Kazanimlar:
- Menü, gezinme ve içerik yapısını (bilgi mimarisi) yapay zeka ile taslaklaştırıp kart gruplama (card sorting) sonuçlarıyla doğrulayabilme
- Kullanıcı akışlarını ve ekran-ekran adımları yapay zekaya çizdirip mantık boşluklarını ve kenar durumları yakalayabilme
- Yapay zekanın önerdiği yapıyı gerçek kullanıcı diline ve zihinsel modele göre eleştirel biçimde uyarlayabilme
Bir ürünü kullanmak zorlaşıyorsa, sorun çoğu zaman renkte veya butonda değil, yapıdadır. Bilgi mimarisi (information architecture, IA), bir üründeki içeriğin nasıl gruplandığı, adlandırıldığı ve gezinme (navigasyon) yapısına yerleştirildiğidir: menüler, kategoriler, hiyerarşi. Kullanıcı akışı (user flow), bir kullanıcının belirli bir amaca (kayıt olma, ürün satın alma) ulaşmak için geçtiği ekran-ekran adımların dizisidir. İkisi de görünmez iskeleti kurar. Yapay zeka bu iskeletin taslağını hızla üretir ve mantık boşluklarını yakalamaya yardım eder; ama yapının gerçek kullanıcının zihnine uyup uymadığı ancak insan yargısı ve testle belli olur.
Bilgi mimarisi: kullanıcının diliyle konuşmak
IA'nın temel gerilimi şudur: içeriği kurumun mantığına göre mi, yoksa kullanıcının zihnine göre mi düzenleyeceksiniz? Çoğu başarısız menü, şirketin iç departman yapısını kullanıcıya dayatır ("Kurumsal Çözümler", "Operasyon Merkezi"). Kullanıcı ise "faturamı nasıl öderim?" diye düşünür.
Yapay zeka burada iki yönlü yardımcıdır. Bir yandan makul bir ilk kategori yapısı önerir; diğer yandan mevcut yapınızı kullanıcının diline karşı sınamanıza yardım eder. Ama modelin önerdiği etiketler genellikle "ortalama internet dili"dir; sizin kullanıcınızın gerçekte kullandığı kelimeler farklı olabilir. Bu yüzden IA taslağı kart gruplama (card sorting) ile doğrulanır: gerçek kullanıcılara içerik kartları verilir ve onlar gruplar; siz yapıyı onların gruplamasına göre düzeltirsiniz.
İpucu: Yapay zekadan kategori önerisi alırken ondan aynı zamanda "her kategoriyi kullanıcının kuracağı bir soru cümlesine çevir" isteyin. Bu, kurum jargonundan kullanıcı diline geçişi hızlandırır.
Kullanıcı akışları: adımlar, kararlar ve kenar durumlar
İyi bir akış diyagramı üç şeyi netleştirir: adımlar (kullanıcı ne yapar), karar noktaları (evet/hayır dallanmaları) ve kenar durumlar (edge case) — yani ana yolun dışındaki durumlar: boş sepet, hatalı şifre, internet kesintisi, süresi dolmuş oturum. Deneyimsiz tasarımlar "mutlu yolu" (her şeyin yolunda gittiği senaryo) çizer ve kenar durumları unutur; kullanıcı en çok da bu unutulan yerlerde takılır.
Yapay zeka tam burada güçlüdür: bir akışı verdiğinizde, "hangi kenar durumları eksik?" diye sorduğunuzda genellikle sizin atladığınız birkaçını yakalar. Model bir akış eleştirmeni gibi çalışır. Ama önerdiği her dalın gerçekten gerekli olup olmadığına, ürün kapsamına ve kullanıcı gerçekliğine siz karar verirsiniz; yoksa akış gereksiz karmaşıklaşır.
Akış öğesi
Yapay zekanın katkısı
İnsan kararı
Ana adımlar
Standart sıralama taslağı
Ürüne özgü sadeleştirme
Karar noktaları
Olası dallanmalar
Gerçekten gerekli olanlar
Kenar durumlar
Unutulanları hatırlatma
Kapsama alınacaklar
Etiket/metin
İlk öneri
Kullanıcı diline uyarlama
Hata yolları
Genel kalıplar
Ürünün gerçek hata tipleri
Üç mini vaka
Vaka 1 — Menü sadeleşti. Bir ekip 9 ana menü başlığını yapay zekaya verdi ve "kullanıcının soru cümlesine çevir" istedi. 3 başlığın aynı soruya ("hesabımı nasıl yönetirim?") karşılık geldiği görüldü; menü 9'dan 6'ya indi. Sonra kart gruplama ile 14 kullanıcı test edildi ve birleştirme doğrulandı. Tıklama başarısı %61'den %86'ya çıktı.
Vaka 2 — Yakalanan kenar durum. Bir kayıt akışında ekip yalnızca başarılı kaydı çizmişti. Yapay zeka "e-posta zaten kayıtlıysa ne olur?", "doğrulama e-postası gelmezse?", "yarıda kapatıp dönerse?" sorularını üretti. Ekip 3 kenar durumu da akışa ekledi; canlıya çıktığında destek talepleri belirgin biçimde azaldı. Ders: model iyi bir "unutulanı hatırlatıcı"dır.
Vaka 3 — Gereksiz dal reddedildi. Yapay zeka bir ödeme akışına "kripto para seçeneği" ve "çoklu adres yönetimi" gibi dallar önerdi. Ürünün kapsamında bunlar yoktu; tasarımcı önerileri reddetti. Ders: modelin her önerisi kabul edilmez; kapsam kararı insanındır, yoksa akış şişer.
Kopyalanabilir promptlar
Rolün: bilgi mimarisi uzmanı.Aşağıdaki içerik/özellik listesini kullanıcı zihnine uygun kategorilere grupla.Her kategoriyi hem kısa bir etiketle hem de kullanıcının kuracağı bir sorucümlesiyle ver. Kurum jargonundan kaçın. En fazla 6 üst kategori kullan.Liste: <<içerikler>>
Bu kullanıcı akışını incele: <<adımlar>>.1) Eksik kenar durumları (boş durum, hata, zaman aşımı, tekrar giriş) listele.2) Gereksiz veya kapsam dışı görünen adımları işaretle.3) Kullanıcı diline uymayan etiketleri öner.Her maddeyi tek cümle gerekçeyle ver. Kesin konuşma; "kontrol edilmeli" de.
Şu görev için ekran-ekran bir kullanıcı akışı taslağı çiz: "<<görev>>".Format: her adım = Ekran adı > kullanıcı eylemi > sistem yanıtı.Karar noktalarını "EĞER ... İSE" ile ayır. Mutlu yolun yanında en az2 hata yolunu da göster.
Bu menü yapısını kart gruplama sonucuyla karşılaştır:Önerilen yapı: <<a>> Kullanıcı gruplaması: <<b>>.Uyuşmayan yerleştirmeleri tablo halinde göster ve hangisinin kullanıcızihnine daha yakın olduğunu gerekçelendir.
Zayıf prompt / Güclü prompt
Zayıf: "Bana bir kayıt akışı yaz."
Sonuç: Yalnızca mutlu yolu içeren, kenar durumsuz, jenerik bir adım listesi.
Güçlü: "Bu görev için ekran-ekran akış çiz; her adımı 'ekran > eylem > sistem yanıtı' formatında ver; mutlu yolun yanında en az 2 hata yolunu göster; karar noktalarını EĞER-İSE ile ayır."
Sonuç: Kenar durumları ve dallanmaları görünür, uygulanabilir bir akış.
Fark: güçlü prompt format + hata yolu zorunluluğu + karar noktası ister; bunlar akışı gerçek dünyaya yaklaştırır.
Sık yapılan hatalar
- Sadece mutlu yolu tasarlamak. Kullanıcı en çok kenar durumlarda takılır; onları atlamak en pahalı hatadır.
- Kurum jargonunu menüye taşımak. Kullanıcı "operasyon merkezi"ni değil "siparişim nerede"yi arar.
- IA'yı kart gruplama olmadan kesinleştirmek. Model önerisi hipotezdir; kullanıcı testi doğrular.
- Modelin her akış önerisini eklemek. Kapsam dışı dallar akışı şişirir; reddetmek de bir karardır.
- Etiketleri hiç test etmemek. "Anlaşılır" sandığınız bir etiket kullanıcıya yabancı olabilir.
Özetle
Bilgi mimarisi ve kullanıcı akışları, ürünün görünmez iskeletidir; kullanıcı deneyiminin akıcılığı büyük ölçüde buradan gelir. Yapay zeka makul kategori yapıları önerir, akışları eleştirir ve özellikle unutulan kenar durumları yakalamada güçlüdür. Ama etiketlerin kullanıcı diline uyması kart gruplama ile, akışın kapsamı ve dallanma gerekliliği ise insan yargısıyla belirlenir. Modeli bir taslakçı ve eleştirmen olarak kullanın; yapıyı kullanıcının zihnine göre siz kalibre edin.
Uygulama görevi
- Bir ürünün 8-10 içerik/özelliğini listeleyip ilk prompt ile kategori yapısı çıkarın.
- Her kategoriyi kullanıcının soru cümlesine çevirin ve birbirine karışanları birleştirin.
- Bir görev seçip üçüncü prompt ile ekran-ekran akış çizin (en az 2 hata yolu ile).
- İkinci prompt ile akışı eleştirip eksik kenar durumları ekleyin, gereksiz adımları çıkarın.
- Mümkünse 3-5 kişiyle mini kart gruplama yapıp yapıyı sonuca göre düzeltin.
Kontrol listesi
- [ ] Kategorileri kullanıcı diline çevirdim, jargonu ayıkladım.
- [ ] Akışta mutlu yolun yanında hata yollarını da çizdim.
- [ ] Eksik kenar durumları yapay zekayla tarayıp ekledim.
- [ ] Kapsam dışı önerileri bilinçli reddettim.
- [ ] IA taslağını kart gruplama veya kullanıcı testiyle sınadım.
- [ ] Etiketleri gerçek kullanıcı kelimeleriyle doğruladım.