优界网

首页 > 产品经理 > 产品交互的良性循环

产品交互的良性循环

31

0

0

2015-05-14 17:58:16

萤火

分享一下,又不会怀孕!

本作品为转载作品,版权为作品原作者所有,感谢上传者的分享!

用户与产品之间的相互可以看成是双向线性的过程,手机上输入字母“d”和界面输出显示是一次短交互,完成一次购物支付是长交互,这是使用一次产品过程中。用户体验考量的是用户使用产品的全过程,这个过程包括了从安装到放弃使用的时间轴,交互的良性循环的优秀用户体验的表现。

简单以推荐引擎为例来说明各元素是如何在时间轴上发挥作用的:

初始化。基于群体特征和用户的相关程度,将相似用户喜好的其他物品推荐给用户。在用户对产品还没有发生行为时,用户填写的个人信息(性别、年龄和收入等)可以作为初始化推荐。

内容推荐。单个用户选择某一物品,系统基于物品的元数据推荐相似的产品。这是用户个体行为对数据的过滤,当用户多次行为之后,系统可以大概估计对用户的喜好。用户的历史行为会不断影响后续推荐,形成用户和系统之间的交互循环。

协同过滤。基于用户行为发现物品的相关性。内容推荐是单个用户对系统数据的过滤,而协同过滤是基于多个用户行为的交叉结果,所以依赖于其他用户行为数据量准确度。

IMG_0115

输入法的字词联想也可以看出一个推荐引擎。当打入字母“da”,系统从词库挑选出“da”目录下的汉字“大/达/打……”,“大”字上屏之后,系统联想与“大”组词概率比较大的字“家/学/概……”。这些联想词最早可能是从字典中筛选出来的,如用户选择了“概”字,“概”会被系统加权,下次对“大”联想时更靠前显示。用户输入词组“dagai”,选择“大概”上屏,也是对“概”字的加权。

如用户输入“daniu”,选择了“大牛”上屏,而系统词库中没有这个词组,属于用户自造词。如用户分别输入“da”和“niu”并上屏,系统智能分析“大”和“牛”有组词的概率,有可能用户下次输入“大”字,系统会联想到“牛”。

baidu

联想的交互是单个用户对系统词库的内容过滤,初始词库可以逐渐形成个性词库。如果是云端输入法,系统可以实时获得所有用户的输入字词,词库的更新频率更快,满足用户个性词库的同时也能更新最新流行词,这是多个用户对词库的协调过滤。

用户自造词会降低部分词汇的出现概率,系统甚至会从词库中删除这些词汇。从输入法的例子中可以看出用户行为是如何影响系统和其他用户,历史行为影响新的行为,实现不断的交互循环。

纯银的“显性内容决定论”可以理解为:优质用户产生优质内容,优质内容吸引优质用户,内容决定产品的魅力和气场。从系统设计的观点看,用户行为可以看成系统数据的一部分,优秀用户的行为和优质内容是同质化数据。它们之间的频繁交互是优化内容数据的组织形式,再不断向外扩展生成和吸收同质数据,版本迭代是滚雪球式的数据扩展。

如此看来,产品架构需要考虑是如何增加数据量、组织数据和数据扩展的良性循环。

2

切客的勋章

以手机LBS为例,增加数据量的方法简单分为三种:用户输入、导入数据和商家发布信息。需求驱动用户主动使用,LBS的勋章激励机制是引导用户行为,优惠券是刺激用户需求。用户的签到行为如果无法加以利用的话,可以认为是不断输入垃圾信息。但签到的位置、签到商家的类型和频繁程序都是可以加以分析,便于后期向用户推荐有效信息和组织用户之间的联系。

每次循环都会影响到后续的产品质量,“小步快跑”的道理也在此,用户对于产品的感受也是不断增强,但也可能达到饱和。使用豆瓣电台选择喜欢听的音乐,累计听歌近两万首时,电台猜中概率明显降低。原因可能是:

  1. 已经遍历各种音乐,难以发现新歌曲,个人输入行为已经趋向于饱和。
  2. 没有文艺范,不是目标用户群,对音乐缺乏探索。
  3. 听到不喜欢的音乐时,可能会连续点击十次下一首,最后无奈关掉电台,对于用户的隐性反馈缺乏理解。

以思维导图式的方式理解产品会缺乏组织性,循环是产品架构的初级概念之一,以时间轴去安排产品设计的优先级。

源地址:http://daichuanqing.com/i……5e7%258e%25af

已有0人赞过

+1赞

认真评论的都成大咖了

还可输入1000个字

我要评论 我要评论
  • 刚刚
  • 登录优界网 ×