【机器学习】使用数据设计:通过这个简单的框架构建可信的推荐

SEO Title
Designing with data: Build trusted recommendations through this simple framework

为什么要推荐?

让电子表格和数据表看到充满数据的行和列并不难。在整个排序和筛选过程中,对最终用户来说可能是一项乏味的任务。在一个无穷无尽的数据矩阵中,见解和建议可以帮助你获得最有用的信息。

如果它们是可操作的,它们可以为个人和职业目标带来价值,随着时间的推移,它们可以推动产品或服务的采用和保留。

这是一个渐进而直接的框架,可以增强用户的数据体验。

让我们开始吧。

1.数据

在达到建立推荐的最终目标之前,获得信任和建立信誉是至关重要的。数据是这个框架的核心,也是完美的起点。它是关于你或你的用户所采取行动的信息记录。

以下是我将在本文中讨论的几个例子:

  • 例1:你的银行账户向你显示了你进行的交易清单。
  • 例2:分析体验显示有多少人访问了你的网页。
  • 例3:流媒体平台显示人们观看你的视频的次数。

如果这些不可靠或不准确,你会把你的业务转移到别处。

2.见解

洞察可以影响用户根据过去的信息采取的下一步行动。你可以开始根据更大的数据集关联趋势。这是一个很好的机会与你的工程或数据科学团队合作,突出哪些趋势可以相互关联。

Example of an insight backed by two data points.

这可能看起来像是某个日期范围内的平均视频浏览量、完成交易所需的平均天数,或者每个电子邮件活动的平均打开次数。

您会注意到,我们开始考虑在一段时间内两个或多个数据点是什么样子。这将允许您进行比较和对比,并根据您可以确定的正面或负面影响来识别数据趋势——每个行业和问题空间被认为是正面或负面的不同,因此您需要确保对这一点有坚实的理解。

要详细说明数据部分中的示例,可以如下所示:

  • 例1:你这个月的平均花费比上个月高。
  • 例2:本周的平均访问量高于上周的这个时候。
  • 例3:你看到的流量增加了20%。

请注意,我们没有向用户推荐下一个操作,也没有强调特定的因果关系。

与任何事情一样,你都需要优先考虑哪些类型的见解和趋势最引人注目,因为如果你向用户透露太多的见解,它们可能会让人不知所措,或者造成盲目性。

3.建议

这就是所有这些结合在一起的地方。建议是我们让事情变得可行的地方——我们有一个强有力的假设,即什么会导致我们所学到的积极成果,用户对我们的预测有坚定的信心。如果用户想了解更多信息,我们会提供面包屑,以显示我们是如何根据数据和见解/趋势确定推荐的。

The recommendation suggested now has a story built on a trend in data, and data points to back that trend.

需要注意的一点是,这不是UX可以单独解决的问题。你需要确保你的数据科学/工程团队拥有一个成熟的分析/建模平台,并且有足够大的数据集是准确的——没有它,这是行不通的,如果不准确,就信任和采用而言,这可能会带来高昂的成本。

现在我们可以利用我们的数据作为基础,由趋势支持来创造这个故事。

例1

  • 建议——本月减少可自由支配支出,将更多现金用于储蓄。
  • 洞察——你这个月的花费比上个月高。
  • 数据——2笔超过500美元的可自由支配支出。(请注意,这些是单一的数据集、类别和支出)

例2

  • 推荐——开展营销活动,为你的网站带来新的流量。
  • 洞察——上个月你还没有开展营销活动。
  • 数据-网站访问量减少30%是独特的流量。

例3

  • 推荐——每周多发布两段视频,你的月浏览量将达到20000次。
  • 洞察——本周的平均浏览量高于上周的这个时候。
  • 数据——上周上传了四次视频,每次观看1000次。

这些都是基本的例子,但你可以看到我们是如何根据过去的表现开始构建故事的。

基于具体数据和证据为用户提供建议,让他们有了一些切实的东西,他们会对你的建议充满信心,因为你是基于实际数据的。

这可能是很多信息,所以你需要弄清楚你想要使用什么样的渐进式披露模式。

结束

让我们回顾一下今天的内容:

无论你对自己的建议有多确定,人们都希望看到你是如何得出结论的——你必须能够用现有数据和趋势来支持一切。您可能对数据的工作方式有复杂的理解,但用户可能没有。因此,向他们展示你是如何得出结论的是很重要的,这样他们也可以对见解和数据有相同的理解。

信任一旦失去就很难恢复,所以你需要把它做好——试着在有限的用户群中测试这个框架,并允许人们选择使用这种方法。征求反馈意见,记下你的观察结果,并努力使这一过程尽可能连贯和成功。这里几乎没有出错的余地,因为用户依赖的是根据正确数据得出的建议。因此,在将此框架作为标准实践之前,请花一些时间来弄清楚它并使其正确。

以下是一些额外的资源,可以让您更深入地了解这个主题:

原文:https://uxdesign.cc/designing-with-data-build-trusted-recommendations-through-this-simple-framework-9bc3c857b46e

本文: