Ланч-тайм 297: краткий
перевод свежих статей о digital
В номере: уроки UX от Big Sur и разработка алгоритм-френдли интерфейсов
913
Уроки UX от Big Sur
У Big Sur от Apple есть проблемы, но давайте посмотрим на несколько интересных UX-решений.
User-first. Сначала пользователь
Уменьшили акцент на пользовательском интерфейсе, чтобы сосредоточить внимание на пользовательском контенте. Кнопки и элементы управления появляются, когда это необходимо, и исчезают, когда нет. Границы и лицевые панели были смягчены или удалены.
Интерфейс служит пользователю, а не привлекает к себе внимание. Удалите визуальную сложность и увеличьте соотношение сигнал / шум.
User-first. Сначала пользователь
Уменьшили акцент на пользовательском интерфейсе, чтобы сосредоточить внимание на пользовательском контенте. Кнопки и элементы управления появляются, когда это необходимо, и исчезают, когда нет. Границы и лицевые панели были смягчены или удалены.
Интерфейс служит пользователю, а не привлекает к себе внимание. Удалите визуальную сложность и увеличьте соотношение сигнал / шум.
Конфиденциальность и прозрачность
В Safari добавлены предотвращение отслеживания и прозрачность. Новая информация о конфиденциальности в AppStore, как этикетка на пищевых продуктах, позволяет увидеть сводную информацию о методах обеспечения конфиденциальности каждого приложения перед его загрузкой.
Ставьте конфиденциальность и прозрачность на первое место. Это в лучших интересах вашего пользователя.
В Safari добавлены предотвращение отслеживания и прозрачность. Новая информация о конфиденциальности в AppStore, как этикетка на пищевых продуктах, позволяет увидеть сводную информацию о методах обеспечения конфиденциальности каждого приложения перед его загрузкой.
Ставьте конфиденциальность и прозрачность на первое место. Это в лучших интересах вашего пользователя.
Подробная информация о ключевых рабочих процессах
У Apple явно была цель улучшить приложение «Сообщения». Теперь есть закрепленные разговоры, улучшенный поиск, встроенные ответы, упоминания и возможность поиска GIF. Они знают, что сообщения являются важной частью их платформы.
Инвестируйте время и усилия в улучшение ключевых задач и процессов в вашем продукте. В конце концов, это окупится.
У Apple явно была цель улучшить приложение «Сообщения». Теперь есть закрепленные разговоры, улучшенный поиск, встроенные ответы, упоминания и возможность поиска GIF. Они знают, что сообщения являются важной частью их платформы.
Инвестируйте время и усилия в улучшение ключевых задач и процессов в вашем продукте. В конце концов, это окупится.
Единообразие сервисов
Изменения в Центре управления и Центре уведомлений призваны обеспечить согласованность в экосистеме. Также появилась новая унифицированная линейка символов.
Сохраняйте последовательность и придерживайтесь собственных стандартов. Это снижает когнитивную нагрузку, делает пользовательский интерфейс доступным для изучения и дает ощущение знакомства и уверенности.
Изменения в Центре управления и Центре уведомлений призваны обеспечить согласованность в экосистеме. Также появилась новая унифицированная линейка символов.
Сохраняйте последовательность и придерживайтесь собственных стандартов. Это снижает когнитивную нагрузку, делает пользовательский интерфейс доступным для изучения и дает ощущение знакомства и уверенности.
Видимость состояния системы
Несколько обновлений и стандартизаций были внесены в пользовательский интерфейс верхнего уровня, включая Центр управления, виджеты, Spotlight и Центр уведомлений. Эти изменения делают состояние системы понятным, легким для поиска и настраиваемым.
Быстрый доступ к общим системным элементам управления и информации делает интерфейс надежным и предсказуемым и вызывает доверие.
Несколько обновлений и стандартизаций были внесены в пользовательский интерфейс верхнего уровня, включая Центр управления, виджеты, Spotlight и Центр уведомлений. Эти изменения делают состояние системы понятным, легким для поиска и настраиваемым.
Быстрый доступ к общим системным элементам управления и информации делает интерфейс надежным и предсказуемым и вызывает доверие.
Придерживайтесь того, что вам знакомо
При переделке значков док-станций Apple сознательно пыталась сохранить индивидуальность оригинала. Также есть много новых звуков пользовательского интерфейса, которые были буквально созданы на основе фрагментов оригиналов, так что они казались знакомыми.
Делая редизайн, помните о предвзятости к знакомству: люди предпочитают то, что им знакомо. Лучше развивать то, что у вас есть, а не создавать совершенно новый опыт.
При переделке значков док-станций Apple сознательно пыталась сохранить индивидуальность оригинала. Также есть много новых звуков пользовательского интерфейса, которые были буквально созданы на основе фрагментов оригиналов, так что они казались знакомыми.
Делая редизайн, помните о предвзятости к знакомству: люди предпочитают то, что им знакомо. Лучше развивать то, что у вас есть, а не создавать совершенно новый опыт.
Четкая визуальная обратная связь
Док и панель меню имеют новый интерфейс, который позволяет вам настраивать, где отображаются элементы управления. Метод, который они используют, чтобы визуально показать пользователю, что именно произойдет, не только радует, но и является очень эффективной формой общения.
Ясно сообщайте о последствиях решений, желательно визуально.
Док и панель меню имеют новый интерфейс, который позволяет вам настраивать, где отображаются элементы управления. Метод, который они используют, чтобы визуально показать пользователю, что именно произойдет, не только радует, но и является очень эффективной формой общения.
Ясно сообщайте о последствиях решений, желательно визуально.
Вывод: учитесь у технических гигантов! Перевели, чтобы вы сэкономили минут 15.
914
Разработка алгоритм-френдли интерфейсов
Дизайнер должен хорошо разбираться в своих материалах. В прошлом это означало понимание нюансов свойств древесины, металлов, печатных машин и, в конечном итоге, пикселей. Современные цифровые дизайнеры должны работать с гораздо более нематериальным материалом — алгоритмом.
Когда-то они были сравнительно простыми наборами правил, которым приложение следовало для выполнения задач, таких как отображение сообщений людей, на которых вы подписаны. Теперь с помощью искусственного интеллекта они превратились в бесконечно сложные фрактальные процессы, зачастую за пределами человеческого понимания.
Ориентированного на пользователя дизайна уже недостаточно, интерфейсы будущего должны быть простыми для использования людьми и простыми для анализа алгоритмами.
Потребности алгоритмов
Алгоритмы отвечают за большую часть контента, отображаемого в наших цифровых продуктах: сообщения в социальных сетях, предложения покупок в корзине и рекомендации по фразам в электронных писем. Им удается показать нам, что мы хотим и когда хотим — как полезный помощник или продавец в магазине.
Самопровозглашенный «гуманист-технолог» Джон Маэда объясняет их цель в своей последней книге, сравнивая ее с японским обычаем «омотенаси»: предвосхищать, чего хочет покупатель, не спрашивая.
Однако алгоритмы — это не соло. Для достижения успеха они должны гармонично сочетаться с продуманно созданными интерфейсами.
Цель и процесс
Большинство алгоритмов сосредоточено на автоматическом обнаружении закономерностей в данных и последующем предоставлении соответствующих рекомендаций. Этот процесс достигается путем объединения определенного набора данных с измерениями анализа для создания того, что называется моделью. Затем он тренируется, постоянно вводя все больше данных, что приводит к теоретическим улучшениям. Вывод часто используется для персонализации продукта — происходит настройка опыта каждого пользователя.
Больше персонализации в пользовательском опыте обычно означает большую релевантность для пользователей, что приводит к более высоким коэффициентам конверсии.
Это объясняет, почему данные — это новое золото. Но оригинальность ценностных предложений большинства компаний означает, что надежный общедоступный набор данных для эффективного обучения их моделей редко бывает в наличии.
Когда-то они были сравнительно простыми наборами правил, которым приложение следовало для выполнения задач, таких как отображение сообщений людей, на которых вы подписаны. Теперь с помощью искусственного интеллекта они превратились в бесконечно сложные фрактальные процессы, зачастую за пределами человеческого понимания.
Ориентированного на пользователя дизайна уже недостаточно, интерфейсы будущего должны быть простыми для использования людьми и простыми для анализа алгоритмами.
Потребности алгоритмов
Алгоритмы отвечают за большую часть контента, отображаемого в наших цифровых продуктах: сообщения в социальных сетях, предложения покупок в корзине и рекомендации по фразам в электронных писем. Им удается показать нам, что мы хотим и когда хотим — как полезный помощник или продавец в магазине.
Самопровозглашенный «гуманист-технолог» Джон Маэда объясняет их цель в своей последней книге, сравнивая ее с японским обычаем «омотенаси»: предвосхищать, чего хочет покупатель, не спрашивая.
Однако алгоритмы — это не соло. Для достижения успеха они должны гармонично сочетаться с продуманно созданными интерфейсами.
Цель и процесс
Большинство алгоритмов сосредоточено на автоматическом обнаружении закономерностей в данных и последующем предоставлении соответствующих рекомендаций. Этот процесс достигается путем объединения определенного набора данных с измерениями анализа для создания того, что называется моделью. Затем он тренируется, постоянно вводя все больше данных, что приводит к теоретическим улучшениям. Вывод часто используется для персонализации продукта — происходит настройка опыта каждого пользователя.
Больше персонализации в пользовательском опыте обычно означает большую релевантность для пользователей, что приводит к более высоким коэффициентам конверсии.
Это объясняет, почему данные — это новое золото. Но оригинальность ценностных предложений большинства компаний означает, что надежный общедоступный набор данных для эффективного обучения их моделей редко бывает в наличии.
Алгоритмическая обратная связь
Петли обратной связи и сигналы
Чтобы обучить новую модель, многие компании должны действовать так, чтобы превратить свой продукт в механизм сбора данных, который одновременно использует результаты для самосовершенствования. В этом цикле обратной связи соответствующие действия пользователя отслеживаются как сигналы данных: от нажатия кнопок, жестов или даже полного отсутствия действий.
Тот факт, что пользователь задерживается на определенном изображении дольше, чем остальные, может означать, что он заинтересован в нем. Или тот факт, что он начал что-то печатать, а затем ушел и оставил поле незавершенным, указывает на сомнения.
Хорошо продуманное взаимодействие интуитивно понятно, но также отделяйте сигнал от шума.
Удобный для алгоритмов дизайн
Термин «алгоритм-френдли дизайн» был придуман Юджином Вей, руководителем продуктов, ранее работавшим в Amazon, Hulu и Oculus, для описания интерфейсов, которые эффективно помогают в обучении модели.
Бесчисленное множество взаимодействий, которые существуют исключительно для измерения настроений пользователей, таких как голосование против Reddit или прокрутка карт в Tinder — они бесполезны по отдельности, но очень ценны для алгоритмов.
Инновационный интерфейс TikTok
По мере того, как искусственный интеллект претерпевает головокружительные успехи в соответствии с законом Хуанга, появляются более элегантные дизайнерские решения, развивающие парадигму обеспечения алгоритмической наглядности. Самый мифический алгоритм сегодняшнего дня — TikTok, который использовал свой интерфейс, чтобы быстро получить доступ к пользовательским данным для получения рекомендаций по высококонкурентному контенту. Как это ни парадоксально, но он сделал это, применив один из смертных грехов дизайна: добавив замедление.
Чтобы обучить новую модель, многие компании должны действовать так, чтобы превратить свой продукт в механизм сбора данных, который одновременно использует результаты для самосовершенствования. В этом цикле обратной связи соответствующие действия пользователя отслеживаются как сигналы данных: от нажатия кнопок, жестов или даже полного отсутствия действий.
Тот факт, что пользователь задерживается на определенном изображении дольше, чем остальные, может означать, что он заинтересован в нем. Или тот факт, что он начал что-то печатать, а затем ушел и оставил поле незавершенным, указывает на сомнения.
Хорошо продуманное взаимодействие интуитивно понятно, но также отделяйте сигнал от шума.
Удобный для алгоритмов дизайн
Термин «алгоритм-френдли дизайн» был придуман Юджином Вей, руководителем продуктов, ранее работавшим в Amazon, Hulu и Oculus, для описания интерфейсов, которые эффективно помогают в обучении модели.
Бесчисленное множество взаимодействий, которые существуют исключительно для измерения настроений пользователей, таких как голосование против Reddit или прокрутка карт в Tinder — они бесполезны по отдельности, но очень ценны для алгоритмов.
Инновационный интерфейс TikTok
По мере того, как искусственный интеллект претерпевает головокружительные успехи в соответствии с законом Хуанга, появляются более элегантные дизайнерские решения, развивающие парадигму обеспечения алгоритмической наглядности. Самый мифический алгоритм сегодняшнего дня — TikTok, который использовал свой интерфейс, чтобы быстро получить доступ к пользовательским данным для получения рекомендаций по высококонкурентному контенту. Как это ни парадоксально, но он сделал это, применив один из смертных грехов дизайна: добавив замедление.
Сравнение алгоритмической видимости
Такое дизайнерское решение , как показывать только одно полноэкранное видео за раз, четко локализует все сигналы о том, как контент был получен. Сравните это с путаницей отвлекающих факторов вокруг контента в ленте Instagram, и легко увидеть разницу в способности собирать достоверные данные что объясняет Instagram Reels.
В большинстве каналов мы можем пролистывать с разной степенью интенсивности, что позволяет нам мгновенно пропустить тонны контента, не сообщая алгоритму, почему. Это завершает анализ:
Ограничение взаимодействия прокрутки делает его очень эффективным интерпретатором настроений пользователей. Настоящая прелесть этого решения заключается в его невидимой кнопке отрицательного голоса: смахивание можно считать отрицательным сигналом в сочетании с отсутствием положительного взаимодействия.
Замедление устраняет замедление
Хотя это дизайнерское решение изначально добавляет замедление, со временем становится все наоборот. Улучшенная персонализация в конечном итоге сокращает количество требуемых повторяющихся действий благодаря повышенному проценту хороших данных. В этом свете традиционный подход на самом деле кажется гораздо более громоздким, как на примере Twitter: если бы алгоритм был более умным в отношении того, что вас интересовало, он должен был позаботиться о том, чтобы отключать темы или блокировать людей от вашего имени, без необходимости выполнять эту работу самостоятельно.
Хорошо спроектированный процесс адаптации может легко свести к минимуму ощущение предварительных трений, пока не сработает порог персонализации.
Алгоритмический эффект наблюдателя
Многие с большим подозрением относятся к тому, как приложения злоупотребляют данными и манипулируют поведением. Осведомленность об алгоритмическом взгляде меняет вовлеченность пользователей: некоторые люди могут нерешительно нажимать определенные кнопки, опасаясь, что их сигналы будут использованы неправильно, в то время как другие могут предпринять лишние действия, чтобы сбить с толку любопытные алгоритмы.
Если пользователи не доверяют продукту, продукт не может доверять своим данным.
Как представить алгоритм
Клифф Куанг, бывший директор по инновациям в продуктах Fast Company, взял интервью у команды Microsoft, ответственной за внедрение ИИ в PowerPoint, они поделились ключевой мыслью: «если человек не почувствует какую-то связь с машиной, он никогда не даст ей возможность нормально работать после того, как она сделает хотя бы одну ошибку».
Это понимание пришло из сравнения полностью автономных виртуальных помощников с другими, которые взяли начальное руководство, прежде чем давать независимые предложения. Оказывается, пользователи доверяют алгоритмическому опыту, который они помогают обучать, что имеет большой смысл, потому что наша оценка часто является субъективной, а первоначальные предложения имеют меньше пользовательских предпочтений для обоснования.
Позволяя людям принимать первоначальные решения, мы удовлетворяем наши эмоциональные потребности, в то же время давая модели достаточно времени для обучения.
В большинстве каналов мы можем пролистывать с разной степенью интенсивности, что позволяет нам мгновенно пропустить тонны контента, не сообщая алгоритму, почему. Это завершает анализ:
- Был ли этот контент прокручен слишком быстро для регистрации?
- Предварительный просмотр был только частично в кадре?
- Был ли отвлекающий контент сверху или снизу
Ограничение взаимодействия прокрутки делает его очень эффективным интерпретатором настроений пользователей. Настоящая прелесть этого решения заключается в его невидимой кнопке отрицательного голоса: смахивание можно считать отрицательным сигналом в сочетании с отсутствием положительного взаимодействия.
Замедление устраняет замедление
Хотя это дизайнерское решение изначально добавляет замедление, со временем становится все наоборот. Улучшенная персонализация в конечном итоге сокращает количество требуемых повторяющихся действий благодаря повышенному проценту хороших данных. В этом свете традиционный подход на самом деле кажется гораздо более громоздким, как на примере Twitter: если бы алгоритм был более умным в отношении того, что вас интересовало, он должен был позаботиться о том, чтобы отключать темы или блокировать людей от вашего имени, без необходимости выполнять эту работу самостоятельно.
Хорошо спроектированный процесс адаптации может легко свести к минимуму ощущение предварительных трений, пока не сработает порог персонализации.
Алгоритмический эффект наблюдателя
Многие с большим подозрением относятся к тому, как приложения злоупотребляют данными и манипулируют поведением. Осведомленность об алгоритмическом взгляде меняет вовлеченность пользователей: некоторые люди могут нерешительно нажимать определенные кнопки, опасаясь, что их сигналы будут использованы неправильно, в то время как другие могут предпринять лишние действия, чтобы сбить с толку любопытные алгоритмы.
Если пользователи не доверяют продукту, продукт не может доверять своим данным.
Как представить алгоритм
Клифф Куанг, бывший директор по инновациям в продуктах Fast Company, взял интервью у команды Microsoft, ответственной за внедрение ИИ в PowerPoint, они поделились ключевой мыслью: «если человек не почувствует какую-то связь с машиной, он никогда не даст ей возможность нормально работать после того, как она сделает хотя бы одну ошибку».
Это понимание пришло из сравнения полностью автономных виртуальных помощников с другими, которые взяли начальное руководство, прежде чем давать независимые предложения. Оказывается, пользователи доверяют алгоритмическому опыту, который они помогают обучать, что имеет большой смысл, потому что наша оценка часто является субъективной, а первоначальные предложения имеют меньше пользовательских предпочтений для обоснования.
Позволяя людям принимать первоначальные решения, мы удовлетворяем наши эмоциональные потребности, в то же время давая модели достаточно времени для обучения.
Прозрачность как стратегия
Решение TikTok сделать свои алгоритмические взвешивания общедоступными, добавив количество просмотров к хэштегам и используя проблемы с контентом — это круто. Это побуждает создателей, надеющихся получить огромные просмотры, согласовывать усилия с тем, что расширяет сервис. Такое поведение когда-то называлось игровым алгоритмом, но успех этой стратегии должен обратить вспять этот негативный оттенок. Если пользователи охотно заполняют пробелы в наборах данных, когда их цели совпадают, мы должны называть это сотрудничеством.
Если алгоритмы черного ящика дают нам пузыри фильтров, возможно, прозрачные алгоритмы могут их взорвать.
Решение TikTok сделать свои алгоритмические взвешивания общедоступными, добавив количество просмотров к хэштегам и используя проблемы с контентом — это круто. Это побуждает создателей, надеющихся получить огромные просмотры, согласовывать усилия с тем, что расширяет сервис. Такое поведение когда-то называлось игровым алгоритмом, но успех этой стратегии должен обратить вспять этот негативный оттенок. Если пользователи охотно заполняют пробелы в наборах данных, когда их цели совпадают, мы должны называть это сотрудничеством.
Если алгоритмы черного ящика дают нам пузыри фильтров, возможно, прозрачные алгоритмы могут их взорвать.
Вывод: алгоритмам по-прежнему нужны люди. Директор Spotify по исследованиям и разработкам Густав Содерстрём поговорил с Лексом Фридманом о том, как определить ожидания пользователей в отношении рекомендаций по песням. Когда люди находятся в режиме открытия (чувствуют себя достаточно смелыми для сомнительных предложений), Spotify использует машинное обучение. Но в контекстах с небольшим допуском на ошибку они по-прежнему полагаются на кураторов-людей, потому что они превосходят алгоритмы. Чтобы масштабировать эти усилия, они разработали симбиотические отношения, названные «алгоритмическими», где алгоритм следует примеру человека — звучит знакомо? Это приятное напоминание о незаменимости человечества. Перевели, чтобы вы сэкономили час-другой.
Доброй пятницы! А еще скоро лето :) Скоро-скоро будет лето...