Flix.Ai - Die künstliche Intelligenz für die digitale Kundenkommunikation
Flix.Ai - Die künstliche Intelligenz für die digitale Kundenkommunikation
Die Herausforderung
Obwohl heute viele Unternehmen an KI-Lösungen arbeiten, war es zum damaligen Zeitpunkt Pionierarbeit, einen KI-Assistenten passgenau auf die Bedürfnisse unserer Nutzergruppen zu entwickeln.
Mein Ansatz: Zunächst galt es zu analysieren, welche Basisfunktionen sich bereits bewährt haben und welche individuellen Anforderungen speziell für die Flixcheck-Software umgesetzt werden mussten.
Beispielhafte Kernfragen:
Wie wird Nutzerfeedback während der Betaphase effizient erfasst und integriert?
Wie kennzeichnen wir transparent, wenn ein Drittanbieter aus den USA eingebunden wird?
Wie stellen wir sicher, dass Nutzer verstehen, keine personenbezogenen Daten einzugeben?
Mit Flix.AI wurde die Flixcheck-Software durch die Integration von ChatGPT intelligent erweitert. So können beispielsweise KFZ-Schadenmeldungsformulare innerhalb von Sekunden automatisch erstellt werden.
Die Analyse
In diesem Schritt geht es vor allem darum, die Anforderungen zu sortieren und zu priorisieren. Denn nur wenn wir genau wissen, was wirklich wichtig ist, können wir den Umfang — also den Scope — der „Definition of Done“ klar festlegen und eine realistische Roadmap für die Umsetzung erstellen.
Dafür habe ich das Kano-Modell angewendet. Das Modell hilft uns, Nutzeranforderungen in drei Kategorien zu unterteilen:
Basismerkmale (Must-Haves): Funktionen, die Nutzer einfach erwarten. Sie müssen fehlerfrei funktionieren, sonst führt das schnell zu Unzufriedenheit.
Leistungsmerkmale (Performance): Diese Features haben einen direkten Einfluss auf die Zufriedenheit: Je besser sie umgesetzt sind, desto zufriedener sind die Nutzer.
Begeisterungsmerkmale (Delighters): Das sind die Überraschungen, die Nutzer nicht erwarten, die aber für Begeisterung sorgen und echten Mehrwert bieten.
Durch die Darstellung dieser Kategorien im Kano-Diagramm wird schnell klar, welche Funktionen unbedingt dabei sein müssen, welche wir optimieren sollten und welche optional sind, aber einen besonderen Mehrwert schaffen.
Speziell für dieses Projekt habe ich mit einem eigens entwickelten Kano-Modell Nutzerbedürfnisse priorisieren können. Mit moderierten und unmoderierten User Tests, konnten noch letzte Herausforderungen erfolgreich überwunden werden.
Das Konzept
In dieser Phase ging es vor allem darum, die zentrale Fragestellung zu beantworten: Wie kann man dem User den Zugang zur KI so einfach wie möglich machen und gleichzeitig einen echten Mehrwert für die Nutzung der Software schaffen?
Dabei stand nicht nur die Gestaltung einer klaren und intuitiven Schnittstelle im Vordergrund, sondern auch die Entwicklung von Funktionen, die den Umgang mit der KI reibungslos und verständlich unterstützen.
Zu den ersten Ideen gehörten Promptvorschläge, die den Einstieg erleichtern, Folgeanfragen, mit denen Gespräche fortgeführt werden können, sowie Ladeanimationen, die Feedback über den aktuellen Prozess geben. Darüber hinaus spielten auch Möglichkeiten wie das Hinzufügen neuer Elemente zu bestehenden Anfragen und weitere Interaktionsformen eine wichtige Rolle in den frühen Versionen.
Innerhalb der Konzeptphase wurden zunächst UX-relevante Points herausgestellt. Hier ein Floating Action Button innerhalb des Kunden-Dashboards
Speziell für dieses Projekt habe ich mit einem eigens entwickelten Kano-Modell Nutzerbedürfnisse priorisieren können. Mit moderierten und unmoderierten User Tests, konnten noch letzte Herausforderungen erfolgreich überwunden werden.
Die heiße Phase
Nach der Konzeptphase folgte der Go-Live und die Auswertung des Nutzerfeedbacks. Wir haben uns dafür entschieden, Feedback während eines Go-Lives zu sammeln und nicht vorher einen Prototypen-Nutzertest mit ausgewählten Kunden durchzuführen. Dabei habe ich:
A/B-Tests durchgeführt, um verschiedene Pain Points des Features herauszufinden.
Einen Fragenkatalog für den MVP erstellt, der gezielt Feedback zu Nutzererfahrungen und möglichen Problemen eingeholt hat.
Die Ergebnisse der Tests und das gesammelte Feedback im internen Plenum mit dem Entwicklerteam vorgestellt und gemeinsam diskutiert.
Dadurch konnten wir datenbasierte Entscheidungen treffen und das Feature gezielt an den Bedürfnissen der Nutzer ausrichten.
Ich habe das Feature beim RuhrWUD anlässlich des World Usability Day 2023 vorgestellt. Da ich maßgeblich an der Entwicklung des MVP beteiligt war, konnte ich exklusive Einblicke geben und dabei sowohl Chancen und Techniken als auch die Herausforderungen und Pain-Points während der Entwicklungsphase aufzeigen.