google《快速原型设计》课后总结,如何使用原型驱动产品设计

2017 年 9 月 28 日 产品100干货速递 PMandytian

本文是作者对google团队《快速原型设计》的课后学习总结,主要讲解了如何利用原型驱动产品设计,用户体验研究以及了解用户对 APP 的反馈意见收集,希望能对提升你的产品设计能力有一定的帮助。



本文源于google团队《快速原型设计》课程学后总结,课程主要讲解了如何利用原型驱动产品设计,用户体验研究以及了解用户对 APP 的反馈意见收集,课程中介绍了如何使用 InVision 创建交互中保真原型、远程用户体验研究,但是笔者使用过程中感觉网速很慢,其实可以使用国内的替代方案,做出类似效果完成用户研究。


原型的重点:可视+互动原型驱动产品设计的核心:提前发现问题并解决问题


古语有云,临渊羡鱼,不如退而结网;磨刀不误砍柴工;工欲善其事,必先利其器。基于原型的用户验证,表面上看会耗费一部分时间,推后产品上线时间,但相比于上线后再优化,产品定义时让用户参与进来,解决75%的问题才是最高效的。在产品定义阶段,用户参与产品设计和体验,如下图所示:



一、前言


1、原型分类


课程中,google工程师将原型分为三类,分别是低保真原型、中保真原型和高保真原型,其区别行如下所示:


低保真原型:线框图,不可交互,打印在纸上,展示主业务流程;中保真原型:可简单交互(点击页面跳转),简单配色并配图,但字体、配色和配图不完美;高保真原型:开发和设计参与,原型可交互,可录入信息,可以实现所有流程,有动画效果,字体、配色和配图与真实产品一致;


低保真原型


中保真原型


高保真原型


2、反馈圈分类


课程中,Jay Harman老师定义了用户的反馈圈,根据不同时期和获取难度将可参与原型体验的用户分为四类,分别是团队成员或朋友,行业专家,客户,客户的用户,如下图所示:



团队成员或朋友:团队成员,公司员工,社交圈朋友。特点:容易找到,易与沟通。使用低保真原型,了解主要流程是否存在问题。行业专家:相关领域产品经理和产品专家,他们了解目标市场。特点:能提出逻辑清晰的意见。使用低,中保真原型。客户:目标市场的客户。使用中、高保真原型,他们会提供非常棒的反馈意见客户的客户:特定人群应用,如投资人等。使用高保真原型展示,获取真实反馈。


二、如何利用原型驱动产品设计


1、用户原型访谈人数


基于原型的用户实验只要对3-5个用户进行测试,便可以找到设计中的大部分问题,经过google测试,3个用户一般可测试出原型65%的问题,5个用户可测试出原型75%的问题。




2、如何与用户交流


1-2句话介绍这个产品是做什么用的,给用户设计几个小任务,引导用户边操作边说出自己的感受,让用户想到什么就说出来,说出感受和疑惑,鼓励用户的每一次反馈。举个栗子,我们的app可以帮助您管理日常生活和工作任务,您看到的这个页面是首页,您能很清楚的知道如何创建一个新任务吗?通过录制屏幕和用户表情录制,观察用户如何完成任务,访谈过程中要经常鼓励用户提出意见。


提问需要提前设计关键问题和其他问题,关键问题是指产品的核心操作流程相关问题,其他问题指交互类,设计类问题。


3、信息收集工具


记笔记;2、手机录音;3、在用户允许的情况下,录入表情;4、原型操作过程手机或电脑页面录制。



4、注意事项


  • 用户面对面访谈时切记不要给用户过多的指导;

  • 最开始一定要告诉用户,如果无法完成任务,不是用户问题,是产品问题,为了测试产品,而不是测试用户;

  • 用户的情感反馈和无所适从是需要重点收集的,用户提供的优化建议可以暂时过滤;


5、用户访谈需要回答的两个核心问题


  • 这些反馈有没有回答我们一开始提出的问题?

  • 反馈中有没有提出我们的方向是否正确?


如果这两个问题的答案是YES,那么我们才可以考虑做高保真原型。如果有一个问题的答案是NO,那么我们依然要进行低保真原型的测试调研。


三、笔者思考及工具推荐



笔者认为,低保真-线框-纸质原型可以用于产品团队内部交流使用,通过头脑风暴,跑通住业务流程,确定MVP(Minimum Viable Product, MVP)方案,确定中保真原型方案。


对于朋友、专家和客户可以提供具有交互功能的可录入信息的中保真原型,设计尽量保证完成,以便于手机用户的全部操作行为。


PC端产品可以考虑使用axure制作web端中保真可交互原型。移动端app可以考虑使用墨刀制作中保真可交互原型。课程中google团队使用InVision制作中保真原型,实现点击跳转,但是笔者实测后,感觉页面加载速度缓慢,而且不可以实现信息录入功能。墨刀是一个款移动端原型制作工具,原型制作制作方便,可以快捷添加一些简单的交互动画,信息录入,逻辑判断等功能,支持微信分享,便于传播手机信息。


访谈过程中使用手机屏幕录制工具,记录用户操作过程。在获得用户允许的情况下,使用手机录制用户操作时的表情,同步进行,用于分析用户的困惑。


前期的用户调研可能会让开发进度放缓,但尽早发现问题,可以为后续的产品开发节省更多时间,所以基于原型的设计实际上就是在产品定义之初便引入敏捷开发,通过高速迭代优化出解决痛点的MVP。


工具总结纸笔-低保真原型--产品团队墨刀或axure-中保真原型-朋友,专家和客户P.S.开发资源富裕的团队,如微信团队,可以实现每个想法的高保真原型快速输出和范围测试。



作者:PMandytian


本文由作者授权产品壹佰发布,如需转载,请联系作者。

投稿邮箱:yli01@kaikeba.com 欢迎您的来稿



「今日互动」

主题:原型的作用


我们都知道在产品设计阶段,有一件事情必不可少,就是画出产品原型,无论是高保真还是低保真,有了原型图的帮助,会让整个团队更好的理解产品,提前发现问题并解决问题,而不是为了做原型而画。小伙伴们,你们认为的原型图的作用有哪些呢?你们给自己的产品原型又赋予了哪些特殊的意义呢?


欢迎在文章下方留言,大家踊跃发言,说说你们对文章的看法吧~



产品壹佰www.chanpin100.com),是慧科集团旗下企业开课吧诚意打造的,互联网产品人学习成长社群;致力于为互联网产品爱好者,提供优质学习资讯、线上公开课、线下沙龙、学习社群与教学服务。


开课吧 www.kaikeba.com ),是慧科集团倾力打造的互联网人学习成长社群,2016年8月,开课吧实力融聚无限互联、莱茵教育、产品壹佰、美好学院等知名职业教育品牌,专注打造互联网产品经理、UXD全能设计、技术开发等前沿专业课程及学习社群。致力于通过创新科技,提供智慧学习服务,高效链接人与知识,帮助互联网人实现可持续职业成长。



登录查看更多
0

相关内容

原型设计是交互设计师与PD、PM、网站开发工程师沟通的最好工具。而该块的设计在原则上必须是交互设计师的产物,交互设计以用户为中心的理念会贯穿整个产品。利用交互设计师专业的眼光与经验直接导至该产品的可用性。
FPGA加速系统开发工具设计:综述与实践
专知会员服务
65+阅读 · 2020年6月24日
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
161+阅读 · 2020年5月14日
Python计算导论,560页pdf,Introduction to Computing Using Python
专知会员服务
72+阅读 · 2020年5月5日
产品经理们,好好琢磨产品定位吧
产品100干货速递
7+阅读 · 2019年6月4日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
深度 | 推荐系统如何冷启动?
AI100
17+阅读 · 2019年4月7日
全新发布——用户画像手册V1.1版本
R语言中文社区
18+阅读 · 2018年10月20日
两套经典的用户画像
产品100干货速递
26+阅读 · 2018年6月19日
如何利用动态信息数据构建用户画像?
NPDP产品经理资讯
6+阅读 · 2017年10月11日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Next Item Recommendation with Self-Attention
Arxiv
5+阅读 · 2018年8月25日
The Matrix Calculus You Need For Deep Learning
Arxiv
12+阅读 · 2018年7月2日
Arxiv
7+阅读 · 2018年1月31日
Arxiv
9+阅读 · 2018年1月30日
VIP会员
相关资讯
产品经理们,好好琢磨产品定位吧
产品100干货速递
7+阅读 · 2019年6月4日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
深度 | 推荐系统如何冷启动?
AI100
17+阅读 · 2019年4月7日
全新发布——用户画像手册V1.1版本
R语言中文社区
18+阅读 · 2018年10月20日
两套经典的用户画像
产品100干货速递
26+阅读 · 2018年6月19日
如何利用动态信息数据构建用户画像?
NPDP产品经理资讯
6+阅读 · 2017年10月11日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
相关论文
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Next Item Recommendation with Self-Attention
Arxiv
5+阅读 · 2018年8月25日
The Matrix Calculus You Need For Deep Learning
Arxiv
12+阅读 · 2018年7月2日
Arxiv
7+阅读 · 2018年1月31日
Arxiv
9+阅读 · 2018年1月30日
Top
微信扫码咨询专知VIP会员