Недавнее быстрое развитие инструментов дизайна с использованием ИИ также привело к увеличению размышлений о роли дизайнера.
Ранее основными задачами дизайнера было напрямую разрабатывать экраны и создавать компоненты, однако теперь пришло время, когда ИИ может создать значительный уровень UI за короткое время. Наблюдая за тем, как ИИ всё больше создаёт правдоподобные экраны, естественным образом возникают такие вопросы.
"Если создание UI становится всё проще, то что же будет конкурентным преимуществом дизайнеров в будущем?"
К счастью, недавний проект стал опытом, в котором я мог на практике ощутить эти размышления. План экранов был создан с помощью ИИ, и я участвовал в проекте, проверяя эти экраны.
Сначала я думал, что это будет лишь проверка конечного качества UI, созданного ИИ. Однако по мере того, как я продолжал проверять, мой интерес естественным образом переместился с UI на структуру данных и пользовательский опыт.
Вдруг мне вспомнился инструмент операционных показателей, который я использовал в игровой компании. Несмотря на то что игры и образовательные услуги кажутся совершенно разными областями, с точки зрения оператора оказалось, что у них много общего. В играх управляют притоком новых пользователей, уровнем оттока и удержанием, в образовательных платформах — притоком учащихся, уровнем продолжительности курса и уровнем завершения. В конечном итоге обе услуги основаны на данных о поведении пользователей для принятия операционных решений, и в этом они имели удивительно схожую структуру.
Вспоминая тот опыт, в этот раз я начал смотреть на экран не только с точки зрения дизайнера, но и учесть перспективу реального оператора сайта.
- Какие данные оператор будет считать наиболее важными на этом экране?
- Хорошо ли представлены данные, чтобы оператор мог легко делать выводы?
- Не вызывает ли текущий способ визуализации у оператора иллюзии информации?
По мере проверки я начал думать, что проблема заключается не в самом UI, а в способе передачи данных.
Поэтому я хотел бы сначала поделиться несколькими примерами, которые я обнаружил, проверяя экраны, созданные ИИ.
Примеры улучшения воронки графика
Предыдущий график показывает экран воронки притока учащихся и отображает абсолютные значения по каждому этапу на основе общего числа притока. Однако на самом деле оператору больше интересно не "сколько людей пришло", а "на каком этапе происходит наибольшая утечка".
Например, когда первоначальный приток превышает 1 миллион, разница в числах на последующих этапах кажется относительно небольшой, поэтому было трудно быстро увидеть проблемный участок. Особенно, поскольку значение коэффициента конверсии было небольшим и отображалось справа, оператору приходилось перемещать взгляд, чтобы ознакомиться с ним, что создавало некоторые неудобства.
Таким образом, я предложил визуализировать не простой воронкой с учетом количественных показателей, а с фокусом на коэффициенты конверсии на каждом этапе и предложить пример экрана, и вы внесли изменения в этом направлении.
Таким образом, администратор сможет сразу увидеть, на каком этапе больше всего пользователей теряется, и быстрее определить приоритеты для улучшения.
Например, если коэффициент конверсии на этапе регистрации составляет 18%, то гораздо более важным операционным инсайтом будет то, что "82% целевой аудитории не продолжили процесс регистрации", чем простая цифра "220000 человек зарегистрировались".
График, который вместе отображается, в то же время мешает интерпретации.
На этот раз на экране представлены данные, обладающие различным характером, в одном графике.
Количество зарегистрированных студентов и уровень посещаемости — это важные показатели, но у них разные единицы измерения. Количество студентов — это абсолютное значение в сотнях, а уровень посещаемости — процентные данные в диапазоне от 0 до 100%. Если эти два показателя отобразить по одной оси, изменения относительно низкого значения уровня посещаемости почти не будут видны.
На самом деле с операционной точки зрения снижение уровня посещаемости с 95% до 80% может быть очень важным сигналом, но в текущем графике визуально уловить такие изменения трудно.
Таким образом, для таких случаев была предложена рекомендация либо разделить график, либо использовать двойную ось Y, чтобы каждый показатель можно было интерпретировать независимо.
Высокий уровень завершения курса обязательно означает хороший курс?
Наиболее сложным моментом в проекте были данные о завершении курсов.
На панели управления курсы с высоким уровнем завершения отображались на верхних позициях и казались наилучшими. Однако фактические операционные данные не так просты.
Например, курс A может иметь уровень завершения 96% при количестве студентов в 50 человек.
С другой стороны, курс B может иметь уровень завершения 60%, но количество студентов может составлять 500 человек.
Если смотреть только на уровень завершения, курс A выглядит превосходно, но фактическое количество завершивших курс гораздо больше в курсе B. Кроме того, результаты могут быть интерпретированы по-разному в зависимости от уровня сложности курса или операционной цели. Таким образом, если акцентировать внимание только на одном показателе, администратор рискует прийти к неправильному выводу.
Поэтому было принято решение, что более целесообразно оценивать не только уровень завершения курса, но и размер группы студентов, или предоставлять данные о фактическом числе завершивших курс.
Одиночный Рейтинг Данныеизда выявляют ловушки
Если есть курсы с рейтингом 4.9 и рейтингом 4.2, значит ли это, что курс с 4.9 является лучшим?
Если у курса с рейтингом 4.9 10 отзывов, а у курса с рейтингом 4.2 200 отзывов, то судить только по простым рейтингам будет трудно.
Из этих примеров я понял, что размещение данных на экране и создание понимания данных - это разные области, и необходимо учитывать, какое решение примет оператор, что требует дизайнерских доработок и заботы.
Я пришел к мысли, что хорошая панель управления - это не экран, показывающий множество данных, а экран, который помогает пользователю задавать правильные вопросы.
Дизайнеров Следующая конкурентоспособность
С распространением дизайн-систем и наступлением эпохи, когда ИИ автоматически генерирует пользовательский интерфейс, создание самого интерфейса становится все более базовым навыком. Кроме того, ИИ будет продолжать эволюционировать, и недостатки, которые сейчас ощущаются, со временем будут постепенно устранены.
В условиях этих изменений многим дизайнерам, включая меня, не избежать размышлений о будущем. Однако мне кажется, что, хотя технологии развиваются, роль дизайнера не исчезнет полностью.
Наоборот, чем больше автоматизируются рутинные задачи, тем важнее становится способность проектировать информационные структуры, заботиться о пользовательском опыте и понимать суть сервиса. В усложненных структурах экранов сервиса возникают детали, которые могут быть упущены, и все еще необходимы люди, которые будут следить за такими аспектами.
Это не значит, что это заменяет область планирования, а скорее, это визуальный перевод бизнес-замыслов, которые разработчик проекта четко понимает, чтобы они могли быть переданы пользователю без недоразумений. Я считаю, что это тот дифференциальный аспект, который дизайнер может иметь в будущем.
В конечном итоге важно не само ИИ, а то, как мы будем расширять свою роль на меняющемся рынке. Я думаю, что если дизайнер будет постоянно искать направления для роста в соответствии с этими изменениями, он сможет продолжать выполнять значимую роль и в будущем.
Этот проект заставил меня задуматься не только о создании экранов, но и о том, как интерпретировать данные и передавать информацию с точки зрения пользователя. Я получил задачу более глубоко обдумать области, которые должны оставаться за человеком, эффективно используя ИИ в будущем.
RIMS