面對新興的手勢交互,如何進行用戶體驗設計?
目前,關于手勢交互的應用越來越多。面對新興的手勢交互,我們要如何進行用戶體驗設計呢?
這篇文章我寫了很久(? ??灬??)?,匯總了一些平時搜集到的研究方法,以及自己在實際調研中的經驗總結。
上周在科技資訊內看到,最新發布的小度在家,開始支持手勢操作;同樣在前幾天,OPPO推出了自己的AR眼鏡,也支持手勢及語音操作;最近Facebook和微軟在自家的MR產品中,也加入了更加細膩的手勢操作功能。加上之前寫過的手機端和汽車端,我們可以發現,手勢的落地正在大面積鋪展開。
那么,面對新興的手勢交互,我們要如何進行用戶體驗設計呢?
自然的手勢交互
手勢本身是一種很自然的交互方式,畢竟小孩子在還不會說話也不會使用工具時,就已經可以靠本能去做出抓取的動作。
充分融入使用場景,是讓手勢交互更加自然方法之一。
ustwo在設計與測試手勢產品時,也發現最讓用戶感到共鳴的,是和對應場景有直接自然聯系的手勢。在MR的應用場景中,HoloLens和Oculus最近相繼更新了虛擬環境下的高精度的手勢操作,效果非常好。例如,用手去移動紙盒,可以說根本無需學習,只要按照真實生活場景中的直覺來做就好。
但是在手機和IOT場景中,手勢與場景的聯系沒有MR那么直接,用戶仍需學習在新的交互模式下手勢被賦予的含義。
當下的手勢交互學習成本還是比較高的,這點在之前的文章內也有寫過。當設計能降低使用門檻,算法能提高精準度時,手勢學習的難度肯定能大幅降低。
因此,除了融入使用場景外,我們還需要進行充分的用戶研究,根據用戶的行為習慣去制定自然的手勢交互的方案。更加符合用戶直覺的手勢交互,不易帶來記憶負擔,也更容易學習和掌握。
研究方法
面對這種相對前沿的技術,在嘗試中不斷探索是非常重要的。我們可以通過模擬實際場景這種直接有效的方式,去嘗試和驗證一些設計方案。
實測手勢交互產品的門檻和成本比較高,目前除了Google外多數企業是用CV實現的,需要先采集大量的素材。如果方案沒有經過一定的研究和驗證就去實測,可能會耗費更多的人力和物力,試錯成本相對較高,因此更需要重視前期的探索和調研。
要設計對用戶而言是自然流暢的手勢交互,核心還是要回歸用戶認知。即盡量在相應場景內做用戶認為應該做的事,減輕用戶的記憶負擔,讓一切自然發生。
因此,我們的調研可以優先定位在對用戶認知的研究上。我們可以根據經費、周期等條件的不同,選擇適合自己的研究方法。
富貴版
Oculus的研究人員引進了Marker-Based system,通過這種類似于動作捕捉的形式,嘗試各種天馬行空的想法。例如他們測試了無鍵盤虛擬打字、虛擬寫字等各種有趣的想法。
在投入實際算法研究前,先用這種動作捕捉的形式完成各種測試,不斷試錯,既能更有效地開拓新領域,又可以降低總體研發成本。
截圖來源:〔映維網〕OC6:Hand Tracking Deep Dive
中級版
在沒有高級設備或實驗室時,我們可以從網上購買一些物美價廉的模型產品,或者也可以通過DIY自制一些系統,模擬交互場景。例如,用方向盤、紙板和pad拼接出新型駕駛系統。之前還看到有VR產品的設計師會用紙板來模擬受限的視角。
這些demo可能看起來有些簡陋,但也足夠進行基礎的用戶研究與測試,是性價比非常高的選擇。
此外,有技能的設計師也可以嘗試用Processing這樣的工具,模擬下想象中的效果。
儉樸版
我在調研中受到了IDEO文章所描述方法的啟發(文末有鏈接)。
進行研究前我首先根據目標用戶的定位,確定了調研對象的人員構成。分析需求明確具體操作項后,對數十位用戶進行調研,記錄大家是如何用手勢詮釋不同概念的。收集這些數據的同時,觀察記錄用戶比較特別的行為,再對部分用戶進行結構化訪談。最后,對所有收集到的內容進行分析和總結,并根據以上的調研結果進行驗證測試,再進一步優化。
雖然方法比較儉樸,但最終的收獲還是很多的。調研后重新定義的手勢對用戶而言更為自然,掌握和記憶的難度也相應下降。
(我們將調研中錄制的視頻裁剪為獨立的GIF,然后再根據功能去橫向比較)
注意事項
在調研過程中,我發現了幾條關于手勢交互的比較特別的點,我認為可以詳細講一下。至于一致性、引導與反饋等通用的點,此處先不贅述啦。
手勢與區間
區間調整是我們平時經常用到的功能,包括調整音量、亮度、溫度……那么最日常的調整音量功能,要如何用手勢表示呢?
經過用戶研究后,我們曾經將第一選項確定為“抬手”。因為絕大部分用戶在聽到“調高音量”這個指令后,都做出了抬手的動作。
但聯系到實際應用中就可以發現,抬手是一種沒有區間范圍的動作,每個人做出的幅度也不盡相同;而音量本身是一個有區間的概念,會有0、100%以及更多更細節的音量節點。
在這種情況下,我們無法將升高降低的程度與手勢抬升的幅度直接對應起來。如果非要強制定義抬高50cm就是100%,那么手勢操作本身將會變得非?;魏碗u肋。
類似于音量的這種有區間的概念,本質是由兩個模塊構成:方向(高低、亮暗、冷暖……)和幅度。因此,我們在設計手勢時,需要用手表示出這兩個概念,可以將其量化為指節、手指、角度、圈數等可以表明方向性、含有明確數量信息并且用戶能夠輕松執行的內容。
手勢與空間
在用戶的潛意識中,手勢與空間有著非常強烈的關聯性。
此處的空間涉及兩個點,一個是空間位置,另一個是空間內運動的方向/模式。例如,要求用戶想象打開天窗時,多數會下意識地舉高手(模擬空間位置),向后揮手(模擬物理運動)。
在AR與VR產品中,用戶更是可以將現實中的空間操作直接投射到虛擬世界內。Oculus新展示的技術中,用戶可以用手對虛擬世界的物體進行高仿真的操作,甚至看起來像是1:1還原,例如伸手抓住前方的物體,彈開物體等。
在進行手勢設計時,盡量遵循用戶對空間的投射。但同時必須要注意的是,也必須要考慮到設備采集視角的限制,避免用戶的動作超出可采集范圍。
手勢的文化性
很多手勢在不同國家被賦予了不同的意義,例如原本很通用的OK手勢,最近在美國已經被惡搞得變成了種族歧視手勢。我們在設計手勢時,需要考慮到當地的文化背景和風俗習慣。
同時,手勢的表達還可能受到代際文化的影響。
年齡大一點的人群,在調整音量時會比年輕人更容易想到旋鈕式操作(IDEO在研究中指出)。前一陣我還看過一個故事,一位90后幼兒園教師讓小朋友們一起表演打電話,小朋友們紛紛把手掌貼到耳旁,只有他舉起了比“六”的手。
除此之外,在調研中還有個有趣的發現:對于絕大多數人而言,向右及向上的手勢,都表示出了相對正面的含義(如確定、接受、增加);向左及向下的手勢,都表示出了相對負面的含義(如取消、拒絕、減少)。
個人猜測這種聯想和語言及GUI有一些關聯性。語言或文字本身對人的行為也是有一定暗示性的,例如聽到“調高音量”時,很多人都會做出抬高的動作,字面意義上的“調高”會直接映射到空間內的“高”。但說“聲音大一點”時,抬高的比例會略低一些。
手勢與技術限制
我們在設計手勢前,應該對相關技術有深入了解。目前,主流的手勢交互有兩種技術方案:一是通過計算機視覺來識別手部特征點,應用比較廣泛;另一種是Google的Project Soli,用毫米雷達波進行檢測。網上能找到很多相關資料,一些具體的問題也可以找算法大哥請教。
手勢交互在技術方面可能受到很多限制,例如攝像頭的位置、圖像采集方式、算法對不同手勢的區分能力等等。這些需要根據不同項目的不同使用場景,仔細思考。
我之前搜集過很多關于手勢交互的用戶反饋。目前,投入使用的幾款汽車手勢與手機手勢里,最??吹降膯栴}是,有不少人認為自己明明做對了手勢,機器卻不能正確識別。
造成這個問題的原因可能有很多,例如用戶動作不太標準、算法識別閾值太高、超出識別范圍等。但在用戶的角度看來,就是機器不行。
如果大幅提高識別率,容錯性是上升了,但又可能造成誤識別。因此,更需要多進行測試,在識別準確率和容錯性之間調整,在技術限制和用戶體驗之間找到平衡點。
這篇總結就寫這么多啦,用研期間采集用戶信息是一件比較繁瑣的事,還要感謝實習妹紙幫了很多忙。
參考:
Helping people learn to use gesture-based technology through play.
Why gesture is the next big thing?
OC6:Hand Tracking Deep Dive(由映維網上傳)
作者:迷思特圓;作者公眾號:迷思特圓(ID:mryuan55)
本文由 @迷思特圓 原創發布于人人都是產品經理。未經許可,禁止轉載
題圖來自 Unsplash ,基于 CC0 協議
手勢操作要比點擊更讓用戶感覺舒服,手勢操作容錯會好一些吧
手勢識別中這種容錯的閾值是可以調整的,但是如果容錯性太高也可能更容易誤觸發和誤識別~ 而觸控點擊基本不會有誤識別的情況