Persona คืออะไร? ใช้ ChatGPT ร่างจากข้อมูลจริง พร้อม Prompt ตัวอย่าง

คุณเปิดพอร์ตให้ผู้สัมภาษณ์ดู หน้าแรกคือ Persona ที่ตั้งใจทำมาอย่างดี มีชื่อ อายุ อาชีพ งานอดิเรก รูปคนยิ้มสวย และประโยคเท่ ๆ ในเครื่องหมายคำพูด ผู้สัมภาษณ์มองแวบเดียวแล้วถามว่า “ข้อมูลนี้มาจากไหนครับ” ห้องเงียบไปหลายวินาที เพราะคุณนึกขึ้นได้ว่าทั้งหมดมาจากการพิมพ์สั่ง ChatGPT แค่บรรทัดเดียว ตอนนั้นเองที่คุณเพิ่งเข้าใจว่า Persona คืออะไร จริง ๆ

มันไม่ใช่ตัวละครที่แต่งให้ดูน่าเชื่อ แต่เป็นบทสรุปจากข้อมูลของผู้ใช้จริง และทุกบรรทัดต้องตอบได้ว่า “มาจากไหน”

ข่าวดีคือ ChatGPT ยังช่วยงานนี้ได้ดีอยู่ ขอแค่คุณป้อนข้อมูลจริงให้ และสั่งให้มันบอกที่มาทุกครั้ง บทความนี้จะพาทำไปทีละขั้น ตั้งแต่หาข้อมูลจนถึงตรวจงาน พร้อม Prompt ที่ก๊อปไปใช้ได้ทันที

สรุปสั้น ๆ

• Persona คืออะไร ตอบสั้น ๆ คือตัวแทนกลุ่มผู้ใช้ที่สรุปจากข้อมูลจริง ไม่ใช่ตัวละครที่แต่งขึ้นจากความรู้สึก
• ข้อมูลตั้งต้นหาได้จากรีวิว แชตลูกค้า และการคุยสั้น ๆ กับผู้ใช้ ไม่ต้องรองบวิจัยผู้ใช้ (Research) ก้อนใหญ่
• ให้ ChatGPT จัดกลุ่มข้อมูลก่อน แล้วค่อยร่าง Persona โดยสั่งให้บอกที่มาทุกข้อ
• กำกับทุกข้อว่ามีข้อมูลรองรับ (หลักฐาน) หรือยังเป็นการเดา (สมมติฐาน) พอมีคนถามว่ามาจากไหน คุณจะตอบได้ทันที

Persona คืออะไร และไม่ใช่อะไร

ก่อนจะแก้ Persona ในพอร์ตชิ้นนั้น มาทำความเข้าใจความหมายให้ตรงกันก่อน Nielsen Norman Group นิยาม Persona ว่าเป็นคำอธิบายผู้ใช้ทั่วไปหรือผู้ใช้เป้าหมายของผลิตภัณฑ์ ในรูปตัวละครสมมติที่สมจริง และต้องสร้างจากการศึกษาผู้ใช้จริง

พูดง่าย ๆ คือ เอาข้อมูลของผู้ใช้หลายคนที่มีเป้าหมาย พฤติกรรม และปัญหาคล้ายกัน มารวมเป็น “คนหนึ่งคน” เวลาทีมต้องตัดสินใจอะไร ทุกคนจะได้นึกถึงผู้ใช้คนเดียวกัน

ประโยชน์จริงของ Persona เลยอยู่ที่การช่วยตัดสินใจ เช่น ถ้าผู้ใช้หลักของระบบจองคิวคลินิกคือคนที่จองแทนพ่อแม่ ฟีเจอร์ “จองให้คนอื่น” ก็ควรมาก่อนฟีเจอร์สะสมแต้ม ถ้า Persona ช่วยตัดสินใจแบบนี้ไม่ได้ ต่อให้สวยแค่ไหนก็เป็นแค่โปสเตอร์

ลองเทียบ Persona สองแบบนี้ดู แบบซ้ายทำจากข้อมูลจริง แบบขวาคือแบบที่อยู่ในพอร์ตตอนต้นเรื่อง

	Persona จากข้อมูลจริง	Persona ที่แต่งขึ้น
ที่มา	รีวิว แชตลูกค้า บันทึกการคุยกับผู้ใช้	ความรู้สึกของทีม หรือ Prompt บรรทัดเดียว
เนื้อหาหลัก	เป้าหมาย พฤติกรรม ปัญหา และสถานการณ์ที่ใช้งาน	อายุ อาชีพ งานอดิเรก ยี่ห้อมือถือ
ประโยคในเครื่องหมายคำพูด	คัดมาจากข้อมูลจริงทั้งประโยค	แต่งให้ฟังดูดี
ช่วยตัดสินใจไหม	บอกได้ว่าอะไรควรทำก่อน	บอกอะไรไม่ได้
พอมีคนถามว่ามาจากไหน	ชี้แหล่งข้อมูลได้ทุกข้อ	ตอบไม่ได้

อีกเรื่องที่คนมักสับสน คือ Persona ไม่ใช่กลุ่มเป้าหมายทางการตลาด อย่าง “ผู้หญิงวัยทำงาน รายได้ปานกลาง” ข้อมูลแบบนั้นบอกว่าใครซื้อ แต่ไม่ได้บอกว่าเขาใช้งานยังไง และติดขัดตรงไหน

ส่วนประกอบของ Persona ที่ใช้งานได้จริง

รู้แล้วว่า Persona ต้องช่วยตัดสินใจได้ คำถามต่อไปคือ ต้องใส่อะไรลงไปบ้าง คำตอบคือไม่ต้องมีครบทุกช่องเหมือนเทมเพลตในอินเทอร์เน็ต ใส่เฉพาะส่วนที่ช่วยตัดสินใจออกแบบก็พอ

• ชื่อเรียกตามบทบาท เช่น “ลูกสาวที่จองคิวแทนแม่” จำง่าย และเล่าเรื่องได้ดีกว่าชื่อคนสมมติ
• บริบทการใช้งาน คือใช้ตอนไหน ที่ไหน ผ่านอุปกรณ์อะไร
• เป้าหมาย อยากทำอะไรให้สำเร็จ
• วิธีที่ใช้อยู่ตอนนี้ ก่อนมีผลิตภัณฑ์ของคุณ เขาแก้ปัญหายังไง เช่น โทรจอง หรือทักแชต
• ปัญหาที่เจอ (Pain Points) ติดขัดตรงไหน เสียเวลาตรงไหน
• สิ่งที่ทำให้ตัดสินใจหรือกังวล เช่น กลัวคิวเลื่อนโดยไม่มีใครแจ้ง
• คำพูดจากข้อมูลจริง 1–2 ประโยค ที่คัดมาตรงตัว ไม่แก้สักคำ
• ที่มาของแต่ละข้อ ส่วนที่คนมักลืม แต่สำคัญที่สุด และเป็นส่วนที่ Persona ในพอร์ตตอนต้นเรื่องไม่มี

แล้วอายุ รูปถ่าย หรืองานอดิเรกล่ะ ใส่เฉพาะตอนที่มีผลกับการออกแบบ เช่น ถ้าผู้ใช้หลักเป็นผู้สูงอายุ ขนาดตัวอักษรและวิธีกรอกข้อมูลก็ต้องคิดต่างไป

ข้อมูลจริงหาได้จากไหน แม้ยังไม่มีงบทำ Research

ถึงตรงนี้ หลายคนเริ่มถอย เพราะคิดว่าต้องทำแบบสอบถามหรือสัมภาษณ์ผู้ใช้ครั้งใหญ่ (งานที่เรียกกันว่า Research) ความจริงคือข้อมูลดี ๆ อยู่ใกล้กว่าที่คิดเยอะ

• รีวิวสาธารณะ บน Google Maps, App Store, Google Play หรือหน้าร้านใน Marketplace ลองอ่านรีวิวกลาง ๆ ที่ไม่ได้ชมล้วนหรือติล้วนเป็นพิเศษ เพราะหลายครั้งมีทั้งสิ่งที่ชอบและสิ่งที่ติดอยู่ในรีวิวเดียว
• แชตลูกค้า จาก LINE OA หรือ Facebook Page คำถามที่ลูกค้าถามซ้ำ ๆ เป็นสัญญาณว่าระบบเดิมยังไม่ชัด
• คุยสั้น ๆ กับผู้ใช้ 3–5 คน ถามว่าครั้งล่าสุดที่ทำเรื่องนี้ เขาทำยังไง และติดตรงไหน
• บันทึกจากหน้าร้านหรือทีมบริการลูกค้า เรื่องที่ลูกค้าโทรมาถามหรือร้องเรียนบ่อย
• คอมเมนต์ในกลุ่มที่เกี่ยวข้อง เช่น กลุ่มคนที่ใช้สินค้าประเภทเดียวกัน

มีกฎข้อหนึ่งที่ห้ามข้าม ก่อนวางข้อมูลลงเครื่องมือ AI ให้ลบข้อมูลส่วนตัวออกทุกครั้ง เช่น ชื่อ เบอร์โทร ที่อยู่ และเลขบัญชี ถ้าเป็นข้อมูลของบริษัท ให้เช็กนโยบายการใช้ AI ขององค์กรก่อน

ถ้าอยากรู้ว่าทำไมข้อมูลถึงเป็นรากฐานของงาน UX อ่านเพิ่มได้ที่ ทำไม DATA ถึงเป็นเรื่องสำคัญสำหรับการทำ UX ที่ดี

วิธีใช้ ChatGPT ร่าง Persona จากข้อมูลจริง ทีละขั้น

ได้ข้อมูลมาแล้ว ทีนี้มาทำ Persona ชิ้นใหม่ไปด้วยกัน คราวนี้ทุกบรรทัดต้องตอบได้ว่ามาจากไหน เคสที่ใช้คือ คลินิกทำฟันย่านออฟฟิศที่อยากเปิดระบบจองคิวออนไลน์ (เคสสมมติ) ข้อมูลที่มีคือรีวิวบน Google Maps และแชตจาก LINE OA ของคลินิก Prompt ทุกชุดในส่วนนี้ใช้ได้ทั้งใน ChatGPT และ Claude

ขั้นที่ 1: เตรียมข้อมูลให้ AI อ้างอิงกลับได้

รวมข้อมูลไว้ในไฟล์เดียว หนึ่งบรรทัดต่อหนึ่งความเห็น แล้วใส่รหัสสั้น ๆ นำหน้าตามแหล่งที่มา เช่น R01 สำหรับรีวิว, C01 สำหรับแชต และ I01 สำหรับบันทึกการคุยกับผู้ใช้

รหัสนี้ทำหน้าที่เหมือนเลขหน้าในหนังสือ ภายหลังถ้าสงสัยว่า AI สรุปข้อไหนมาจากไหน คุณเปิดย้อนไปดูได้ทันที และอย่าลืมลบข้อมูลส่วนตัวออกก่อน

ขั้นที่ 2: ให้ ChatGPT จัดกลุ่มข้อมูลก่อน ยังไม่ต้องสร้าง Persona

ทำไมไม่สั่งให้สร้าง Persona เลย เพราะ AI จะต้องเดาเติมส่วนที่ข้อมูลไม่ได้บอก แบบเดียวกับ Persona ในพอร์ตตอนต้นเรื่อง ให้มันจัดกลุ่มก่อน คุณจะเห็นว่าข้อมูลพูดถึงเรื่องอะไรจริง ๆ

วิธีนี้คล้ายกับการย้ายโน้ตที่พูดเรื่องเดียวกันมาแปะไว้ใกล้กัน ในงาน UX Research เรียกว่า Affinity Mapping ก๊อป Prompt นี้ไปใช้ แล้วเปลี่ยนข้อความใน < > เป็นของคุณ

Prompt / Templateคุณคือผู้ช่วยนักวิจัย UX หน้าที่ของคุณคือจัดกลุ่มข้อมูล ไม่ใช่แต่งข้อมูลเพิ่ม
ด้านล่างคือความเห็นจากผู้ใช้จริงของ <ชื่อธุรกิจหรือผลิตภัณฑ์ของคุณ> แต่ละบรรทัดมีรหัสกำกับ เช่น R01 หรือ C05

ช่วยจัดกลุ่มความเห็นตามปัญหาหรือเป้าหมายที่คล้ายกัน แล้วตอบเป็นตาราง 4 คอลัมน์
ชื่อกลุ่ม | สรุปปัญหาหรือเป้าหมาย | รหัสความเห็นในกลุ่มนี้ | จำนวนความเห็น

ห้ามสรุปสิ่งที่ไม่มีอยู่ในข้อมูล
ถ้าความเห็นไหนไม่ชัดว่าอยู่กลุ่มไหน ให้แยกไว้ในกลุ่มชื่อ "ไม่ชัดเจน"

ข้อมูล:
<วางความเห็นที่ลบข้อมูลส่วนบุคคลออกแล้ว>

ได้ตารางกลับมาแล้ว ให้เลือกกลุ่มที่สำคัญที่สุดต่อโจทย์ของคุณ ไม่จำเป็นต้องเป็นกลุ่มที่ใหญ่ที่สุดเสมอไป ในเคสคลินิก อาจเลือกกลุ่ม “จองคิวแทนคนในครอบครัว” เพราะเกี่ยวกับระบบจองคิวตรง ๆ

ขั้นที่ 3: ร่าง Persona โดยบังคับให้อ้างอิงที่มาทุกข้อ

ถึงตอนนี้ค่อยให้ AI ร่าง Persona แต่มีกติกาสำคัญ ทุกข้อต้องมีรหัสกำกับ ถ้าข้อไหนไม่มีข้อมูลรองรับ ต้องเขียนบอกตรง ๆ ว่าเป็นสมมติฐาน

Prompt / Templateจากผลการจัดกลุ่มด้านบน ช่วยร่าง Persona 1 คนสำหรับกลุ่ม <ชื่อกลุ่มที่คุณเลือก>
ใช้หัวข้อต่อไปนี้: ชื่อเรียกตามบทบาท, บริบทการใช้งาน, เป้าหมาย, วิธีที่ใช้แก้ปัญหาอยู่ตอนนี้, ปัญหาที่เจอ, สิ่งที่ทำให้ตัดสินใจหรือกังวล, คำพูดจากข้อมูลจริง 2 ประโยค

กติกา
1. ท้ายทุกข้อให้ใส่รหัสความเห็นที่ใช้อ้างอิงในวงเล็บ เช่น (R03, C11)
2. ถ้าข้อไหนไม่มีข้อมูลรองรับ แต่คุณคิดว่าน่าจะเป็น ให้เขียน (สมมติฐาน) แทนรหัส
3. คำพูดต้องคัดลอกจากข้อมูลจริงทุกตัวอักษร ห้ามเรียบเรียงใหม่ และใส่รหัสกำกับ
4. ไม่ต้องใส่อายุ รูป หรืองานอดิเรก ถ้าข้อมูลไม่ได้บอก

ได้ร่างกลับมาแล้ว ให้มองหาข้อที่เขียนว่า (สมมติฐาน) ก่อน ข้อพวกนี้คือเรื่องที่คุณต้องไปหาข้อมูลเพิ่ม

ขั้นที่ 4: ให้ AI ตรวจงานตัวเองก่อนคุณตรวจ

ก่อนคุณลงมือตรวจเอง ให้ AI ทวนงานตัวเองอีกรอบ โดยเทียบกับข้อมูลต้นฉบับ

Prompt / Templateตรวจ Persona ที่คุณเพิ่งร่าง โดยเทียบกับข้อมูลต้นฉบับอีกครั้ง
1. ข้อไหนที่ความเห็นตามรหัสอ้างอิงไม่ได้พูดถึงเรื่องนั้นจริง
2. ข้อไหนที่สรุปเกินข้อมูล เช่น มีความเห็นเดียว แต่เขียนเหมือนผู้ใช้ส่วนใหญ่เป็นแบบนั้น
3. มีความเห็นไหนที่ขัดแย้งกับ Persona นี้
ตอบเป็นรายการ แล้วเสนอ Persona ฉบับแก้ไข

ขั้นนี้ช่วยจับข้อผิดพลาดได้ส่วนหนึ่ง แต่อย่าเพิ่งวางใจว่าจบแล้ว เพราะคนตรวจกับคนร่างคือเครื่องมือตัวเดียวกัน เหมือนให้นักเรียนตรวจข้อสอบของตัวเอง

ขั้นที่ 5: คุณตรวจเองแบบสุ่ม แล้วเขียนเหตุผล

เปิดข้อมูลดิบขึ้นมา สุ่มรหัสอ้างอิงมา 3–5 ตัว แล้วเช็กว่าความเห็นนั้นพูดแบบที่ Persona เขียนไว้จริงไหม ประโยคในเครื่องหมายคำพูดทุกประโยคก็ต้องตรวจว่าคัดมาตรงตัว

จากนั้นเขียนสั้น ๆ 2–3 บรรทัด ว่าทำไมเลือกกลุ่มนี้เป็น Persona หลัก และสมมติฐานข้อไหนที่ต้องไปยืนยันต่อ

แยก “หลักฐาน” กับ “สมมติฐาน” ให้เห็นในหน้าเดียว

ผ่าน 5 ขั้นมาแล้ว Persona ของคุณจะมีทั้งข้อที่มีข้อมูลรองรับ (หลักฐาน) และข้อที่ยังเป็นการเดา (สมมติฐาน) ปนกันอยู่ ไม่ต้องกังวล ในงานจริงมีสมมติฐานเป็นเรื่องปกติ ปัญหาจะเกิดตอนที่เขียนสมมติฐานให้ดูเหมือนข้อเท็จจริง

ทางแก้คือจัดหน้า Persona ให้เห็นที่มาของทุกข้อในหน้าเดียว แบบนี้ (ตัวอย่างสมมติของคลินิกทำฟัน เพื่อแสดงรูปแบบ)

หัวข้อ	เนื้อหา	ที่มา
ชื่อเรียก	ลูกสาวที่จองคิวแทนแม่	สรุปจากกลุ่ม “จองคิวแทนคนในครอบครัว”
บริบท	จองให้แม่ผ่านมือถือช่วงพักกลางวัน เพราะแม่ไม่ถนัดใช้แอป	หลักฐาน: C04, C12, R07
เป้าหมาย	ได้คิวช่วงเย็นหรือวันเสาร์ ที่ตัวเองพาแม่มาได้	หลักฐาน: C04, C09
วิธีที่ใช้ตอนนี้	โทรหาคลินิก ถ้าไม่ติดจึงทักแชต	หลักฐาน: R02, C12
ปัญหา	โทรไม่ติดช่วงกลางวัน และรอแอดมินตอบแชตนาน	หลักฐาน: R02, R07, C12
ความกังวล	กลัวคิวเลื่อนโดยไม่มีใครแจ้ง	สมมติฐาน: ต้องถามผู้ใช้เพิ่ม
คำพูดจากข้อมูล	ประโยคจากรีวิว R07 ที่เล่าว่าโทรหลายรอบแต่ไม่มีคนรับ คัดมาทั้งประโยค	หลักฐาน: R07

ทีนี้ ถ้าผู้สัมภาษณ์ถามคุณว่า “ข้อมูลนี้มาจากไหน” อีกครั้ง คุณตอบได้ทันที ประมาณนี้

Persona นี้สรุปจากรีวิวและแชตของคลินิก ในกลุ่มที่จองคิวแทนคนในครอบครัว ทุกข้อมีรหัสที่ย้อนกลับไปหาข้อความต้นฉบับได้ ส่วนความกังวลว่าคิวจะเลื่อนยังเป็นสมมติฐาน เราวางแผนจะคุยกับผู้ใช้กลุ่มนี้อีกรอบเพื่อยืนยัน

คำตอบแบบนี้น่าเชื่อถือกว่า Persona ที่ดูสมบูรณ์แต่บอกที่มาไม่ได้เยอะ

แล้วถ้าไม่มีข้อมูลจริงเลยล่ะ ถ้าให้ AI สมมติผู้ใช้ขึ้นมาทั้งตัว Nielsen Norman Group เตือนว่า ผู้ใช้จำลองแบบนี้เหมาะกับการตั้งสมมติฐานช่วงแรกเท่านั้น ไม่ควรใช้แทนการศึกษาผู้ใช้จริง

ถ้าอยากเริ่มแบบมีคนพาทำตั้งแต่ Persona จนได้หน้าจอจริงภายในวันเดียว ลองดู Workshop Start Step AI for UX/UI Design ที่ไม่ต้องมีพื้นฐานมาก่อน

Checklist ก่อนนำ Persona ไปใช้ต่อหรือใส่ในพอร์ต

ตอนนี้คุณเข้าใจแล้วว่า Persona คืออะไร ก่อนเอาชิ้นใหม่กลับไปใส่พอร์ต หรือส่งต่อให้ทีม ลองไล่เช็กกับรายการนี้ทีละข้อ

• ทุกข้อมีรหัสอ้างอิง หรือเขียนกำกับว่าเป็นสมมติฐาน
• ประโยคในเครื่องหมายคำพูดคัดมาจากข้อมูลจริงทั้งประโยค ไม่มีประโยคที่ AI เรียบเรียงใหม่
• ไม่มีข้อมูลส่วนตัวของลูกค้าจริงหลุดมา ทั้งชื่อ รูป และเบอร์โทร
• เป้าหมายและปัญหาเขียนเป็นพฤติกรรมที่มองเห็นได้ เช่น “ต้องจองให้เสร็จในช่วงพักกลางวัน” แทน “เป็นคนยุ่ง”
• อธิบายได้ว่าทำไมเลือก Persona นี้เป็นตัวหลัก
• มีแผนว่าจะยืนยันสมมติฐานแต่ละข้อยังไง
• ดู Persona แล้วตอบได้ว่าหน้าจอแรกของระบบควรมีอะไร

ข้อผิดพลาดที่เจอบ่อยเมื่อใช้ AI ทำ Persona

มีหลุมสามหลุมที่คนตกกันบ่อย หลุมแรกคือหลุมเดียวกับที่ทำให้ห้องสัมภาษณ์เงียบไปตอนต้นเรื่อง

1. สั่ง Prompt บรรทัดเดียวโดยไม่มีข้อมูล AI จะเติมทุกอย่างจากภาพจำทั่วไป ได้ Persona ที่ใช้กับร้านไหนก็ได้ ซึ่งแปลว่าใช้กับธุรกิจของคุณจริง ๆ ไม่ได้
2. ปล่อยผ่านคำพูดที่ AI เรียบเรียงให้สวย ถ้าประโยคในเครื่องหมายคำพูดฟังเรียบร้อยเกินกว่าภาษาที่คนพิมพ์ในรีวิวหรือแชตกันจริง ให้ย้อนไปเทียบกับต้นฉบับ
3. ทำเสร็จแล้วเก็บเข้าลิ้นชัก ทีมควรหยิบ Persona มาดูทุกครั้งที่ถกกันว่าจะทำอะไรก่อน และใช้เป็นจุดเริ่มของ User Journey (เส้นทางของผู้ใช้ตั้งแต่ต้นจนจบ) ซึ่งทำต่อได้ตามขั้นตอนใน มาทำ User Journey Map แบบ Step By Step

เวลาใส่ Persona ในพอร์ต ให้โชว์เส้นทางทั้งหมด ตั้งแต่ข้อมูลดิบ การจัดกลุ่ม จนถึง Persona และเหตุผล ไม่ใช่โชว์แค่การ์ดสวย ๆ ใบเดียวเหมือนครั้งก่อน ถ้าอยากรู้ว่าบริษัทมองหาอะไรในพอร์ต อ่านต่อได้ที่ Portfolio UX/UI ที่บริษัทอยากรับเข้าทำงานเป็นแบบไหน

ถ้าอยากฝึกร่าง Persona จากข้อมูลจริง พร้อมมีคนช่วยตรวจ

ทุกขั้นในบทความนี้ทำเองที่บ้านได้ แต่ถ้าอยากฝึกโดยมีคนดูงานให้ ช่วง 09:45–10:30 ของ Workshop Start Step AI for UX/UI Design คือแบบฝึกเดียวกันนี้ คุณจะตั้งโจทย์ให้ AI ช่วยร่าง Persona จากข้อมูลปัญหาของผู้ใช้จริง แล้วตรวจว่าจุดไหนอ้างอิงจากข้อมูลจริง จุดไหนเป็นการคาดเดาของ AI

ความต่างจากการทำคนเดียว คือ Persona ของคุณจะไม่จบแค่ในกระดาษ แต่ได้ใช้ต่อทั้งวันในกรณีศึกษาเดียวกัน จนออกมาเป็นหน้าจอจริงใน Figma ตารางนี้คือเส้นทางของวันนั้น

เวลา	สิ่งที่ทำในคลาส
09:00–09:45	ขั้นตอนการทำงานร่วมกับ AI: ตั้งโจทย์ → AI ร่าง → ตรวจสอบ → แก้ไข → อธิบายเหตุผล พร้อมการ์ดสรุปขั้นตอน
09:45–10:30	ร่าง Persona จากข้อมูลปัญหาของผู้ใช้จริง และแยกข้อมูลจริงออกจากการคาดเดาของ AI
10:45–11:30	ร่าง User Journey ต่อจาก Persona และแก้จุดที่ AI เดาผิด
11:30–12:00	ร่าง User Flow (ลำดับหน้าจอที่ผู้ใช้กดผ่าน) ของหน้าจอหลัก และตรวจว่าเส้นทางสมเหตุสมผล
13:00–14:00	ร่าง Low-fidelity Prototype (ต้นแบบหน้าจอแบบหยาบ) จาก User Flow
14:00–14:45	ร่างแนวทางออกแบบหน้าจอ แล้วประกอบหน้าจอจริงด้วยตัวเองใน Figma
15:00–15:50	ทบทวนผลงานทั้งวัน ตรวจว่าผลลัพธ์จาก AI ทุกจุดผ่านการตรวจและอธิบายเหตุผลแล้ว

ผู้สอนคือ อาจารย์พีรพนธ์ (อ.พี) Expert UX/UI Designer ของ borntoDev ผู้ออกแบบผลิตภัณฑ์ให้แบรนด์ระดับประเทศ เชี่ยวชาญด้าน Design System, User Research และ Product Design Thinking

อ.พี มีประสบการณ์ด้าน HCI (Human-Computer Interaction) มากกว่า 10 ปี สอนผู้เรียนมาแล้วมากกว่า 600 คน และเป็นผู้สอนหลักของ Master of UX/UI Bootcamp ของ borntoDev คลาสรับไม่เกิน 12 ท่าน อ.พี จึงตรวจงานและให้ความเห็นกับ Persona ของคุณได้ระหว่าง Workshop

• เครื่องมือ 3 ตัว ChatGPT (Idea & Research), Claude (Design / Artifacts) และ Figma (UI Design)
• ไม่ต้องมีพื้นฐาน ใช้คอมพิวเตอร์ได้ทั่วไปก็เรียนได้ เตรียมคอมพิวเตอร์ที่ต่ออินเทอร์เน็ตได้ และบัญชีของทั้ง 3 เครื่องมือมาให้พร้อม
• เรียนสดวันเดียว วันที่ 28 พฤศจิกายน 2569 เวลา 09:00–16:00 น. ที่ Training Room บริษัท บอร์นทูเดฟ ใกล้เดอะมอลล์บางกะปิและนิด้า ไม่มีวิดีโอย้อนหลัง และได้รับ Certificate เมื่อจบหลักสูตร
• เหมาะกับ Designer, Developer และฝั่ง Product หรือ Business รวมถึงคนที่กำลังเริ่มต้น และอยากมี Persona ที่อธิบายที่มาได้

คำถามที่พบบ่อย

Persona ต่างจากกลุ่มเป้าหมาย (Target Group) ยังไง

กลุ่มเป้าหมายบอกว่าใครคือลูกค้า มักเป็นข้อมูลอย่างอายุ รายได้ และพื้นที่ ส่วน Persona บอกว่าคนกลุ่มนั้นอยากทำอะไร ใช้งานยังไง และติดตรงไหน ทั้งสองอย่างใช้ร่วมกันได้ แต่ตอนออกแบบหน้าจอ ข้อมูลแบบ Persona จะช่วยได้มากกว่า

ควรมี Persona กี่ตัว

มีเท่ากับจำนวนกลุ่มผู้ใช้ที่เป้าหมายหรือพฤติกรรมต่างกันจริง ๆ ถ้าเป็นโปรเจกต์เล็กหรือผลงานในพอร์ต เริ่มจาก Persona หลักตัวเดียวที่ตรงกับงานที่กำลังออกแบบก็พอ ถ้าทำหลายตัวจนทีมจำไม่ได้ว่าแต่ละตัวต่างกันตรงไหน แปลว่ามากเกินไปแล้ว

ใช้ ChatGPT สร้าง Persona โดยไม่มีข้อมูลจริงได้ไหม

ใช้ร่างเป็นสมมติฐานช่วงแรกได้ เช่น ให้ช่วยคิดว่าควรไปถามผู้ใช้เรื่องอะไร แต่อย่าเอาไปตัดสินใจออกแบบ หรือนำเสนอเหมือนเป็นข้อมูลจริง ให้กำกับว่าเป็นสมมติฐานทั้งหมด แล้วรีบหาข้อมูลจริงมายืนยัน

Persona ต้องมีรูปและชื่อไหม

ไม่จำเป็น ชื่อเรียกตามบทบาท เช่น “ลูกสาวที่จองคิวแทนแม่” มักสื่อสารได้ดีกว่าชื่อคนสมมติ ส่วนรูป ถ้าจะใช้ ให้เลือกแบบที่ไม่ชี้นำภาพจำเกินจริง และห้ามใช้รูปลูกค้าจริงโดยไม่ได้รับอนุญาต

ในคอร์ส Start Step AI for UX/UI Design ได้ฝึกทำ Persona ไหม

ได้ ช่วง 09:45–10:30 เป็น Workshop ใช้ AI ช่วยร่าง Persona จากข้อมูลปัญหาของผู้ใช้จริง และตรวจว่าจุดไหนมาจากข้อมูล จุดไหนเป็นการคาดเดา จากนั้นใช้ Persona นั้นต่อยอดเป็น User Journey, User Flow, Low-fidelity Prototype และหน้าจอจริงใน Figma ภายในวันเดียว ดูรายละเอียดได้ที่หน้าคอร์ส Start Step AI for UX/UI Design