|
人工智能和机器学习不仅为用户推动了数据驱动的个性化体验新范式，而且还为设计师创造了新的可能性。 1、降低研究门槛 人类面临着“数据速率问题”（data rate problem）。我们实际上无法像机器一样快速地处理信息，这意味着虽然研究的好处显而易见，但所需的时间和金钱使得越来越难以获得商业认可。有时，这种障碍会导致用户研究在设计过程中被完全忽略，从而导致令人沮丧或设计不佳的体验。 然而，借助自然语言处理，可以实时转录和分析数百个用户访谈。通过先进的图像检测，可以用任何语言轻松破译冗长的手写用户日记研究。使用语音识别、情绪分析和关键字提取，可以在个人档案级别快速汇总来自大型焦点小组的众多重叠见解。这不是人工智能取代设计工作，而是人工智能让我们更容易整理和解释数据。通过增强我们的能力，设计师可以更快地发现机会，并在此过程中更早地了解用户需求。 2、公正的角色 关于 AI 偏见的讨论很多，但我们大多数人没有意识到负责任的 AI 模型实际上可以帮助我们解决我们现有的人类偏见。英国设计行业有 79% 的男性和 86% 的白人，缺乏多样化的观点和生活经验会在不知不觉中影响我们创建的角色，进而影响我们构建的系统。然而，通过在我们为人们设计的方式中嵌入数据智能，我们可以确保没有人会因为文化假设而受到束缚。 统计分类方法允许 AI 模型根据数据点的特征预测数据点属于某个类别的概率，从而使这些模型成为角色创建和客户细分的有用工具。为了说明这一点，让我们看一下在线杂货服务。当现有客户浏览电子商务网站时，相关的可跟踪用户行为可用于在无监督学习下训练模型。通过从端到端用户旅程的数据点中学习，并将这些与用户的个人特征联系起来，AI 可以识别集群和模式：密码忘记者、家庭购物篮构建者、优惠券爱好者等。此外，使用分类方法 例如“K-最近邻”算法 (k-NN)，新注册的客户甚至可以通过将他们与数据库中已有的相似客户的接近度进行比较来进一步分类。这些是我们受 AI 影响的人物角色：活生生的、呼吸的、最新的、基于行为的分组代表了我们对观众的更准确的看法。 3、体验测量 服务设计师在当今商业环境中面临的最大挑战之一是衡量和量化像体验这样无定形的事物的价值。但通过与工程师密切合作，我们可以训练模型来分析体验中的数据点，并实时生成服务的当前状态体验评分。 体验很复杂。以优步等叫车服务为例，深度学习算法将从一系列变量中学习，例如新的每日帐户注册、平均等待时间、新打开的支持案例、司机星级，甚至检测到的语气 评论中的声音。像这样的智能评分系统可以实时衡量体验，并了解客户不断变化的需求和期望是否得到满足。 此外，人工智能推荐系统可以使用协同过滤技术，根据可比客户准确预测客户最有可能喜欢的体验元素。然后可以使用这些机器输出来相应地调整每个客户的数字体验，看看它是否会产生更好的体验分数。总的来说，对服务运行情况的数据驱动可见性使它成为业务决策的智能工具，设计人员可以绘制新的服务改进图，开发人员可以确定功能积压工作的优先级。物超所值的三重奏！毫无疑问，人工智能给设计师带来的最大优势是能够更快地学习，这在当今世界的速度下至关重要。 |
|
|
