本記事では、LLMを仮想ユーザーとして活用し、Webサイトのユーザビリティテストを自動化する設計手法を紹介します。
被験者を用意せずにユーザー行動を再現できる仕組みとして、複数のペルソナとエージェントによるシミュレーションが提案されています。設計の初期段階でフィードバックを得る方法の一つとして、実務への応用も視野に入れた構成です。
活用には前提条件や注意点も含まれるため、導入検討の材料としてご覧ください。
背景
どんなに機能が優れていても、ユーザーにとって使いづらければ、そのサービスは選ばれません。だからこそ、ユーザーが実際にどんなふうに操作するのかを観察して、設計を見直す「ユーザビリティテスト」が重視されています。新しい機能をリリースする前に、つまずきやすいポイントを見つけておくことで、無駄な手戻りを減らすことができます。
ただ、そのテスト自体にも悩ましい点があります。とくに難しいのが、テストの「設計」をどう組むかという部分です。新しい機能に対するフィードバックは集められても、テスト設計そのものが妥当かどうかは、実際に人を集めて試してみないと分からないことが多いです。そこで問題が見つかっても、あらためてテストをやり直すのは時間もコストもかかります。被験者が高齢者など限られた対象だったりすると、再実施のハードルはさらに上がります。
このギャップを埋めようと、事前に少人数で試すパイロットテストや、研究者が自分をユーザーになぞらえて考える方法などが使われてきました。でも、パイロットは手間がかかるわりに本番用のデータにはならず、主観的なアプローチは、どうしてもバイアスが入りがちです。
そこで最近注目されているのが、LLMを使った自律エージェントの活用です。環境を読み取って人間のように行動できるLLMエージェントを、仮想ユーザーとしてテストに参加させれば、実在の被験者を集める前に、設計の弱点や改善ポイントを洗い出すことができます。
Amazonなどの研究チームは、この発想をさらに進めて、多様なペルソナを持つLLMエージェントをウェブサイト上で動かし、大量の行動データを収集できるシステムを構築しました。こうした仕組みを使えば、UX研究者はより早い段階で設計の問題に気づき、実際の調査を始める前に、よりよい準備ができるようになります。
以下で詳しく紹介します。
