ریاضیات این مسئله بسیار ساده است: هوش مصنوعی + تجربه کاربر = یافت پذیری بهتر.

طراحی سایت

طراحی سایت

طراحی سایتبه نظر می رسد که ما بسیار سرگرم انجام کارهای شگفت انگیز با ربات های چت و داده کاوی ها هستیم. استفاده از ربات های چت و داده کاوی می تواند کار معماری دستی اطلاعات را تقویت کند و در نتیجه به طور کلی تجربه کاربران را بهبود بخشد. پردازش اطلاعات خودکار به ما در شناسایی الگوهای جستجو و ساختارهای پیشنهادی اطلاعات کمک می نماید تا قابلیت پیدا کردن محتواهای مورد نظر کاربر را بهبود بخشیم.
 

چگونه: تجربه کاربری + هوش مصنوعی = یافت پذیری بهتر

طراحی سایتبیایید تصور کنیم شما سرویسی دارید که دارای یک مولفه جستجو است. در حال حاضر، کاربران شما ممکن است در حال جستجو و استفاده از فیلترهای دستی برای مرتب سازی نتایج باشند، همان کارهایی که کاربران جستجو معمولا عادت به انجام آن دارند. به عبارتی یک سیستم جستجوی معمولی و متداولی را داریم.
چگونه می توانید بفهمید که کاربران تان به آنچه نیاز دارند دست پیدا می کنند؟ شما می توانید بر تجزیه و تحلیل تکیه کنید تا بفهمید که آیا آنها به چیزی که می خواهند می رسند و یا از طریق تحقیق در میان کاربران دریابید که آنها در انجام کار خود موفق می شوند یا خیر. می توانید رضایت کلی کاربر را با تجزیه و تحلیل داده های استفاده شده، زمان سپری شده در سرویس، و یا از طریق مصاحبه های مستقیم و پرکردن فرم های بازخورد بفهمید و از این طریق از میزان کارایی ابزار جستجوی خود اطلاع حاصل کنید.
بیایید تصور کنیم برخی از کاربران در جستجو کردن دارای مشکل هستند و یا به جایی که از نتایج جستجو انتظار دارند نمی توانند بروند. شاید تجربه کلی آنها درست باشد و جواب هایی را از جستجوی خود دریافت کنند اما با توجه به عبارات جستجو و کلیک های بر روی نتایج جستجو، می توانید بگویید که آیا نتایج جستجوی بهتر یا مسیر های واضح تری برای اطلاعات مربوط به کار آنها می تواند وجود داشته باشد یا خیر.
چگونه می توانید به آنها کمک کنید تا بهتر جستجوی خود را انجام دهند؟ شاید اگر آنها از عبارات کوچکتر و یا کلمات جامع تری استفاده کنند، ممکن است بتوانند اطلاعات مربوط به پرسش های خود را پیدا کنند. اما اینها همه فقط نظریه هستند و نمی دانیم در عمل کاربر چه کاری را انجام دهد بهتر است.
شما تصمیم به طراحی مجدد سرویس، از جمله سرویس جستجوی خود، با استفاده از یک رویکرد طراحی کاربر محور می گیرید. عالی است! و بیایید از کمی هوش مصنوعی در حالی که حین انجام این کار هستیم استفاده نماییم و از آن به عنوان یک کمک کننده برای جستجو نمودن استفاده نماییم.
در حالی که شما در فرایند طراحی تجربه کاربری خود قرار دارید، می توانید از یک سیستم هوش مصنوعی برای تجزیه و تحلیل حجم زیادی از داده های به ظاهر غیر مرتبط استفاده کنید تا به تصحیح تصمیمات طراحی شما کمک نمایند. به عنوان مثال، شما می توانید ابزار داده کاوی خود را برای جمع آوری داده های ساختار یافته و غیر ساختار یافته (تحلیلی، پرسش های جستجو و سایر داده های کاربری) ایجاد کنید. حین آن که می فهمید شما در حال حل کدام مسائل برای کاربران خود هستید ، یک سیستم هوش مصنوعی (مانند IBM Watson) را برای انجام تجزیه و تحلیل داده های غیرساختار یافته پیاده کنید.
 

آموزش سیستم هوش مصنوعی

طراحی سایتاما سیستم هوش مصنوعی چگونه می فهمد چه کاری را باید انجام دهد؟ این بخش سرگرم کننده کار است: اول، این سیستم داده ها را به صورت اسکنر تجزیه می کند و سپس شما باید آن را آموزش دهید. سیستم های هوش مصنوعی می توانند داده های اطلاعاتی زیادی را در زمان بسیار کمتر از آنچه می توانید بصورت دستی وارد نمایید دریافت کنند و می تواند در زمان واقعی (آنی) یاد بگیرند. آنها متن را درک می کنند و بنابراین می توانید به آنها در یادگیری اطلاعاتی که داده ها نشان می دهند، از طریق ارائه قوانین کسب و کار، متا دیتاها و پرسشنامه ها کمک کنید.
همانطور که در فازهای تحقیق و طراحی تجربه کاربری کار می کنید، شما به طور پیوسته سؤالاتی را که می پرسید اصلاح می کنید و این کار، جنبه های مختلف داده هایی که تحلیل می کند را تغییر می دهد. شما می توانید از سیستم سوالات متنی ساده ای را  بپرسید: چه تعداد افرادی  برای X جستجو می کنند؟ چند بار Y به عنوان پاسخ ارائه داده می شود؟ چه نوع اطلاعاتی را در مورد Z داریم؟ سیستم به سوالات تا جایی که می تواند به بهترین وجه بر اساس تجزیه و تحلیل داده ها پاسخ می دهد. بخش زیبای کار نیز این است که شما بدلیل عدم توانایی خود برای مطرح کردن سوالات محدود نمی شوید و توانایی شما برای تعیین عبارات کلیدی مناسب در جستجو بر روی نتایج جستجو تاثیری ندارد. سیستم سوالات و داده های شما را دریافت می کند و در واقع یاد می گیرد. شروع به پرسیدن سؤالات خود می کند. با گذشت زمان، حین آنکه در موتور جستجو سوالات بیشتری مطرح می شود و تجزیه و تحلیل بیشتری از کاربران جمع آوری می شود، می تواند بهتر ارتباطات خود را برقرار کند، روندها را تشخیص دهد، فرضیه ارائه دهد و یافته های بهتر و غنی تری را در جستجو ها برای کاربران فراهم نماید.
چگونه این امر به کاربران کمک می کند؟ اگر کاربران شما بر جستجو برای یافتن اطلاعات تکیه دارند، می توانید کیفیت نتایج جستجو را با این اطلاعات افزایش دهید. عبارات پیش بینی شده بهتر برای جستجوها ، نتایج جستجوی مرتبط تر و ارجاع های متقابل موضوعی همانند آمازون را در نظر بگیرید. این موارد دارای این پتانسیل هستند که یک تجربه کاربری غنی تری را فراهم کند، حین آنکه محتوای مورد نیاز کاربران به طور مستقیم برای آنها ارائه می شود توسط یک موتوری که از کسانی که قبلاً آمده اند و جستجو انجام داده اند یاد می گیرد.
 

هوش مصنوعی برای IA (معماری اطلاعات)

طراحی سایتو چگونه هوش مصنوعی می تواند به طراحی بهتر معماری اطلاعات ( IA: Information Architecture ) کمک کند؟ یکی از سخت ترین بخش های معماری اطلاعات ایجاد یک گروه بندی محتوایی است که متناسب با برچسب هایی باشد که برای کاربران معنی و مفهوم داشته باشد. هوش مصنوعی می تواند به کشف و پیشنهاد روابط بین محتوا از طریق تجزیه و تحلیل داده های مربوط به محتوا برای روندها کمک نماید: از معنای خود کلمات گرفته تا نحوه انتقال کاربران به درون صفحات ، از نحوه اینکه چگونه آن کلمات را جستجو می کنند تا اینکه چگونه کاربران در صفحات سایت یا برنامه یا سرویس حرکت می کنند، و فراتر از آن. سیستم هوش مصنوعی قادر به برجسته کردن روندهایی است که ما انسان ها به تنهایی نمیتوانیم آنها را ببینیم، و این هوش و اشراف می تواند به منابع اطلاعاتی و یا محتوای جدید کاربردی تبدیل شوند.
اگر شما بتوانید تحقیق کاربران را با تجزیه و تحلیل داده های بزرگ مقیاس انجام شده توسط سیستم هوش مصنوعی خود ترکیب کنید تا بتوانید روابط بین انواع محتوا را شناسایی کرده و گروه بندی های محتوایی و ارتباط های متقابل را بهبود بخشید چه می شود؟ اگر بتوانید گروه بندی محتوا و برچسب ها به روش معنادار تری برای کاربران انجام دهید یا  لینک های مرتبط و مناسب ارائه دهید و به طور کلی اگر بتوانید سایت، خدمات و یا محصولی را ایجاد نمایید که احساس و نتیجه بهتری را ارئه می دهد چطور؟ و اگر بتواند داده های داخلی و خارجی را تجزیه و تحلیل کند تا به شما در تعیین اینکه چطور می توان به بهترین وجه ساختارهای اطلاعات داخلی برای مدیران محتوا (به عنوان مثال برای سیستم مدیریت محتوای شما) و ساختارهای ناوبری برای کاربران نهایی (به عنوان مثال منو برای سایت یا برنامه تان) ایجاد نمود کمک نماید.
 

ما هنوز به هوش انسان نیاز داریم

طراحی سایتاکنون مطمئن باشید، (هنوز) من پیشنهاد معماری اطلاعات (IA) تولید شده توسط دستگاه را نداده ام . بلکه من بیان داشته ام که یک سیستم هوش مصنوعی داشته باشید که داده های کاربری را از تعدادی منابع به ظاهر غیر مرتبط تجزیه و تحلیل  کند و به این طریق روندها و روابطی را ایجاد کنید که ممکن است در غیر این صورت  دیده نشده و پنهان باقی بماند. و این می تواند یک ورودی ارزشمند برای تصمیم گیری در مورد چگونگی ساختن محتوا برای کاربر بهتر باشد.
اگر چیزی وجود داشته باشد که ما بتوانیم از طریق آن از تجربه کاربری بیشتر استفاده کنیم، من می توانم بیان کنم که پاسخ آن لزوما داده ها نیستند؛ جواب آن هوش است. سیستم هوش مصنوعی می تواند برای ما این هوش را فراهم نماید هوشی که در حال حاضر بدلیل منابع متفاوتی که از داده هایمان داریم از آن بی بهره هستیم. و تجسم داده ها و بصری سازی می تواند به مخاطبان داخلی کمک کند که خروجی های سیستم هوش مصنوعی را بهتر درک کنند و به تصمیم گیری منسجم آنها کمک کنند. همه اینها نوآوری هستند و به این معنی است که فرصتی امیدوارکننده برای دانشمندان داده پرداز وجود دارد تا به حامیان مهم فرایند طراحی تجربه کاربری تبدیل شوند.
 

هوش مصنوعی برای معماری اطلاعات و معماری اطلاعات برای مدیریت اطلاعات

( AI to IA to IM )
طراحی سایتعلاوه بر حمایت از طراحی معماری اطلاعات، هوش مصنوعی دارای برخی فرصت های واقعا سرگرم کننده برای مدیریت اطلاعات (IM: information management) است از طریق افزایش پتانسیل قابلیت یافتپذیری و توصیه پشنهادات مناسب بصورت پنهان بدست می آید. در نظر بگیرید: اگر شما هرگز مجبور نبودید که محتوای خود را که به سیستم مدیریت اسناد شرکتی خود آپلود می کنید تگ کنید، بدلیل آن که سیستم هوش مصنوعی می تواند معنای و روابط بین اسناد را در یابد . احساس شما چگونه خواهد بود؟
چه حسی داشتید اگر سیستم مدیریت محتوای داخلی شما می توانست به طور فعال هنگامی که یک محتوای مرتبط با موضوع مورد علاقه شما بار گذاری می شد را بلافاصله به شما اعلام می کرد؟ و اگر می توانست بفهمد که محتوای بارگذاری شده مورد علاقه شما است حتی اگر عبارات خاص مربوط به آن به صراحت  در مقاله ظاهر نشده باشد چه، اما سیستم هوش مصنوعی می توانید مطالب غیرساختار یافته را در سند بارگذاری شده تجزیه و تحلیل نماید و آن را با محتوای مشابهی که شما نشانه گذاری نموده اید شناسایی نماید. چقدر شگفت انگیز و عالی می شد اگر زمانی که وارد سیستم می شدید محتواهایی را مشاهده می کردید که به کار شما مربوط می شد و این امر می توانست به شما کمک کند تا کار بیشتری را انجام دهید؟
 

از کجا شروع کنیم؟

طراحی سایتدر مورد خودم، من به دنبال اتصال Watson به back end سیستم هایی هستم که برای شروع جمع آوری داده ها آنها را ایجاد می نمایم. همچنین در حال استفاده از تحقیقات بر روی کاربران هستم  تا به اطلاع رسانی قوانین کسب و کاری که به موتور جستجو تغذیه خواهم نمود کمک نمایم. هدف من این است که نتایج بهتری را در جستجوها ایجاد نمایم و در نهایت یک موتور توصیه مبتنی بر ربات های چت راه اندازی نمایم  تا به کاربران در پی بردن به آنچه آنها نیاز دارند کمک کند و آنها که باید آن را از چه کسی و چه سایتی دریافت کنید. اجازه دهید به طور خلاصه بگویم، هیچ کس نمی داند که کار سازمان ها چقدر وسیع است و به کجا تقاضاها و پرسش های خود را هدایت نماید.
و اگر من حداقل بتوانم به کاربران کمک کنم که بفهمند درخواست های خود را به کجا هدایت کنند، می توانم زمان جستجو را برای آنها کمتر کنم و برای سازمان در هزینه های زیادی صرفه جویی خواهد شد. این یک تغییر کوچک با پتانسیل های برای ایجاد یک اثر بزرگ است.
اما کلید کار در واقع در دست به کار شدن و شروع نمودن است: یک پروژه پیدا کنید و یک جزء هوش مصنوعی را به آن اضافه کنید تا آنچه که می تواند انجام دهد را مشاهده نمایید و متوجه تغییرات شوید. شروع به ایجاد قوانین و سوالاتی در آن نمایید تا آنچه که شما (و آن سیستم!) می توانید یاد بگیرید را ببینید.

طراحی سایت

طراحی سایت ارزان
طراحی سایت
طراحی سایت
طراحی سایت پوشش
ایران سایت