仍停留在1999年水平的通知功能,何时能更智能?

起点学院产品经理365成长计划,2天线下闭门集训+1年在线学习,全面掌握BAT产品经理体系。了解详情

20年过去了,一切都在发展,唯独通知还停留在1999年的水平。——@mikeindustries

youjian

我正在冰岛的某地拿着一部快没电的手机,距离我的车和其他人至少十英里远。我打开手机想要查看谷歌地图,这时,我的手机开始嗡嗡作响。

“Spotify 下午在播放列表中添加了两条新曲目”。恰好,Periscope 也提示:“@kayvon 希望你观看…”,邮箱里有两封新邮件,我在Twitter上多了一个粉丝,Slack 上的又有一条新通知。总共九条通知信息。毫无疑问,当我在野外而手机电量仅剩 2% 时,高速的网络连接和地图服务才是最要紧的需求。

20年过去了,一切都在发展,唯独通知还停留在1999年的水平。——@mikeindustries

近期,许多文章,公司,产品和会议都在关注这一主题。有大量的证据表明,现存的通知模式正在被打破,但是这种状态不可能一直持续下去。该怎样解决这些问题呢?未来的通知信息会是什么样的?

数据时代

从 Google 搜索到 Facebook 的信息流。基于大规模数据的算法分析决定着我们在网络上能看到的东西。最近,自我学习算法驱动了诸如 Google Now 和 Facebook 这类产品的通知栏的升级。总的来讲,这仍然属于智能算法的初步应用,但幸运的是数据需要智能化,预测性的通知已经得到了基本的应用。

社交网络的普及产生了自由共享个人信息的概念;为什么我们还得先填写那些无聊的表单才能即时登陆 Twitter 或Facebook 呢?

用户行为数据

即使产品自身的性质并不倾向于数据收集(想想iA Writer vs Facebook),产品能够从用户的行为方式中推断出大量数据,例如人们通常在每天的什么时间段登录?人们在产品上花费多长时间?这些时间和高参与度的关系?

产品生态数据

用户的兴趣点是什么?他们还使用什么产品?他们是如何使用产品的?这之中有没有什么共通点?

也许我们已经有解决隐私问题的方案了。在Google最近发布的智能自动回复功能中,人们不能读取用户的隐私数据。另外,机器学习算法也算一类方案。

真正意义上的智能通知

如果我们能够收集并分析所有的数据,那么真正的智能通知会是什么样呢?至少它们会是有帮助的,私人的,时间敏感的和主题相关的。

智能化的时间安排

即刻执行不一定是最好的方式。最近Basecamp 3推出的众多有趣的特性之一就是“稍后工作”,这使得用户可以自主选择接收通知的时间。你肯定不希望与伴侣的约会被在不同时区工作的同事打扰。

在错误的时间通知弊大于利。无关的提醒不仅会被用户忽略,同时还分散用户的注意力,进而催生出一种挫败感和紧迫感。

未来的通知将是高度智能化的。一个预测机制将会根据综合数据推断提醒的最佳时间,让你能够欣然享受生活。

智能定位

地理数据对于了解用户行为所处的环境至关重要。如果一个人在黑山的一条距离岸二十英里的船上,那这实在不是一个提醒他都柏林的宜家店里都在卖些什么的好地方。

许多应用已经通过一些相对智能的方式来使用用户的地理位置信息。例如当你到达一个新地方时,Foursquare会给予相应的提示(译者注:Foursquare是一家基于用户地理位置信息(LBS)的手机服务网站)——当地的一些信息。此外,许多to-do应用会在任务对应的场景与用户所处位置相匹配时进行提醒。

智能分组

像所有的推送系统一样,medium的通知是相当脆弱的。如果某一服务总是自我唤醒,会使用户感到不堪重负并关闭它。虽然那些提醒是有益于用户的,但数量的多少等同于负担的大小。这也是分组会变得如此重要的原因。

看看Facebook将通知分类的方法,例如有多少人赞了你的照片,显示对应的一组用户名和一个数字,如果愿意的话,还可以查看详情。相反,Quora不仅弹出所有关于你的通知,还需要你去逐条查看,即使其中有相同的信息。

将智能分组这一概念进一步深入,智能通知应当是逐步分组的。如果你每张照片收到的赞数一般少于十个,那么你有可能希望每条通知都独立呈现。如果每张照片能收到上千个赞,那么每收到一百个赞提醒一次更加合适。你也可以选择特别关注朋友,家人和一些重要人士的动态。如果马克扎尔伯格评论了你的文章,想必你一定希望能立刻收到通知。

智能反馈

尽管每一位用户都有其独特性,但你不可能为每个人定制系统,因此我们需要适当的妥协。相对于愚蠢的默认设置,智能的通知反馈可以辅助提供更加个性化的产品通知。

根据你平时与内容的交互方式,产品可以提供更好的文案和呈现结构供你选择。你通常怎样处理新照片被赞的通知?仅仅瞥一眼?或是详细地查看每一条通知信息?根据用户行为习惯的不同,你们可能看到不同的通知方式。

具针对性的智能化

我们不断与客户在Intercom上交流沟通。在我们进行产品调研时,我们从不对(参与调研的)用户提出同样的问题,而对用户进行针对性地提问。举例来讲,如果我们计划提升产品的导出功能,我们会选择在过去两天内曾使用过这一功能的用户,趁他们记忆清晰的时候去询问他们在使用过程中是否遇到过什么障碍。

将消息发送给合适的用户能够获得较高的反馈率,收到真正有用的反馈进而改善用户的体验。对数据进行聚合分析,智能化的通知能够专注于对应的用户而不打扰其他用户。

智能通知 VS 系统通知

智能化的通知信息更像是你的私人助理或另一位自然人的提醒。与之相对的,系统通知看起来只是屏幕上一个小小的提示图标。它们应该消失么?应该对这些通知信息打包么?产品应当是个性化的么?

有一种心理现象叫做幻想性视错觉,我们每天都能看到许多人形的物体。我们感觉天空中的云像人脸,动画中的小动物像人一样活动,科幻小说里的机器人也常常被描绘成人形。我们倾向于与机器人打交道,不管是Siri,Contana还是M(Google将其从Google Now中剥离出来真是失策)。

机器通过使用人类的语言进行通知提醒显得更加人性化,就好像是一个真正的人写的一样。

事实上,通知信息现在越来越口语化。下面是一年前的通知信息和现在的通知信息的对比:

虽然消息这种通知形式刚刚起步不久,但我们相信它最终将取代传统的通知形式。

反馈环节

无论预测系统多么智能,无论数据收集多么高效,产品都必须存在反馈环节。Zima Blue是英国科幻小说作家的短篇作品,作品中讨论了智能化预测的一些特性。想象一下,在阳光明媚的午后,你选择了一瓶白葡萄酒而非红葡萄酒与朋友共饮,这可比你月下独酌舒服得多。类似的,智能的算法就是在不附加任何东西的情况下找到最适宜的组合。同人的记忆一样,单一偏差不会对整个预测模型产生显著影响。即使系统仍旧(和下文“还是”重复,建议去掉“仍旧”)向你推荐红葡萄酒,但你的记忆会锁定异常点并加以放大,因此最后你多半还是会选择白葡萄酒,下次也是如此。算法不会容忍整个行为模式受一个带有偏差的实例影响而偏离。

智能通知的路径

显然,通知不能长时间驻留,它们与主要任务流程无关,是一种侵入性的元素。没人喜欢它们。

与此同时,所有用于创造更智能的通知的信息都已存在。一些产品试图合理地使用这些数据并建立一个能够使通知的提供更具价值,更有帮助的路径。

我只希望下次迷路,当我掏出自己快要没电的手机的时候,它能成为为我指引方向的机器人小助手。

 

作者:Alex Potrivaev,Intercom产品设计师。

本文由 @Alex Potrivaev 原创发布于人人都是产品经理 ,未经许可,禁止转载。

您的赞赏,是对我创作的最大鼓励。

评论( 1

登录后参与评论
  1. 感觉看半天等于没看。。

    回复
加载中