Keuntungan:
- Keupayaan untuk mendraf menu, navigasi dan struktur kandungan (seni bina maklumat) dengan kecerdasan buatan dan mengesahkannya dengan hasil pengisihan kad
- Keupayaan untuk menarik aliran pengguna dan langkah skrin ke skrin ke dalam kecerdasan buatan dan menangkap jurang logik dan kes tepi
- Keupayaan untuk menyesuaikan secara kritis struktur yang dicadangkan oleh kecerdasan buatan mengikut bahasa pengguna dan model mental sebenar
Jika produk menjadi sukar untuk digunakan, masalah selalunya bukan pada warna atau butang, tetapi dengan struktur. Seni bina maklumat (IA) ialah cara kandungan dalam produk dikumpulkan, dinamakan dan disusun ke dalam struktur navigasi: menu, kategori, hierarki. Aliran pengguna ialah urutan langkah skrin ke skrin yang pengguna lalui untuk mencapai matlamat tertentu (mendaftar, membeli produk). Kedua-duanya membina rangka yang tidak kelihatan. AI dengan cepat menghasilkan garis besar rangka ini dan membantu menangkap jurang logik; Tetapi sama ada struktur itu sesuai dengan fikiran pengguna sebenar hanya boleh ditentukan oleh penilaian dan ujian manusia.
Seni bina maklumat: bertutur dalam bahasa pengguna
Ketegangan asas IA ialah: adakah anda akan menyusun kandungan mengikut logik institusi atau minda pengguna? Kebanyakan menu yang tidak berjaya mengenakan struktur jabatan dalaman syarikat kepada pengguna ("Penyelesaian Perusahaan", "Pusat Operasi"). Jika pengguna bertanya "Bagaimana cara saya membayar bil saya?" dia fikir.
Kecerdasan buatan adalah pembantu dua hala di sini. Di satu pihak, ia mencadangkan struktur kategori awal yang munasabah; Sebaliknya, ia membantu anda menguji struktur semasa anda terhadap bahasa pengguna. Tetapi teg yang dicadangkan oleh model secara amnya ialah "bahasa internet purata"; Perkataan yang sebenarnya digunakan oleh pengguna anda mungkin berbeza. Oleh itu, draf IA disahkan melalui pengisihan kad: pengguna sebenar diberi kad kandungan dan mereka mengisihnya; anda menyesuaikan struktur mengikut kumpulan mereka.
Petua: Apabila mendapat cadangan kategori daripada kecerdasan buatan, minta juga "terjemah setiap kategori ke dalam ayat tanya yang akan dibina oleh pengguna." Ini mempercepatkan peralihan daripada jargon korporat kepada bahasa pengguna.
Aliran pengguna: langkah, keputusan dan kes tepi
Carta alir yang baik menjelaskan tiga perkara: langkah (apa yang pengguna lakukan), titik keputusan (ya/tiada cawangan) dan kes tepi — situasi di luar laluan utama: troli kosong, kata laluan buruk, gangguan Internet, sesi tamat tempoh. Reka bentuk yang tidak berpengalaman melukis "laluan gembira" (senario di mana semuanya berjalan lancar) dan melupakan kes tepi; Pengguna kebanyakannya melepak di tempat yang terlupa ini.
Di sinilah AI berkuasa: apabila anda mengeksport strim, anda bertanya "apa keadaan tepi yang tiada?" Apabila anda bertanya, ia biasanya menangkap beberapa yang anda terlepas. Model berfungsi seperti pengkritik aliran. Tetapi anda memutuskan sama ada setiap cawangan yang dicadangkannya benar-benar perlu, skop produk dan realiti pengguna; Jika tidak, aliran menjadi tidak perlu rumit.
elemen aliran
Sumbangan kecerdasan buatan
keputusan manusia
Langkah utama
Draf kedudukan standard
Penyederhanaan khusus produk
mata keputusan
Cawangan yang mungkin
Apa yang perlu sebenarnya
Kes tepi
Peringatan perkara yang terlupa
Apa yang akan dilindungi
Label/teks
cadangan pertama
Penyesuaian kepada bahasa pengguna
Laluan ralat
Corak umum
Jenis ralat sebenar produk
tiga kes mini
Kes 1 — Menu telah menjadi lebih ringkas. Satu pasukan memberikan 9 tajuk menu utama kepada kecerdasan buatan dan meminta mereka untuk "menterjemahkannya ke dalam ayat soalan pengguna." Telah dilihat bahawa 3 tajuk sepadan dengan soalan yang sama ("Bagaimana saya menguruskan akaun saya?"); Menu dikurangkan daripada 9 kepada 6. Kemudian 14 pengguna telah diuji dengan pengumpulan kad dan gabungan itu disahkan. Kejayaan klik meningkat daripada 61% kepada 86%.
Kes 2 — Kes tepi terperangkap. Dalam satu larian rakaman, pasukan hanya melukis rakaman yang berjaya. AI bertanya "apa yang berlaku jika e-mel sudah didaftarkan?", "jika e-mel pengesahan tidak sampai?", "bagaimana jika ia ditutup dan kembali di tengah-tengah?" soalan yang dihasilkan. Pasukan itu juga menambah 3 keadaan kelebihan pada aliran; Apabila ia disiarkan secara langsung, permintaan sokongan menurun dengan ketara. Pengajaran: model adalah "peringatan yang terlupakan" yang baik.
Kes 3 — Cawangan berlebihan telah ditolak. AI mencadangkan cawangan kepada aliran pembayaran seperti "pilihan mata wang kripto" dan "pengurusan berbilang alamat." Ini tidak termasuk dalam skop produk; pereka bentuk menolak cadangan itu. Pengajaran: tidak semua cadangan model diterima; Keputusan skop adalah hak manusia, jika tidak aliran menjadi kembung.
Gesaan boleh disalin
Peranan anda: pakar seni bina maklumat. Kumpulkan senarai kandungan/ciri berikut ke dalam kategori yang sesuai dengan fikiran pengguna. Berikan setiap kategori label pendek dan frasa soalan yang akan dibina oleh pengguna. Elakkan jargon korporat. Gunakan sehingga 6 kategori induk.Senarai: <<kandungan>>
Periksa aliran pengguna ini: <<langkah>>.1) Senaraikan kes tepi yang hilang (keadaan terbiar, ralat, tamat masa, log masuk semula).2) Tandakan langkah yang kelihatan tidak perlu atau di luar skop.3) Cadangkan teg yang tidak sesuai dengan bahasa pengguna. Berikan setiap item justifikasi satu ayat. Tegasnya; Katakan "mesti disemak".
Lakarkan aliran pengguna skrin demi skrin untuk tugasan berikut: "<<tugas>>".Format: setiap langkah = Nama skrin > tindakan pengguna > respons sistem. Pisahkan titik keputusan dengan "JIKA... MAKA". Tunjukkan sekurang-kurangnya 2 laluan ralat bersama dengan laluan gembira.
Bandingkan struktur menu ini dengan hasil pengumpulan kad: Struktur yang disyorkan: <<a>> Kumpulan pengguna: <<b>>. Tunjukkan peletakan yang tidak serasi dalam jadual dan nyatakan yang mana satu lebih dekat dengan fikiran pengguna.
Gesaan lemah / Gesaan kuat
Lemah: "Tulis saya aliran rakaman."
Keputusan: Senarai langkah generik tanpa kes tepi, hanya mengandungi laluan gembira.
Kuat: "Lukis aliran skrin demi skrin untuk tugasan ini; berikan setiap langkah dalam format 'skrin > tindakan > respons sistem'; tunjukkan sekurang-kurangnya 2 laluan ralat di sebelah laluan gembira; titik keputusan berasingan dengan IF-THEN."
Hasilnya: aliran yang boleh dilaksanakan dengan keadaan tepi dan cawangan yang boleh dilihat.
Perbezaan: memerlukan format segera yang kuat + laluan ralat imperatif + titik keputusan; ini membawa aliran lebih dekat ke dunia sebenar.
Kesilapan biasa
- Hanya merancang cara yang bahagia. Pengguna paling kerap terperangkap dalam situasi tepi; melangkau mereka adalah kesilapan yang paling mahal.
- Membawa jargon korporat ke menu. Pengguna mencari "di manakah pesanan saya," bukan "pusat operasi."
- Memuktamadkan IA tanpa pengumpulan kad. Cadangan model ialah hipotesis; pengguna mengesahkan ujian.
- Menambah setiap cadangan aliran model. Cawangan luar skop membengkak aliran; Menolak juga satu keputusan.
- Tidak menguji label sama sekali. Label yang anda fikir "boleh difahami" mungkin tidak dikenali oleh pengguna.
Secara ringkasnya
Seni bina maklumat dan aliran pengguna ialah rangka produk yang tidak kelihatan; Kecairan pengalaman pengguna sebahagian besarnya berasal dari ini. AI mencadangkan struktur kategori yang munasabah, aliran kritikan, dan sangat berkuasa dalam menangkap kes kelebihan yang terlupa. Tetapi sama ada label sepadan dengan bahasa pengguna ditentukan oleh kumpulan kad, dan skop aliran dan keperluan percabangan ditentukan oleh pertimbangan manusia. Gunakan model sebagai penggubal dan pengkritik; Anda menentukur struktur mengikut fikiran pengguna.
Tugasan permohonan
- Senaraikan 8-10 kandungan/ciri produk dan cipta struktur kategori dengan gesaan pertama.
- Terjemah setiap kategori ke dalam ayat tanya pengguna dan gabungkan yang keliru.
- Pilih tugas dan lukis aliran skrin demi skrin dengan gesaan ketiga (dengan sekurang-kurangnya 2 laluan ralat).
- Dengan gesaan kedua, kritik aliran, tambah kes tepi yang hilang dan alih keluar langkah yang tidak perlu.
- Jika boleh, kumpulkan kad mini dengan 3-5 orang dan laraskan struktur mengikut keputusan.
senarai semak
- [ ] Saya menterjemah kategori ke dalam bahasa pengguna dan mengalih keluar jargon.
- [ ] Selain laluan gembira, saya juga melukis laluan ralat dalam aliran.
- [ ] Saya mengimbas kes kelebihan yang hilang dengan kecerdasan buatan dan menambahkannya.
- [ ] Saya secara sedar menolak cadangan di luar skop.
- [ ] Saya menguji draf IA dengan pengumpulan kad atau ujian pengguna.
- [ ] Saya mengesahkan teg dengan perkataan pengguna sebenar.