跳到正文
1月10日周五
  1. usability.de · UX 研究实践42

    Green UX:UX 设计师如何通过界面决策与数字助推改善环境

    UX 设计师作为数字世界的“决策建筑师”,能够通过用户界面元素影响用户在环保方面的选择,进而对气候产生积极影响。数字化生活已深度渗透日常,2019年 ARD & ZDF 的在线研究显示,约70%的德国人每天使用互联网,而在14至29岁群体中这一比例高达98%。从购买火车票到查询天气,越来越多的行为通过 App 或语音助手完成,这意味着界面设计直接塑造了数百万人的日常决策路径。在气候变化日益紧迫的背景下——如2018年德国经历热浪、风暴和干旱,Germanwatch e.V. 在《全球风险指数2020》中将德国列为受影响最严重的三个国家之一——UX 设计师的角色超越了传统可用性范畴,延伸至环境责任领域。尽管个人年均 CO2 排放量在德国仍高达8.9吨(2016年数据),远超 WBGU 特别报告建议的1.8–2.7吨气候友好型年度预算,但通过精心设计的数字干预,仍可引导用户向更可持续的行为靠拢。 最直接且有效的绿色 UX 实践是开发专门旨在节约资源、减少排放或降低污染的网站与应用。例如,Too Good To Go 应用允许餐饮商家以较低价格出售剩余食物,用户可在线预订并按时取货,从而显著减少食品浪费;Replace Plastic 应用则让用户扫描塑料包装产品后自动向制造商发送邮件,推动减少塑料使用;Enyway 平台连接风力或太阳能发电设施运营者与消费者,实现绿电直购。这些案例表明,当产品核心业务本身具备环保属性时,UX 设计的作用在于优化匹配效率与用户体验,放大其正面环境影响。此类项目曾在2019年11月14日汉诺威世界可用性日上展示,体现了行业对绿色数字解决方案的关注。 然而,并非所有网站的核心业务都与环境保护直接相关。此时,“数字绿色助推”(Digital Green Nudging)成为一种关键策略。Nudging 意为“轻推”,指设计师在界面中嵌入特定机制,以非强制方式引导用户做出更环保的选择。其理论基础在于人类常依赖启发式规则(heuristics)进行快速决策,尤其在时间压力或信息复杂情境下。例如,锚定效应(Ankerheuristik)显示,当慈善机构提供20€、30€、50€及自定义金额选项时,用户捐赠额普遍高于仅提供5€、10€、20€选项的情况,因为较高预设值成为心理锚点。类似地,默认设置(Defaults)利用用户对现状偏差(Status Quo Bias)的倾向,将环保选项设为默认状态,除非用户主动更改,否则系统维持该选择。此外,良好的映射(Mapping)可将抽象的环境后果与具体操作直观关联,帮助用户理解其行为影响。 值得注意的是,UX 设计师的影响被界定为“至少一点点改善世界”,并未承诺系统性变革或量化减排成果。所有提及的工具、数据与研究均限于德国语境及部分国际案例,未扩展至全球适用性。同时,内容发布于2020年1月10日,所引政策背景如欧洲议会于2019年11月28日宣布气候紧急状态、Fridays For Future 运动等,均为当时现实而非预测。因此,绿色 UX 的价值在于现有数字生态中的渐进式行为引导,而非颠覆性技术突破。从业者应聚焦于如何在各自产品中识别可植入助推机制的关键节点,结合真实用户行为数据验证效果,避免将相关性误读为因果性。

9月5日周二
  1. usability.de · UX 研究实践38

    面向对话式界面的以用户为中心设计方法与实践

    构建实用且易用的对话式界面(CUIs),关键在于将传统以用户为中心的设计原则严格应用于语音或文本交互,而非仅依赖技术堆砌。当前许多虚拟助手虽承诺简化操作,但常出现类似 Microsoft Clippy 的干扰性交互,缺乏对基本可用性原则的遵循。针对这一痛点,特别是在为医生等专业人士设计辅助系统时,由于交互焦点从图形界面转向纯语言对话甚至无屏幕互动,设计团队需调整方法论与工具链,确保在早期阶段深入理解用户的真实需求与使用语境。 在用户研究阶段,首要任务是明确对话上下文及典型的用户提问方式。研究人员通过“情境访谈”在用户的自然工作环境中进行观察和询问,以解决关于输入输出模态的关键问题:例如,判断在公共空间高效工作时是否更适合文本聊天机器人,或者当用户双手被占用时语音控制是否更为必要,同时评估结合屏幕与语音的混合模式。若情境访谈实施困难,“奥兹国巫师实验”可作为替代方案,由真人模拟系统回复,从而低成本洞察用户心智模型,判断其倾向于给出具体指令还是开放式的目标导向查询。这些早期发现对于确定交互形式至关重要。 策略制定环节要求将研究成果转化为具体的对话策略,并确保 CUIs 无缝融入整体用户旅程。利用“体验地图”,项目相关方可共同可视化并评估用户与企业的所有触点,识别典型工作流程中的痛点以及 CUIs 的定位。鉴于虚拟助手常被用户感知为具有人格特质的实体,其性格设定需尽早确立。例如,营销领域的 Bot 可能表现得更具进攻性,而医疗软件中的数字助手则应保持克制。为此,可采用“Bot Personas”方法,借鉴传统 Persona 建模思路,定义系统的基本对话原则和典型行为特征,以确保其形象符合品牌定位。 在设计执行层面,原型制作依然是核心手段,旨在让用户体验尽早可感。然而,传统原型工具多针对视觉界面优化,难以直接支持多模态对话设计。初期可通过“设计工作室工作坊”,由团队成员共同勾勒关键对话脚本,而非绘制视觉稿。随后,利用 Sayspring 等新兴对话式原型工具补充 Axure RP Pro 等传统工具的不足,创建数字化原型以测试概念。同时,设计团队需与开发伙伴紧密合作,提前探索语音识别与人工智能的技术边界。尽管 CUIs 潜力巨大但仍处发展初期,持续结合情境访谈、体验地图等经典方法与 Bot Personas、新式原型工具等新实践,是打造卓越对话体验的有效路径。