收益：
- 能够利用人工智能起草菜单、导航和内容结构（信息架构），并通过卡片分类结果进行验证
- 能够将用户流程和屏幕到屏幕的步骤引入人工智能并捕获逻辑差距和边缘情况
- 能够根据真实的用户语言和心理模型批判性地调整人工智能建议的结构
如果产品变得难以使用，问题通常不在于颜色或按钮，而在于结构。信息架构 (IA) 是指如何对产品中的内容进行分组、命名和排列成导航结构：菜单、类别、层次结构。用户流程是用户为实现特定目标（注册、购买产品）而经历的一系列屏幕到屏幕步骤。两者都构建了看不见的骨架。人工智能可以快速勾勒出这个骨架的轮廓，并帮助发现逻辑漏洞；但这种结构是否符合真实用户的想法只能通过人的判断和测试来确定。
信息架构：讲用户的语言
IA 的根本张力在于：你会按照机构的逻辑还是用户的想法来组织内容？大多数不成功的菜单将公司内部部门结构强加于用户（“企业解决方案”、“运营中心”）。如果用户询问“我如何支付账单？”他想。
人工智能在这里是一个双向助手。一方面，提出了合理的初始品类结构；另一方面，它可以帮助您根据用户的语言测试当前的结构。但该模型建议的标签通常是“普通互联网语言”；您的用户实际使用的词语可能有所不同。因此，IA草案通过卡片排序的方式进行验证：给真实用户提供内容卡片并对其进行排序；您可以根据它们的分组调整结构。
提示：当从人工智能获取类别建议时，还要求它“将每个类别翻译成用户将构建的问句”。这加速了从企业术语到用户语言的转变。
用户流程：步骤、决策和边缘情况
一个好的流程图可以明确三件事：步骤（用户做什么）、决策点（是/否分支）和边缘情况 - 主路径之外的情况：空购物车、密码错误、互联网中断、会话过期。缺乏经验的设计会绘制“快乐路径”（一切顺利的场景）并忘记边缘情况；用户大多在这些被遗忘的地方闲逛。
这就是人工智能的强大之处：当您导出流时，您会问“缺少哪些边缘状态？”当你询问时，它通常会抓住一些你错过的东西。该模型的工作原理就像一个流量批评家。但你决定它推荐的每个分支是否真的必要、产品范围和用户现实；否则，流程会变得不必要的复杂。
流元素
人工智能的贡献
人类的决定
主要步骤
标准排名草案
针对特定产品的简化
决策点
可能的分支
什么是真正必要的
边缘情况
提醒忘记的事情
将涵盖哪些内容
标签/文字
第一个建议
适应用户语言
错误路径
一般模式
产品实际错误类型
三个迷你箱子
案例 1 — 菜单变得更简单。一个团队将 9 个主菜单标题交给人工智能，并要求它们“将它们翻译成用户的问句”。可以看出，3 个标题对应同一问题（“如何管理我的帐户？”）；菜单从9个减少到6个。然后对14个用户进行卡片分组测试并验证合并。点击成功率从 61% 提高到 86%。
情况 2 — 遇到边缘情况。在一次录制中，团队只抽取了成功的录制。 AI询问“如果电子邮件已经注册了会发生什么？”、“如果验证电子邮件没有到达？”、“如果中途关闭并返回怎么办？”产生的问题。该团队还在流程中添加了 3 个边缘状态；当它上线后，支持请求显着减少。教训：该模型是一个很好的“被遗忘的提醒”。
情况 3 — 冗余分支被拒绝。人工智能建议支付流程的分支，例如“加密货币选项”和“多地址管理”。这些不属于产品范围；设计师拒绝了这些建议。教训：并非模型的所有建议都会被接受；范围决定是人的，否则流程就会变得臃肿。
可复制的提示
您的角色：信息架构专家。将以下内容/功能列表分组为适合用户想法的类别。为每个类别提供一个简短的标签和一个用户将构建的问题短语。避免使用公司术语。最多使用 6 个父类别。列表：<<内容>>
检查此用户流程：<<步骤>>。1) 列出缺失的边缘情况（空闲状态、错误、超时、重新登录）。2) 标记似乎不必要或超出范围的步骤。3) 建议不适合用户语言的标签。为每个项目提供一句话理由。严格来说；说“必须检查”。
为以下任务绘制逐屏用户流程：“<<task>>”。格式：每个步骤 = 屏幕名称 > 用户操作 > 系统响应。用“IF...THEN”分隔决策点。显示至少 2 条错误路径以及正常路径。
将此菜单结构与卡片分组结果进行比较： 推荐结构：<<a>> 用户分组：<<b>>。在表格中显示不兼容的展示位置，并证明哪一个更接近用户的想法。
弱提示/强提示
弱：“给我写一个录音流。”
结果：没有边缘情况的通用步骤列表，仅包含快乐路径。
强：“为此任务绘制一个屏幕一个屏幕的流程；以‘屏幕 > 操作 > 系统响应’的格式给出每个步骤；在顺利路径旁边显示至少 2 个错误路径；使用 IF-THEN 分隔决策点。”
结果：具有可见边缘状态和分支的可行流程。
区别：要求强提示格式+错误路径命令式+决策点；这些使流程更接近现实世界。
常见错误
- 只是设计快乐的方式。用户最常陷入边缘情况；跳过它们是最昂贵的错误。
- 将企业术语纳入菜单。用户搜索“我的订单在哪里”，而不是“运营中心”。
- 无需卡片分组即可完成 IA。模型提案是假设；用户确认测试。
- 添加模型的每个流程建议。超出范围的分支会增加流量；拒绝也是一种决定。
- 根本不测试标签。您认为“可以理解”的标签可能对用户来说并不熟悉。
总之
信息架构和用户流程是产品的隐形骨架；用户体验的流畅性很大程度上来源于此。人工智能提出合理的类别结构、批评流，并且在捕捉被遗忘的边缘案例方面尤其强大。但标签是否与用户语言匹配是由卡片分组决定的，流的范围和分支的必要性是由人的判断决定的。使用模型作为起草者和评论家；你根据用户的想法来校准结构。
应用任务
- 列出产品的 8-10 个内容/功能，并使用第一个提示创建类别结构。
- 将每个类别翻译成用户的疑问句，并将那些混淆的组合起来。
- 选择一个任务并根据第三个提示逐屏绘制流程（至少有 2 个错误路径）。
- 根据第二个提示，批评流程，添加缺失的边缘情况，并删除不必要的步骤。
- 如果可能的话，将迷你卡与3-5人分组，并根据结果调整结构。
清单
- [ ] 我将类别翻译成用户语言并删除了行话。
- [ ] 除了快乐路径之外，我还在流程中画出了错误路径。
- [ ] 我用人工智能扫描了缺失的边缘情况并添加了它们。
- [ ] 我有意识地拒绝了超出范围的建议。
- [ ] 我通过卡片分组或用户测试来测试 IA 草案。
- [ ] 我用真实的用户词验证了标签。