header_v1.7.40

基于行为的智能引导设计

29天前发布

原创文章 / 多领域 / 观点
阿里巴巴_B2B_UED 原创,如需商业用途或转载请与阿里巴巴_B2B_UED联系,谢谢配合。

如何为用户提供更及时且符合心智的引导,让引导更有效贴心?结合对现有优秀案例的拆解分析,在此抛砖引玉分享给大家。作者:张晶晶

前言

产品中的引导功能可以帮助用户更顺利更高效地完成任务,也可以帮助业务有目的地引导用户产生商业价值,尤其对于多用户角色、多营销场景、信息繁杂的B类产品,有效的引导设计更加重要。

有效的引导,应该出现在用户恰好需要的时候,提供符合用户心智的引导内容。但由于设计师无法守在用户身边,如何及时了解用户什么时候需要引导,需要什么样的引导呢?智能化引导设计可以很好地解决这些问题。

什么是智能引导设计

智能化是指在大数据、人工智能等技术支持下,产品具备的主动满足人各种需求的属性。本文探讨的智能引导设计,则是通过对用户行为数据的分析,实时判断行为背后用户的心智(预期/需求),并第一时间主动为用户提供符合其预期的引导,帮助用户高效完成任务。与传统引导相比,智能引导能够实时了解用户什么时候需要引导,需要什么引导,因此可以更及时、更有效地触达用户,提高用户对引导的接受率。

下面引用两个案例来进行说明。以抖音的广告引导为例,当用户查看广告类视频超过5s(行为分析),判断用户对视频中的内容感兴趣(心智判断),则广告入口“查看详情”的按钮会由灰色变为彩色(智能引导),引导用户点击查看,同时减少广告对不感兴趣用户的干扰(如图1)。再如,淘宝首页下滑3屏且无点击时(行为分析),预测用户在首页没有找到想要的商品(心智判断),此时在底部提供到猜你喜欢板块的引导条,帮助用户高效找品(智能引导)(如图2)。

如何做智能引导设计

智能引导设计的核心是,通过分析用户行为判断用户心智,并实时匹配符合心智的引导(如图3)。我们要解决的问题有两个:如何判断用户心智、如何匹配引导内容。下面结合现有案例进行详细说明。


一、分析行为判断用户心智

用户心智指理解复杂事物的认知感受或心理,能够直接或者间接影响着我们的行为。因此可以通过分析用户行为,来发现行为背后的用户心智,这是智能化引导的重要一步。

1.分析用户行为。

行为指用户在产品中的具体操作,我们可以根据行为背后用户的状态,将行为分为积极行为、消极行为、中性行为。积极行为如收藏、点赞、分享等;消极行为如删除、屏蔽、退出等;中性行为如浏览、停留、搜索等。行为程度用来描述行为的持续时间、发生频率、累计次数等,例如点赞某人动态5次、首页停留10s等。程度可以将行为放大,帮助我们更准确得判断用户心智,行为的程度越强,则行为背后的心智越强。

分析用户行为时,可以结合行为类型及行为程度两个方面来进行。以下罗列出线上常见的、易于判断用户当前的心智的行为(图4),不同的产品列出的行为会稍有不同。你的产品中有哪些易于判断用户心智的行为呢?

2.判断用户心智

行为类型(积极/消极/中性)结合行为程度(时间/频率等)可以判断行为背后的用户心智,我们将该场景下的用户心智简单划分为积极心智和消极心智,积极心智如“有意向”、“感兴趣”等,消极心智如“迷茫”、“困惑”等。

如何判断用户心智呢?通常情况下,积极行为/消极行为对应的用户心智为积极心智/消极心智,例如用户收藏某商家的商品3次以上(行为分析),我们可以判断用户对该商家的风格感兴趣(积极心智);用户查看某视频不足10s离开(行为分析),判断用户可能不喜欢该视频(消极心智)。而中性行为则会根据行为程度不同、行为产生的场景不同而有不同的心智,例如,用户浏览“商品list页”3屏无点击时(行为分析),判断用户未找到想要的商品(消极心智);而当用户在“商品detail页面”浏览3屏时(行为分析),判断用户可能对该商品很感兴趣(积极心智)(如图5)。

以下罗列出线上常见行为对应的用户心智(图6),不同的产品或场景的判断维度会稍有不同。

通过大量行为分析、线上智能引导设计案例总结,我们将有引导价值的用户心智细化为以下几种:

积极心智:感兴趣、喜欢但犹豫、关注;消极心智:不喜欢、找不到、不知如何操作。

接下来将基于用户的这几种心智,为其提供相应的引导内容。


二、符合心智的引导内容

通过用户行为判断出用户当前的心智后,接下来就需要针对用户心智提供符合预期的引导了,符合用户心智预期的引导使得引导更精准更有效。下面分别从激励促进与指引帮助两个维度,抛砖引玉提出几个引导策略:

· 积极心智 - 激励促进

激励促进为处于积极心智的用户提供顺水推舟的力量,引导用户查看更多喜欢或关注的内容、激励用户进行下一步操作、培养用户收藏关注等使用习惯。


1.相关推荐,引导用户发现更多喜欢或关注的内容。

当用户的行为表达出对某类事物感兴趣/关注时,记录偏好信息并为其推荐更多相似内容,引导用户更高效得发现更多感兴趣的东西。例如小红书App,当用户查看某种草视频,判断用户对视频介绍的内容感兴趣,则在该视频下推荐与视频内容相关的商品,引导用户快速进入商品购买链接(图7)。再以微博为例,用户以大图模式查看到图片到最后一张,判断用户对该条图片内容感兴趣,则用户在继续右滑时进入相关图集页面,引导用户快速发现与之相关的其他图片(图8)。

2.权益激励,引导用户进行决策。

当分析用户当前心智为感兴趣或犹豫时,通过恰好需要的权益、情感激励,引导用户决策并进行关键操作。以网易考拉为例,当未登录用户搜索某商品时,判断用户对该商品感兴趣,则出现相应优惠券,引导用户登录领取并下单(图9)。例如来自淘票票的案例:当用户看完一条电影的预告视频,判断用户对该电影感兴趣,则以彩蛋的形式,为用户提供优惠券等权益激励,引导用户去影院观看电影(图10)。

3.情感输出,引导收藏/点赞/评论。

当用户的心智为感兴趣或关注,则引导用户将喜欢/兴趣表达出来,通常表达的方式为点赞、关注、收藏等,培养用户行为习惯提升用户粘性,同时帮业务收集更多用户反馈信息。如抖音App,当用户查看某视频2次以上(行为分析),判断用户对当前视频很感兴趣(心智判断),则分享的按钮强化为微信图标以引导用户分享(图11)。爱奇艺App,当用户查看一个影片到结尾时,屏幕出现评功能,引导用户在当前场景对影片进行评论(图12)。

· 消极心智 - 指引帮助

对于消极心智“找不到”、“不知道如何操作”、“不喜欢”,用户引导主要通过提供其恰好需要的帮助或提示,引导用户快速走出消极状态。

1.目标推荐,引导快速找到。

当用户心智为“找不到”、“不喜欢”时,可以通过预测用户要找的目标、并将其推荐给用户,来引导用户顺利找到,缓解失望情绪。以虾米音乐为例,当用户连续切歌5次(行为分析),判断用户找不到喜欢的歌曲,则根据其偏好数据,在底部出现歌曲推荐,引导用户快速获取喜欢的歌曲(图13)。再如淘宝猜你喜欢板块,用户查看N屏仍继续下滑时,判断用户未找到想要的商品,则会出现“你是不是在找xxx”的引导,根据用户偏好为用户提供选择推荐,引导用户快速找到(图14)。

2.操作提醒,引导用户如何操作。

当用户心智为困惑、不知如何操作时,可为其提供及时且恰当的操作提示,引导用户顺利完成任务。以京东为例,用户在登录页面连续输错3次密码,判断用户可能忘记密码,则在第三次输错时以弹窗形式引导用户“找回密码”(图15);再如淘宝问答的智能引导,当用户在评论页查看10条评论继续下滑,判断用户没有获取想要的信息,则在用户下滑时问答浮标展开,提示用户点击图标去问答功能寻找答案(图16)。

应用

以1688业务为例,智能引导可应用于找品选品场景、管商管货场景等,帮助买家高效获取商机、顺利完成采购。以下为智能引导设计在1688App的设计应用提案:

用户收藏某商家的3件商品,判断用户对该商家的商品感兴趣,则在第3次收藏成功时,提示用户关注该商家,以便及时获得更多商家上新等动态,从全局角度帮用户更高效找货,同时培养用户关注感兴趣商家的心智(图17)。

用户使用搜索功能输入较宽泛的搜索词,如“女装”“进口零食”,判断用户希望查看某行业整体情况,但可能没留意到行业入口,因此在搜索结果页提供搜索词相关的行业入口,引导用户进入行业频道查看,发现更精准更丰富货源(图18)。

用户一周内查看某商品详情页3次仍未下单,我们判断用户对该商品感兴趣但有些犹豫,在其第3次查看该商品detail页时弹出店铺红包,引导用户下单(图19)。

总结

智能引导设计,通过对用户行为的分析,判断用户当前的心智,并在第一时间送去符合用户心智的精准有效的引导,总结为三个易于记忆关键词:分析行为、判断心智、精准引导。相信不远的未来,机器深度学习大量用户的行为及心智模式,可以更智能更精准得判断用户每组行为背后代表什么样的想法或需求,以使设计能够更有效、更及时、更贴心得预测并解决用户的问题。

希望本文可以对大家有益处。同时感谢舒舟、学祯、加其等小伙伴在文章过程中给予的指导和帮助。


62
    没有新消息

    提示文案

    提示文案

    提示失败
    提示成功