网站设计中的用户体验地图浅析

简介:
用户体验地图这个概念在很多设计类书籍里经常被提及,有很多种名称,如User Experience Map、User Journey Map、Customer Journey Map等。如今国内和国外的设计咨询公司通常会把用户体验地图作为设计流程的必要环节,如IDEO 、eico等。用户体验地图是一种梳理用户场景和体验问题的设计工具,就像一把手术刀,先把一个需求按照用户行为横向剖析开来,再对每个行为节点进行纵向剖析,这个过程可以帮助我们:

  1. 把模糊需求拆解为用户角色、场景、行为等要素,并视觉化地表达。
  2. 定位体验过程中的痛点。
  3. 帮助团队更好地交流和讨论,共建解决方案。

前期准备

用户体验地图并不是一个独立的设计方法,它依赖产品前期用户研究的准备,需要做哪些准备呢?
1.观察用户行为、访谈用户

最好的方式是实地调研,直接与用户交流,了解他们的想法,感受他们的体验。如果条件限制,也可以采用电话调研的方式,尽可能多的搜集一手资料。
2.确定用户画像

用户调研后,我们可以通过总结大多数用户的典型行为特征,从而得到该产品的用户画像。用户画像决定了设计的视角,后续的设计都将为这个角色服务。一般来说可以从五个方面来描述一个用户画像:基本信息、日常工作形态、对产品的印象、目标、面临的挑战。

如何做用户体验地图

下面用一个实例来讲解用户体验地图的具体思路。场景是:二手车商的评估师角色在网络上收车的体验。这个场景里的角色就是评估师了,我们需要构建一个虚拟的评估师角色。

前期准备做好了,大体可以按照以下六个步骤来做用户体验地图。
1.拆解用户行为

根据实际场景,我们可以先将用户行为概括为几个阶段,再把每个阶段里的行为分解为节点,用简短的中性动词来表述,按时间轴排序。

行为节点的定义:当人们本能地去使用一个工具来满足一个需求的行为就是一个行为节点。例如:学习一点新知识,做一个动作,发现新内容,看一个东西,或者买东西等。在这些时刻用户需要作出决定,形成行为偏好。


2.补充各行为节点的接触点

接触点是指用户在一个服务过程中进行交互的对象,可以是人、网站、App、设备、物料、场所等。当用户碰到一个接触点时,就会自然而然地把预期体验跟实际体验进行对比,然后形成对此产品或服务的体验认知。也就是说接触点就是影响用户体验的载体,产品设计者可以通过改变载体,进而改变用户体验。


3.分析各行为节点的用户目标

根据调研的发现和对用户的观察,标注出来每个节点的用户目标。目标是指用户付出行为成本后想达到的结果,这个结果是用户真正想要的东西,行为只是为了达到结果而采取的一种做法。用户目标完全实现了,则用户体验自然是很好的,反之则体验很差。帮助用户实现他在每一个环节的小目标,是提升用户体验的有效方法。因此各行为节点的用户目标几乎就是产品设计的指导原则。在与用户交谈过程中,可以采用『攀梯术』来挖掘行为背后的目标。


4.标注各节点的问题点问题点也是通过用户调研的观察和访谈得来的,这些问题点就是用户目标没有达到的具体表现,问题点越多说明该节点的体验越差。但值得注意的是:解决了全部问题点,也并不表示到达了用户目标,因为可能还有隐藏的未被发现的问题点,连用户自己也不知道。


5.总结各行为节点的用户情绪水平

通过上一步对用户问题点的梳理,我们可以根据问题点的数量来衡量每个节点的用户情绪水平了。一般可以用积极、平静、消极这三种情绪水平来表述用户感受。这一步做完,我们一眼就可以看出痛点在哪个环节上了,至此,体验地图的第一和第二个作用已经发挥出来了。

6.针对痛点探索可行的解决方案

先根据自己的经验,参考竞品,预设一些解决方案,然后组织团队一起来思考和探讨。向团队讲述前面1到5步的思考过程,让大家一起进入体验地图,以用户的角度走一遍流程。在这个过程中,如果发现体验地图中有偏差和遗漏的地方,大家就可以一起来修正。流程走完,回到第六步,此时大家的思想已经统一了。在统一思想的前提下,有利于探讨出大家都认同的解决方案。至此,体验地图的第三个作用发挥出来了:帮助团队更好的交流和讨论,共建解决方案。

用户体验地图不仅适用于上述这种产品功能的流程设计,也适用于线下业务场景的流程设计,例如点菜、结账等。只要是对人的行为和体验做分析,就都可以尝试这种方法。

以上,欢迎大家一起来探讨。



via:北京网站建设

目录
相关文章
|
11月前
|
机器学习/深度学习 监控 自动驾驶
基于 YOLOv8 的交通标识与设施识别系统(含完整源码)
基于YOLOv8的交通标识识别系统,实现对人行横道、限速、停车、信号灯等目标的高精度检测。支持图像、视频、摄像头输入,集成PyQt5可视化界面,提供完整源码、模型权重与数据集。适用于智能交通、自动驾驶等场景,具备良好扩展性与工程落地价值。
905 7
|
10月前
|
机器学习/深度学习 人工智能 JSON
显存不够也能练大模型?从LoRA到P-Tuning,7大扭矩技术硬核避坑指南
本文深入浅出地讲解了大模型落地的关键环节——微调(Fine-tuning)。针对开源模型在专业场景中“胡言乱语”的问题,剖析其根源在于缺乏针对性训练。文章系统拆解从预训练到微调的全流程,详解Transformer架构与高效微调技术(PEFT),并重点介绍当前主流的7种方法,如LoRA、QLoRA、P-Tuning等,涵盖原理、优劣与适用场景。结合数据准备、环境搭建与代码实战,提供完整落地路径,最后给出选型建议与效果评估方案,助力开发者以低成本实现大模型业务化部署。
339 0
配置BGP路由反射器
本文介绍了一种在7台设备中组建IBGP网络的方案,其中AR2、AR4和AR5已建立BGP全连接。为满足不破坏现有全连接关系并简化配置管理的需求,采用路由反射器技术。具体思路是:将AR2配置为Cluster1的路由反射器,AR4和AR5作为其客户机;AR3配置为Cluster2的路由反射器,AR6和AR7作为其客户机。通过禁止客户机间通信,确保原有全连接关系不变,并实现网络优化。文中详细提供了IP地址与BGP配置步骤,以及最终验证结果。
配置BGP路由反射器
|
12月前
|
关系型数据库 MySQL 数据管理
MySQL数据库基本操作包括增加、删除、更新和查询
值得注意的是,虽然上述操作看起来直观易懂,但实际情况中可能会遇到数据类型、索引、性能优化和事务处理等高级话题。因此,数据库管理员或开发人员在对数据库进行操作时,应具备深入的理解和丰富的实践经验。
533 18
|
人工智能 供应链 安全
面向高效大模型推理的软硬协同加速技术 多元化 AI 硬件引入评测体系
本文介绍了AI硬件评测体系的三大核心方面:统一评测标准、平台化与工具化、多维度数据消费链路。通过标准化评测流程,涵盖硬件性能、模型推理和训练性能,确保评测结果客观透明。平台化实现资源管理与任务调度,支持大规模周期性评测;工具化则应对紧急场景,快速适配并生成报告。最后,多维度数据消费链路将评测数据结构化保存,服务于综合通用、特定业务及专业性能分析等场景,帮助用户更好地理解和使用AI硬件。
|
Java Maven
Maven 中央仓库地址
Maven 中央仓库地址: 1. http://www.sonatype.org/nexus/2. http://mvnrepository.com/ (本人推荐仓库) 3. http://repo1.maven.org/maven2
13782 1
|
安全 应用服务中间件 网络安全
利用云平台搭建个人博客
本实验旨在通过实践操作,掌握基于云计算环境的网站部署技能。 具体包括:构建环境并实现个人博客/网站的搭建,撰写实验报告,并将这份报告作为一篇博文发布在自己的博客 / 网站上。
|
存储 编译器 数据处理
C 语言结构体与位域:高效数据组织与内存优化
C语言中的结构体与位域是实现高效数据组织和内存优化的重要工具。结构体允许将不同类型的数据组合成一个整体,而位域则进一步允许对结构体成员的位进行精细控制,以节省内存空间。两者结合使用,可在嵌入式系统等资源受限环境中发挥巨大作用。
820 12
|
Android开发 芯片
Android源代码定制:移除无用lunch|新建lunch|自定义customize.mk
Android源代码定制:移除无用lunch|新建lunch|自定义customize.mk
1210 3
|
域名解析 缓存 网络协议
中间人攻击之DNS欺骗
【8月更文挑战第13天】
1498 2