几乎所有我们在我们的生活中做的一切需要作出决定。我今天应该穿什么?我应该吃晚餐呢?我应该买什么样的耳机呢?其中帐户一级我真的需要为这个新的服务?在当今世界,有经常的是丰富的选择。当面临许多选择,人们怎样才能避免选择超载和决定选择哪个选项?
例如,有数百个可在洛斯浴室面盆的 - 太多的选项来单独考虑!要快速缩小选择范围,大多数网上购物者首先使用过滤器选项来选择是不可妥协的标准:例如,可用空间的尺寸和汇的数量。根据结果的数量剩余,他们可能会继续如彩色饰面的喜好添加额外的过滤器。然后,一旦结果列表被减小到一个可行的大小,他们通过浏览它,选择几个有前途的替代品比较。
这个过程说明,人们使用两种决策策略:
- 一种非补偿性决策策略消除方案不符合特定标准。
- 一种补偿决策策略是衡量考虑的替代方案的正面和负面的属性,并允许积极的属性,以弥补消极因素。

当有非补偿性的决策通常用来许多替代从中选择;它让人们的期权数量迅速缩小到一个或几个。补偿性的战略提上了一个负载工作记忆并且,正因为如此,可以只在有使用几个备选方案。
理解为什么人们如何使用这两个决策的战略使我们能够设计界面,更好地支持用户。
当人们使用各种方法
该选项数是决定战略的人会用什么样的首要因素。这是因为这个数字决定努力量要通过他们筛选。
当我们评估只是一个替代品(约5-7)的极少数,比较每个属性是一个可行的任务。通过仔细审查这些属性,我们可以决定某些方面是否对我们比其他人更重要,然后允许正值以大于消极因素评估各方案的时候 - 这是补偿性的策略。
然而,当有很多选择,这将是艰巨的 - 如果不是完全没有道理 - 全面比较各方案的利弊。在这种情况下,我们把为消除不符合一些关键标准的任何替代的非补偿性策略。这种方法使我们能够快速,轻松地缩小的选项设置,在不充分考虑每一个代价。
过滤器支持非补偿性策略
当人们使用一个非补偿性策略,他们选择一个或多个非流通关键特性和消除所有不具备这些替代品。重复这个过程,直到组选项缩小到可管理的数量。
过滤器和分面导航在产品列表页面是支持这种非补偿性条件选择最常用的工具,使用户能够快速消除不具备这些特点选择选项。例如,Wayfair.com提供关于各种沙发特性许多过滤器选项,让用户来缩小的20903个沙发的列表只查看那些满足一定的资格,如大小,座位容量和价格。

对于有大量库存的网站,过滤器是关键。没有它们,用户可以方便地感到被所有的选择不堪重负往往会放弃该网站。此外,过滤器是司空见惯,以至于用户希望他们在每一个网站。
例如,用户购物上的板条箱和桶移动应用程序的镜子感到失望的是,她不能过滤掉没有一个金色抛光镜面:“我是为金,我没有在上面看到专门寻找(的上市页),但我只是检查,看看是否有其他很酷的人。所以,我看到有他们的41,但也没有办法对其进行过滤。......我们有了可以对其进行过滤的一种方式。但是没有,这是奇怪的。通常情况下,你知道,你可以,所以我有点困扰。”

当然,只要有任何过滤器是不够的 - 的过滤器的属性必须是相关的用户和匹配的特点,他们最重视。呈现一个过滤器,只包括一个或几个不相关的属性几乎比根本不呈现过滤器更郁闷了。例如,一个用户购物对内部的地毯定义移动网站变得沮丧,唯一可用的过滤器属性是集合。She stated, “I wonder if you can narrow down what kinds of rugs I’m interested in. So, I see the filters up here […] I’m not familiar with the names of collections, so that doesn’t help me with that. […] Where would you be able to do that? Because all I see are collections when I do filter. Usually you’d be able to filter by size, by color, by feature.”

To determine what filters are likely relevant to your users, check your site’s search logs to see what criteria users are searching for, talk to brick-and-mortar salespeople (if you have them) and customer support representatives to hear what users are most concerned about, or listen for what criteria users bring up during usability testing.
除了使用过滤器浏览办法时,另一个非补偿性策略的用户可以使用IS使用多字查询搜索。在我们过去的电子商务的研究,在现场搜索包含平均每2.3的查询单词,其中包括特性,如颜色,大小和品牌。用户期望这些特点,像过滤器和被搞糊涂和失望时,网站并没有优先考虑的项目结果集中的每一个字匹配。例如,用户搜索一个网站,“木盒子”会期望得到包括仅是用木头做的那盒列表 - 不,是木制的网站上的所有项目加上是盒子的所有项目。
补偿性决策需要比较工具
当评估一个少数的替代品,彻底地考虑每个选项和它的各种优点和缺点是可管理的任务。UI工具允许用户查看和在同一页上比较多个项目和它们各自的属性支持补偿性决策。
精心设计比较表打破各方案的特点,让用户比较每个选项的优点。由于比较多个项目为认知工艺要求,这些表必须被设计为支持轻松扫描:对准每件商品及其属性为一贯的行和列,避免表细胞内的冗长的文字,并保证所包含的属性是有意义的(并且可用于表中的每一项)。只有每个类别的物品或服务具有不同的定价层的多个帐户级别的几个电子商务网站从显示玛丽萨容易比较图表,以帮助用户受益的几个选项之间进行选择。

比较工具,允许用户选择几个产品,并直接对它们进行比较也是有帮助的。请记住,没有必要支持超过约5种产品的这些工具 - 因为人们不会使用非补偿性策略有更大数量的替代品。
在最近的可用性研究,例如,一个用户在逛街对家得宝的移动应用一台冰箱,并希望以确定为什么看起来相似的冰箱价格变化。如果一个选择是更昂贵的,是值得的是更高的价格?为了揭开这些功能的差异,她说2款机型从产品列表页,应用程序的比较工具。在注视结果表,她说,“我喜欢并排侧比较,因为[...],如果事情要花一点钱,我可以看到的代价是什么,如果是这样的东西是有价值的我支付$ 200或以上$ 130”

堆焊关于各方案的关键细节是支持补偿性决策的关键,因此人们可以考虑每个单独的属性。评估一个项目即使,人们必须同时看到利弊以确定是否有足够的好处,胜过任何负面。
许多决定结合了策略
这些对立的决策策略不是相互矛盾 - 相反,通过削下来的潜在选择,并评估各种选择的阶段,移动时人们经常使用的每个策略。正如前面洛斯例子所示,一般人首先缩小一大套使用非补偿性的战略,如过滤,然后,一旦它们被留下的结果数量较少的替代品,它们的比较消极和个别项目的积极属性。
使用每个决策策略,进而让人们有效地降低了大量选择的替换只是极少数,而然后彻底比较这几个选择的肯定和否定做出最优化的最终决定。
结论
了解人们是如何做出选择,使我们能够设计工具,支持用户的决策策略和提高可用性。提供了一些方法来过滤掉选项不具备选定特征是非补偿性决策的关键,而关键浮出水面特征和产品比较工具支持补偿性策略。
了解更多关于人们如何思考和我们的培训课程问题的解决上人的思想和可用性。
分享此文章: