معماری اطلاعات و طراحی جریان کاربر

سود:

• امکان پیش نویس منو، ناوبری و ساختار محتوا (معماری اطلاعات) با هوش مصنوعی و تایید آن با نتایج مرتب سازی کارت
• امکان ترسیم جریان های کاربر و مراحل صفحه به صفحه به هوش مصنوعی و گرفتن شکاف های منطقی و موارد لبه
• توانایی تطبیق انتقادی ساختار پیشنهادی هوش مصنوعی با توجه به زبان و مدل ذهنی واقعی کاربر

اگر استفاده از یک محصول دشوار می شود، مشکل اغلب مربوط به رنگ یا دکمه نیست، بلکه در ساختار آن است. معماری اطلاعات (IA) نحوه گروه بندی، نامگذاری و مرتب شدن محتوای یک محصول در یک ساختار ناوبری است: منوها، دسته ها، سلسله مراتب. جریان کاربر دنباله ای از مراحل صفحه به صفحه است که کاربر برای رسیدن به یک هدف خاص (ثبت نام، خرید محصول) طی می کند. هر دو اسکلت نامرئی را می سازند. هوش مصنوعی به سرعت طرح کلی این اسکلت را ایجاد می کند و به یافتن شکاف های منطقی کمک می کند. اما اینکه آیا ساختار با ذهن کاربر واقعی مطابقت دارد یا خیر، تنها با قضاوت و آزمایش انسان مشخص می شود.

معماری اطلاعات: صحبت کردن به زبان کاربر

تنش اساسی IA این است: آیا محتوا را بر اساس منطق موسسه یا ذهن کاربر سازماندهی خواهید کرد؟ اکثر منوهای ناموفق ساختار بخش داخلی شرکت را به کاربر تحمیل می کنند ("راه حل های سازمانی"، "مرکز عملیات"). اگر کاربر بپرسد "چگونه صورتحساب خود را پرداخت کنم؟" او فکر می کند.

هوش مصنوعی در اینجا کمکی دو طرفه است. از یک طرف، یک ساختار مقوله اولیه معقول را پیشنهاد می کند. از طرف دیگر، به شما کمک می کند ساختار فعلی خود را در برابر زبان کاربر آزمایش کنید. اما برچسب‌هایی که مدل پیشنهاد می‌کند عموماً «زبان اینترنت متوسط» هستند. کلماتی که کاربر شما واقعاً استفاده می کند ممکن است متفاوت باشد. بنابراین، پیش نویس IA با مرتب سازی کارت تأیید می شود: به کاربران واقعی کارت های محتوا داده می شود و آنها آنها را مرتب می کنند. شما ساختار را با توجه به گروه بندی آنها تنظیم می کنید.

نکته: هنگام دریافت پیشنهادات دسته‌بندی از هوش مصنوعی، از آن بخواهید «هر دسته‌بندی را به یک جمله سؤالی که کاربر می‌سازد ترجمه کند». این انتقال از اصطلاحات تخصصی شرکتی به زبان کاربر را سرعت می بخشد.

جریان های کاربر: مراحل، تصمیم گیری ها و موارد لبه

یک فلوچارت خوب سه چیز را روشن می کند: مراحل (آنچه کاربر انجام می دهد)، نقاط تصمیم گیری (شاخه های بله/خیر)، و موارد لبه - موقعیت های خارج از مسیر اصلی: سبد خرید خالی، رمز عبور نامناسب، قطع اینترنت، جلسه منقضی شده. طرح های بی تجربه "مسیر شاد" را ترسیم می کنند (سناریویی که همه چیز خوب پیش می رود) و موارد لبه را فراموش می کنند. کاربر بیشتر در این مکان های فراموش شده پاتوق می کند.

اینجاست که هوش مصنوعی قدرتمند است: وقتی جریانی را صادر می‌کنید، می‌پرسید که چه حالت‌های لبه‌ای وجود ندارد؟ When you ask, it usually catches a few you missed. این مدل مانند یک منتقد جریان کار می کند. اما شما تصمیم می گیرید که آیا هر شاخه ای که توصیه می کند واقعا ضروری است یا خیر، دامنه محصول و واقعیت کاربر. در غیر این صورت، جریان به طور غیر ضروری پیچیده می شود.

عنصر جریان

سهم هوش مصنوعی

تصمیم انسانی

مراحل اصلی

پیش نویس رتبه بندی استاندارد

ساده سازی خاص محصول

نقاط تصمیم گیری

Possible branches

آنچه واقعا لازم است

موارد لبه

یادآوری چیزهای فراموش شده

آنچه پوشش داده خواهد شد

برچسب / متن

پیشنهاد اول

سازگاری با زبان کاربر

مسیرهای خطا

الگوهای عمومی

انواع خطای واقعی محصول

سه کیف کوچک

مورد 1 - منو ساده تر شده است. A team gave 9 main menu titles to artificial intelligence and asked them to "translate them into the user's question sentence." مشاهده شد که 3 عنوان با یک سوال مطابقت دارد ("چگونه حساب خود را مدیریت کنم؟"); منو از 9 به 6 کاهش یافت. سپس 14 کاربر با گروه بندی کارت مورد آزمایش قرار گرفتند و ادغام تأیید شد. موفقیت کلیک از 61% به 86% افزایش یافت.

مورد 2 - مورد لبه گرفتار. در یک دوره ضبط، تیم فقط ضبط موفق را کشیده بود. هوش مصنوعی می‌پرسد «اگر ایمیل قبلاً ثبت شده باشد، چه اتفاقی می‌افتد؟»، «اگر ایمیل تأیید وارد نشود؟»، «اگر بسته شود و در نیمه راه بازگردد، چه اتفاقی می‌افتد؟» سوالات ایجاد شده تیم همچنین 3 حالت لبه را به جریان اضافه کرد. وقتی پخش شد، درخواست‌های پشتیبانی به میزان قابل توجهی کاهش یافت. درس: مدل "یادآور فراموش شده" خوبی است.

مورد 3 - شعبه اضافی رد شد. هوش مصنوعی شاخه‌هایی را برای یک جریان پرداخت مانند «گزینه ارز دیجیتال» و «مدیریت چند آدرس» پیشنهاد کرد. These were not included in the scope of the product; طراح پیشنهادات را رد کرد. درس: هر پیشنهاد مدل پذیرفته نمی شود. تصمیم دامنه با انسان است، در غیر این صورت جریان متورم می شود.

درخواست های قابل کپی

نقش شما: متخصص معماری اطلاعات. فهرست محتوا/ویژگی های زیر را در دسته بندی هایی که برای ذهن کاربر مناسب است، گروه بندی کنید. به هر دسته یک برچسب کوتاه و یک عبارت سوالی بدهید که کاربر می سازد. از اصطلاحات تخصصی شرکتی اجتناب کنید. حداکثر از 6 دسته اصلی استفاده کنید. فهرست: <<محتواها>>

این جریان کاربر را بررسی کنید: <<steps>>. 1) موارد لبه گم شده را فهرست کنید (وضعیت غیرفعال، خطا، مهلت زمانی، ورود مجدد). به بیان دقیق؛ بگویید "باید بررسی شود".

یک جریان کاربر صفحه به صفحه برای کار زیر ترسیم کنید: "<<وظیفه>>". قالب: هر مرحله = نام صفحه > عملکرد کاربر > پاسخ سیستم. نقاط تصمیم را با "IF... THEN" جدا کنید. حداقل 2 مسیر خطا را همراه با مسیر شاد نشان دهید.

این ساختار منو را با نتیجه گروه بندی کارت مقایسه کنید: ساختار پیشنهادی: <<a>> گروه بندی کاربر: <<b>>. مکان های ناسازگار را در جدول نشان دهید و توضیح دهید که کدام یک به ذهن کاربر نزدیک تر است.

اعلان ضعیف / اعلان قوی

ضعیف: "یک جریان ضبط برای من بنویس."

نتیجه: یک لیست گام عمومی بدون موارد لبه، که فقط شامل مسیر شاد است.

Strong: "یک جریان صفحه به صفحه برای این کار ترسیم کنید؛ هر مرحله را در قالب "صفحه نمایش > اقدام > پاسخ سیستم" ارائه دهید؛ حداقل 2 مسیر خطا را در کنار مسیر شاد نشان دهید؛ نقاط تصمیم را با IF-THEN جدا کنید."

نتیجه: یک جریان قابل اجرا با حالت های لبه و شاخه های قابل مشاهده.

تفاوت: به فرمت سریع قوی + امری مسیر خطا + نقطه تصمیم نیاز دارد. اینها جریان را به دنیای واقعی نزدیک می کند.

اشتباهات رایج

• فقط طراحی راه شاد. کاربر اغلب در موقعیت های لبه گیر می کند. نادیده گرفتن آنها گرانترین اشتباه است.
• آوردن اصطلاحات تخصصی شرکتی به منو. کاربر عبارت «سفارش من کجاست» را جستجو می‌کند، نه «مرکز عملیات».
• نهایی کردن IA بدون گروه بندی کارت. مدل پیشنهادی فرضیه است. کاربر تست را تایید می کند.
• اضافه کردن هر پیشنهاد جریان مدل. شاخه های خارج از محدوده جریان را متورم می کنند. رد کردن نیز یک تصمیم است.
• اصلا برچسب ها را تست نمی کند. برچسبی که فکر می کنید "قابل درک" است ممکن است برای کاربر ناآشنا باشد.

به طور خلاصه

معماری اطلاعات و جریان های کاربر اسکلت نامرئی محصول هستند. سیال بودن تجربه کاربری تا حد زیادی از این امر ناشی می شود. هوش مصنوعی ساختارهای مقوله‌ای قابل قبول را پیشنهاد می‌کند، جریان‌ها را نقد می‌کند و به‌ویژه در گرفتن موارد لبه فراموش‌شده قدرتمند است. اما اینکه برچسب ها با زبان کاربر مطابقت دارند یا خیر، با گروه بندی کارت مشخص می شود و دامنه جریان و لزوم انشعاب با قضاوت انسان تعیین می شود. از مدل به عنوان پیش نویس و منتقد استفاده کنید. شما ساختار را مطابق با ذهن کاربر کالیبره می کنید.

وظیفه کاربردی

1. 8-10 محتویات/ویژگی های یک محصول را فهرست کنید و با اولین فرمان یک ساختار دسته بندی ایجاد کنید.
2. هر دسته را به جمله سوال کاربر ترجمه کنید و مواردی را که گیج شده اند ترکیب کنید.
3. یک کار را انتخاب کنید و یک جریان صفحه به صفحه را با اعلان سوم (با حداقل 2 مسیر خطا) ترسیم کنید.
4. با فرمان دوم، جریان را نقد کنید، موارد لبه گم شده را اضافه کنید و مراحل غیر ضروری را حذف کنید.
5. در صورت امکان، مینی کارت ها را با 3-5 نفر گروه بندی کنید و ساختار را با توجه به نتایج تنظیم کنید.

چک لیست

• [ ] من دسته ها را به زبان کاربر ترجمه کردم و اصطلاحات را حذف کردم.
• [ ] علاوه بر مسیر مبارک، مسیرهای خطا را نیز در جریان ترسیم کردم.
• [ ] من موارد لبه گم شده را با هوش مصنوعی اسکن کردم و آنها را اضافه کردم.
• [ ] من آگاهانه پیشنهادهای خارج از محدوده را رد کردم.
• [ ] من پیش نویس IA را با گروه بندی کارت یا آزمایش کاربر آزمایش کردم.
• [ ] من برچسب ها را با کلمات کاربر واقعی تأیید کردم.