Apa itu Desain Antisipatif?
Anticipatory Design adalah prinsip desain UX yang selangkah lebih maju dari pengguna. Prinsip ini menggunakan kecerdasan buatan untuk mengumpulkan data tentang kebiasaan dan preferensi pengguna dengan antarmuka. Data ini kemudian dimanfaatkan untuk menilai, memprediksi dan menjawab kebutuhan pengguna sebelumnya.
Tujuannya adalah untuk mengurangi beban kognitif pengguna dengan membuat keputusan atas nama mereka, menciptakan ekosistem di mana keputusan tidak pernah dibuat dan terjadi secara otomatis tanpa masukan apa pun dari pengguna.
Beberapa kasus penggunaan populer dari hal ini terlihat pada merek-merek terkenal seperti Netflix (di mana film/acara TV direkomendasikan kepada Anda berdasarkan kebiasaan menonton Anda) dan Amazon (di mana produk disarankan kepada Anda berdasarkan apa yang telah Anda beli sebelumnya). Spotify juga telah merilis fitur yang membuat daftar putar untuk Anda berdasarkan pendengaran dan preferensi sebelumnya.
Contoh Dunia Nyata dari Desain Antisipatif
E-commerce: Memasak Bersama M&S
Aplikasi ini menyediakan berbagai resep (di samping fotografi yang indah dan tulisan yang menarik) kepada para pengguna, aplikasi ini memberikan nilai tambah dengan memungkinkan pengunjung tidak hanya membaca resep, tetapi juga membuat daftar belanja yang dapat diedit untuk membeli bahan-bahan yang akan dibeli dari toko mereka, yang secara otomatis menyesuaikan dengan jumlah orang yang Anda layani.
Teknologi Rumah : Sarang
Nest adalah termostat pintar yang mempelajari kebiasaan pemanasan/pendinginan di rumah pengguna dan secara otomatis menyesuaikan suhu sesuai dengan preferensi mereka.
Online : Google Now
Google Now adalah asisten pribadi cerdas yang dikembangkan oleh Google. Google Now mengumpulkan data pengguna dan dapat menampilkan kartu dengan informasi yang dipersonalisasi dan sadar lokasi, seperti acara kalender, cuaca lokal, berita, harga saham, penerbangan, boarding pass, hotel, tempat foto di sekitar, dan banyak lagi. Aplikasi ini juga dapat memberi tahu pengguna berapa lama waktu yang dibutuhkan untuk sampai di rumah dari kantor, berdasarkan kondisi lalu lintas saat ini. Jika Google tidak menganggap Anda membutuhkan sesuatu saat ini, maka informasi tersebut tidak akan ditampilkan.
Manfaat Desain Antisipatif
- Mengurangi Beban Kognitif ? Beban kognitif adalah upaya mental yang dibutuhkan oleh pengguna untuk melakukan sesuatu. Desain antisipatif mengurangi upaya ini dengan mengurangi atau dalam beberapa kasus menghilangkan jumlah keputusan yang harus diambil oleh pengguna. Semakin sedikit pengguna harus memikirkan apa yang harus mereka lakukan untuk mencapai tujuan mereka, semakin besar kemungkinan mereka ingin mencapainya.
- Antarmuka Pengguna yang Disederhanakan ? Lebih sedikit pilihan yang tersedia di layar berarti bahwa antarmuka dapat dirancang lebih bersih dengan lebih sedikit kekacauan. Hal ini akan membuat pengalaman pengguna online menjadi lebih intuitif.
- Penghematan Waktu ? Desain Antisipatif memastikan bahwa pengguna dapat menemukan apa yang mereka butuhkan atau membuat keputusan dengan lebih cepat, menghemat waktu dan memungkinkan mereka untuk melakukan lebih banyak hal.
- Meningkatkan Konversi ? Rekomendasi produk yang dipersonalisasi di situs e-commerce memberikan peluang untuk penjualan dan pada gilirannya menciptakan lebih banyak pendapatan bagi organisasi
Masalah Potensial dengan Desain Antisipatif
- Privasi ? Kekhawatiran etis terbesar seputar desain antisipatif adalah mengenai keamanan dan privasi data. Hal ini disebabkan oleh fakta bahwa banyak data yang sangat pribadi (misalnya profil online, pesan, dan lokasi) diperlukan dari pengguna dan akses ke data ini mungkin menjadi perhatian beberapa pengguna. Data pengguna harus dilindungi dan tidak digunakan dengan cara yang invasif.
- Pembatasan ? Algoritma dapat menciptakan sebuah lingkaran peristiwa, tindakan, dan aktivitas yang dapat menjebak pengguna dan membatasi mereka untuk menemukan pengalaman baru. Hal ini disebut sebagai "Gelembung Pengalaman". Hal ini dapat menjadi masalah bagi anak-anak yang lebih mudah dibujuk.
- Kehilangan Kontrol ? Pengguna memiliki kontrol yang lebih sedikit atas apa yang mereka lihat. Beberapa pengguna mungkin tidak menginginkan hal ini, sehingga bersikap transparan dan memberikan opsi kepada pengguna untuk tidak memilih keputusan yang telah dibuat sebelumnya mungkin diperlukan dalam beberapa kasus.
- Keputusan Buruk ? Tindakan manusia tidak selalu dapat diprediksi. Membuat keputusan yang salah bagi pengguna dapat berdampak negatif pada pengalaman pengguna yang dapat berdampak pada reputasi organisasi.
Merancang Pengalaman Antisipatif
Menerapkan desain antisipatif ke dalam produk atau layanan Anda memerlukan kombinasi dari pembelajaran mesin ,pengumpulan data dan bagus desain pengalaman pengguna.
Saran dari Aaron Shapiro, CEO di agensi digital Huge dan pencipta istilah desain antisipatif terdiri dari 5 hal-hal yang menurutnya harus diingat oleh organisasi ketika memikirkan tentang merancang pengalaman yang diantisipasi;
- Pikirkan merek Anda sebagai sebuah layanan: Apa yang memungkinkan penggunanya untuk melakukannya?
- Aktifkan layanan Anda secara digital
- Kaji apa yang dapat Anda lakukan untuk mengotomatisasi penyampaian layanan Anda.
- Tetapkan layanan otomatis Anda
- Buatlah garis batas antara pengambilan keputusan yang dapat diterima dan yang tidak.
Setelah layanan antisipasi Anda dibuat, saran berikut ini dapat membantu mengoptimalkan penawaran Anda.
- Lihatlah ke menambah nilai ke interaksi melalui otomatisasi
- The konteks dari tempat otomatisasi ditawarkan adalah kuncinya, bukan hanya konten
- Menempatkan di tempat kontingensi ketika keputusan yang salah dibuat dapat meminimalkan kerugian bagi Anda dan konsumen Anda.
- Berikan pengguna beberapa kontrol atas apa yang ingin mereka lihat, menerapkan mekanisme umpan balik untuk mendapatkan opini pengguna.
- Bekerja untuk membangun kepercayaan dengan pengguna Anda. Pengguna harus merasa seolah-olah mereka mendapatkan manfaat dari memberikan data pribadi mereka.
- Terus menerus menganalisis dan menilai data yang dikumpulkan untuk membantu meminimalkan kesalahan.
- Melaksanakan penelitian dan pengujian pengguna. Amati apa yang cenderung dilakukan pengguna di sepanjang perjalanan pengguna dan rancang interaksi yang sesuai. Menggabungkan ini dengan data mining menciptakan pengalaman antisipatif yang lancar.
Jika Anda ingin mendiskusikan cara menguji aplikasi Anda, hubungi kami di +44 (0) 800 024624 atau kirimkan email kepada kami di hello@ux247.com.
Desain Antisipatif adalah pola desain dalam bidang pengalaman pengguna predikatif. Pola ini terbentuk di sekitar 3 elemen;
- Pembelajaran Mesin memungkinkan perangkat untuk belajar dari perilaku pengguna di masa lalu dan menggunakannya untuk menyesuaikan antisipasi.
- Internet of things (IoT) cara dan konteks di mana desain antisipatif beroperasi dan dijalankan.
- Desain Pengalaman Pengguna sangat penting untuk memberikan pengalaman antisipasi yang mulus
Perkembangan teknologi baru dan lebih cerdas ini berarti bahwa keterampilan yang dibutuhkan desainer UX berubah. Desain antisipatif mengakibatkan desainer UX semakin terlibat dalam bidang-bidang seperti desain etis karena banyak data pribadi yang terlibat dalam pengalaman prediktif.
Bentuk lain dari antarmuka pengguna (misalnya antarmuka suara seperti Google? Alexa) telah menyajikan berbagai cara untuk merancang pemikiran yang berbeda berdasarkan persona dan desain percakapan.
Langkah lebih jauh dari hal ini sedang dikembangkan dalam bentuk interaksi berbasis gerakan, yang membutuhkan input pengguna yang lebih mudah.
Seiring dengan kemajuan desain antisipatif, ke mana atau harus ke mana selanjutnya?
Kita bisa mendapatkan banyak hal dari penyediaan pilihan yang lebih sederhana, antisipasi yang lebih baik terhadap kebutuhan kita, dan alat bantu yang lebih cerdas yang dirancang untuk menghemat waktu, uang, dan bahkan lebih baik lagi, dari stres dan frustrasi.
Tetapi, apa artinya bagi para konsumen dan perancang yang berharap untuk mendapatkan ketentuan sempurna dari sugestibilitas tanpa batas?
Terlalu banyak pilihan memang bisa membuat frustasi, namun membatasi pilihan kita juga tidak selalu menjadi pilihan terbaik untuk kehidupan yang sehat.
Akankah ML dan AI membuat algoritme yang mendeteksi kapan kita siap untuk melakukan perubahan?
Mari kita kembali ke Netflix; algoritmanya sangat bagus karena membantu menemukan lebih banyak hal yang kita sukai, tetapi bagaimana jika Anda benar-benar ingin atau membutuhkan perubahan? Keakraban bisa menjadi, yah, terlalu akrab dan sedikit membosankan. Bagaimana jika Anda bosan dengan film aksi dan serial TV fantasi? Bagaimana jika jenis acara dan film yang sama terlihat membosankan, dan tidak ada alternatif lain yang menonjol untuk selera khas Anda karena Netflix telah memutuskan untuk Anda bahwa itu bukan selera Anda?
Harus diakui, katalog Netflix cukup luas sehingga pilihannya selalu menawarkan sesuatu yang bisa kita tonton. Namun, dari ribuan pilihan yang ada, dapatkah ia benar-benar mendeteksi pilihan teratas yang akan Anda pilih jika Anda mengerahkan otak Anda secara langsung untuk bersaing dengan algoritmanya?
"Netflix: tunjukkan sesuatu yang biasanya tidak pernah saya tonton.
Haruskah mereka memperkenalkan opsi untuk membalikkan seluruh katalog Anda atau meniru katalog teman atau anggota keluarga Anda, yang menampilkan banyak judul yang ingin Anda lihat, tetapi tidak pernah muncul dalam pilihan Anda?
Bagaimana jika Anda memberi tahu suasana hati Anda dan memintanya untuk menentukan acara dan film yang tepat secara simpatik atau empatik? Sama seperti yang dilakukan teman-teman Anda karena mereka mengenal Anda dan selera Anda pada tingkat emosional?
Apakah kita memerlukan loop umpan balik untuk menentukan kapan perubahan dalam rutinitas diperlukan?
SKY Q, sistem kontrol penyedia layanan yang paling canggih hingga saat ini, mencakup banyak keputusan otomatis yang telah dibahas, menarik program yang Anda tonton secara teratur, mengingatkan Anda akan rekaman Anda, secara otomatis merekam atau mengunduh episode mendatang dari program yang Anda pilih, dan bahkan pilihan yang dikendalikan suara yang mendorong Anda untuk bertanya, "Apa yang sebaiknya saya tonton?" yang akan memberikan apa yang menurut Anda ingin Anda tonton.
Bukankah akan mencerahkan jika algoritmanya menyampaikan, "Anda tidak pernah menunjukkan ketertarikan pada romcom, reality show, atau olahraga; apakah Anda ingin mencobanya?
Kita adalah makhluk emosional, mereka adalah robot
Akankah tiba saatnya Sky mengembangkan opsi "surprise me" untuk melawan fungsi "apa yang harus saya tonton", atau jika kita dapat berbagi lebih banyak data dengan aman, alih-alih mengkhawatirkan data tersebut akan jatuh ke tangan siapa, kita bisa memiliki opsi "apa yang ditonton teman saya"?
Saya kira Facebook sudah memiliki semua informasi tersebut, dengan pengguna yang memposting postingan berbasis aktivitas dan perasaan yang menguraikan segala sesuatu mulai dari apa yang kita tonton hingga tempat kita makan, acara apa yang pernah kita datangi, pikirkan untuk didatangi, yang kita sukai dan yang tidak kita sukai, serta apakah kita senang, sedih, marah, atau bersemangat untuk melakukan semua itu. Itu adalah informasi yang sangat banyak; betapa jauh lebih baik saran kami dengan cakupan yang lebih luas?
Seberapa efisien AI dan ML akan menjadi, dan apakah mereka akan menjadi tidak dapat diprediksi seperti subjek manusianya?
Tidak diragukan lagi, begitu banyak hal yang diberikan oleh AI dan ML adalah sebuah anugerah. Tindakan yang dipikirkan dengan cemerlang, efisien, menghemat waktu, dirancang secara efisien, sehingga kita bahkan tidak menyadari waktu yang baru saja mereka selamatkan. Teknologi ini hanya akan maju dan berkembang seiring berjalannya waktu; kita berada di tangan para pemrogram dan perancang yang memimpin perjalanan ini.
Seberapa jauh AI dan ML dapat membawa kita? Hanya waktu yang akan memberi tahu seberapa efisien algoritme pembelajaran yang mengembangkan proses yang biasanya terbentuk dari penemuan dan sifat ingin tahu manusia yang berakal.
Perhatikan ruang ini, atau biarkan ponsel Anda mengamatinya untuk Anda; saya yakin ponsel Anda akan memberi tahu Anda hasilnya ketika Anda merasa tertarik untuk mendengarnya.
