《渐进增强——跨平台用户体验设计》一1.6 适应未知的设备

简介:

本节书摘来自异步社区《渐进增强——跨平台用户体验设计》一书中的第1章,第1.6节,作者 【美】Aaron Gustafson,更多章节内容可以访问云栖社区“异步社区”公众号查看

1.6 适应未知的设备

然而,还是有人认为,设计思想这东西看不见摸不着,扯那些没用的是在浪费时间。在Web设计师Tim Kadlec的博文“我们的设计并没有真正理解Web”的后面,有个读者的留言是这么说的[15]:

“说得好听,但是不接地气。你得算一下捕捉用户的成本。如果一些用户根本不是你的目标用户,不能为你带来任何收益,那么,干嘛为他们进行优化?根据这种设计思想,本质上你是要为所有用户的体验负责,无形中会大量增加开发成本。但是,恕我打个比方——我们都知道成衣的尺码分大中小号,我们大多数人也都是到成衣店试衣,觉得尺码差不多合身就买回家了。为什么呢?因为绝大多数人雇佣不起一个裁缝来为自己的每件衣服量体裁衣,这样成本太高了!除非你能让我看到这么做的回报,否则我很难接受这种设计思想。”

Tim是这么回答的:

“我认为,所谓优雅降级式的向下逐级支持,和渐进增强式的向上逐级优化,是完全不同的两个概念。首先,我说的为所有的设备优化,并不是我真的在京东下单买下了网站上所有的手机,拿回来一台台测试,来保证所有设备上的网页都运行正常。实际上,我们并不需要测试每一台设备,很多设备都可以归为同一个类别,对有限几个类别的机器进行测试,不会花太长时间。

渐进增强,即向上逐级优化,先在一类旧设备和浏览器上实现较为基础的功能,再为能够支持较新技术的设备和浏览器逐级丰富它们的体验。比如说,一开始你要考虑到,一些设备可能对JavaScript的支持不是很好,那么你在一开始构建网页的时候,需要利用HTML和CSS的特性,让网页在脱离JavaScript支持的情况下,也能保证内容的可读以及最起码的交互可用性。”

在设计和写代码的过程中,没有人能够预料到用户在何种使用场景下,使用哪种浏览器或设备去访问这个网页——就算你们的预算再充足,也没人傻到干这种出力不讨好的事。就如Brad Frost所说的,你需要考虑的只是“支持程度与优化设计之间的平衡”。在一步步进行设计创意的时候,不要让高级功能伤害到旧设备的可用性。

渐进增强的思想,是一种平衡各种设备间交互可用性的思想。在写代码的过程中,一些代码是任何浏览器或设备都能解读的。我们先以健壮的方式写下这些安全的代码,保证所有的设备和浏览器可以访问,然后再为技术支持程度更高的设备和浏览器去优化,所以渐进增强并不要求技术追新,我们希望可以利用现有的技术让所有的用户都能获得可接受范围内的交互体验。

如果你应用了渐进增强的思想来设计和编写网页,当用户通过一些你们没有测试到的奇葩设备或浏览器来访问,你会发现,在这些意料之外的设备上,你的页面依旧显示得不错。举例来说,2013年,TechCrunch进行了一次改版,这次改版并没有专门为特别小的屏幕进行优化,但是当智能手表流行起来之后,用户发现,在智能手表上,网页也显示得很好(图1-4)。


cfc2364d9e844d4c8d29470208267cb730f8378d

渐进增强是面向未来友好设计的核心思想[16]之一。原因就是用这种思想,你可以做到兼容未知的设备。

相关文章
|
3天前
|
人工智能 运维 安全
|
1天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
8天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
770 109
|
3天前
|
机器学习/深度学习 传感器 算法
Edge Impulse:面向微型机器学习的MLOps平台——论文解读
Edge Impulse 是一个面向微型机器学习(TinyML)的云端MLOps平台,致力于解决嵌入式与边缘设备上机器学习开发的碎片化与异构性难题。它提供端到端工具链,涵盖数据采集、信号处理、模型训练、优化压缩及部署全流程,支持资源受限设备的高效AI实现。平台集成AutoML、量化压缩与跨硬件编译技术,显著提升开发效率与模型性能,广泛应用于物联网、可穿戴设备与边缘智能场景。
173 127
|
3天前
|
算法 Python
【轴承故障诊断】一种用于轴承故障诊断的稀疏贝叶斯学习(SBL),两种群稀疏学习算法来提取故障脉冲,第一种仅利用故障脉冲的群稀疏性,第二种则利用故障脉冲的额外周期性行为(Matlab代码实现)
【轴承故障诊断】一种用于轴承故障诊断的稀疏贝叶斯学习(SBL),两种群稀疏学习算法来提取故障脉冲,第一种仅利用故障脉冲的群稀疏性,第二种则利用故障脉冲的额外周期性行为(Matlab代码实现)
230 152
|
5天前
|
Java 数据库 数据安全/隐私保护
Spring 微服务和多租户:处理多个客户端
本文介绍了如何在 Spring Boot 微服务架构中实现多租户。多租户允许单个应用实例为多个客户提供独立服务,尤其适用于 SaaS 应用。文章探讨了多租户的类型、优势与挑战,并详细说明了如何通过 Spring Boot 的灵活配置实现租户隔离、动态租户管理及数据源路由,同时确保数据安全与系统可扩展性。结合微服务的优势,开发者可以构建高效、可维护的多租户系统。
212 127
|
4天前
|
机器学习/深度学习 存储 资源调度
CMSIS-NN:ARM Cortex-M处理器的高效神经网络内核——论文解读
CMSIS-NN是专为ARM Cortex-M系列微控制器优化的神经网络计算内核库,旨在支持资源受限的物联网边缘设备进行高效的深度学习推理。该库通过对卷积、池化、全连接层等关键操作进行定点量化、SIMD指令优化和内存布局调整,显著提升了模型在嵌入式设备上的运行效率。实验表明,CMSIS-NN在Cortex-M7处理器上的推理速度比基准实现提升了近5倍,大幅降低了功耗,为边缘AI应用提供了可行的技术路径。
224 128