نظر من در مورد دیزاین در سال ۲۰۲۵ چیست؟
اهمیت تجربه‌ی لذت‌بخش (Delightful Experience) در طراحی تجربه‌ی کاربریک:یکی از روش‌هایی که می‌توان فهمید کدام ویژگی برای کاربر مهم‌تر است و چگونه بر رضایت او تأثیر می‌گذارد، استفاده از مدل کانو است. بر اساس این مدل، ویژگی‌های محصول (فیچرها) در چند دسته قرار می‌گیرند:
•
ویژگی‌های ضروری: فیچرهایی که اگر وجود نداشته باشند، کاربر ناراضی می‌شود؛ اما حضورشان هم لزوماً باعث خوشحالی زیاد کاربر نمی‌شود، چون از نظر او بدیهی است که این‌ها باید حتماً وجود داشته باشند (برای نمونه، ترمز در یک ماشین؛ اگر نباشد کسی حاضر نیست از آن استفاده کند).
•
ویژگی‌های عملکردی: فیچرهایی که هرچه بهتر باشند، کاربر خوشحال‌تر می‌شود (مثلاً اگر بین دو ماشین تردید داشته باشیم، احتمالاً ماشینی را انتخاب می‌کنیم که مصرف سوخت بهتری دارد).
•
ویژگی‌های جذاب یا هیجان‌انگیز: فیچرهایی که کاربر انتظار وجودشان را ندارد و اگر با آن‌ها روبه‌رو شود، شگفت‌زده و خوشحال می‌شود؛ اما اگر نباشند، موجب نارضایتی نخواهد شد (مثلاً بین دو ماشین مشابه، شاید ماشینی را برگزینیم که سیستم صوتی بهتری دارد).
(دو دسته‌ی دیگر هم با نام ویژگی‌های خنثی و ویژگی‌های معکوس وجود دارند که فعلاً در اینجا به آن‌ها نمی‌پردازیم.)
دو:پس از حدود ۳۰ سال از به وجود آمدن وب و ۲۰ سال از رواج گوشی‌های هوشمند، بسیاری از مشکلاتی که کاربران با آن روبه‌رو می‌شوند از طریق «Best Practice»های متداول حل شده‌اند. مثلاً روند ثبت‌نام در اغلب سرویس‌ها تقریباً یکسان است، ویژگی‌های یک داشبورد خوب کم‌و‌بیش مشخص شده و استانداردهای لازم برای طراحی فرم ورودی اطلاعات هم سال‌هاست پیدا شده است.
به طور خلاصه می‌توان گفت در هر پروژه، احتمالاً ۹۵ درصد نیازهای کاربر یا فیچرهایی که باید برای او طراحی کنیم از طریق بررسی رقبا و بنچ‌مارک کردن آن‌ها قابل کشف است؛ فقط چیزی در حدود ۵ درصد (یا شاید کمتر) از هر پروژه، واقعاً به خلاقیت و نوآوری طراح نیاز دارد.
سه:هوش مصنوعی و مدل‌های زبانی (LLM) بیش از هر زمان دیگری، کدنویسی را آسان کرده‌اند. هر روز سرویس‌هایی ظاهر می‌شوند که با کمک یک پرامپت، می‌توانیم ایده‌ی مورد نظرمان را پیاده‌سازی کنیم. پیش‌تر در این کانال چند بار درباره‌ی این سرویس‌ها صحبت کرده‌ام (
اینجا،
اینجا )
همه‌ی این مدل‌های هوش مصنوعی با داده‌هایی از دنیای واقعی آموزش دیده‌اند. برای نمونه، فیگما هوش مصنوعی خودش را با اپ‌های iOS آموزش داده بود و وقتی از آن می‌خواستیم یک اپ هواشناسی طراحی کند،
خروجی آن تا بیش از ۹۹ درصد شبیه اپ پیش‌فرض هواشناسی iOS می‌شد.اگر دوباره مفهوم «بنچ‌مارک کردن» را تعریف کنیم، می‌شود همین کاری که هوش مصنوعی انجام می‌دهد: شما سرویس‌ها و نرم‌افزارهای مشابه یا رقیب را بررسی و ویژگی‌هایشان را لیست می‌کنید. در واقع همین حالا هم ماشین این کار را بسیار بهتر از انسان انجام می‌دهد.
پایان:برمیگردیم به مدل کانو. پیدا کردن و حتی پیاده‌سازی ویژگی‌های
ضروری و
عملکردی دیگر آن‌قدر چالش بزرگی نیست. با داشتن یک دایرکتوری عظیم از تمام نرم‌افزارهای جهان، به راحتی می‌توانیم تشخیص دهیم چه ویژگی‌هایی باید در اپ ما وجود داشته باشد تا کاربر حداقل رضایت ممکن را داشته باشد.
اما اگر تنها به این دو دسته از مدل کانو بسنده کنیم، در نهایت محصولی «متوسط» خواهیم داشت که احتمالاً مشابه آن کم نباشد. اینجاست که دسته‌ی سوم می‌تواند ما را متفاوت کند: ویژگی‌های جذاب و هیجان‌انگیز. ویژگی‌هایی که هیچ‌کس انتظار دیدن آن را ندارد، اما وقتی ظاهر می‌شوند، کاربر احساس می‌کند طراحان و توسعه‌دهندگان واقعاً برای او ارزش قائل شده‌اند. حس اینکه یک انسان پشت طراحی آن محصول بوده است. حس لمس یک اثر هنری.
تا چند سال پیش، پیاده‌سازی چنین قابلیت‌هایی معمولاً در انحصار شرکت‌های بزرگ بود، چراکه هزینه و زمان زیادی می‌برد. اما امروز، این هزینه‌ها بسیار کمتر شده و
اینجا باز اشاره می‌کنم به داستان «سه برادر»، می‌توان گفت ابزاری که زمانی فقط در دست «برادرهای بزرگ‌تر» بود، اکنون در اختیار ما هم قرار گرفته است.
به نظر می‌رسد در یکی دو سال اخیر و همین طور در سال پیش رو، نرم‌افزارها روزبه‌روز بیشتر از این دست ویژگی‌های جذاب را به کاربران ارائه خواهند داد. بنابراین بهتر است ما هم آماده باشیم تا توانایی ساخت یا پیشنهاد دادن چنین فیچرهایی را در خودمان تقویت کنیم.
→
@desigend_by_4lign
