Så använder jag AI för att brainstorma produktfunktioner (inga möten, bara resultat)
På senare tid har jag kommit på mig själv med att vända mig till ChatGPT för alla möjliga saker.
”Jag har tre potatisar, en morot och två vitlöksklyftor i kylskåpet. Vad kan jag laga till middag?” (Ledtråd: inte särskilt mycket.)
”Jag har en idé till ett nystartat företag som uppfyller de här kriterierna. Kan vi utveckla den?” (Spoiler: ja. Det går.)
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Anledningen är inte att jag tänker ta det första förslaget ChatGPT kommer med och sedan vara nöjd. Utan snarare att jag, som en extern processor, inte kan påbörja problemlösningsprocessen utan att få ut mina idéer i världen – helst i händerna på en villig deltagare.
En idégenerering med bara en hjärna är bara ett duggregn.
Men i distansarbetets era är det inte riktigt lika enkelt att hitta någon att bolla idéer med helt spontant. När jag väl har bestämt vem jag borde prata med, kontrollerat deras kalender och bokat in ett samtal till nästa tisdag … är idén jag ville diskutera redan ett avlägset minne.
För att hantera det här problemet har jag ofta vänt mig till Notion och verktyg för idégenerering som Miro för att hjälpa mig att ge form åt mina tankar helt på egen hand. Jag har blivit ganska skicklig på detta, men längtar fortfarande efter en sparringpartner som kan hjälpa mig att föra tänkandet framåt, även om det bara sker genom sonderande frågor och eftertänksam uppmuntran.
Jag hade ingen aning om att ChatGPT skulle visa sig vara en acceptabel ersättare. Nästan lika övertygande som språkmodellens konversationsförmåga är det faktum att ChatGPT aldrig sitter i ett annat möte, kan fungera i vilken tidszon som helst och aldrig blir frustrerad när jag ställer samma fråga på tre olika sätt för att få ett något annorlunda svar.
Det dröjde inte länge innan jag började använda ChatGPT för att hjälpa mig att bolla produktfunktionalitet. Innan jag visste ordet av hade jag identifierat några tips och knep för att få ut så mycket som möjligt av verktyget.
Så använder du AI för att generera idéer om produktfunktioner
För att illustrera min AI-drivna teknik för idégenerering har jag skapat ett exempel på ett samtal med ChatGPT om att utveckla funktioner för en fiktiv hälso- och träningsapplikation.
För att hindra språkmodellen från att hämta data från alla våra tidigare samtal genomförde jag detta samtal utan att vara inloggad.
Det är värt att påpeka att ChatGPT är mitt förstahandsval, men samma metod bör fungera bra även för andra liknande språkmodeller. Du kan också använda AI i hantering av produktbackloggen och prioritering när du väl har genererat idéer om produktfunktioner.
Steg 1: Ge sammanhang
Nyckeln till en produktiv interaktion med ChatGPT är den första prompten. Ju mer sammanhang du kan ge i ditt första meddelande, desto mer givande blir interaktionen.
I det här exemplet skrev jag ett scenario för en produktchef som försöker utveckla funktionsidéer för ett SaaS-baserat träningsverktyg som ska hjälpa användare att anpassa sina träningsrutiner.
Språkmodellen kunde enkelt, utifrån en begränsad mängd information, skapa en lång lista med funktionsidéer för produkten jag beskrev. Processen handlar inte om att ta den här listan och sätta igång med att genomföra den. Den handlar om att nå det första stadiet av idégenerering snabbare än jag hade kunnat göra på egen hand.
Det kan vara en samtalspartner. Det kan simulera ett svårt samtal. Vad är det viktigaste du bör göra härnäst? Svaren på det är verkligen fantastiska.
Steg 2: Gå djupare
Nu när jag har en lista att arbeta med är det dags att utvärdera och vidareutveckla de idéer som intresserar mig. När jag gick igenom listan väckte en idé särskilt mitt intresse.
”Smart schemaläggning och tillgänglighetshantering” tilltalar mig som ett potentiellt unikt erbjudande inom träningsvärlden idag.
En snabb Google-sökning bekräftar att produkter som erbjuder denna tjänst inom träningskategorin finns tillgängliga, men är ganska sällsynta. Det verkade finnas en möjlighet att tillföra något nytt till detta problemområde. Dessutom är min dröm om att träna vid samma tid varje dag, som en upptagen yrkesarbetande mamma till en 14 månader gammal bebis, ett avlägset minne.
Jag ber ChatGPT att gå djupare in på den idén för att se hur ett utökat erbjudande skulle kunna se ut.
Jag blev imponerad av den utökade funktionalitet som språkmodellen skickade tillbaka. Mitt nästa steg var att be ChatGPT att kartlägga en användarresa åt mig, inklusive funktionaliteten ovan. Jag angav några parametrar för att förfina svaret.
Det är viktigt att komma ihåg att ChatGPT hämtar data från webben, så den hämtar sannolikt idéer från produkter som redan har en närvaro online. Det är dock fortfarande ett utmärkt sätt att utvinna idéer och sätta igång brainstormingen.
Ett annat alternativ i detta skede av idéutvecklingsprocessen skulle vara att be ChatGPT undersöka de produkter som finns på marknaden idag och identifiera en lucka på marknaden. Då uppmanas språkmodellen att analysera de produkter som redan har en närvaro online och ge förslag på mindre mättade idéer. Naturligtvis kräver alla förslag mänsklig verifiering, men det kan vara ett utmärkt sätt att begränsa alternativen.
Steg 3: Förfina idén
I det här skedet har vi valt den idé som vi ska utforska vidare, och vi har genom översiktlig efterforskning verifierat att idén är något unik. Nu är det dags att vidareutveckla denna idé till en konkret användarresa.
I det här steget gav jag ChatGPT en uppsättning instruktioner i stället för att ange en scenarioprompt. Mer specifikt bad jag ChatGPT att inkludera ”några eller alla” av funktionerna som beskrivs ovan, för att förhindra att det försökte inkludera varje enskild funktion, oavsett om den logiskt kunde placeras i användarresan.
Dessutom bad jag ChatGPT att i sin beskrivning ange skillnaden mellan användardrivna och applikationsdrivna åtgärder. Slutligen bad jag LLM:en att kartlägga resan från inloggning till utloggning.
Utöver att följa mina instruktioner genom att separera användaråtgärder och applikationsåtgärder gick ChatGPT till och med så långt att det skapade en övergripande användarpersona att utforma användarresan kring, trots att jag inte hade bett det om detta.
Användarresans läsbarhet begränsades något av begränsningarna i ChatGPT:s funktioner för att generera svar (det vill säga att ChatGPT i gratisversionen endast kan svara med text, i stället för diagram och andra visuella kommunikationsverktyg).
Men jag upplevde att detta delvis kompenserades av att ChatGPT inkluderade en sammanfattning i slutet av det här avsnittet, som gav en övergripande översikt över alla användaråtgärder jämfört med maskinåtgärder.
Några anmärkningsvärda utelämnanden blev tydliga efter genomgången av användarresan. Det första var avsaknaden av en process för att integrera användarens personliga kalender med applikationens kalender, vilket skulle tillhandahålla data för funktionen för dynamisk schemaläggning.
Det andra var avsaknaden av en aviseringsfunktion som kunde påminna användaren när ett träningspass närmade sig. Jag dokumenterade dessa justeringar och lade till dem i konversationen. Varje gång skickade LLM:en tillbaka uppdaterade användarresor som tog hänsyn till de ändringar jag efterfrågade.
More Articles
Steg 4: Från idéer till genomförande
Det sista steget i det här experimentet var att omvandla dessa funktionsidéer och användarresor till en konkret övergripande färdplan enligt ”Nu, Nästa, Senare” som i teorin skulle kunna genomföras. Här är prompten jag använde för att inleda processen.
ChatGPT returnerade en omfattande lista med krav, uppdelade i användarberättelser och acceptanskriterier som kategoriserades i färdplanens delar ”Nu, Nästa och Senare”.
Jag angav inga definitioner för vad som utgör en del av typen ”Nu, Nästa eller Senare” i min färdplan. I avsaknad av sådana definitioner fastställde ChatGPT sina egna utifrån förklaringar som det hittade på webben. Jag var nöjd med dessa definitioner och begärde därför inga justeringar.
Det är dock viktigt att påpeka att ju fler parametrar du anger för ChatGPT, desto mer kommer resultatet att anpassas efter dina preferenser.
Öka din kapacitet och kreativitet
Sammanfattningsvis kan ChatGPT och andra LLM:er fungera som ett värdefullt bollplank när du bearbetar dina produktidéer.
Personligen tycker jag att det första steget i produktidéskapandet är det mest utmanande och det där jag behöver mest extern feedback. Det är här jag helst använder ChatGPT för att hjälpa mig att komma över tröskeln i den tidiga brainstormingfasen. Jag använder det också ofta för att få en övergripande validering av det unika i eller positioneringen för en viss idé.
Om du vill kan ChatGPT och andra LLM:er däremot ta dig tillräckligt långt i processen för att nå en övergripande färdplan som enkelt kan omvandlas till en mer konkret plan. När de används på rätt sätt har dessa verktyg potential att dramatiskt öka kapaciteten och kreativiteten hos vilket produktteam som helst.
Glöm inte att prenumerera på vårt nyhetsbrev för fler resurser och guider om produkthantering, samt de senaste poddarna, intervjuerna och andra insikter från branschledare och experter.
