หากกระบวนการง่ายเกินไป ผู้ใช้จะไม่รู้สึกว่าตนเองมีส่วนร่วม
  • The IKEA Effect: เพราะผู้ใช้เป็นคนทำขึ้นมาเอง จึงประเมินคุณค่าไว้สูงกว่า
• นัยต่อการออกแบบผลิตภัณฑ์ AI
  • ผลิตภัณฑ์ AI ควรเน้น การปรับให้เหมาะกับแต่ละบุคคล
  • AI assistant, chatbot ฯลฯ ที่ผู้ใช้สามารถตั้งค่าและปรับแต่งได้เอง อาจมอบความพึงพอใจที่สูงกว่า
  • ตัวอย่าง: หาก AI สำหรับจัดการอีเมลสามารถตั้งค่าให้เข้ากับสไตล์ของผู้ใช้ได้ ผู้ใช้จะรู้สึกว่ามันมีคุณค่ามากขึ้น

The Paradox of Choice

• เมื่อมีตัวเลือกมากเกินไป จะก่อให้เกิดความกังวล ภาวะตัดสินใจไม่ออก และความไม่พอใจ
  • งานวิจัยในปี 2000 พบว่า เมื่อมีแยมให้เลือก 6 แบบ มีคนซื้อ 30% แต่เมื่อมีให้เลือก 24 แบบ กลับมีเพียง 3% ที่ซื้อ
  • ยิ่งมีตัวเลือกมาก ผู้ใช้ก็ยิ่งตัดสินใจได้ยากขึ้น
• ปัญหาในผลิตภัณฑ์ AI
  • ปัจจุบันผลิตภัณฑ์ AI จำนวนมากมีตัวเลือกมากเกินไป จนทำให้ผู้ใช้สับสน
  • ตัวอย่าง: UI สำหรับเลือกโมเดลของ Gemini ซับซ้อนเกินไปและบั่นทอนประสบการณ์ผู้ใช้
  • จึงจำเป็นต้องมีฟีเจอร์ที่เลือกโมเดลที่เหมาะสมที่สุดให้อัตโนมัติ
• ตัวอย่างของผลิตภัณฑ์ AI ที่ออกแบบได้ดี
  • Midjourney: หนึ่งพรอมป์ต์, หนึ่งโมเดลภาพ, ให้ผลลัพธ์ 4 แบบ → เรียบง่ายและเข้าใจได้ทันที
  • Granola: AI สำหรับสรุปการประชุมที่มี UI สะอาดตา และต้องการข้อมูลจากผู้ใช้น้อยมาก
• AI ควรลดภาระของผู้ใช้และมอบประสบการณ์ที่เป็นธรรมชาติ
  • แทนที่จะใส่ฟีเจอร์และการตั้งค่ามากเกินไป สิ่งสำคัญคือ ออกแบบให้ผู้ใช้ทำสิ่งที่ต้องการได้ง่าย

The Bandwagon Effect

• The Bandwagon Effect: ปรากฏการณ์ทางจิตวิทยาที่ผู้คนมักทำตามสิ่งที่คนอื่นทำ
  • ตัวอย่าง: การเต้นใน TikTok, กระแสกางเกงสกินนี, ALS Ice Bucket Challenge ฯลฯ
  • ในโลกสตาร์ตอัป สิ่งนี้กระตุ้น การเติบโตแบบไวรัล และ network effects
• ปัญหาในผลิตภัณฑ์ AI
  • ปัจจุบันผลิตภัณฑ์ AI ส่วนใหญ่ ขาดฟีเจอร์ด้านโซเชียล ทำให้ผู้ใช้ต้องสำรวจด้วยตัวเองทีละคน
  • ตัวอย่าง: ChatGPT ยังขาดฟังก์ชันเครือข่ายที่ผู้ใช้สามารถแชร์กันได้
  • แม้ใน TikTok จะมีวัฒนธรรมการแชร์พรอมป์ต์ ChatGPT อย่างคึกคัก แต่ก็ยังไม่มีฟีเจอร์ทางการที่รองรับเรื่องนี้
• โมเดลสร้างภาพก็ยังต้องพัฒนาเพิ่ม
  • ฟีเจอร์ "Explore" ของ Midjourney ช่วยให้เห็นภาพยอดนิยมได้ แต่ ยังขาดฟีเจอร์ที่ให้ดูคอนเทนต์ที่เพื่อนหรือเครือข่ายของฉันสร้างขึ้น
• ตอนนี้ AI ยังอยู่ในสถานะ "single-player"
  • ในอนาคตมีแนวโน้มสูงว่า จะมีการเพิ่มฟีเจอร์ที่อิงกับเครือข่ายและการทำงานร่วมกันมากขึ้น
  • ควรออกแบบให้ผู้ใช้แชร์ข้อมูลได้ง่ายขึ้น และขยายประสบการณ์การใช้ AI ไปสู่สภาพแวดล้อมแบบโซเชียลได้

The Endowment Effect

• The Endowment Effect: ปรากฏการณ์ทางจิตวิทยาที่ผู้คนมักประเมินสิ่งของที่ตนเป็นเจ้าของสูงกว่ามูลค่าที่แท้จริง
  • งานวิจัยในปี 1990 พบว่า หลังจากแจกแก้วมัคหรือปากกาแบบสุ่มแล้วให้โอกาสสลับกัน
    ผู้คนมีแนวโน้ม ประเมินสิ่งของที่ตนถือครองว่าสูงกว่า
• นัยต่อผลิตภัณฑ์ AI: ความสำคัญของการปรับให้เป็นส่วนตัว
  • ยิ่งผู้ใช้ตั้งค่าเองและสะสม ประสบการณ์ที่ปรับให้เป็นส่วนตัว มากเท่าไร ความผูกพันกับผลิตภัณฑ์ก็ยิ่งเพิ่มขึ้น
  • ตัวอย่าง: หาก AI สำหรับอีเมลเรียนรู้สไตล์ของผู้ใช้ได้ ก็จะยิ่งเลิกใช้หรือเปลี่ยนออกได้ยาก
  • หาก Granola สะท้อนฟีดแบ็กของผู้ใช้และให้สรุปแบบเฉพาะบุคคล ผู้ใช้ก็จะรู้สึกว่าผลิตภัณฑ์มีคุณค่ามากขึ้น
  • AI เชิงอารมณ์ (เช่น NSFW chatbot) ก็จะยิ่งถูกแทนที่ได้ยากขึ้น เมื่อ ความเชื่อมโยงส่วนตัว กับผู้ใช้ลึกซึ้งขึ้น
• การออกแบบ AI ที่ดีควรทำให้เกิดความรู้สึกว่า "ผลิตภัณฑ์นี้มีไว้เพื่อฉันคนเดียว"
  • ยิ่ง AI เรียนรู้จากข้อมูลของผู้ใช้และมอบ ประสบการณ์เฉพาะบุคคล มากขึ้น ความภักดีก็จะยิ่งเพิ่มขึ้น
  • หากต้องการเพิ่มผลของการเป็นเจ้าของให้สูงสุด ควร ออกแบบผลิตภัณฑ์ AI ให้ปรับเหมาะกับผู้ใช้มากขึ้นเรื่อย ๆ

The Foot-in-the-Door Technique

• The Foot-in-the-Door Technique: กลยุทธ์ทางจิตวิทยาที่เริ่มจากการทำให้ยอมรับคำขอเล็ก ๆ ก่อน แล้วค่อย ๆ โน้มน้าวให้ยอมรับคำขอที่ใหญ่ขึ้น
  • งานวิจัยในปี 1966 พบว่า ผู้ที่ยอมติดป้าย "Drive Carefully" ขนาดเล็กไว้หน้าบ้าน
    สองสัปดาห์ต่อมาก็ยอมรับคำขอให้ติดป้ายโฆษณาขนาดใหญ่ได้ง่ายกว่า
  • ในภาคธุรกิจ วิธีนี้ถูกใช้แพร่หลาย เช่น ทดลองใช้ฟรี → เปลี่ยนเป็นสมาชิกแบบชำระเงิน
• ตัวอย่างการประยุกต์ใช้ในผลิตภัณฑ์ AI
  • บริการ AI ส่วนใหญ่ใช้ โมเดลแบบพรีเมียม เพื่อชักจูงให้จ่ายเงินหลังทดลองใช้ฟรี
  • หากต้องการให้ AI ชักนำไปสู่พฤติกรรมการใช้งานแบบใหม่ การ เริ่มจากฟังก์ชันเล็ก ๆ แล้วค่อยขยายทีละน้อย จะได้ผลดี
• ตัวอย่าง AI ด้านกฎหมาย
  • หาก AI ด้านกฎหมาย ทำงานทั้งหมดโดยอัตโนมัติตั้งแต่แรก อาจถูกต่อต้านมากในวงการกฎหมายที่มีความอนุรักษนิยม
  • ดังนั้นในระยะแรกควรช่วยด้วย งานง่าย ๆ อย่างการตรวจสัญญา ก่อน
    และเมื่อผู้ใช้คุ้นเคยแล้วจึง ขยายไปสู่ฟังก์ชันที่ทรงพลังมากขึ้น เช่น การร่างเอกสาร
• ผลิตภัณฑ์ AI ควรชี้นำให้ผู้ใช้ค่อย ๆ ใช้ฟังก์ชันที่ทรงพลังมากขึ้นอย่างเป็นธรรมชาติ
  • ในช่วงแรกควรให้ฟังก์ชันที่ไม่สร้างภาระ → แล้วออกแบบให้ผู้ใช้ค่อย ๆ ใช้งานได้ลึกขึ้นในภายหลัง

ข้อคิดส่งท้าย: ปัญหาความซับซ้อนที่เพิ่มขึ้น

• ปัจจุบันผลิตภัณฑ์ AI ซับซ้อนเกินไป
  • ทีมผลิตภัณฑ์มักมีแนวโน้มอยากอวดฟังก์ชันและความเป็นไปได้ทั้งหมดของ AI
  • แต่ การออกแบบอย่างพอดีและยับยั้งชั่งใจกลับมอบประสบการณ์ผู้ใช้ที่ดีกว่า
• เส้นแบ่งระหว่างผู้บริโภคกับภาคธุรกิจกำลังเลือนลง
  • ตัวอย่าง: Cursor, ElevenLabs, Elicit, GPTZero, Granola, HeyGen, Midjourney, Perplexity, Runway, Suno
    ต่างก็ ถูกนำไปใช้ทั้งในตลาดผู้บริโภคและตลาดองค์กรพร้อมกัน
  • อย่างไรก็ตาม ผลิตภัณฑ์ AI จำนวนมากยังให้ความรู้สึกเหมือนเครื่องมือสำหรับองค์กร และ ยังขาดการออกแบบที่เป็นมิตรกับผู้บริโภค
• หลักการสำคัญของการออกแบบผลิตภัณฑ์ AI
  • ผู้ใช้ต้องการผลิตภัณฑ์ที่เรียบง่าย: ประสบการณ์ที่เข้าใจได้ทันทีสำคัญกว่าการมีตัวเลือกมากเกินไป
  • ต้องอธิบายฟังก์ชันให้ชัดเจน: ควรออกแบบให้ผู้ใช้เข้าใจได้ง่ายว่ามีฟังก์ชันอะไรให้ใช้บ้าง
  • ชี้นำให้ผู้ใช้ขยายการใช้งานได้อย่างเป็นธรรมชาติ: ควรออกแบบให้สามารถค่อย ๆ ใช้ฟังก์ชันที่ทรงพลังขึ้นได้
• สรุป
  • ผลิตภัณฑ์ AI ควรมอบ ประสบการณ์ที่เข้าใจง่ายและยึดผู้บริโภคเป็นศูนย์กลาง
  • การลดความซับซ้อน เน้นฟังก์ชันหลัก และออกแบบให้ผู้ใช้ค่อย ๆ ปรับตัวได้อย่างเป็นธรรมชาติ คือสิ่งสำคัญ