רווחים:
- יכולת לנסח את התפריט, הניווט ומבנה התוכן (ארכיטקטורת מידע) עם בינה מלאכותית ולאמת זאת עם תוצאות מיון כרטיסים
- יכולת למשוך זרימות משתמשים ושלבים ממסך למסך לתוך בינה מלאכותית ולתפוס פערי לוגיקה ומקרי קצה
- יכולת להתאים באופן ביקורתי את המבנה המוצע על ידי בינה מלאכותית על פי שפת המשתמש האמיתית והמודל המנטלי
אם מוצר מתקשה לשימוש, הבעיה היא לרוב לא בצבע או בכפתור, אלא במבנה. ארכיטקטורת מידע (IA) היא האופן שבו תוכן במוצר מקובץ, שם ומסודר למבנה ניווט: תפריטים, קטגוריות, היררכיה. זרימת משתמש היא רצף השלבים מסך למסך שעובר המשתמש כדי להשיג מטרה מסוימת (רישום, רכישת מוצר). שניהם בונים את השלד הבלתי נראה. בינה מלאכותית מייצרת במהירות קווי מתאר של השלד הזה ועוזרת לתפוס פערים לוגיים; אבל אם המבנה מתאים למוח של המשתמש האמיתי ניתן לקבוע רק על ידי שיקול דעת ובדיקה אנושית.
ארכיטקטורת מידע: דיבור בשפת המשתמש
המתח הבסיסי של IA הוא זה: האם תארגן תוכן לפי ההיגיון של המוסד או המוח של המשתמש? רוב התפריטים הלא מוצלחים כופים על המשתמש את מבנה המחלקה הפנימי של החברה ("פתרונות ארגוניים", "מרכז התפעול"). אם המשתמש שואל "כיצד אוכל לשלם את החשבון שלי?" הוא חושב.
בינה מלאכותית היא עוזרת דו-כיוונית כאן. מצד אחד, הוא מציע מבנה קטגוריה ראשוני סביר; מצד שני, זה עוזר לך לבדוק את המבנה הנוכחי שלך מול שפת המשתמש. אבל התגים שהמודל מציע הם בדרך כלל "שפת אינטרנט ממוצעת"; המילים שהמשתמש שלך משתמש בפועל עשויות להיות שונות. לכן, טיוטת ה-IA מאומתת על ידי מיון כרטיסים: משתמשים אמיתיים מקבלים כרטיסי תוכן והם ממיינים אותם; אתה מתאים את המבנה לפי הקיבוץ שלהם.
טיפ: כאשר מקבלים הצעות לקטגוריות מבינה מלאכותית, בקשו ממנה גם "לתרגם כל קטגוריה למשפט שאלה שהמשתמש יבנה". זה מאיץ את המעבר מהז'רגון הארגוני לשפת המשתמש.
זרימות משתמשים: צעדים, החלטות ומקרי קצה
תרשים זרימה טוב מבהיר שלושה דברים: שלבים (מה המשתמש עושה), נקודות החלטה (ענפים כן/לא) ומקרי קצה - מצבים מחוץ לנתיב הראשי: עגלה ריקה, סיסמה שגויה, הפסקת אינטרנט, סשן שפג תוקפו. עיצובים חסרי ניסיון מציירים את "הנתיב המאושר" (התרחיש שבו הכל הולך כשורה) ושוכחים ממקרי קצה; המשתמש מסתובב בעיקר במקומות הנשכחים הללו.
זה המקום שבו AI הוא רב עוצמה: כשאתה מייצא זרם, אתה שואל "אילו מצבי קצה חסרים?" כשאתה שואל, זה בדרך כלל תופס כמה שפספסת. המודל עובד כמו מבקר זרימה. אבל אתה מחליט אם כל סניף שהוא ממליץ עליו הוא באמת הכרחי, היקף המוצר ומציאות המשתמש; אחרת, הזרימה הופכת מסובכת שלא לצורך.
אלמנט זרם
תרומה של בינה מלאכותית
החלטה אנושית
שלבים עיקריים
טיוטת דירוג סטנדרטית
פישוט ספציפי למוצר
נקודות החלטה
סניפים אפשריים
מה באמת נחוץ
מארזי קצה
תזכורת לדברים שנשכחו
מה יכוסה
תווית/טקסט
הצעה ראשונה
התאמה לשפת המשתמש
נתיבי שגיאה
דפוסים כלליים
סוגי שגיאות בפועל של המוצר
שלושה מיני תיקים
מקרה 1 - התפריט הפך לפשוט יותר. צוות נתן 9 כותרות תפריט ראשי לבינה מלאכותית וביקש מהם "לתרגם אותם למשפט השאלה של המשתמש". נראה ש-3 כותרות מתאימות לאותה שאלה ("איך אני מנהל את החשבון שלי?"); התפריט ירד מ-9 ל-6. לאחר מכן נבדקו 14 משתמשים עם קיבוץ כרטיסים והמיזוג אומת. הצלחת הקליקים עלתה מ-61% ל-86%.
מקרה 2 - מארז נתפס. בריצת הקלטה אחת, הצוות צייר רק את ההקלטה המוצלחת. AI שואל "מה קורה אם האימייל כבר רשום?", "אם דוא"ל האימות לא מגיע?", "מה אם הוא ייסגר ויחזור באמצע הדרך?" שאלות שנוצרו. הצוות גם הוסיף 3 מצבי קצה לזרימה; כשהיא עלה לאוויר, בקשות התמיכה ירדו באופן משמעותי. לקח: הדגם הוא "תזכורת לנשכחים" טובה.
מקרה 3 - סניף מיותר נדחה. AI הציעה סניפים לזרימת תשלומים כמו "אפשרות קריפטו" ו"ניהול ריבוי כתובות". אלה לא נכללו בהיקף המוצר; המעצב דחה את ההצעות. לקח: לא כל הצעה של הדגם מתקבלת; החלטת ההיקף היא של אנושית, אחרת הזרימה הופכת נפוחה.
הנחיות הניתנות להעתקה
תפקידך: מומחה לארכיטקטורת מידע. קבץ את רשימת התוכן/התכונות הבאות לקטגוריות שמתאימות למוח של המשתמש. תן לכל קטגוריה גם תווית קצרה וגם ביטוי שאלה שהמשתמש יבנה. הימנע מהז'רגון הארגוני. השתמש בעד 6 קטגוריות אב. רשימה: <<תוכן>>
בדוק את זרימת המשתמש הזה: <<steps>>.1) רשום מקרי קצה חסרים (מצב סרק, שגיאה, פסק זמן, כניסה מחדש).2) סגל שלבים שנראים מיותרים או מחוץ לתחום.3) הצע תגים שאינם מתאימים לשפת המשתמש.תן לכל פריט נימוק של משפט אחד. למהדרין; אמור "חייב להיבדק".
שרטט זרימת משתמש מסך אחר מסך עבור המשימה הבאה: "<<משימה>>". פורמט: כל שלב = שם מסך > פעולת משתמש > תגובת מערכת. הפרד נקודות החלטה עם "אם... אז". הצג לפחות 2 נתיבי שגיאה יחד עם הנתיב המאושר.
השווה את מבנה התפריט הזה עם תוצאת קיבוץ הכרטיסים: מבנה מומלץ: <<a>> קיבוץ משתמשים: <<b>>. הצג מיקומים לא תואמים בטבלה והנמק איזה מהם קרוב יותר למוחו של המשתמש.
הנחיה חלשה / הנחיה חזקה
חלש: "כתוב לי זרם הקלטה".
תוצאה: רשימת צעדים גנרית ללא מקרי קצה, המכילה רק את הנתיב המאושר.
חזק: "צייר זרימה של מסך אחר מסך עבור משימה זו; תן כל שלב בפורמט 'מסך > פעולה > תגובת מערכת'; הצג לפחות 2 נתיבי שגיאה לצד הנתיב המאושר; הפרד נקודות החלטה עם IF-THEN."
התוצאה: זרימה ניתנת לעבודה עם מצבי קצה וענפים גלויים.
הבדל: דורש פורמט הנחיה חזק + ציווי נתיב שגיאה + נקודת החלטה; אלה מקרבים את הזרימה לעולם האמיתי.
טעויות נפוצות
- פשוט מעצבת בדרך השמחה. המשתמש נתקע לרוב במצבי קצה; דילוג עליהם זו הטעות היקרה ביותר.
- הכנסת ז'רגון תאגידי לתפריט. המשתמש מחפש "איפה ההזמנה שלי", לא "מרכז התפעול".
- סיום IA ללא קיבוץ כרטיסים. הצעת המודל היא השערה; המשתמש מאשר את הבדיקה.
- הוספת כל הצעת זרימה של המודל. ענפים מחוץ לתחום מנפחים את הזרימה; דחייה היא גם החלטה.
- לא בודק תוויות בכלל. תווית שלדעתך "מובנת" עשויה להיות לא מוכרת למשתמש.
לסיכום
ארכיטקטורת מידע וזרימות משתמשים הם השלד הבלתי נראה של המוצר; הנזילות של חווית המשתמש נובעת בעיקר מכך. בינה מלאכותית מציעה מבני קטגוריה סבירים, מעבירה ביקורת, והיא חזקה במיוחד בתפיסת מקרי קצה נשכחים. אבל האם התוויות תואמות לשפת המשתמש נקבעת על ידי קיבוץ כרטיסים, והיקף הזרימה ונחיצות ההסתעפות נקבעים על ידי שיקול דעת אנושי. השתמש במודל כמנסח ומבקר; אתה מכייל את המבנה לפי דעתו של המשתמש.
משימת יישום
- רשום 8-10 תכנים/תכונות של מוצר וצור מבנה קטגוריה עם ההנחיה הראשונה.
- תרגם כל קטגוריה למשפט השאלה של המשתמש ושלבו את אלו המבולבלים.
- בחר משימה וצייר זרימה של מסך אחר מסך עם ההנחיה השלישית (עם לפחות 2 נתיבי שגיאה).
- עם ההנחיה השנייה, בקר את הזרימה, הוסף מקרי קצה חסרים והסר שלבים מיותרים.
- במידת האפשר, קבצו כרטיסי מיני עם 3-5 אנשים והתאימו את המבנה בהתאם לתוצאות.
רשימת בדיקה
- [ ] תרגמתי את הקטגוריות לשפת המשתמש והסרתי את הז'רגון.
- [ ] בנוסף לנתיב המאושר, ציירתי גם נתיבי שגיאה בזרימה.
- [ ] סרקתי את מקרי הקצה החסרים עם בינה מלאכותית והוספתי אותם.
- [ ] דחיתי במודע הצעות מחוץ לתחום.
- [ ] בדקתי את טיוטת ה-IA עם קיבוץ כרטיסים או בדיקת משתמשים.
- [ ] אימתתי את התגים עם מילות משתמש אמיתיות.