电子商务。 与M&S一起做饭
这个应用程序为用户提供了一系列的食谱（同时还有精美的摄影作品和引人注目的文案），这个应用程序通过让访问者不仅可以阅读食谱，还可以创建一个可编辑的购物清单，从他们的商店购买原料，根据你的人数自动调整，从而增加价值。
家庭技术 ： 巢穴
Nest是一个智能恒温器，可以学习用户家中的加热/冷却习惯，并根据他们的喜好自动调整温度。
在线 : 谷歌现在
Google Now是谷歌开发的一个智能个人助理。它收集用户数据，它可以显示带有个性化、位置感知信息的卡片，如日历事件、当地天气、新闻、股票价格、航班、登机牌、酒店、附近的摄影点等等。它还可以根据当前的交通状况，告诉用户你下班回家需要多长时间。如果谷歌认为你目前不需要什么东西，它就不会显示。
预见性设计的好处
- 减少认知负荷 ?认知负荷是指用户在做某件事时需要付出的精神努力。预见性设计通过减少或在某些情况下消除用户必须做出的决定的数量来减少这种努力。用户越是不需要考虑他们需要做什么来实现他们的目标，他们就越有可能想去实现它。
- 简化的用户接口 ? 屏幕上更少的选择意味着界面可以被设计得更干净，更少的杂乱。这应该使在线用户体验更加直观。
- 节省时间 ?预见性设计确保用户能更快地找到他们需要的东西或做出决定，节省他们的时间，使他们能做更多的事情。
- 提高转换率 ?电子商务网站上的个性化产品推荐为销售提供了机会，反过来为组织创造更多的收入
预见性设计的潜在问题
- 隐私 ?围绕着预见性设计的最大的伦理问题是数据安全和隐私问题。这是由于很多非常个人化的数据（如在线资料、消息和位置）需要从用户那里获得，对这些数据的访问可能会让一些用户感到担忧。用户的数据应该被保护起来，不能以侵犯性的方式使用。
- 限制条件 ?算法可以创造一个事件、行动和活动的循环，这可能困住用户并限制他们发现新的体验。这被称为 "经验泡沫"。对于更容易被说服的儿童来说，这可能是一个更大的问题。
- 失去控制 ?用户对他们所看到的东西有较少的控制。一些用户可能不希望这样，因此，在某些情况下，透明化并为用户提供选择退出预制决定的选项可能是必要的。
- 错误的决定 ?人类的行为并不总是可以预测的。为用户做出一个错误的决定会对用户体验产生负面影响，从而影响到组织的声誉。
设计预想的体验
在你的产品或服务中实施预见性设计需要结合以下几点 机器学习 ,数据收集 和良好 用户体验设计。
数字代理公司Huge的首席执行官Aaron Shapiro和预测性设计一词的创造者的建议包括 5 他认为组织在考虑设计预期体验时应该牢记的事情。
- 把你的品牌看成是一种服务。它能使其用户做什么？
- 以数字方式启用您的服务
- 评估你能做些什么来自动提供你的服务。
- 建立你的自动化服务
- 在什么是可接受的决策和什么是不可接受的决策之间划出一条界限。
一旦你的预期服务被创建，以下建议可以帮助优化你的服务。
- 请看 增加价值 通过自动化来实现互动
- ǞǞǞ 背景 提供自动化的地方是关键，而不仅仅是内容。
- 建立一个 突发事件 当做出错误的决定时，可以将你和你的消费者的损失降到最低。
- 给用户一些 控制 在他们想要看到的东西之上，实施反馈机制以获得用户的意见。
- 努力建立 信任 与你的用户。用户应该感觉到他们从提供他们的个人数据中得到了好处。
- 持续的 分析 并对所收集的数据进行评估，以帮助尽量减少错误。
- 进行 用户研究和测试.观察用户在用户旅程中倾向于做什么，并设计相应的互动。将此与数据挖掘相结合，创造出流畅的预期体验。
如果你想讨论如何测试你的应用，请致电+44(0)800 024624或发送电子邮件给我们 hello@ux247.com.
预测性设计是预测性用户体验领域的一种设计模式。它的形成是围绕着 3 元素。
- 机器学习 允许设备从用户过去的行为中学习并利用它来调整预期。
- 物联网(IoT) 预见性设计的手段和背景，以及在其中的运作和执行。
- 用户体验设计 这对于提供无缝的预期体验至关重要
这些新的和更智能的技术的发展意味着用户体验设计师所需要的技能正在改变。预见性设计导致用户体验设计师更多的参与到以下领域，例如 道德设计 因为在预测性经验中涉及大量的个人数据。
其他形式的用户界面（例如语音界面，如Googles? Alexa）已经提出了基于角色和对话设计的不同设计思维方式。
在此基础上更进一步，正在开发的形式是 基于手势的互动，需要更多毫不费力的用户输入。
随着预见性设计的发展，它的下一步可以或应该走向哪里？
我们可以从提供更简单的选择、更好地预测我们的需求和更智能的工具中获得很多东西，这些工具旨在为我们节省时间、金钱，甚至更好地避免压力和挫折。
但是，这对希望达到无缝暗示的完美规定的消费者和设计师来说意味着什么？
太多的选择确实会让人沮丧，然而限制我们的选择也不总是健康生活的最佳选择。
ML和AI是否会创造出能够检测到我们何时准备好改变的算法？
让我们回到Netflix；它的算法帮助我们找到更多我们喜欢的东西，这很好，但如果你真的想要或需要改变呢？熟悉的东西会变得，嗯，太熟悉了，只是有点沉闷。如果你对动作电影和幻想电视剧感到厌烦怎么办？如果相同类型的节目和电影看起来很无聊，而且没有突出的替代品来满足你的典型口味，因为Netflix已经为你决定它们不是你的那杯茶，那怎么办？
诚然，Netflix的目录足够庞大，所以它的选择似乎总是能提供一些我们可以看的东西。但是，在它挑选的一千个选项中，如果你把你的大脑直接与它的算法竞争，它真的能检测出你会选择的最高选择吗？
Netflix：给我看一些我通常不会看的东西。
他们是否应该引入一个选项，将你的整个目录颠倒过来，或者复制一个朋友或家人的目录，其中有大量你很想看但却从未在你的选择中出现过的作品？
告诉它你的心情，让它以同情或同情的方式决定正确的节目和电影怎么样？就像你的朋友一样，因为他们在情感层面上了解你和你的品味？
我们是否需要反馈回路来界定何时需要改变常规？
SKY Q，供应商迄今为止最高科技的控制系统，包括许多讨论过的自动决定，拉出你经常看的节目，提醒你的记录，自动记录或下载你选择的节目的未来剧集，甚至还有一个语音控制的选项，推动你问："我应该看什么？"它提供什么，确实，它认为你想看。
如果它的算法能提供："你从未对爱情喜剧、真人秀或体育节目表现出任何兴趣；你是否愿意尝试一下呢？
我们是有感情的人，他们是机器人
天空电视台是否会开发一个 "给我一个惊喜 "的选项来对抗他们的 "我应该看什么 "功能，或者如果我们能够安全地分享更多的数据，而不是担心它最终落入谁的手中，有一个 "我的朋友在看什么 "的选项？
我猜想，Facebook已经准备好了所有这些信息，用户发布基于活动和感觉的帖子，概述了从我们在看什么到我们在哪里吃饭，我们去过什么活动，想过要去什么活动，喜欢和不喜欢什么活动，以及我们做这些事情时是高兴、悲伤、愤怒还是兴奋。这是一个很大的信息；如果有一个更广泛的竞争领域，我们的建议会有多好？
人工智能和ML将变得多么高效，它们是否会像人类主体一样可预测不可预测？
毫无疑问，人工智能和ML提供的很多东西都是一种礼物。聪明的思考，高效的，节省时间的行动，有效的设计，所以我们甚至没有注意到他们刚刚为我们节省的时间。它只会随着时间的推移而进步和改善；我们正掌握在引领这一旅程的程序员和设计师手中。
AI和ML能带我们走多远？只有时间会告诉我们学习算法的效率有多高，这些算法的发展过程通常是在有知觉的人类的发明和好奇心的基础上形成的。
请注意这个空间，或者让你的手机帮你看；我相信，当它认为你有兴趣听到这些结果时，会让你知道的。
