[caption id="attachment_36522" align="aligncenter" width="578"] 图片来源：Hero Images / Getty Images[/caption]

如果产品设计人员和机器学习专家不使用同一种语言，机器智能不会自动带来更智能的用户体验。

机器学习的语言和概念远非直观可见。用户体验设计首先需要了解人们的想法和行为，同时考虑到人类行为的不合理性和日常生活的混乱。

因为这两个学科需要不同的技能，因此即便是在构建相同的产品，用户体验设计人员和机器学习的专家也需要在他们自己独立的领域工作。通常，这两个领域的专家们对于对方的方式方法并不熟悉，因此无法更好的将经验设计与机器学习结合起来去实现什么目标。要想打破这堵墙，该怎么做呢？

开发共享语言

整个团队需要共享和理解产品远景、基本的用户体验问题和业务目标。只有当产品设计和机器学习开发方法通过共同的语言和共享的概念相互促进时，才能创建智能的、真正有意义的用户体验。

用户体验设计人员和机器学习专家应该联合起来创建一个包含用户界面和数据管道的公共产品开发蓝图。共同创建的产品蓝图将团队的产品规划和决策具体地与用户体验的现实联系起来:每个设计决策和机器学习解决方案如何影响用户对产品的体验。将产品目标、设计思想和机器学习概念交叉传播的一个很好的催化剂是让这两个领域的专家在同一个空间并肩工作。

此外，要构建一种通用语言，产品团队必须一起回答两个关键问题。第一个问题是:“为什么?”“为什么我们要为这个特殊的用例选择这个用户体验设计或机器学习解决方案?”第二个问题是“目标是什么?”“当团队专注于调整用户体验设计细节或优化机器学习模型时，其基本原理是什么，预期会发生什么。”例如，团队中的每个人都应该能够理解，与优化机器学习模型以生成更精确的个性化内容推荐相比，为什么在营销通知中使复制文本更具吸引力能够对用户参与度产生更直接的影响。

关注用例

如果您正在构建面向消费者的产品，最重要的不是技术，而是您希望实现的用户体验和业务目标。

规划并具体化您的用例。例如，如果您正在为新闻应用程序创建个性化入门，那么用户体验设计人员和机器学习专家应该一起起草并设计实际使用流程以进行新手入门。这使得整个团队能够认识到机器学习可以增强用户体验的关键点，反之亦然。具体的设计，包括来自设计师、数据工程师和数据科学家的输入，可以帮助您为第一次产品迭代设置现实的期望和目标。

对用例的全面理解使团队能够为用户体验开发确定合适的关键性能指标(KPI)，该指标与机器学习的度量标准保持一致。例如，如果您正在为新闻应用程序构建一个基于人工智能的个性化新闻通知功能，那么您的目标是通过发送自动通知来节省用户的时间。你想知道用户是否对锁屏上出现的通知感到满意，即使他们根本不会打开应用程序本身。在这种情况下，有必要测量用户是否启用了新的智能通知功能，从而直接在锁定屏幕上持续接收个性化的新闻提醒。

结合定性和定量数据

“大数据”并不总是需要有效地使用机器学习。如果您认为可以在过去的定量数据中找到开放式用户体验设计问题的答案，那么历史数据甚至可能成为障碍。此外，还有一些技术，如在线学习，不一定需要大量的历史数据才能开始。

要了解结合用户体验设计和机器学习解决方案的效果，定性和定量数据都很重要。使用定性研究方法（如用户访谈，问卷调查和用户测试）来衡量用户对产品特性的体验。定性数据可以清晰地显示用户的想法和感受，定量数据可以告诉您人们实际上如何使用您的产品。您的整个团队应评估定性研究的结果。

在构建新产品或功能时，您可能会遇到许多影响用户体验和机器学习开发的意外因素。例如，选择的数据点是否捕获了真实的用户行为或意图？因为连接的用户界面特性对用户来说是不可访问或可见的，所以反馈循环对于生成有意义的数据是无效的吗?定性和定量相结合的方法可以让你从更广阔的角度来回答这些问题。

此外，访谈和用户测试使数据充满活力。它们突出显示了用户之间的实际连接以及系统如何解释它们。深入了解用户需要从数据流中的噪声中获取信号。结合基于定性和定量数据的见解，使用户体验设计人员和机器学习专家能够更好地将产品理解为人们日常生活中的生态系统。团队中的每个人都成为产品专家。

在真实的环境中，用真实的数据来确认你的选择

从用户的角度来看，您的智能助手可以独立地订购披萨、管理您的银行帐户或预订您的下一个假期航班，而无需您提出要求，这是否合理？我们如何确保机器智能真正被用来创造更流畅、更易于理解的用户体验?

通过设置有效的端到端解决方案，您可以了解用户体验和机器学习的所有部分如何在现实生活中融合在一起。最小的可行产品，包括工作数据管道和机器学习模型，可以更轻松地与整个团队一起迭代产品，并通过用户测试或beta测试从用户那里获得直接反馈。所有反馈都应与整个团队共享，讨论和分析。这可以让您了解您的产品在现实世界中的工作方式，以便您可以确定进一步开发的最关键的内容。

当用户体验设计人员和机器学习专家分享对产品开发问题的理解时，产品迭代会更快、更有效。在此过程中，您的数据工程师和数据科学家将获得有关如何使用机器学习来理解不直接适合数学公式、数据模型或机器学习解决方案的实际人类行为的新见解。反过来，用户体验设计人员也更加意识到机器学习的实用可能性:如何以及何时使用机器学习以最有效的方式改善用户体验。合作成为一种明显的竞争优势。