设计方法论：如何让机器帮助用户高效录入数据？

　　本篇文章例举了Picker选择器的使用场景，并通过对用户意图管理的讲解，分析了机器能力与用户风险的设计方法。
　　追求极致用户体验需要不断在控件设计上挖掘痛点细节。
　　说到Picker选择器，它的功能不止是提供常规的选择功能，更是需要让用户快速的选择到需要的内容，这才是满足用户行为的极致交互设计。
　　本文主要例举Picker选择器，通过讲解用户意图管理，分析机器能力与用户风险的平衡点来制定交互元素的设计目标。
　　Picker使用场景
　　对于Picker选择器的使用场景，基于形式的分类可以知道它们各自的高频使用场景：
　　日期类选择器：主要用在订票时选择日期选择、提醒事项的日期选择等；
　　地址类选择器：主要有交通、住宿地址选择、资料录入地址选择、零售收货地址选择等；
　　时间类选择器：多用于会议准点提醒、面试提醒等事项类的提醒事件；
　　此外还有他们相互的组合使用，以满足更多复杂场景下的需求，但是对于一款基本的交互控件来说，我们做好所有类型，将基本功能做闭环就够了吗？这是个值得深思的问题。
　　对于一个笔者而言，体验过数量繁多的各类控件后，觉得越是简单的元素，越需要在易用性上做好，就是需要懂用户、便利用户。
　　基于易用性原则，我们需要提出Picker选择器的体验目标。
　　制定符合用户行为的体验目标
　　在这里需要引入一个概念，在人机交互的体验中，机器不能完全准确的预估用户在当前的意图，但是针对上下环节操作，可以在用户预期与实际结果中掌握平衡点。这叫做用户意图理解。
　　通过用户意图理解来完成产品易用性的提升，可以最大化机器能力在人机交互中的效益。但与此同时，机器能力不可避免地也会带来相应的风险性。
　　机器能力：在一定数据处理的加成上，对用户行为进行合理预估，自动操作，节省用户操作成本；
　　用户分险：某一操作失误所带来的风险程度；
　　我们需要在机器能力与用户风险之间寻求合适的设计目标来达到平衡点。
　　根据以上四个平衡点，可以制定Picker选择器的相应设计目标
　　1。智能预判自动选择
　　软件应该保持智能的模式，在适当的风险点内，帮使用者选择决策。
　　最常见的就是地址选择器，在用户选择出发地与出发时间时，系统自动预判后进行选择，减少用户操作。
　　2。数据收集推荐选择
　　合理的选项推荐不仅可以提高用户效率，更可以赢得用户信任，建立心理连接。
　　在旅游类产品的地址选择中可以看到，系统会将最常使用与最近使用做选项突出，符合隐形用户行为，更快的选择到自己想去的沉睡。
　　类试的还可以在其他类的选择器中看到，云之家登录方式中的电话区号选择，为用户提供推荐登录地区。
　　3。操控自由便利选择
　　机器不能完全代人工做决策，在初次使用或者用户意图发生变动时都会存在机器不能合理预判的情况。
　　在机器不能较好的做预判和推荐的内容时，需要为用户做好全功能闭环的交互，其中不管是信息向导式的AZindex式字母结构，还是信息分类式的响应式三级联动结构，都是在操控便利与高效上实现效益。
　　4。合理容错弹性回退
　　不管是机器预判还是用户自主选择，都存在操作错误风险性，此时合理的容错机制就是需要给用户设计回退路径重新操作。
　　在饿了么APP中，机器可以自动抓取到用户所在地的地理位置，从而进行合理推荐，但是也提供了快速切换的操作，并且在快速切换的页面下，丰富地承载了重新定位、收货地址、附近地址三条路径，机制灵活，可以满足基本上所有的用户场景。
　　总结
　　除了上述的Picker选择器外，在人机交互中的任何涉及数据录入的地方都存在机器能力与用户风险的关系管理，合理利用就可以让机器效能发挥最大，真正做到人机交互中的服务式设计。
　　在工作中，产品经理和交互设计师都应该去思考，产品如何最大化的帮助用户，实现自身价值。