Mga nadagdag:
- Kakayahang i-draft ang menu, nabigasyon at istraktura ng nilalaman (arkitektura ng impormasyon) gamit ang artipisyal na katalinuhan at i-verify ito gamit ang mga resulta ng pag-uuri ng card
- Kakayahang gumuhit ng mga daloy ng user at screen-to-screen na mga hakbang sa artificial intelligence at makuha ang mga logic gaps at edge case
- Kakayahang kritikal na iakma ang istraktura na iminungkahi ng artificial intelligence ayon sa tunay na user language at mental model
Kung ang isang produkto ay nagiging mahirap gamitin, ang problema ay madalas na hindi sa kulay o sa pindutan, ngunit sa istraktura. Ang arkitektura ng impormasyon (IA) ay kung paano pinagsama-sama, pinangalanan, at inaayos ang nilalaman sa isang produkto sa isang istraktura ng nabigasyon: mga menu, kategorya, hierarchy. Ang daloy ng user ay ang pagkakasunud-sunod ng screen-to-screen na mga hakbang na pinagdadaanan ng isang user para makamit ang isang partikular na layunin (pagpaparehistro, pagbili ng produkto). Parehong bumuo ng invisible skeleton. Ang AI ay mabilis na gumagawa ng isang balangkas ng balangkas na ito at tumutulong na mahuli ang mga puwang sa lohika; Ngunit kung ang istraktura ay umaangkop sa isip ng tunay na gumagamit ay maaari lamang matukoy sa pamamagitan ng paghatol at pagsubok ng tao.
Arkitektura ng impormasyon: pagsasalita ng wika ng gumagamit
Ang pangunahing pag-igting ng IA ay ito: ayusin mo ba ang nilalaman ayon sa lohika ng institusyon o sa isip ng gumagamit? Karamihan sa mga hindi matagumpay na menu ay nagpapataw ng panloob na istraktura ng departamento ng kumpanya sa user ("Enterprise Solutions", "Operations Center"). Kung tatanungin ng user ang "Paano ko babayaran ang aking bill?" sa tingin niya.
Ang artificial intelligence ay isang two-way helper dito. Sa isang banda, nagmumungkahi ito ng isang makatwirang istraktura ng paunang kategorya; Sa kabilang banda, tinutulungan ka nitong subukan ang iyong kasalukuyang istraktura laban sa wika ng user. Ngunit ang mga tag na iminumungkahi ng modelo ay karaniwang "average na wika sa internet"; Maaaring iba ang mga salitang aktwal na ginagamit ng iyong user. Samakatuwid, ang draft ng IA ay na-verify sa pamamagitan ng pag-uuri ng card: ang mga tunay na user ay binibigyan ng mga content card at pinag-uuri-uriin nila ang mga ito; ayusin mo ang istraktura ayon sa kanilang pagpapangkat.
Tip: Kapag nakakakuha ng mga suhestyon sa kategorya mula sa artificial intelligence, hilingin din dito na "i-translate ang bawat kategorya sa isang question sentence na gagawin ng user." Pinapabilis nito ang paglipat mula sa corporate jargon patungo sa wika ng gumagamit.
Mga daloy ng user: mga hakbang, desisyon, at edge case
Ang isang magandang flowchart ay nililinaw ang tatlong bagay: mga hakbang (kung ano ang ginagawa ng user), mga punto ng desisyon (oo/walang mga sangay), at mga edge case — mga sitwasyon sa labas ng pangunahing landas: walang laman na cart, masamang password, internet outage, nag-expire na session. Ang mga walang karanasan na disenyo ay gumuhit ng "masayang landas" (ang sitwasyon kung saan maayos ang lahat) at kalimutan ang tungkol sa mga kaso sa gilid; Ang gumagamit ay kadalasang tumatambay sa mga nakalimutang lugar na ito.
Dito makapangyarihan ang AI: kapag nag-export ka ng stream, tatanungin mo ang "anong mga estado ng gilid ang nawawala?" Kapag nagtanong ka, kadalasan ay nakakakuha ito ng ilang napalampas mo. Ang modelo ay gumagana tulad ng isang kritiko ng daloy. Ngunit magpapasya ka kung ang bawat sangay na inirerekomenda nito ay talagang kailangan, saklaw ng produkto at katotohanan ng gumagamit; Kung hindi, ang daloy ay nagiging hindi kinakailangang kumplikado.
elemento ng stream
Kontribusyon ng artificial intelligence
desisyon ng tao
Pangunahing hakbang
Karaniwang draft ng ranggo
Pagpapasimple na partikular sa produkto
mga punto ng desisyon
Mga posibleng sangay
Kung ano talaga ang kailangan
Mga kaso sa gilid
Paalala sa mga bagay na nakalimutan
Kung ano ang sasakupin
Label/teksto
unang mungkahi
Pagbagay sa wika ng gumagamit
Mga error na landas
Pangkalahatang mga pattern
Mga aktwal na uri ng error ng produkto
tatlong mini case
Case 1 — Ang menu ay naging mas simple. Ang isang koponan ay nagbigay ng 9 pangunahing mga pamagat ng menu sa artificial intelligence at hiniling sa kanila na "i-translate ang mga ito sa tanong na pangungusap ng gumagamit." Nakita na ang 3 heading ay tumutugma sa parehong tanong ("Paano ko pamamahalaan ang aking account?"); Binawasan ang menu mula 9 hanggang 6. Pagkatapos ay sinubukan ang 14 na user gamit ang pagpapangkat ng card at na-verify ang pagsasanib. Ang tagumpay ng pag-click ay tumaas mula 61% hanggang 86%.
Case 2 — Caught edge case. Sa isang recording run, ang koponan ay nakuha lamang ang matagumpay na pag-record. Nagtatanong ang AI "ano ang mangyayari kung nakarehistro na ang email?", "kung hindi dumating ang email sa pag-verify?", "paano kung magsara ito at bumalik sa kalagitnaan?" nabuong mga tanong. Nagdagdag din ang koponan ng 3 gilid na estado sa daloy; Noong naging live ito, makabuluhang nabawasan ang mga kahilingan sa suporta. Aral: ang modelo ay isang magandang "paalala ng nakalimutan."
Kaso 3 — Ang paulit-ulit na sangay ay tinanggihan. Iminungkahi ng AI ang mga sangay sa isang daloy ng pagbabayad gaya ng “cryptocurrency option” at “multi-address management.” Ang mga ito ay hindi kasama sa saklaw ng produkto; tinanggihan ng taga-disenyo ang mga mungkahi. Aral: hindi lahat ng mungkahi ng modelo ay tinatanggap; Ang desisyon ng saklaw ay sa tao, kung hindi, ang daloy ay nagiging bloated.
Nakokopyang mga prompt
Ang iyong tungkulin: espesyalista sa arkitektura ng impormasyon. Igrupo ang sumusunod na listahan ng nilalaman/tampok sa mga kategorya na angkop sa isip ng gumagamit. Bigyan ang bawat kategorya ng parehong maikling label at isang pariralang tanong na gagawin ng user. Iwasan ang corporate jargon. Gumamit ng hanggang 6 na kategorya ng magulang. Listahan: <<nilalaman>>
Suriin ang daloy ng user na ito: <<mga hakbang>>.1) Ilista ang mga nawawalang edge na kaso (idle state, error, timeout, re-login).2) I-flag ang mga hakbang na tila hindi kailangan o wala sa saklaw.3) Magmungkahi ng mga tag na hindi akma sa wika ng user. Bigyan ang bawat item ng isang pangungusap na katwiran. Mahigpit na pagsasalita; Sabihin ang "dapat suriin".
Mag-sketch ng screen-by-screen na daloy ng user para sa sumusunod na gawain: "<<task>>".Format: bawat hakbang = Pangalan ng screen > pagkilos ng user > tugon ng system. Paghiwalayin ang mga punto ng desisyon gamit ang "KUNG... THEN". Magpakita ng hindi bababa sa 2 error path kasama ng happy path.
Ihambing ang istraktura ng menu na ito sa resulta ng pagpapangkat ng card: Inirerekomendang istraktura: <<a>> Pagpapangkat ng user: <<b>>. Ipakita ang mga hindi tugmang placement sa isang talahanayan at bigyang-katwiran kung alin ang mas malapit sa isip ng user.
Mahinang prompt / Malakas na prompt
Mahina: "Sumulat ako ng recording stream."
Resulta: Isang generic na listahan ng hakbang na walang edge case, na naglalaman lang ng happy path.
Malakas: "Gumuhit ng screen-by-screen na daloy para sa gawaing ito; ibigay ang bawat hakbang sa format na 'screen > action > system response'; magpakita ng hindi bababa sa 2 error path sa tabi ng happy path; paghiwalayin ang mga punto ng desisyon gamit ang IF-THEN."
Ang resulta: isang maisasagawa na daloy na may nakikitang mga estado ng gilid at mga sanga.
Pagkakaiba: nangangailangan ng malakas na prompt format + error path imperative + decision point; pinalalapit nito ang daloy sa totoong mundo.
Mga karaniwang pagkakamali
- Nagdidisenyo lang ng masayang paraan. Ang gumagamit ay madalas na natigil sa mga sitwasyon sa gilid; ang paglaktaw sa kanila ay ang pinakamahal na pagkakamali.
- Dinadala ang corporate jargon sa menu. Hinahanap ng user ang “nasaan ang order ko,” hindi ang “operations center.”
- Tinatapos ang IA nang walang pagpapangkat ng card. Ang panukalang modelo ay hypothesis; kinumpirma ng user ang pagsubok.
- Pagdaragdag ng bawat suhestiyon ng daloy ng modelo. Ang mga sanga na wala sa saklaw ay namamaga sa daloy; Ang pagtanggi ay isang desisyon din.
- Hindi sinusubukan ang mga label sa lahat. Ang isang label na sa tingin mo ay "maiintindihan" ay maaaring hindi pamilyar sa user.
Sa buod
Ang arkitektura ng impormasyon at mga daloy ng gumagamit ay ang hindi nakikitang balangkas ng produkto; Ang pagkalikido ng karanasan ng gumagamit ay higit sa lahat ay nagmumula dito. Ang AI ay nagmumungkahi ng mga makatwirang istruktura ng kategorya, dumadaloy ang mga kritika, at higit na mahusay sa paghuli ng mga nakalimutang kaso. Ngunit kung ang mga label ay tumutugma sa wika ng gumagamit ay tinutukoy ng pagpapangkat ng card, at ang saklaw ng daloy at ang pangangailangan ng pagsasanga ay tinutukoy ng paghatol ng tao. Gamitin ang modelo bilang drafter at kritiko; I-calibrate mo ang istraktura ayon sa isip ng gumagamit.
Gawain ng aplikasyon
- Maglista ng 8-10 content/feature ng isang produkto at lumikha ng istruktura ng kategorya gamit ang unang prompt.
- Isalin ang bawat kategorya sa pangungusap na tanong ng gumagamit at pagsamahin ang mga nalilito.
- Pumili ng gawain at gumuhit ng screen-by-screen na daloy gamit ang ikatlong prompt (na may hindi bababa sa 2 error path).
- Sa pangalawang prompt, punahin ang daloy, magdagdag ng mga nawawalang edge na kaso, at alisin ang mga hindi kinakailangang hakbang.
- Kung maaari, pangkatin ang mga mini card na may 3-5 tao at ayusin ang istraktura ayon sa mga resulta.
checklist
- [ ] Isinalin ko ang mga kategorya sa wika ng gumagamit at inalis ang jargon.
- [ ] Bilang karagdagan sa masayang landas, gumuhit din ako ng mga error path sa daloy.
- [ ] Ini-scan ko ang mga nawawalang edge case gamit ang artificial intelligence at idinagdag ang mga ito.
- [ ] Sinasadya kong tinanggihan ang mga suhestyon sa labas ng saklaw.
- [ ] Sinubukan ko ang IA draft gamit ang card grouping o user testing.
- [ ] Na-verify ko ang mga tag gamit ang totoong mga salita ng user.