Tworzenie aplikacji na etapie Product Discovery z AI – research, ideacja i prototypowanie

Tworzenie aplikacji mobilnych na etapie Product Discovery nie obejmuje jeszcze pisania kodu. To początkowa faza projektu, w której zdobywamy wiedzę o użytkownikach i rynku, określamy cele biznesowe, opracowujemy pomysły na aplikację i testujemy je.

Poznaj przykładowe zastosowania AI, które ułatwiają podejmowanie decyzji przy wyborze funkcji, usprawniają research oraz przyspieszają prototypowanie.

AI wspiera tworzenie aplikacji mobilnych na etapie Discovery

Proces Product Discovery, czyli odkrywania produktu, ma miejsce jeszcze zanim programiści zabiorą się za tworzenie aplikacji. To wtedy opracowujemy wizję aplikacji, ustalamy jakie nowe funkcje powinny się w niej znaleźć, a także z których pomysłów lepiej zrezygnować.

Wbrew obawom wielu osób, sztuczna inteligencja nie zrobi tego wszystkiego za nas. Na tym etapie dużą rolę odgrywa kreatywne myślenie, empatia i dogłębne zrozumienie kontekstu. Nadal trzeba samodzielnie przeprowadzać wywiady, dochodzić do własnych wniosków z analizy badań i opracowywać swoje pomysły.

AI można nas jednak wspomóc na różne sposoby. Sprawdzi się m.in. w roli krytyka, przyspieszy pewne procesy albo wskaże obszary, których nie zauważamy, a warto się nad nimi pochylić. Odpowiednio wykorzystana sztuczna inteligencja potrafi zminimalizować ryzyko związane z budowaniem nowych aplikacji mobilnych i w efekcie:

• uniknąć kosztownych błędów np. związanych z wyborem modelu finansowego albo działaniem nowych funkcji
• dowiedzieć się, które z naszych założeń nie mają oparcia w danych i wynikają jedynie z domysłów
• zaoszczędzić czas, jaki normalnie trzeba by poświęcić na realizowanie części zadań w konwencjonalny sposób, co wiązałoby się również z marnowaniem pieniędzy i zwiększałoby ryzyko niedopatrzeń.

Etap 1: Research – zbieranie informacji i analiza

Research na temat rynku i użytkowników odgrywa w procesie Product Discovery kluczową rolę. Wiedza o grupie docelowej pozwala zredukować ryzyko biznesowe i tworzyć rozwiązania, które odpowiadają na realne problemy. Wnioski z researchu otwierają też zespół na nowe perspektywy.

Desk research – jak szybciej znaleźć informacje dzięki AI?

Jest wiele metod zdobywania informacji o użytkownikach i rynku. Jedną z nich jest desk research. Jak sugeruje nazwa, polega on na szukaniu tych danych, które można zdobyć bez ruszania się zza biurka. Są to informacje z różnych opracowań dostępnych w sieci, powiązanych z obszarem, który Cię interesuje. Mogą to być m.in. raporty innych firm czy organizacji (np. Gemius lub CBOS) albo prace naukowe. Przydatne są też raporty przygotowywane przez Twoją firmę np. z narzędzi do analizy sentymentu albo behawioralnej.

Jeśli chcesz zdobyć takie informacje, sięgnij po narzędzia do głębokiego researchu.

Tryb deep research

Kiedy potrzebne są dane z wiarygodnych źródeł, samodzielne przeszukiwanie internetu może trwać wieki, a i tak sporo pytań pozostaje bez odpowiedzi.

Wtedy rozwiązaniem może być tryb deep research dostępny w wielu narzędziach typu Gemini, ChatGPT, Claude czy Perplexity.

Źródło: Zrzut ekranu Gemini (https://www.gemini.google.com)

Źródło: Perplexity (https://www.perplexity.ai/)

Pozwala on przeprowadzać pogłębione analizy, bazując przy tym na większej ilości danych. Podejście deep research opiera się na bliższym spojrzeniu na poszczególne kwestie. Główny temat jest rozbijany na różne podtematy, żeby powstały w ten sposób raport zawierał informacje z różnych perspektyw. Ostateczny dokument kompleksowo opisuje zagadnienie, o które pyta użytkownik.

Wskazówka

Wynik uzyskany w trybie deep research zależy m.in. od tego, jak sformułujesz prompt. Możesz wykorzystać zwykłego agenta Gemini czy ChatGPT, który przygotuje odpowiedni prompt dla deep research na zadany temat.

Przykład

Analiza stanu branży eCommerce w Europie

1. Prompt wygenerowany w Gemini

2. Generowanie raportu w Gemini Deep Research

Źródło: Zrzut ekranu Gemini

Z mojego doświadczenia wynika, że z pomocą AI ten proces nadal jest czasochłonny. W końcu źródła informacji trzeba sprawdzić. Nawet najlepszy prompt nie zagwarantuje, że wszystkie raporty i artykuły będą oparte na rzetelnych źródłach. Różnica polega jednak na tym, że ostatecznie i tak znajduję o wiele więcej wiarygodnych danych. Do wielu z nich nigdy bym nie dotarła gdyby nie deep research, dlatego warto wypróbować tę metodę.

Wskazówka

Po sprawdzeniu źródeł danych można je dodać do narzędzia NotebookLLM, żeby szybko sprawdzić, na bazie jakich fragmentów materiałów źródłowych AI wygenerowała poszczególne informacje.

Chcesz przetestować też inne rozwiązania do researchu z AI? Oto kilka propozycji wartych sprawdzenia: SciSpace, manus, Research Rabbit, scite_, Consensus, Elicit, Sider.

Analiza wywiadów

Masz już ogólne dane rynkowe. Czas poznać perspektywę pojedynczych osób, stanowiących Twoją grupę docelową. W tym celu należy przeprowadzić z nimi wywiady. Nawet 5 osób z danego segmentu wystarczy, żeby zebrać wartościowe informacje i dowiedzieć się, jakie mają potrzeby, problemy czy obawy.

Same wywiady trzeba zrobić tradycyjną metodą – nic nie zastąpi bezpośredniego kontaktu z respondentem. AI możesz za to wykorzystać do analizy zebranych informacji.

Źródło: Dovetail (https://docs.dovetail.com/help/data-summaries) 

Da się do tego podejść na różne sposoby. Jednym z nich jest wykorzystanie platformy Dovetail (https://dovetail.com/). To narzędzie daje wiele możliwości, np. analizuje nagrania z Twoich wywiadów, tworzy z nich transkrypcje i generuje podsumowania. W zależności od potrzeb mogą to być tradycyjne podsumowania, ale opcji jest więcej.

Możesz na przykład wygenerować podsumowanie tematyczne, co ułatwia identyfikowanie podobnych wzorców, wskazujących na potrzeby respondentów czy problemy.

W przypadku testów użyteczności przydatna jest z kolei funkcja podsumowująca najważniejsze zadania wraz z odnośnikiem do konkretnych momentów testu.

Pamiętaj, że nie należy całkowicie powierzać analizy sztucznej inteligencji. To nadal tylko narzędzie wspierające, które może skrócić czas pracy i skierować Twoją uwagę na kwestie, których łatwo nie zauważyć przy zastosowaniu tradycyjnego podejścia.

Etap 2. Brainstorming, czyli burza mózgów

To najbardziej kreatywny etap projektu. Nie warto polegać wyłącznie na pomysłach generowanych przez AI, bo wtedy pozbawisz się możliwości wprowadzenia czegoś naprawdę unikalnego.

Jak więc można ułatwić sobie przeprowadzanie burzy mózgów dzięki sztucznej inteligencji?

Persona

Persona to profil docelowego użytkownika. To właśnie ją mamy w głowie, gdy pracujemy nad konkretnymi rozwiązaniami dla aplikacji. Persona reprezentuje cechy charakterystyczne dla osób, które mają korzystać z naszego produktu. Najlepiej tworzyć ją na podstawie danych z researchu.

Persony bywają różne, ale często zawierają takie informacje, jak imię, zawód, styl życia, potrzeby, obawy, preferencje, aktualne sposoby radzenia sobie z przeciwnościami czy motywacje.

Jak zabrać się za przygotowanie persony z AI? Podejdź do tego etapami. Niech agent AI pozna kontekst Twojego projektu i zada Ci pytanie dotyczące Twojej persony. Po każdej udzielonej odpowiedzi powinien zadawać kolejne pytania, które pozwolą utworzyć personę.

Możesz też dodać zanonimizowane dane z badań do projektu utworzonego na wybranej platformie (np. Gemini, ChatGPT, Claude). Czat sam stworzy personę na podstawie udostępnionych informacji. Tak utworzona persona to świetny punkt wyjścia dla pracy zespołowej podczas etapu odkrywania produktu.

Zawsze pamiętaj o dobrych praktykach dotyczących bezpieczeństwa, gdy korzystasz ze sztucznej inteligencji. Nie podawaj narzędziom AI danych wrażliwych i zawsze sprawdzaj odpowiedzi, które generuje oraz źródła danych, na jakich się opiera.

Affinity mapping

Podobnie jak w przypadku podsumowań tematycznych, można wykorzystać AI do grupowania podobnych pomysłów. Każda grupa tworzy osobną kategorię. Metoda ta nazywa się affinity mapping.

To żmudne zajęcie, które normalnie zajmuje często sporo czasu, ale Agent AI szybko sobie z tym poradzi.

Nie trzeba nawet korzystać ze specjalnych narzędzi, wystarczy agent w Gemini czy Copilocie, jakiego zwykle używasz w pracy.

Etap 3. Prototyp do testów użyteczności

Masz już szczegółowy pomysł na aplikację, teraz czas na przetestowanie, jak będą ją odbierać użytkownicy. Lepiej się o tym przekonać zanim programiści spędzą wiele godzin nad pisaniem kodu, co zwykle bywa kosztowne.

Właśnie dlatego warto przeprowadzać testy użyteczności na prototypie. Dzięki temu dowiesz się, czy funkcja jest intuicyjna i co sądzą o niej reprezentanci Twojej grupy docelowej.

Co ważne, Twój prototyp nie musi mieć wszystkich funkcji i widoków, które chcesz zamieścić w docelowej aplikacji. Wystarczy, że pokażesz użytkownikowi najważniejsze ścieżki i kluczowe funkcje, które chcesz przetestować.

Jak zrobić prototyp aplikacji z pomocą AI?

Istnieje wiele narzędzi umożliwiających szybkie prototypowanie przy użyciu AI. Do popularnych rozwiązań dla aplikacji mobilnych należy m.in. Rork, Figma Make czy MagicPath. Wystarczy wpisać prompt, żeby aplikacja stworzyła projekt aplikacji mobilnej.

Źródło: Figma Make, prompt: aplikacja mobilna dla kucharzy

Takie rozwiązania rzadko nadają się do publikacji ze względów technicznych, ale sprawdzają się, gdy chcemy szybko coś sprawdzić, przetestować albo zwizualizować swoje pomysły.

Warto opisać do czego służy aplikacja, kto ma z niej korzystać i jaki styl cię interesuje. Można nawet wykorzystać branding Twojej strony www, a narzędzie wygeneruje prototyp, który będzie z nią spójny wizualnie.

Product Discovery z użyciem AI – kilka słów na koniec

Odkrywanie produktu to kluczowy etap procesu tworzenia aplikacji mobilnych, który ułatwia podejmowanie decyzji i ogranicza ryzyko związane z inwestycją w oprogramowanie. Z kolei dzięki AI Product Discovery może przebiegać sprawniej i efektywniej.

Sztuczna inteligencja nie zastąpi człowieka, jeśli chodzi o zadania wymagające kreatywności. Może go jednak wesprzeć, weryfikując pomysły lub pokazując alternatywne kierunki lub rozwiązania.

Napisz do nas jeśli chcesz stworzyć aplikację mobilną i potrzebujesz wsparcia specjalistów, którzy wiedzą, jak należy przeprowadzić proces Product Discovery w efektywny sposób.