UX对AI来说难在哪,还有多久被替代?
The following article is from 体验进阶 Author 设计师ZoeYZ
上次发了一篇用 Midjourney 设计UI的文章:我用Midjourney设计app,结果出乎意料
结果发现还是很多细节问题,不过 Midjourney 毕竟主要用来画画的,UI 做得不到位也很正常。
许多公司已经开始研究UI设计的AI了,UI岗位还是岌岌可危的。
但是话又说回来,咱们毕竟是个专门探讨体验设计的公众号,我更关心的是,AI有没有可能替代UX设计师呢?
其实这个事情早有苗头!
我之前在文章中,介绍了一款能够在 3-5 秒生成生成眼动图的 AI 工具 Attention Insight,据说精确度可以达到 90%:
这似乎让我看到了一点儿希望,但还不够。
要想知道 AI 是不是真的能够胜任UX工作,可以从UX设计的本质来判断——AI 能够理解并处理人类的认知模型。
这让我回想起,自己在学人机交互(HCI)时,第一节课学到的那个认知模型——Norman's Action Circle。P.S. 实在是找不到标准的翻译,咱就姑且叫做「诺曼行为循环」吧。
这张图解释了一个人(用户)使用产品时,不断循环的认知与行为过程。
看不懂没关系,我们慢慢解释,同时看看AI是否能做到。
咱们就以订外卖的场景为例好了,这样比较容易理解。
1.目标 Goal
目标就是说,用户拿起手机打开这个app的目的是啥。
这次的目的看似很好理解,「订外卖」嘛,不管是人类还是AI都好理解。
但如果你以为就这三个字,那么你就跟那位不说清楚需求一问三不知的甲方没区别了。
其实订外卖这么个简单目的的背后有很多隐藏条件的,例如:
最好是自己吃过且喜欢的 如果没吃过,评分和图片要好 距离不要太远 价格要在能够接受的范围 要根据我今天的口味喜好 ……
如果是人类的设计师,可以假想如果自己要订外卖会怎样,以实现基本的预测。
但对于AI来说,如果不预设模型或者提供样本,这些隐藏条件也许可以模拟到“乍眼一看合理的程度”,但很难想得比较清楚透彻。
2. 意图 Intention
把想订什么外卖想清楚后,接下来就会产生行为意图。
想清楚具体吃什么 → 去搜索 没想清楚具体吃什么 → 看推荐 有想吃的某种类别 → 看分类 吃上次吃过那家忘记名字的 → 翻订单 ……
这一步,我认为AI是比较好判断的,因为不管是什么产品,搜寻信息的方式不外乎哪几种:搜索、推荐和记录。
而且,这里人类设计师很容易忘掉某一种可能性——例如你只想起可以搜索和浏览首页,忘记了也许有人还想要通过订单记录来再次点单。
但是AI也不是就没有问题——AI不确定哪种行为意图的可能性最高。例如AI可以列出一大堆可能的行为意图,例如:搜索、推荐、分类、订单、收藏……但是难以判断哪种可能性是最高的,这也是因为前面目标判断哪一步不够清晰的原因。
3.搜寻 Action Spesification
P.S. 因为没有很好的直译方式,所以这里采用意译。
明确了意图后,就要在屏幕上搜寻操作需要的功能。
具体如何搜寻,这个是有经验模型的,例如:
搜索框——通常在顶部或者右上角 推荐列表——通常从首页下半部开始 分类——通常在中上部有分类图标 订单——通常在「我的」tab,底导航右侧或其它头像的地方
当然,这个经验模型有多深刻,得看这个用户使用相关app多不多。如果是刚开始用的儿童或者学习能力差的老年人,那就不管用了。这些暂且不管,只考虑有一定经验的用户。
这个经验模型对AI来说应该不难,因为AI可以轻易学习成千上万的app和界面,竞品调研都省了。对什么功能一般放到哪里,反而比一般的设计师强多了。
4.操作 Execution
在界面上找到需要的功能,那么就可以开始操作了:
搜索框——点击后,用键盘输入 推荐列表——往下滑 分类——点击分类后往下滑 订单——点击进入「我的」,找到「订单」
表面上,AI也是可以理解的,无非是按钮/文本框要点击、打字要用键盘、列表要滑动嘛。
但也有AI不那么好理解的,例如手机操作哪里是最好点的、手指的移动轨迹怎样会比较方便、点击区域多大比较舒适……
当然,这些东西要是建模或提供数据给AI,也不是多难的事,但是目前确实没有看到具备相关能力的AI。
6.观察 Perception
你操作后,就会收到系统给你的反馈信息:
搜索后——出现搜索结果列表 推荐列表——出现很多菜品图片和店家列表 分类——出现店家列表 订单——出现订单列表
什么操作应该对应什么信息反馈,看似好像很简单,但其实这里面有很大的坑!
虽然都是列表,但具体展示什么信息才是最难的。
例如美团外卖,同一家店在不同地方的展示内容是不一样的:
显然,这个是考虑到了用户在不同场景的需求不同,例如:搜索时目标很明确所以需要详细的信息才好决策、首页需要更明确的推荐理由、分类页要确保所有商家都有对等的信息可以展示、订单页一定要展示菜品并且可以再来一单……
这又回到了第一步「目标」了,再次暴露出AI在理解人类的缺陷。
7.理解 Interpretation
这一步,就是要看懂反馈信息究竟是什么,途径无非是两种——图片和文字。
一般先扫一眼图、有兴趣就看标题、然后再是通过评分和推荐信息进一步判断……
先看什么再看什么,也许可以通过眼动模拟来实现。
可什么图会让人觉得很好吃?什么关键词看起来很有吸引力?什么评论看起来比较可信?这些可以通过大数据分析得出。
很多大厂都会通过A/B测试积累不小数据,例如58这篇文章:点击率翻倍的秘诀,被58设计师发现了
这么看来,理解这一块虽然缺少对目标的理解,但整体上还是可以依靠大数据来弥补。和人类设计师相比,至少是各有优劣,至少不会差。
8.评估 Evaluation
看了外卖列表的一项后,就会开始评估,这个要不要点这个。
具体怎么评估?这个显然是按照最开始的目标来的。
因为在打开外卖app之前,其实很多人潜意识里已经有非常明确的条件了,包括口味、店家、价格……
而看到信息后,就会有意或无意地按照这些条件来进行评估。
前面说过了,AI对目标的理解可能比较薄弱,所以评估这一款就比较难指望上了。
也就是说,可能一个看上去哪哪都好的设计,最后数据表现却很一般。
其实现在很多AI生成的图片都是这样,乍眼看去很能唬人,但仔细看却一堆问题。
例如错误的手:
例如过于干净的头发:
例如无法阅读的文字:
销售:要洞察人性,才能说服客户掏钱购买
管理:要洞察人性,才能获得手下的忠诚
运营:要洞察人性,才能让用户愿意参与
推荐阅读(点击标题跳转)