Maze أم Lyssna: هل يركّز اختبار نموذج الإرجاع على مسارات المهمة أم أسئلة المتابعة عن الأسباب؟

تقدم المنصتان قدرات بحث بالذكاء الاصطناعي. يستحق Maze التجربة أولًا للمسارات المحددة والمتابعة الصوتية، وLyssna للمهام ذات شاشة الهدف وجمع نماذج متعددة والمتابعة النصية. قبل الاختيار، افصل بين تعريف النجاح وأهلية الميزات وتكاليف استقطاب المشاركين.

المصدر: help.maze.co
November 14, 2026
6 min

عندما يستعد فريق منتج لإعادة التصميم، ينبغي لاختبار النموذج الأولي أن يجيب عن سؤالين: هل يستطيع المستخدمون إكمال المهمة، وهل تكفي أسباب تعثرهم لتوجيه التعديلات؟ تجمع Maze وLyssna الملاحظات السلوكية والنصية. أعطِ الأولوية لتقييم Maze إذا احتجت إلى التمييز بين المسارات المتوقعة والالتفافات التي تنتهي بالنجاح، ثم إجراء متابعة صوتية. وجرّب Lyssna أولًا إذا كان الوصول إلى شاشة الهدف هو معيار النجاح، وكنت تريد جمع عدة نماذج Figma في دراسة واحدة. يستند هذا الحكم إلى وثائق رسمية لا إلى استقطاب فعلي أو اختبار للفعالية.

اتفق على معنى «النجاح» قبل مقارنة المسارات

مثلًا، يريد الفريق التحقق من مهمة «العثور على طلب وتقديم طلب إرجاع». هذا سيناريو تحليلي، لا دراسة حالة لعميل. إذا مرّ المستخدم بمركز المساعدة للوصول إلى مدخل الإرجاع ثم أكمل المهمة، فهل يسجل الفريق نجاحًا أم يراجع تصميم التنقل؟ يقود التعريفان إلى توصيات مختلفة لإعادة التصميم.

تتيح وثائق إعداد النماذج في Maze تعريف النجاح بالوصول إلى شاشة معينة أو اتباع مسار محدد، كما تتيح الاستكشاف الحر بلا هدف. تدعم وحدة اختبار النماذج هذه حاليًا Figma فقط، ويمكن لكل دراسة استيراد نموذج واحد فقط تتشاركه كتل اختبار النماذج. لذا تستدعي مقارنة نموذجين مستقلين التخطيط لتقسيم الدراسات.

تميّز وثائق النتائج في Maze بين النجاح المباشر، والنجاح غير المباشر عبر مسار غير متوقع إلى الشاشة النهائية، والمهمة غير المكتملة، مع عرض أعداد المشاركين في كل مسار ومدته. يساعد ذلك على مناقشة «لم يعثر على المدخل» بصورة منفصلة عن «عثر عليه بعد التفاف»؛ فلا تقرر إعادة بناء التنقل اعتمادًا على معدل نجاح إجمالي واحد.

يعرّف اختبار Figma في Lyssna وضع Task flow بشاشة هدف، ويدعم أيضًا Free flow. يمكن لقسم نموذج واحد أن يحتوي على عدة مهام، لكل منها متابعتها ونتائجها؛ وتبدأ كل مهمة مجددًا من شاشة البداية في النموذج. كما يمكن للدراسة أن تضم نماذج من ملفات Figma مختلفة. وتتوفر المسارات الشائعة والفردية وخرائط النقر الحرارية أيضًا، لذا لا يصح وصفها بأنها أداة استبيانات فحسب.

إذا كان السؤال الحاسم هو «هل وصل إلى صفحة الإرجاع؟»، فكلاهما مرشح للتجربة. أما إذا كان ترتيب معين للخطوات يجب أن يعرّف النجاح، فإعداد Maze يلائم هذا المطلب بصورة أكثر مباشرة. تعدد المهام في Lyssna لا يعني استمرار الحالة: لا تفترض أن المهمة الثانية ترث الصفحة التي انتهت عندها الأولى.

ينبغي للمتابعة بالذكاء الاصطناعي توضيح الأسباب دون زيادة العبء

تملك المنصتان بالفعل قدرات بحث بالذكاء الاصطناعي. تتضمن Research AI في Lyssna المتابعة والتلخيص والتفريغ النصي، لذلك أصبحت مقارنة «Maze لديه ذكاء اصطناعي وLyssna لا» قديمة. المهم هو موضع المتابعة وما إذا كنت تحتاج إلى أدلة مكتوبة أم صوتية.

يمكن لـ Open Question في Maze إضافة ما يصل إلى 3 أسئلة ذكاء اصطناعي بناءً على الإجابة الأولى، ويستطيع المشاركون تجاوزها؛ وتحدد صفحة المساعدة إتاحتها لخطتي Team وEnterprise. أما AI Conversation فهي كتلة صوتية في Enterprise يمكن وضعها بعد مهمة نموذج، وتدعم الأسئلة الاستكشافية أو المكتوبة مسبقًا. تحتاج إلى ميكروفون وتدعم الويب على الحاسوب واللوح والهاتف، لكن الدراسات التي تحتويها لا تعمل داخل تطبيق الهاتف. يؤثر اشتراط الصوت في ظروف المشاركة، ولا ينبغي اعتباره مجرد معلومات إضافية.

تعمل متابعة Lyssna بالذكاء الاصطناعي مع أسئلة النص الطويل، بما فيها أسئلة المتابعة الطويلة بعد أقسام الاختبار الأخرى. يقرر النظام تلقائيًا ما إذا كان سيستوضح بناءً على مدى تحديد الإجابة الأولى واكتمالها، بحد أقصى 2 من الأسئلة، ولا يمكن ضبط عددها. يمكن مشاهدة الإجابات الأولى واللاحقة منفصلة أو تلخيصها. لذلك قد تكون عبارة «كان من الصعب العثور عليه» بعد مهمة الإرجاع بداية لاستقصاء أعمق، لكن لا ضمان أن يسأل الذكاء الاصطناعي عن السبب الصحيح.

عند الاختيار، عاين السؤال المحايد نفسه، مثل «في أي خطوة ترددت قبل قليل، ولماذا؟». تحقق مما إذا كان الذكاء الاصطناعي يوجّه الإجابة أو يخلط بين وظيفة لم تُنفّذ في النموذج وعيب في التصميم. احتفظ بالكلمات الأصلية وسياق المتابعة؛ ولا تستبدل الآراء المخالفة بملخص، ولا تفترض أن المحادثة الأطول تعني دليلًا أقوى.

أعد التحليل إلى قرار التصميم دون أن تدع الموصل يقرر عنك

يمكن لـ Maze MCP استرجاع الدراسات والإجابة عن أسئلة النتائج والنصوص المفرغة. ولـ إنشاء الدراسات عبر MCP بالفعل وثائق مساعدة منشورة، وهو يتطلب Enterprise ويتضمن معاينة المسودة والموافقة قبل الإنشاء. لذا لا ينبغي وصفه بأنه مجرد قدرة مخطط لها.

يتاح Lyssna MCP لجميع الخطط المدفوعة، ويكون للقراءة فقط افتراضيًا. ويمكن للمسؤولين تفعيل صلاحية الكتابة لإنشاء الاختبارات والاستبيانات وتعديلها، وهي موسومة صراحة بأنها beta في الوثائق. تُحفظ النتائج كمسودات، ويبقى إطلاق الدراسات والاستقطاب داخل Lyssna. كما لا تزال صفحة Research AI تضع علامة Beta على MCP. عند الشراء، قيّم قدرات الاستعلام الموجودة منفصلة عن سير العمل الذي لا يزال يحمل علامة beta.

في مسار الإرجاع، ينبغي أن يتلقى المصممون سجلًا قابلًا للتحقق: المهمة وتعريف النجاح، والشاشة أو المسار الذي حدثت فيه المشكلة، وكلمات المشارك الأصلية، والتعديل المقترح، وسؤال الجولة التالية للتحقق. يمكن للذكاء الاصطناعي المساعدة في التنظيم، لكن مسؤول البحث يظل مطالبًا بمراجعة الإجابات الأصلية والتسجيلات ومصادر العينة. وقبل توصيل MCP، تأكد أيضًا من بيانات البحث التي يسمح الفريق بإرسالها إلى تطبيقات ذكاء اصطناعي خارجية.

افصل ميزانية أهلية المنصة عن الاستقطاب

تدرج وثائق خطط Lyssna اختبار النماذج ضمن Free، لكن هذه الخطة لا تتيح مشاهدة سوى أول 15 إجابة من مشاركين استقطبهم الفريق بنفسه. وتشمل Growth متابعة الذكاء الاصطناعي والتسجيلات وإجابات غير محدودة من الاستقطاب الذاتي، إلى جانب 5 دراسات معمقة مُطلقة شهريًا، أو 60 تُتاح مقدمًا عند الفوترة السنوية. إمكان إنشاء اختبار نموذج لا يعني أن جميع قدرات التحليل والتسجيل مجانية.

تضع صفحة أسعار Maze كلًا من MCP وAI Study Builder ضمن Enterprise. ولا يطابق ذلك تمامًا مستوى صياغة Team/Enterprise في مساعدة Open Question، لذلك لا يستنتج هذا المقال أي حزمة Team يستطيع العملاء الجدد شراءها، ولا يورد أسعارًا شهرية قديمة. اطلب من المبيعات تأكيد أهلية المتابعة النصية والكتل الصوتية والتسجيلات وحصص الدراسات وMCP كلٍّ على حدة.

يحتاج شراء خدمات المشاركين إلى ميزانية منفصلة في المنصتين. تُحتسب أرصدة لوحة مشاركي Maze وفق نوع الدراسة ومعايير الجمهور. وتفصل Lyssna صراحة بين اشتراك منصة البحث وإجابات لوحة المشاركين، وتؤثر مدة الاختبار في تكلفة الاستقطاب. عند إضافة مهام وأسئلة متابعة، راجع المدة المتوقعة وعرض تكلفة الاستقطاب مجددًا؛ فالاشتراك ليس التكلفة الكاملة للبحث.

أخيرًا، استخدم مهمة الإرجاع نفسها في تقييم صغير النطاق: تحقق أولًا من تعريف النجاح، ثم من قدرة المسارات والكلمات الأصلية على دعم تعديل محدد. أعطِ الأولوية لتجربة Maze إذا احتجت إلى التمييز الصريح بين الالتفافات الناجحة وإضافة تفسير صوتي؛ وأعطِ الأولوية لـ Lyssna إذا كنت تهتم بمهام شاشة الهدف وجمع نماذج متعددة والمتابعة المكتوبة. لا تضمن ملخصات الذكاء الاصطناعي ولا العينات المدفوعة التمثيل الإحصائي تلقائيًا، كما أن النجاح في النموذج لا يثبت مباشرة أن معدل التحويل في المنتج الفعلي سيتحسن.

ملاحظة حول المحتوى:يستند هذا المقال إلى معلومات متاحة للعموم ويُعد مرجعًا للمساعدة في اختيار الأدوات. قد تتغير الميزات والأسعار والسياسات ذات الصلة في أي وقت، لذا يُرجى الرجوع إلى أحدث المعلومات الرسمية.

المصدر الأصلي:help.maze.co