Keuntungan:
- Kemampuan untuk menyusun menu, navigasi dan struktur konten (arsitektur informasi) dengan kecerdasan buatan dan memverifikasinya dengan hasil penyortiran kartu
- Kemampuan untuk menarik alur pengguna dan langkah-langkah layar-ke-layar ke dalam kecerdasan buatan dan menangkap kesenjangan logika dan kasus-kasus edge
- Kemampuan untuk secara kritis mengadaptasi struktur yang disarankan oleh kecerdasan buatan sesuai dengan bahasa pengguna dan model mental yang sebenarnya
Jika suatu produk menjadi sulit digunakan, masalahnya sering kali bukan pada warna atau tombolnya, tetapi pada strukturnya. Arsitektur informasi (IA) adalah bagaimana konten dalam suatu produk dikelompokkan, diberi nama, dan disusun ke dalam struktur navigasi: menu, kategori, hierarki. Alur pengguna adalah urutan langkah layar-ke-layar yang dilalui pengguna untuk mencapai tujuan tertentu (mendaftar, membeli produk). Keduanya membangun kerangka tak kasat mata. AI dengan cepat membuat garis besar kerangka ini dan membantu menangkap kesenjangan logika; Namun apakah struktur tersebut sesuai dengan pikiran pengguna sebenarnya hanya dapat ditentukan melalui penilaian dan pengujian manusia.
Arsitektur informasi: berbicara dalam bahasa pengguna
Ketegangan mendasar dari IA adalah: apakah Anda akan mengatur konten berdasarkan logika institusi atau pikiran pengguna? Kebanyakan menu yang gagal memaksakan struktur departemen internal perusahaan pada pengguna ("Solusi Perusahaan", "Pusat Operasi"). Jika pengguna bertanya "Bagaimana cara saya membayar tagihan saya?" dia berpikir.
Kecerdasan buatan adalah penolong dua arah di sini. Di satu sisi, hal ini menunjukkan struktur kategori awal yang masuk akal; Di sisi lain, ini membantu Anda menguji struktur Anda saat ini terhadap bahasa pengguna. Namun tag yang disarankan model umumnya adalah “bahasa internet rata-rata”; Kata-kata yang sebenarnya digunakan pengguna Anda mungkin berbeda. Oleh karena itu, draf IA diverifikasi dengan penyortiran kartu: pengguna sebenarnya diberikan kartu konten dan mereka mengurutkannya; Anda menyesuaikan struktur sesuai dengan pengelompokannya.
Tip: Saat mendapatkan saran kategori dari kecerdasan buatan, minta juga untuk "menerjemahkan setiap kategori ke dalam kalimat pertanyaan yang akan dibuat oleh pengguna". Hal ini mempercepat transisi dari jargon perusahaan ke bahasa pengguna.
Alur pengguna: langkah, keputusan, dan kasus tepi
Diagram alur yang baik memperjelas tiga hal: langkah-langkah (apa yang dilakukan pengguna), poin keputusan (cabang ya/tidak), dan kasus tepi — situasi di luar jalur utama: keranjang kosong, kata sandi buruk, pemadaman internet, sesi kedaluwarsa. Desain yang tidak berpengalaman menggambar “jalan bahagia” (skenario di mana semuanya berjalan dengan baik) dan melupakan kasus-kasus tepi; Pengguna kebanyakan nongkrong di tempat-tempat yang terlupakan ini.
Di sinilah kekuatan AI: saat Anda mengekspor aliran, Anda bertanya "status tepi apa yang tidak ada?" Saat Anda bertanya, biasanya ada beberapa yang Anda lewatkan. Model ini bekerja seperti kritikus aliran. Namun Anda memutuskan apakah setiap cabang yang direkomendasikannya benar-benar diperlukan, cakupan produk, dan realitas pengguna; Jika tidak, alurnya akan menjadi rumit.
elemen aliran
Kontribusi kecerdasan buatan
keputusan manusia
Langkah-langkah utama
Draf peringkat standar
Penyederhanaan khusus produk
poin keputusan
Cabang yang mungkin
Apa yang sebenarnya diperlukan
Kasus tepi
Pengingat akan hal-hal yang terlupakan
Apa yang akan dibahas
Label/teks
saran pertama
Adaptasi ke bahasa pengguna
Jalur kesalahan
Pola umum
Jenis kesalahan produk yang sebenarnya
tiga kasus mini
Kasus 1 — Menu menjadi lebih sederhana. Sebuah tim memberikan 9 judul menu utama kepada kecerdasan buatan dan meminta mereka untuk "menerjemahkannya ke dalam kalimat pertanyaan pengguna". Terlihat 3 judul berhubungan dengan pertanyaan yang sama ("Bagaimana cara mengelola akun saya?"); Menu dikurangi dari 9 menjadi 6. Kemudian 14 pengguna diuji dengan pengelompokan kartu dan penggabungan diverifikasi. Keberhasilan klik meningkat dari 61% menjadi 86%.
Kasus 2 - Kasus tepi tertangkap. Dalam satu rekaman yang dijalankan, tim hanya mengambil rekaman yang berhasil. AI bertanya “apa yang terjadi jika email sudah terdaftar?”, “jika email verifikasi tidak sampai?”, “bagaimana jika ditutup dan kembali di tengah jalan?” pertanyaan yang dihasilkan. Tim juga menambahkan 3 kondisi tepi ke aliran; Saat diluncurkan, permintaan dukungan menurun secara signifikan. Pelajaran: model adalah "pengingat akan hal-hal yang terlupakan".
Kasus 3 — Cabang yang berlebihan ditolak. AI menyarankan cabang untuk alur pembayaran seperti “opsi mata uang kripto” dan “manajemen multi-alamat.” Hal ini tidak termasuk dalam cakupan produk; desainer menolak saran tersebut. Pelajaran: tidak semua saran model diterima; Keputusan cakupannya ada di tangan manusia, jika tidak maka alirannya akan membengkak.
Perintah yang dapat disalin
Peran Anda: spesialis arsitektur informasi. Kelompokkan daftar konten/fitur berikut ke dalam kategori yang sesuai dengan pikiran pengguna. Berikan setiap kategori label pendek dan frasa pertanyaan yang akan dibuat oleh pengguna. Hindari jargon perusahaan. Gunakan hingga 6 kategori induk. Daftar: <<isi>>
Periksa alur pengguna ini: <<langkah>>.1) Buat daftar kasus tepi yang hilang (keadaan menganggur, kesalahan, batas waktu, masuk ulang).2) Tandai langkah-langkah yang tampaknya tidak perlu atau di luar cakupan.3) Sarankan tag yang tidak sesuai dengan bahasa pengguna.Beri setiap item justifikasi satu kalimat. Sesungguhnya; Katakan "harus diperiksa".
Buat sketsa alur pengguna layar demi layar untuk tugas berikut: "<<tugas>>".Format: setiap langkah = Nama layar > tindakan pengguna > respons sistem. Pisahkan poin keputusan dengan "JIKA... MAKA". Tampilkan setidaknya 2 jalur kesalahan bersama dengan jalur bahagia.
Bandingkan struktur menu ini dengan hasil pengelompokan kartu: Struktur yang disarankan: <<a>> Pengelompokan pengguna: <<b>>. Tampilkan penempatan yang tidak kompatibel dalam tabel dan berikan justifikasi mana yang lebih sesuai dengan pikiran pengguna.
Perintah lemah / Perintah kuat
Lemah: "Tuliskan saya rekaman streaming."
Hasil: Daftar langkah umum tanpa kasus tepi, hanya berisi jalur bahagia.
Kuat: "Gambarkan alur layar demi layar untuk tugas ini; berikan setiap langkah dalam format 'layar > tindakan > respons sistem'; tampilkan setidaknya 2 jalur kesalahan di sebelah jalur bahagia; pisahkan titik keputusan dengan IF-THEN."
Hasilnya: aliran yang bisa diterapkan dengan keadaan tepi dan cabang yang terlihat.
Perbedaan: memerlukan format prompt yang kuat + jalur kesalahan yang penting + titik keputusan; ini membawa aliran lebih dekat ke dunia nyata.
Kesalahan umum
- Hanya mendesain dengan cara yang membahagiakan. Pengguna paling sering terjebak dalam situasi sulit; melewatkannya adalah kesalahan yang paling mahal.
- Membawa jargon perusahaan ke dalam menu. Pengguna menelusuri “di mana pesanan saya”, bukan “pusat operasi”.
- Menyelesaikan IA tanpa pengelompokan kartu. Usulan model adalah hipotesis; pengguna mengkonfirmasi tes tersebut.
- Menambahkan setiap saran aliran model. Cabang-cabang di luar jangkauan membengkakkan aliran; Menolak juga merupakan sebuah keputusan.
- Tidak menguji label sama sekali. Label yang menurut Anda "dapat dimengerti" mungkin asing bagi pengguna.
Singkatnya
Arsitektur informasi dan arus pengguna adalah kerangka produk yang tidak terlihat; Kelancaran pengalaman pengguna sebagian besar disebabkan oleh hal ini. AI menyarankan struktur kategori yang masuk akal, aliran kritik, dan sangat ampuh dalam menangkap kasus-kasus rumit yang terlupakan. Namun kecocokan label dengan bahasa pengguna ditentukan oleh pengelompokan kartu, dan cakupan aliran serta perlunya percabangan ditentukan oleh penilaian manusia. Menggunakan model sebagai konseptor dan kritikus; Anda mengkalibrasi struktur sesuai dengan pikiran pengguna.
Tugas aplikasi
- Buat daftar 8-10 konten/fitur suatu produk dan buat struktur kategori dengan perintah pertama.
- Terjemahkan setiap kategori ke dalam kalimat pertanyaan pengguna dan gabungkan yang membingungkan.
- Pilih tugas dan gambar alur layar demi layar dengan perintah ketiga (dengan setidaknya 2 jalur kesalahan).
- Dengan perintah kedua, kritik alurnya, tambahkan kasus tepi yang hilang, dan hapus langkah-langkah yang tidak perlu.
- Jika memungkinkan, kelompokkan kartu mini dengan 3-5 orang dan sesuaikan strukturnya berdasarkan hasilnya.
daftar periksa
- [ ] Saya menerjemahkan kategori ke dalam bahasa pengguna dan menghapus jargonnya.
- [ ] Selain jalur bahagia, saya juga menggambar jalur kesalahan dalam aliran.
- [ ] Saya memindai kasus edge yang hilang dengan kecerdasan buatan dan menambahkannya.
- [ ] Saya secara sadar menolak saran di luar jangkauan.
- [ ] Saya menguji draf IA dengan pengelompokan kartu atau pengujian pengguna.
- [] Saya memverifikasi tag dengan kata-kata pengguna sebenarnya.