ユニット 4 / 11

情報アーキテクチャとユーザー フローの設計

利益:

  • 人工知能を使用してメニュー、ナビゲーション、コンテンツ構造(情報アーキテクチャ)を作成し、カードのソート結果で検証する機能
  • ユーザー フローと画面間のステップを人工知能に組み込み、論理ギャップとエッジ ケースをキャプチャする機能
  • 実際のユーザーの言語とメンタルモデルに従って、人工知能によって提案された構造を批判的に適応させる能力

製品が使いにくくなった場合、色やボタンの問題ではなく、構造に問題があることがよくあります。情報アーキテクチャ (IA) は、製品内のコンテンツをグループ化、名前付けし、メニュー、カテゴリ、階層などのナビゲーション構造に配置する方法です。ユーザー フローは、ユーザーが特定の目標 (登録、製品の購入) を達成するために通過する一連の画面から画面へのステップです。どちらも目に見えない骨格を構築します。 AI はこのスケルトンのアウトラインを迅速に生成し、ロジックのギャップを見つけるのに役立ちます。しかし、その構造が実際のユーザーの心に適合するかどうかは、人間の判断とテストによってのみ判断できます。

情報アーキテクチャ: ユーザーの言語を話す

IA の基本的な緊張感は次のとおりです。組織の論理に従ってコンテンツを整理しますか、それともユーザーの考えに従って整理しますか?失敗したメニューのほとんどは、企業内の部門構造 (「エンタープライズ ソリューション」、「オペレーション センター」) をユーザーに押し付けます。ユーザーが「請求書の支払い方法を教えてください」と尋ねた場合、彼は考えます。

ここでは人工知能が双方向のヘルパーです。一方で、それは合理的な初期カテゴリ構造を示唆しています。一方、ユーザーの言語に対して現在の構造をテストするのにも役立ちます。しかし、モデルが示唆するタグは通常「平均的なインターネット言語」です。ユーザーが実際に使用する単語は異なる場合があります。したがって、IA ドラフトはカードのソートによって検証されます。実際のユーザーにはコンテンツ カードが与えられ、それをソートします。グループ化に従って構造を調整します。

ヒント: 人工知能からカテゴリの提案を取得するときは、「各カテゴリをユーザーが作成する質問文に翻訳する」ことも人工知能に依頼します。これにより、企業用語からユーザー言語への移行が迅速化されます。

ユーザー フロー: ステップ、意思決定、およびエッジ ケース

優れたフローチャートは、ステップ (ユーザーが行うこと)、意思決定ポイント (はい/いいえの分岐)、およびエッジ ケース (空のカート、不正なパスワード、インターネットの停止、期限切れのセッションなど、メイン パスから外れた状況) の 3 つのことを明確にします。経験の浅い設計は「ハッピーパス」(すべてがうまくいくシナリオ)を描き、エッジケースを忘れます。ユーザーは主にこれらの忘れ去られた場所にたむろします。

ここで AI が威力を発揮します。ストリームをエクスポートするときは、「どのエッジ状態が欠落しているか?」と尋ねます。質問すると、見逃していたいくつかの情報が得られることがほとんどです。このモデルはフロー評論家のように機能します。ただし、推奨する各ブランチが本当に必要かどうか、製品の範囲、ユーザーの現実を判断するのはあなたです。そうしないと、フローが必要以上に複雑になります。

ストリーム要素

人工知能の貢献

人間の決断

主な手順

標準ランキングドラフト

製品固有の簡素化

決定点

可能な分岐

本当に必要なものは何なのか

エッジケース

忘れ物を思い出す

何がカバーされるのか

ラベル/テキスト

最初の提案

ユーザー言語への適応

エラーパス

一般的なパターン

製品の実際のエラーの種類

ミニケース3個

Case 1 — メニューがシンプルになりました。研究チームは人工知能に9つのメインメニューのタイトルを与え、「ユーザーの質問文に翻訳してほしい」と依頼した。 3 つの見出しが同じ質問 (「アカウントを管理するにはどうすればよいですか?」) に対応していることがわかりました。メニューが 9 から 6 に減りました。その後、14 人のユーザーがカード グループ化でテストされ、マージが検証されました。クリック成功率は 61% から 86% に増加しました。

ケース 2 — エッジケースを捉えた。 1 回の録音実行で、チームは成功した録音のみを描画しました。 「登録済みのメールはどうなる?」「認証メールが届かなかったら?」「途中で閉じて戻ってしまったら?」をAIが問いかけます。生成された質問。チームはまた、フローに 3 つのエッジ状態を追加しました。それが稼働すると、サポートリクエストは大幅に減少しました。教訓: モデルは優れた「忘れられたものを思い出させる」ものです。

ケース 3 — 冗長ブランチが拒否されました。 AIは「仮想通貨オプション」や「マルチアドレス管理」などの決済フローへの分岐を提案した。これらは製品の範囲には含まれていませんでした。デザイナーはその提案を拒否しました。教訓: モデルのすべての提案が受け入れられるわけではありません。範囲の決定は人間が行います。そうしないと、フローが肥大化します。

コピー可能なプロンプト

あなたの役割: 情報アーキテクチャのスペシャリスト。次のコンテンツ/機能リストをユーザーの好みに合わせてカテゴリにグループ化します。各カテゴリに短いラベルと、ユーザーが作成する質問フレーズの両方を付けます。企業用語は避けてください。最大 6 つの親カテゴリを使用します。リスト: <<content>>

このユーザー フローを調べます: <<ステップ>>。1) 欠落しているエッジ ケース (アイドル状態、エラー、タイムアウト、再ログイン) をリストします。2) 不要または範囲外と思われるステップにフラグを立てます。3) ユーザーの言語に合わないタグを提案します。各項目に 1 文の理由を付けます。厳密に言えば、 「要チェック」と言う。

次のタスクの画面ごとのユーザー フローをスケッチします: 「<<タスク>>」。形式: 各ステップ = 画面名 > ​​ユーザー アクション > システム応答。決定ポイントは「IF... THEN」で区切ります。正常なパスとともに少なくとも 2 つのエラー パスを表示します。

このメニュー構造をカードのグループ化の結果と比較します: 推奨される構造: <<a>> ユーザーのグループ化: <<b>>。互換性のない配置を表に示し、どちらがユーザーの心に近いかを正当化します。

弱いプロンプト / 強いプロンプト

弱者: 「録画ストリームを書いてください。」

結果: エッジ ケースのない、ハッピー パスのみを含む一般的なステップ リスト。

Strong: 「このタスクの画面ごとのフローを描画します。各ステップを「画面 > アクション > システム応答」の形式で指定します。ハッピー パスの隣に少なくとも 2 つのエラー パスを表示します。意思決定ポイントは IF-THEN で区切ります。」

その結果、エッジ ステートと分岐が可視化された実行可能なフローが得られます。

違い: 強力なプロンプト形式 + エラー パスの必須 + 決定点が必要です。これらにより、流れが現実世界に近づきます。

よくある間違い

  • ただ幸せな方法をデザインするだけです。ユーザーが最も頻繁に行き詰まるのは、エッジの状況です。それらをスキップすることは最も高価な間違いです。
  • 企業用語をメニューに取り入れます。ユーザーは「オペレーション センター」ではなく「注文したものはどこですか」を検索します。
  • カードのグループ化を行わずに IA を終了します。モデルの提案は仮説です。ユーザーがテストを確認します。
  • モデルの各フロー提案を追加します。範囲外のブランチはフローを膨張させます。拒否するのも決断です。
  • ラベルをまったくテストしていません。あなたが「理解できる」と思っているラベルも、ユーザーにとっては馴染みのないものである可能性があります。

要約すれば

情報アーキテクチャとユーザー フローは、製品の目に見えない骨格です。ユーザー エクスペリエンスの流動性は主にこれに由来します。 AI は、妥当なカテゴリ構造を提案し、フローを批判し、忘れられているエッジケースを見つけるのに特に強力です。ただし、ラベルがユーザーの言語に適合するかどうかはカードのグループ化によって決まり、フローの範囲や分岐の要否は人間の判断によって決まります。モデルを起草者および批評家として使用します。ユーザーの心に従って構造を調整します。

アプリケーションタスク

  1. 製品の 8 ~ 10 個の内容/特徴をリストし、最初のプロンプトでカテゴリ構造を作成します。
  2. 各カテゴリをユーザーの質問文に翻訳し、混乱しているものを結合します。
  3. タスクを選択し、3 番目のプロンプト (少なくとも 2 つのエラー パスを含む) で画面ごとのフローを描画します。
  4. 2 番目のプロンプトでは、フローを批判し、欠落しているエッジケースを追加し、不要なステップを削除します。
  5. 可能であれば、ミニカードを 3 ~ 5 人でグループ化し、結果に応じて構成を調整します。

チェックリスト

  • [ ] カテゴリをユーザーの言語に翻訳し、専門用語を削除しました。
  • [ ] フローにはハッピー パスに加えて、エラー パスも描画しました。
  • [ ] 欠落しているエッジケースを人工知能でスキャンして追加しました。
  • [ ] 私は意図的に範囲外の提案を拒否しました。
  • [ ] IA ドラフトをカード グループ化またはユーザー テストでテストしました。
  • [ ] 実際のユーザーの言葉でタグを検証しました。