创建自适应系统来增强用户体验

在计算机科学中，“自适应系统”特指能够根据所收集的用户信息， 使用情景来调整其行为的交互系统。它一直是学术领域关注的焦点， 这个理念也启发了大批的计算机科学家。 但从来没有一个时期能像今天这样让人憧憬未来计算机系统与人之间的交互所蕴含的前景。

今天的网络信息科技得以让我们创造丰富和个性化的体验并追踪用户的交互行为加以实时分析。 辅以我们日常生活中随身携带的智能设备和各种传感器所收集的数据， 让我们有机会在设计中添加适应性得以提供更透明和贴切的用户体验。

此文所涵盖的基本理念是通过利用智能设备上的传感器收集数据并理解用户的使用情景， 提倡在设计师的思维模式中加入“自适应设计”这一环。 通过一些实例展示使用情景的重要性以及自适应应用能如何增强用户体验。

自适应系统实例

全球定位系统（GPS）就是一个很好的早期自适应系统案例。 对于车载GPS， 当驾驶员驶入隧道或车外光线变暗（从日落到傍晚）时， GPS会自动切换至更暗的界面（夜间模式）来避免过于明亮的界面在强烈的对比下让驾驶员感到眩晕甚至短暂失明。 系统通过感知，理解并利用用户的确切位置， 时间和车外光线的明暗等信息， 主动适应用户的需要并保持一个安全的驾驶环境。

现在的车载导航系统所提供的日/夜行驶界面能正确根据驾驶员的位置， 车内外环境和时间切换界面。保证在不同的使用情景下界面清晰可辨并且在必要时避免用户疲劳或眩晕。

可以说自适应设计就是倾听环境并学习用户的使用模式。 智能设备与传感器所收集的数据， 不同设备间数据的链接与同步和对用户行为的分析就是创造自适应用户体验的秘诀。 通过合并这些设备和科技所提供的数据，我们不但能更了解使用的情景， 更可以预测到用户在特定时刻的需要。

Google Now就是一个很好的例子。 它可以通过对使用场景和用户手机数据的分析提前预测用户所想的问题。 通过一系列在用户手机上出现的智能卡片， Google Now可以提前告诉你所在地当天的天气， 交通情况， 当你站在火车站台时告知下一趟火车什么时候到达， 你最喜欢的球队当前的比赛结果等。通过记录并分析用户使用手机的习惯和设置， 比如通过手机浏览和搜索记录更新你可能喜欢的球队， 当前地理位置和早期地理位置等信息则会帮助提供你下一个可能目的地的交通状况。

http://v.youku.com/v_show/id_XNDIyNzMzNDM2.html

作为设计师， 我们了解有些用户并不喜欢使用虚拟的触摸键盘，所以我们在设计中尽可能的减少触屏设备上字符输入的必要性。 通过利用智能设备上的传感器记录的用户行为和数据，通过语音命令（类似iOS上的Siri）让Google Now给予用户一个完全无需键盘输入的自适应使用体验。这能帮助其更好地适应移动手机用户的需求并迅速的提供他们在旅程中所需的信息。

自适应系统并不仅仅局限于移动设备的用户。 无所不在的普适运算环境（Ubicomp)指的就是用户所处的环境被智能设备和互相连接的数字设备所环绕。在工作或个人空间里， 这些设备在必要时能为用户提供不打扰的帮助。 类似的， 环境智能(Ami)指的是对用户的存在和行为敏感并能做出适当反应的数字环境。

Nest使用传感器来探测主人的活动并响应的调节室内温度以达到舒适，节能的目的。

Nest，这款可以自主学习的智能温度表就是一个集成到家庭环境中的自适应系统的绝佳实例。 使用了温度， 湿度， 触控， 近场感应， 远场感应甚至环境光感应等多种感应器，它能够在任何时候都自动探测家中是否有人以及主人的活跃程度。 通过智能分析这些数据并相应的调整温度， Nest可以为家庭省下多达20%的制冷/制热能源费用。

当家中无人时， Nest会自动关闭制热。 当你下班回家时它知道应该把暖气打开了。通过最初几周的使用， Nest甚至能够记住你每天大概什么时候下班回家， 并提前打开暖气。 这样你一打开家门就会发现家里已经是暖暖的。

在1991年， 普适运算之父Mark Weiser就说过：

　　“对人们影响最深刻的技术往往是那些逐渐融入到我们身边，直到它们与日常生活融为一体甚至无法分辨”。

Nest作为一个绝佳的例子向我们展示了普适计算在设计中的应用。　除了用户界面，现代科技已经逐渐消隐到人们日常生活中而无法分辨了。

这些设备在不同情境下利用感应器和数据来预测连用户自己都尚未察觉的潜在需求并做出响应反应， 这就是未来用户体验设计的发展方向。

自适应的思维模式

同传统的桌面设备相比， 移动设备的使用环境更加多样化。但是现在的移动设备很少利用不同使用环境下的场景信息， 因而用途仍旧相对单一。 例如， 一个有城市地图并基于本地商务的应用可以有不同的使用情景： 在城镇中步行或待在家里， 有或没有网络连接。

今天，用户可以自定义他们的设备， 并根据需要选择应用。 即使以用户为中心的设计流程可以保证一定程度的接受度和使用场景兼容性。“在默认系统设置下可以满足并解决所有用户的需求”也是不可能的事情。

“适应性设计的思维模式”是一种利用现有设备和科技来大大增强用户体验和产品用途的思维逻辑。这套逻辑的独特之处在于学习用户和其使用的环境并主动适应现有的使用情景和需求。 因此， 设计师需要首先为不同的使用情景设计， 然后再设计不同的情境下触发的不同功能。

下面就是一个以适应性设计思维创建的自行车共享应用的案例。自行车共享系统（又叫单车出租）在全球主要城市里变得越来越常见。 单车出租不但能减少交通拥堵和空气污染， 还能鼓励城镇居民保持一种健康的生活方式。

一位想要租车的用户可以通过手机查看离他/她最近且有可租车辆的自行车出租点。如果用户对当地不是很熟悉他们还可以使用应用来获取到达租车点的路线与引导； 这就是这款应用的核心功能。

一款自适应系统可以在用户到达单车出租点时自动为其提供附加的选项，例如当用户在到达租车点时提供一键快速租车的功能， 而在用户到达租车点之前这一功能还未被触发。 在租车期间，应用会提供给用户附近有停车位的租车点信息以方便他们还车， 同时为用户显示租期和账户余额等信息。

一款租车应用可以通过收集并分析用户的位置和时间信息来提供不同的选项

通过使用设备上的GPS系统，连接网络并了解用户在产品使用周期中特定时期的使用情景。 自适应性设计会为单车出租应用的用户提供可靠的附加功能。

自适应和响应式设计

一个自适应性系统会根据环境变化自动适应用户需要。响应式设计（或响应性布局）是自适应设计的一个分支， 用于在网页设计中为了让页面在不同的设备上都能提供最优的观看体验。 在UX杂志的一篇文章《多屏幕生态系统》中， 有关于通过理解移动设备的使用情景并针对不同情景路径而创建响应式网站的讨论。

 自适应性的情景

下面的节选来自一本2007年名为《适应性网络》的书。 这本书提到了情景在移动设备设计中的重要性并结合移动设备获取情景信息的能力进一步阐述了自适应性。例如， 通过利用当前使用情景信息来调整用户交互和用户接收信息的方式。

了解使用情景是进行适应性设计的前提。 情景并不仅仅是位置信息，还包括了环境噪音， 光线强度， 网络连接情况和带宽， 甚至是用户的社交环境。 除了这些，系统还需要结合物理探测器和环境探测器收集的信息来预计用户的目标和意图。（例如光线， 压力和噪音传感器）

自适应系统的前提条件是能正确分析用户所处的环境和场景。为了这个目的， 系统随时需要依赖不同情境下的信息反馈。取决于所支持的任务， 情景可以被许多不同的属性所定义。 因此， 设计师在创建自适应的移动设备应用时需要留意诸如空间信息， 临时信息，物理信息和与用户活动相关的属性变化来提供有效的支持。

比如，一个帮助用户购物的移动应用需要能够知道当前用户所处的空间环境（例如用户附近有哪些产品），用户当时所面临的一些限制（有多少时间可以用来购物）和用户的个人喜好与购物偏好（例如用户喜欢红酒或白酒来搭配吞拿鱼），购物清单的详细信息（那些物品在购物清单上， 它们又分别是用来做什么的？）甚至是用户的心理状态和情绪（用户是否享受当前的购物环境）。

当下， 理解用户的个人信息和产品的使用情景比以往任何时候都要容易得多。在设计时应该利用用户随身携带手机这个特性。 一个智能手机俨然是一个小型的高科技装备，其包含的信息能被设计师用来理解用户和使用情景。 精密而先进的科技不仅能让设计师分析用户是否在步行， 静止或是在嘈杂或安静的环境中，还能帮助设计师清楚的知道用户在商店中的具体位置， 诸如用户在那一条过道等信息。

一款应用可以分析用户在商店中的精确位置并根据这些提供适应当前情景的信息。

下面的节选来自一本2007年名为《适应性网络》的书。 这本书提到了情景在移动适应性设备设计中的重要性并结合移动设备获取情景信息的能力进一步阐述了自适应性。例如， 通过利用当前使用情景信息来调整用户交互和用户接收到的信息表现方式。

AislePhone， 一家以色列的创业公司目前就正在beta测试这种应用。他们开发的平台甚至可以精确到获知用户到底在店中第几排通道。 有了这种科技的帮助， 当大型超市或其它商场开始使用位置和用户个人信息来提升购物体验时，拿着手机购物会变得越来越普遍。

谷歌室内地图可以让用户查看并获取不同的商业地点的室内地图与楼层导航信息，诸如机场， 百货商店等。

有了这种技术， 传统超市或百货中“我的位置”导航站台就会慢慢不被人们所需要了。 你可以用智能手机来定位，这个体验还可以根据你的具体需要而改变。 例如当你走过特定商店或位置时应用会根据你的性别， 年龄等个人信息提供更个人化的折扣和推荐。

设计自适应系统

适应性设计既包含了隐性功能， 也包含显性功能。 通常来讲，适应性设计会非常的隐蔽和不打扰。 比如说， 现在的主流搜索引擎都会在用户开始输入搜索条件时弹出即时的自动完成推荐列表，在用户刚开始尝试搜索时就试着帮用户节省时间。 通过记一段时间内的所有搜索或用户的搜索记录来更精确的预测用户的意图。

例如，当用户搜索“rin”时，搜索引擎就会根据最近的搜索热度和关联度（以及用户的搜索历史）来推荐搜索条件。

另外一个适应性设计的例子就是能根据测试者上一道题目的完成情况自动调整后续问题难度的测试系统。或者像豆瓣或虾米那样能根据用户的个人信息或收藏自动推荐内容的系统。

虽然这种用户体验应该始终保持不打扰的本质，适应性系统的界面设计却应该易于辨别好让用户理解是在什么情境下发生了改变， 这样可以让用户随时保持操控感。 为了更好的体验，应用还应该让使用者可以自行设置适应性的特性与功能细节。 例如夜间的导航系统虽然会自应用较深的背景界面， 但用户应该始终能手动将其调回日间的界面模式。或者在进入一家百货时触发了不同的体验， 用户应该能理解这些改变发生的情景并乐于接收这样的功能。

查尔斯.达尔文写到：

　　“万物中，并非最强或最聪明的得以最终生存下来， 而是最能适应变化的物种 – 所谓适者生存。”

人类天生就能很好的适应周遭的环境，这也是我们得以生存和延续的重要前提条件。 作为设计师， 我们可以利用这个与生俱来的天性， 直觉和头脑的分析来帮助我们设计在不同环境下不同交互行为与特点。 例如， 在嘈杂环境下交流时， 我们会提高音量。相同的， 一个适应性的应用应该可以自动提高音量。

在更为嘈杂的环境中，我们使用手势来获得注意并会在听对方说话时仔细观察其嘴型（读唇）。 但是， 人的大脑不像电脑那样可以同时处理多层信息， 我们的认知能力和感应也是有限的。

　　今天人们在口袋里随身携带的智能设备比以往任何时候都要强大。结合智能手机上的传感器和网络传输能力， 我们可以实时的收集并分析用户的使用情景和其个人偏好， 让我们有机会为其提供适应其需要的超凡用户体验。

下面就是几个使用这些科技的要点：

 　 1）分析用户行为

和Google Now相似， 通过分析用户行为和其与数字设备的交互可以更好的理解其使用情景。分析用户的搜索习惯或下载了什么样的应用可以告诉我们他们的设置和偏好。 追踪用户的当前位置和历史位置信息可以给我们其周边信息和他们的活动范围。这样我们就可以知道他们去工作时的地铁路线， 午饭时喜欢去的餐厅。 当然在一些国家， 如果没有征得用户同意便记录这些信息的话是会触犯法律的， 所以务必要谨慎。

下面是一个通过分析用户行为来帮助创建一个适应性系统的例子。在著名的谷歌眼镜视频中， 我们跟随用户一起享用早餐， 离开他的公寓然后走向地铁站。 在到达地铁站入口时，一条通知告诉他地铁系统发生了暂时的服务中断并提供了备选的步行路线。 这看起来可能会很有帮助，但一个真正智能的适应性系统会分析用户的行为并在他起床的时候就提前通知其地铁服务中断。

谷歌眼镜使用用户的地理位置来提供相关的有用信息

理解用户的行为（不管他们是乘地铁还是步行去上班）并将这些行为信息和其它的信息相关联可以让我们理解并适应用户的需要。大多数时候仅仅靠一个信息来源是不够的， 只有通过将网络， 用户行为信息和智能设备上的传感器收集到的信息综合分析才能深入的了解使用场景。 比如说，我们可以测量用户室外的温度， 并将其位置和网上的天气信息结合，然后使用这些数据来为用户提供当地的出租车公司电话和一条步行路线（如果用户在下雨时并不像步行去上班的话）

　 2）利用用户的故事

行为目标锁定或个人化指的是一些线上出版商或广告公司用来增加它们宣传活动成功率的方法。通过收集网站和登录页上的数据并将这些数据进行分析利用。 个人化技术根据个体用户具体的数据和行为偏好， 让动态插入， 自定义或内容推荐更容易被接受。

从另一个方面来看， 个人化得益于网上越来越多的开放式数据，很多公司都将数据通过API（应用程序编程界面）公开， 网络服务和开放式数据协议也越来越流行。例如， Pipl就是一个设计来专门在因特网上锁定个人信息的搜索引擎。 Pipl使用身份分辨算法来收集信息并横向链接不同来源的信息，然后生成一个包含个人所有在网上可搜索到信息的在线档案。 Pipl将这些信息通过API对所有的开发者开放。 通过电子邮件向Pipl发出一个API申请， 用户可以得到被搜索对象的性别， 年龄， 位置和喜好等信息，并能根据不同的用户提供更加个人化的体验。

Pipl可以收集所有在网上公布的有关个人的任何信息

网络连接让理解用户故事变为可能。它不但可以让我们了解用户在网上的公开资料， 还是链接所有其它科技的关键。 云计算， 获悉当地的天气， 交通状况甚至是网络连接类型本身（WiFi或3G）都可以帮助我们理解使用场景。 最终，适应性设计的关键还在于真正根据传感器和网络收集的数据来理解用户的故事背景和使用场景来设计功能与特点。

　 3）传感器数据

对于适应性系统来说， 传感器指任何可以让系统理解并检验使用场景的科技。它包括智能设备中的内建加速度传感器， 摄像头， 内建时钟甚至是麦克风。 我们可以使用各种不同的内建传感器来更好的理解用户所处的环境。比如智能手机内建的测速器可以帮助我们判断用户是在步行还是跑步。

需要使用传感器的情景有两种：日常生活中的物体传输诸如温度或噪音等级等数据到智能设备中， 比如说iGrill， 它是一个烹饪用温度计，同时还能通过安全的远距离蓝牙链接和智能手机通讯。 诸如此类的智能设备利用内建的传感器来接收， 处理和输出数据给用户。通过使用这些传感器并同其它我们提到过的科技一起， 我们通常可以得到有关用户具体使用场景的详实的具体信息来帮助我们设计并创建适应性系统。

iGrill烹饪温度计和其iPhone上的应用界面

传感器在未来可以成为很强大的设计工具。 举个例子， 通过传感器的帮助，电子商务的结账过程无需使用密码来登入银行的个人账户。 通过使用四层传感器数据我们就可以在一定程度上确保用户身份的真实性并创建无需手动密码输入的银行登录界面。这个‘轻量’级版本的应用可以被用来检查账户结余等无需高等级身份验证的操作。想像一下用户在家中通过平板电脑查看他/她的银行账户。

第一层安全措施和这个平板电脑相关联的用户名。第二层安全信息则是位置传感器， 它会让我们知道用户是在经验证的家庭地址上网， 并且这个地址也和银行账户相关联。第三层安全信息是用户的无线链接。（用户使用的无线路由器都有一个唯一的MAC地址）在这个基础上， 我们可以通过检查用户附近的Wi-Fi网络连接来获得第四层安全信息（用户的邻居所使用的路由器也有独一无二的MAC地址）。如果这些信息能保持一致的话我们就可以让用户登录并无需手动输入密码或下载数字验证证书和动态码。

为了了解更多的适应性设计和如何在不同场景下利用传感器。我推荐大家有时间都去拜读一下 Albrecht Schmidt的一本叫Context Aware Computing的书。

今天我们刚刚开始看到使用传感器和科技链接设备和人的潜力。 “物体的互联网”这个词汇指的就是将各不相同并能单独辨认的物体通过网络连接起来。 比如一个智能花盆会在植物需要时发出信号。 毫无疑问的是在未来，为了让用户通过更贴近其使用场景和更个性化的操作与界面完成任务， 适应性设计会扮演更重要的角色。