用机器学习提高用户体验的5种方法
好莱坞电影制作人喜欢将人工智能描绘成比人类更有能力的智能代理。幸运的是，我们还没有达到这种状态。我们仍然需要工程师开发创新的算法和工具，以改善人类与软件和系统的交互。别担心——我们不能用机器学习来解决用户体验问题，我们离这一步也不远了。
多年来，机器学习已经成熟，使我们能够从收集的数据中获得更多的见解。我们甚至可以实现机器学习来改变用户体验设计师、产品设计师和交互设计师的工作。
本文介绍了我们如何利用机器学习来改善用户体验的五种不同策略。
让我们开始吧!
1.提供下一个层次的个性化
个性化仍然是2020年的热门趋势。机器学习可以帮助你为客户提供更高层次的个性化服务。
基于机器学习的个性化提供了一种更可扩展和更准确的方式来实现个人用户的独特体验。它不是使用基于规则的个性化划分用户，而是允许您利用算法来提供这些一对一的体验，通常是以产品或内容推荐的形式。
以下是由机器学习驱动的个性化示例列表:
- 个性化的电子邮件，根据用户的搜索历史和以前的购买记录，推荐符合用户兴趣的产品。
- 根据用户的兴趣为博客提供内容建议，这降低了跳出率必威滚，提高了他们在网站上花费的时间。
- 通过创建个性化的奖励系统提供更多适用的折扣。
2.提供更高质量的推荐
亚马逊网站根据我的自行车相关购买历史提供产品建议
企业通过提供更高质量的推荐来取胜，因为他们可以增加收入。用户也是赢家，因为他们花在寻找产品上的时间更少了。
一项由埃森哲咨询公司显示，2018年，63%的购物者更喜欢产品推荐。千禧一代的这一数字甚至更高，69%的人更喜欢产品推荐，而不是手动搜索相关产品。
协同过滤是一种广泛使用的提供更个性化内容推荐的方法。协同过滤会根据用户的评论和购买情况，为具有相似品味的用户提供内容建议。
例如，一名学生和一名商人给几家餐馆打了差不多的分。很有可能他们有着相似的个人品味。因此，我们可以向学生推荐一个商人评分为“9”的特定餐厅，因为我们希望学生喜欢这家餐厅。
3.提高客户服务质量和速度
作为一家公司，你可以通过提高客户服务速度来大幅改善用户体验。Drift.com该公司的研究显示，46%的受访者表示，他们在使用聊天机器人时希望在5秒或更短时间内得到回应，43%的人希望在使用在线实时聊天时得到回应，33%的人希望在使用电话或视频通话时得到回应。
换句话说，是时候开始使用机器学习驱动的聊天机器人了。除此之外，该研究还发现，聊天机器人最常用的用途是回答时间敏感的问题。
不及时响应紧急问题可能会给您留下负面的用户体验。不幸的是，有时候不可能有人在任何时候都能回答最紧迫的问题。
因此，你可以利用聊天机器人，因为它们可以快速地从以前的客户互动中学习。机器学习算法可以检测客户交互之间的模式和相似性，使他们能够在未来更快地回答类似的问题。
此外，聊天机器人的可扩展性比人类强得多。在选择聊天机器人时，人类的角色是回答聊天机器人无法解决的复杂问题。除此之外，人类还可以向聊天机器人提供数据，以改善它们处理问题的能力。
4.通过分析用户行为优化布局
通过测量用户行为，我们可以优化应用程序的布局。
假设我们想要优化发票应用程序的布局。对于我们的应用程序来说，最关键的操作是发票创建按钮。我们想确定用户能多快找到这个按钮。
Waveapps.com的仪表板在右上角显示了发票创建按钮
为了回答这个问题，我们可以测量用户点击这个按钮所需的时间。通过测量所需的时间，我们可以检测不正确放置的按钮，并尝试优化我们的布局。
假设发票创建按钮隐藏在菜单中。通过将机器学习与用户数据相结合，我们可以检测到缓慢动作的模式，以达到特定的结果。接下来，我们可以通过将按钮放置在更明显的位置或更改按钮样式来缩短用户到达发票创建页面所需的时间。
换句话说，我们可以使用机器学习进行更有效的A/B测试，并减少用户花费在搜索某些功能上的时间。
此外，您还可以发现用户频繁返回前一页的模式。这个模式表明特定的流是不正确的，或者用户期望不同的东西。
简而言之，目标是找到不清楚或需要太多时间才能完成的交互，通常会对用户体验产生负面影响。除此之外，我们还希望在导航应用程序时减少人为错误，以创建更加无缝的产品体验。
但是，不要太频繁地改变UI组件的顺序。不断发展的UI会阻碍用户反复学习新的UI。最重要的是，这可能会对客户留存率产生负面影响。
5.情感分析:情感AI
最后，情感分析可以更清楚地了解用户在与网站、产品、博客文章或广告互动时的情绪。必威滚测量一个人的情绪需要面部识别软件。然而，你也可以利用文本分析来获得感觉。但这一策略不适用于测量人们对广告的反应。
通过判断用户对内容或广告的反应，您可以创建更吸引人的广告。一些营销机构试图为不同兴趣、年龄或财富的用户制作不同的广告。
简而言之，你可以利用情绪分析来创建:
- 更好地回答用户问题的内容
- 吸引用户兴趣的广告
- 更精准地解决用户需求的产品
关于机器学习和用户体验的说明
机器学习是改善用户体验各个方面的好工具。但是，不要在没有验证见解的情况下实现每个机器学习见解。有一个适当的用户测试过程来验证所提议的更改仍然是有价值的。
假设你的机器学习算法揭示了特定的UI组件应该放在不同的位置，或者可以从其他样式中受益。您可以使用用户测试来验证这些想法，并尝试各种样式。
此外，您可以使用金丝雀测试来降低糟糕UI更改的风险。金丝雀测试让你只向一小部分用户推出产品更新。
综上所述，我们相信机器学习和用户体验设计将在未来继续相互发展。将机器学习和用户体验设计结合起来会有明显的好处。
