人机交互(Human-Computer Interaction, HCI)研究的是"人的手、眼、脑"和"机器界面"怎么对接。这 16 篇可以按"从硬到软、从老到新"分三层读：
第一层·人体与认知的硬定律 —— 这些是几十年实验测出来、几乎不会变的物理/生理规律：手指移到目标要多久(菲茨定律 Fitts's Law)、沿窄路径拖动要多久(轨迹控制定律 Steering Law)、手指头有多粗以致按钮最小该多大(触控目标 1cm)。还有把设计反复打磨出来的"设计流程"(迭代/并行/竞争性测试)。这层不以人的意志为转移，照着做就对。
第二层·界面交互模式 —— 在硬定律之上，怎么把按钮、表格、帮助、状态做对：开关按钮怎么显示当前状态(状态切换控件)、新手怎么教(教程 vs 上下文帮助)、复杂数据怎么摆(数据表格)、动手做之前怎么研究用户(任务分析)。
第三层·智能时代的新场景 —— 智能家居、AI 助手、AR、线上排队。设备越来越"自动"，新麻烦也来了：用户搞不清设备为什么自己变(自动化不可见)、AI 太像人反而不被信任、AR 每次都要校准。这层是 HCI 的前沿。
一句话贯穿全篇的心法：好交互 = 让机器适应人的身体和大脑，而不是逼人去适应机器。
一、运动定律:手指/光标到达目标要多久
这一节是两条"几乎是物理"的定律。它们告诉你按钮该多大、放哪里、菜单怎么排——不是审美问题，是手能不能快速准确够到的问题。
1.1 菲茨定律 Fitts's Law:大目标 + 近距离 = 更快更准
公式直觉：到达目标的时间 T = a + b·log₂(D/W + 1)。三个量：D = 目标距离(光标到目标多远)、W = 沿移动方向的目标宽度(目标多大)、a/b 是常数(取决于用鼠标还是手指)。不用记公式，记两句话就够：距离越远越慢、目标越大越快。
历史：保罗·菲茨(Paul Fitts)是二战研究飞机驾驶舱的心理学家。他发现很多被归咎"人为错误"的事故，其实是设计缺陷——这是 HCI 把锅从用户身上摘下来的源头。两阶段运动模型(Woodworth, 19 世纪末)解释了为什么：先快速冲向目标方向(由距离驱动)，再减速精确对准(由目标大小驱动)——目标越小，第二阶段越费时间。
| 设计杠杆 | 怎么做 | Why / 反例 |
|---|---|---|
| 把目标做大 | 给图标加文字标签(扩大可点面积);主操作按钮做大 | 大目标错误率低、点击快 |
| 屏幕边缘 = 无限目标 | 把高频项放屏幕边/角(macOS 顶部菜单栏、Windows 底部任务栏) | 光标撞到边缘停住,用户不用减速也不会"越界",等于目标无限大 |
| 别让目标过密 | 相邻目标留足间距 | 太近→误触隔壁 |
| 目标贴近上一步操作 | 提交按钮放表单最底部(挨着最后一个输入框);上下文菜单紧贴触发它的图标 | 反例:丝芙兰把"保存"放右上角,手指要从最后字段长途奔袭;正例:Taxa 4x35 主操作放表单底 |
| 菜单形状选距离短的 | 平均距离:线性菜单 > 矩形菜单 > 饼状菜单(pie menu 各项等距最优,但用户不熟少用);线性菜单把手柄对齐中部可缩短平均移动 | Gmail iOS 把省略号菜单选项放底部 sheet,离菜单手柄太远=反例 |
带衬垫的目标 Padded Target：一个小的可见目标，外围套一圈更大的不可见有效区。坑：如果用户不知道有衬垫，接近时仍会减速去对准可见区，省时效果就没了——衬垫是"容错"，不是"提速"，别指望它替代足够大的可见尺寸。
1.2 轨迹控制定律 Accot-Zhai Steering Law:沿窄路径移动有多难
菲茨定律管"点一个点"，轨迹控制定律管"沿一条有边界的路径走"(拖滑块、滑过分层菜单的通道、拉滚动条)。公式 T = a + b·(A/W)：A = 路径长度、W = 路径宽度。心法一句话：路径越窄、越长，越难走、越耗时，手抖或设备晃还容易冲出边界误操作。
| 场景 | 问题 | 优化(怎么"加宽路径") |
|---|---|---|
| 下拉/分层菜单 | macOS 从"查找"斜向移到子菜单,光标穿过"拼写和语法"区→丢失目标、打开错菜单(著名的 L 形窄通道问题) | ①菜单项间加大垂直/水平间距=拓宽路径 ②鼠标悬停延时才激活子菜单(防误触) ③向量三角缓冲区(允许对角线移动,旧版 macOS 由 Bruce Tognazzini 设计,后被苹果取消) ④改用 Mega Menu 大面板菜单(二维自由移动,Steering Law 不适用,但仍受 Fitts 约束要保证目标够大) |
| 避免深层级 | 超过两级的菜单=路径又长又窄又拐弯,极易中断 | 尽量两级以内 |
| 滑块/滚动条/进度条 | 窄轨道要精确拖动,触屏尤其难 | ①配数值输入框或微调按钮做精调 ②支持直接点击轨道任意位置跳转(不只拖动) ③触屏滑块手柄 ≥1cm×1cm,不遮挡标签 |
贯穿两条定律的总心法——"宽容设计 Be Generous"：在视觉边界之外加一圈不可见缓冲区，用户略微偏离路径也不失败(滑块轨道的有效区比看到的宽、子菜单触发区比边框大)。本质是用看不见的容错，补人手不稳的物理事实。
1.3 触控目标 Touch Targets:手指头到底有多粗
这是菲茨定律在触屏上的具体落地——因为输入设备从"精确的鼠标尖"换成了"胖手指"，尺寸成了硬约束。
关键数字(背下来)：交互元素最小 1cm × 1cm(0.4in × 0.4in)。平均手指宽 1.6–2cm，拇指触碰范围达 2.5cm。小于 1cm 的目标，根据菲茨定律点击耗时陡增、误触率高。
| 四类坑 | 表现 / 反例 | 对策 |
|---|---|---|
| 尺寸太小 | Glow Baby 短时喂奶/睡眠事件的视觉条只有 6mm×1mm,要点好几次才中 | 守住 1cm 底线 |
| 间距太挤 Crowding | 麦当劳地图标记过密;Kate Spade 链接挨太近误触(对比 White House Black Market 间距足够);Instagram 关注建议的"×"仅 2mm | 目标间留足空隙,哪怕没点错,挤也显得难用 |
| 视看 vs 点击不对称 View-Tap Asymmetry | "看得见但点不准"——David Yurman 换色小圆点直径仅 1mm,误触进了详情页;轮播圆点同理。根因常是桌面设计没改造成触屏友好 | 可见 ≠ 可点,点击区要单独按手指尺寸放大 |
| 该用大目标时偏小 | —— | 主操作做大(Target App 搜索/扫码按钮 2cm×2cm);特殊人群必须更大:儿童(精细动作未发育)、老人(手抖)、新手父母(抱娃单手操作);Glow Baby 哺乳计时器主按钮做到 2.3cm 且彼此远离 |
屏幕尺寸的反直觉：大屏要更大目标(增强可见性)；小屏不要缩小目标——空间不够就改用手势或语音，而不是把按钮缩到点不准。
1.4 三种高可用设计流程:不是一次做对,是迭代逼近
没有一稿到位的完美界面。下面三种流程各自独立能提升可用性，组合用花更少钱探索更多可能。
| 流程 | 做法 | 实测提升 / 局限 |
|---|---|---|
| 迭代设计 Iterative | 初稿→用户测试→改问题→新版本→再测,线性循环 | 每轮平均 +38% 可用性;至少做 2 轮(初稿+2 次),有条件 5–10 轮。局限="爬山现象":只优化单一方案,可能错过另一座更高的山 |
| 并行设计 Parallel | 同时做 3–5 个方案→每个用户测 2–3 个→把各方案优点合并成一个 | 直接选最佳方案迭代 +56%;合并各方案最佳元素 +70%;合并后再迭代一次 +152%(最高) |
| 竞争性测试 Competitive | 拿自家设计 + 3–4 个竞品一起测,提炼优缺点 | 省资源(用现成设计);目的不是找"赢家",是观察用户行为偷思路、发现未满足的机会 |
最佳组合：先竞争性测试摸清用户需求与市场现状 → 再并行设计探索多种解法 → 最后迭代设计打磨选定方向。三者叠加能跳出"爬山"的单一思路陷阱。
二、状态、反馈与控件:让用户随时知道"现在是什么状态"
2.1 状态切换控件 State-Switch Controls:臭名昭著的"静音"按钮
一个开关按钮要传两条信息：现在是什么状态(当前已静音?)和按下去会变成什么(按了会取消静音?)。两者混在一个按钮上，就是无数"静音/取消静音"翻车的根源。
| 设计方式 | 怎么做 | 何时用 / 例子 |
|---|---|---|
| 双控件(状态指示器 + 切换按钮) | 一个 UI 元素显当前状态,另一个显切换后状态,各管一条信息 | 状态不明确、无外部提示、用户需快速判断时首选。Tesla:锁图标显"已锁定" + "解锁"按钮显按后状态,同步更新 |
| 单控件(按钮兼显两态) | 靠用户推断。三种变体:①标签显切换后状态(OBS"开始录制"按下变"停止录制") ②按钮视觉显当前态(Word"粗体"按下显阴影) | 状态本身够明确时可用 |
反例 WebEx：红色既表"静音"又乱用在"离开会议"(颜色无一致含义)；图标在静音/非静音下完全相同；逼用户记颜色含义+推断状态=认知负担。正例 Zoom：图标显当前态(话筒带斜线=已静音) + 标签显切换后态(显"取消静音")，图标+标签双重信息降低认知负担。
自检三问：状态明确吗(不明确→上双控件)？有外部提示吗(没有→控件须自己讲清当前态)？用户需快速判断吗(需要→给清晰指示器+切换按钮)？
2.2 智能设备 App 的状态与反馈(把上节原则用到看不见的设备)
智能设备的特殊难点：摄像头开了监控你也看不出它在工作，所以 App 必须显式告知状态。这套 7 实践本质是"状态可见性 + 反馈 + 降低重复劳动"。
| # | 实践 | 要点 / 反例 |
|---|---|---|
| 1 | 命名与分类 | 多设备靠命名(按房间)快速识别;甚至增添乐趣(用户给灯起名"月光女神") |
| 2 | 状态一目了然 | 进 App 即见所有设备当前态(灯开关、门锁),一键操作;总览页+详情页都要突出 |
| 3 | 颜色+图标+文字三重提示 | 冗余设计防误解、助无障碍(红=未锁 + 锁头图案 + "已上锁"文字);单一信号易歧义 |
| 4 | 任务进度可见 | 耗时任务显剩余时间("还需 45 分")/百分比/动画(扫地机显扫到哪);完成发通知 |
| 5 | 重复任务快捷方式 | 保存常用任务("客厅+餐厅吸尘"一键复用)、首页快速操作、批量编辑(一键关全屋灯) |
| 6 | 立即且充分的反馈 | 点击即显处理态;成功/失败都说原因。反例:改计划后无反馈,用户"不知道改没改成功"极度沮丧 |
| 7 | 管理其他控制渠道 | App 当所有控制方式的设置中心:语音助手(Alexa/Siri)、实体按钮自定义、儿童锁、跨渠道同步(App 改的名字同步到语音和实体) |
三、教学、研究与数据展示
3.1 入门教程 vs 上下文帮助:推送 vs 拉取
| 维度 | 教程 Tutorials(推送 push) | 上下文帮助 Contextual Help(拉取 pull) |
|---|---|---|
| 触发 | App 启动/随机时点主动弹 | 仅在用户做某操作、真需要时给 |
| 问题 | 打断任务(用户急着干活被迫看)、靠短期记忆(看完要记住再用,认知负担重)、易被遗忘、还要额外点关闭 | 针对性强、不打扰 |
| 反例 | Gates Carbon Drive(看完教程直接丢主界面,无后续指引);Chase Bank(登录时弹一堆新功能卡,无上下文);生产力工具"新功能"弹窗(忙时被忽略,真需要时找不到) | —— |
| 正例 | ArcGIS:要求用户动手做而非只看,且不在首次登录自动弹、放侧边栏可随时重访 | Figma(打开文本工具才显该工具帮助);Photoshop(悬停显动画演示+"了解更多"渐进披露) |
上下文帮助四准则：①方便关闭且能再次访问(Evernote"新功能"列表常驻) ②避免记忆负担——多步流程逐步呈现,每步配指导 ③省略明显内容(齿轮=设置就别解释,只讲复杂/独特功能) ④了解用户旅程——靠用户研究+任务分析定位"最可能需要帮助的时机",这是核心也是最难的一步。心法：教程多数场景不划算，上下文帮助才是更自然高效的默认。
3.2 任务分析 Task Analysis:动手设计前先研究用户怎么干活
先分清三个概念：
- 目标 Goal = 用户最终想要的结果(建立退休基金)——抽象、高层。
- 任务 Task = 为达目标做的具体活动(搜信息、咨询顾问、填申请表)——可观察、有明确起止。
- 任务分析 ≠ 工作流分析(研究多个用户的共同组织目标) ≠ 工作分析(长期研究一名员工的岗位要求)。任务分析只盯单个用户为单个目标做的那串任务。
两阶段：
- 阶段一·信息收集:情境调研(Contextual Inquiry,到现场观察+半结构化访谈)、关键事件访谈、记录保持、活动采样(记频率时长)、模拟。关键:别只信用户自述,要结合现场观察。
- 阶段二·分析任务:用分层任务分析图 HTA(Hierarchical Task Analysis)把目标拆成主任务+子任务(如扫描信件=下载软件→启动→扫描→保存)。
五个评估维度：任务总量(能否简化?)、频率(哪些高频/重复?)、认知复杂性(思维负担高→易出错)、物理要求(对身体/残障用户的负担)、完成时间(用活动采样或 GOMS 理论建模估时)。价值:从"解决问题"升级到"正确解决用户真正的问题"。
3.3 数据表格 Data Tables:四大用户任务
表格 vs 卡片：卡片每次比较都要在空间上重新定位、依赖短期记忆，认知费力；表格相邻数据天然好比较、可扩展。表格不美观但功能性强，工作场景实用。
| 用户任务 | 设计建议 |
|---|---|
| ① 查找符合条件的记录 | 首列用人类可读标识符(别用自动生成 ID);相关列紧挨(减少眼动);过滤器易发现、透明、明确显示当前过滤态 |
| ② 比较数据(横/纵向找关系、异常、范围) | 冻结表头行 + 首列(保持视觉定位,投影暗示"浮在上方");浅边框/斑马纹/悬停高亮助扫描;允许隐藏/重排列(并清晰标隐藏状态,如"15 列已隐藏") |
| ③ 查看/编辑/添加单行 | 就地编辑(窄表,需明确标可编辑态);模态弹窗遮挡其他数据→不推荐深度编辑;非模态侧边面板=推荐(边看全表边编辑单行);手风琴展开(不遮挡但易乱、难参照不相邻记录) |
| ④ 对记录执行操作 | 单条:操作少则内联行内,多则折叠进菜单;批量:复选框选择 + 表格顶/底操作菜单 + 全选快捷 |
重排列两法：直接拖列标题(可发现性低、可访问性差,但学会后是高效加速器 accelerator)或从可见菜单的列列表里拖。
四、智能家居:设备越自动,新麻烦越多
4.1 用户真正看重什么:五个核心动机
智能家居"值不值"，只看五件事——便利、安全感、省钱、有用数据、氛围。长期价值不来自新奇功能，来自能否融入日常生活；融不进去，新鲜感一过就被遗忘。
| 动机 | 真相 | 设计含义 / 反例 |
|---|---|---|
| 便利 Convenience | 真正的便利不是单次操作,是对重复日常的托管(定时、自动化);对 ADHD 用户尤甚("把记得做事的负担从大脑移走") | —— |
| 安全感 Peace of Mind | 价值不是防盗,是不在家也能"确认一切正常"、降低未知焦虑 | 只要能快速知道发生了什么、要不要干预,就觉得可靠 |
| 省钱 Saving | 多数人为控能源成本而非环保理想;把智能当昂贵硬件升级的替代,"榨干现有设备效率" | 智能热水器时间表:用户愿配置是因为看得见钱和舒适的平衡 |
| 有用数据 Data | 数据必须能理解、能促行动 | 正例:智能猫砂盆直观标出宠物异常→直接触发就医;反例:能耗 App 复杂柱状图,用户不知数值是否正常→放弃 |
| 氛围 Ambiance | 部分用户调灯光/音乐是为情绪而非效率,把多设备组合成一种"状态" | 色盘界面目标是"快速进入某种感觉",不是"调参数" |
四条设计建议：①灵活可原谅的日程(能随时暂停/跳过/微调,而非一次设好别碰——死板是自动化被弃用的主因) ②可行动的通知(三件事:发生了什么、为什么重要、下一步做什么) ③分析深度匹配设备角色(灯泡/插座要"快稳好用"不要历史报表;能源/健康/环境类才值得做趋势对比异常,且先给结论再给细节)。
4.2 超越主用户:3 类用户 + Zone × Role 双轴
美国近半家庭、英国约 80% 成年人有智能设备。研究戳破一个传统 UX 假设："谁在设备旁谁就有控制权"——错。位置不代表控制权。
两种设备：共享设备(厨房扫地机,全家可用) vs 受限设备(客厅门锁,只大人控)。
| 用户类型 | 特征 | 痛点 |
|---|---|---|
| 设备管理者 Device Manager | 懂技术、负责安装维护、爱用设备原生 App;是购买推动者+家庭"技术顾问" | 控制分散(多 App 切换)、负担过重(既修技术又满足全家要求);常是替别人执行,不是决策者 |
| 日常使用者 Everyday User | 只用基本功能,爱语音/实体键/中央系统(Google Home),不爱复杂 App | 自动化不清楚(温度突然变不知为何)、依赖管理者(必须用 App 时只能求人) |
| 受限使用者 Restricted User | 小孩/访客,几乎无控制权 | 没控制权、被排除在体验外、同样不懂设备为何变化 |
五条设计启示(本篇最有产品价值的部分)：
- 代理执行(Agency)——真正操作的人常不是决策者(孩子说"太亮",调灯的是妈妈)。产品要识别"执行者"≠"决策者"，可用性测试要选执行的人群。机制:请求委托(Delegation Request)——孩子说"调低温度"→系统识别其为受限用户→不直接调→推父母手机"孩子请求 27°C→25°C,是否允许?"
- Zone × Role 双轴模型——设备位置(共享区/私密区)叠加三种角色,才能解释行为;按 Zone 给安全默认(客厅 26°C 中性、儿童房睡眠守护、老人房柔风低噪)。
- 自动化不可见性——用户最痛"不知设备为何自动变"。所有含自动逻辑的系统必须给可见解释 + 干预点:可视化自动化层("5 分钟后切回睡眠模式(来源:宝宝睡眠偏好)" + 按钮"保持我设的 25°C"/"临时关 2 小时"/"查看规则");前置预告卡("下一个自动化:22:30 调至 25°C")可修改/延迟/跳过。
- 结构化家庭规则——把口头混乱规则变可视可协作。规则向导三步:选类型→选作用人群(角色)→选影响房间(Zone),自动生成"22:00–7:00 儿童房 25°C,禁手动调,风速低"。
- 智能也要能 Dumb Work——关键操作不能依赖 App/账号/网络。降级策略核心:Wi-Fi 掉了灯仍能用实体开关、门锁仍能用钥匙、空调仍能用实体键。
4.3 入门连接 5 准则:把"重连"当"首次连接"对待
- 清晰、视觉化、逐步引导(myQ 智能车库门为范例):图片/动画展示按钮位置与灯光变化、配简洁文字、一次只一个任务(降认知负荷)、说明设备反馈(会不会响/闪灯)、进度条+时长提示("可能需要一分钟")、每步可求助("没听到蜂鸣声?")、最后个性化命名便于识别。
- 把"重连"视为"首次连接"——断电/断网/更新致掉线不常见,用户多半忘了怎么连。自动检测掉线并提醒、复用首次引导的详细视觉步骤、清晰状态反馈、实时进度(Smart Life 为正例)。
- 支持灵活设备管理——快速移除、重命名、房间分类、变更立即反映(删了立即消失)。
- 真实明确的进度提示——虚假进度条是重灾区:进度条快满却失败,让用户以为快成了(Smart Life 加载两分多钟最终失败=反例)。要给预计时长、说明当前状态("正在连接 WiFi")、别假装顺利。
- 透明处理错误——别只说"发生错误",要说"WiFi 无法连接"+给方案+内建支持入口+"重试"选项(避免从头来)。
4.4 智能通知:3 类型 × 7 原则
NN/g 用 2 周日记研究(Diary Study) 得出。三种类型:
| 类型 | 含义 | 例子 | 推荐渠道 |
|---|---|---|---|
| Reactive 反应型 | 刚发生,立刻响应 | 门口检测到人、洗衣完成 | Push / SMS(最紧急、视觉声音最突出) |
| Proactive 预告型 | 即将发生,提前准备 | 滤网 5 天后需更换、电池低 | Push / In-app(显眼但不打断当前任务) |
| Optimization 优化型 | 优化建议,不紧急 | 时间表后移 30 分钟月省 $10(Google Nest) | In-app / Email(尽量不打扰、无营销感) |
渠道特性:Push(声+震,紧急)、In-app(非紧急)、Email(持久记录、常被忽略)、SMS(显眼、严重警报)、设备端灯光声音(用户在附近)。研究发现 Email 常被忽略、Push 更易被及时处理,渠道必须匹配类型。
7 条原则(及时/相关/具体/强度/频率/渠道/可调)：
| 原则 | 要点 | 反例 |
|---|---|---|
| ① 及时 Timely | Reactive 必须实时;Proactive 提前量看任务复杂度(洗衣完提前 5 分、换滤网提前几天);Optimization 在情境相关时(高电价时建议节能) | 扫地机卡床底,App 状态"追上来"才延迟推送,用户问"这是多久前的事?" |
| ② 相关 Relevant | 无关通知致通知疲劳;问题解决后通知应自动消失(换完滤网提醒消失) | 摄像头因蜘蛛网一晚 99 条;换了电池仍提示没电→设备显得不可靠 |
| ③ 具体 Specific | 答三问:发生了什么、要做什么、什么时候。"滤网 5 天后到期"好过"检测到移动" | 扫地机说"缺少附件",但缺啥、怎么换都不清楚 |
| ④ 强度匹配 Intensity | 视觉(颜色字体)+声音(音量震动)分"立刻/稍后/参考"。Nest Protect 烟雾=红闪+语音,维护=黄灯 | 70 多岁用户错过冰箱滤芯更换:冰箱小灯+App 提示都太隐蔽 |
| ⑤ 频率 Frequency | 防"狼来了":离散事件可每次提,持续状态用时间阈值限频(湿度>50% 持续 10 分才提、异常按小时提) | 湿度提醒每 30 秒一次,用户烦到直接关 |
| ⑥ 渠道 Channel | 见上表三类匹配 | —— |
| ⑦ 可调 Adaptable | 随情境可调(剪草坪时关运动检测);所有类型都给"稍后提醒/再次提醒"(外出收到故障提醒但没法处理) | —— |
4.5 优先展示"智能"而非"情感":赢得 AI 信任
反直觉但有数据：在事实/任务导向场景，AI 显得"聪明"比显得"有人性"更被信任。强调情感反而降低可靠性感知。
研究(三步):问卷测用户觉得 ChatGPT 多聪明/多有感情 → 40 道人口题(可选听不听 AI 建议,实为预设答案) → 信任评分。发现:感知智能↑→信任↑(正相关);感知情感↑→信任↓(负相关)。用户更信"擅长处理事实"的 AI,而非"可能被情绪干扰"的虚拟个体。
情感型 AI 的风险(更多研究)：太温暖/同情的 AI 出错率增加 10%–30%;仅改提示语,准确率就降 12%–14%;更易给错误信息、传阴谋论、危险医疗建议。重要场景(如心理健康)太像人更危险:过分顺着情绪、支持错误想法、处理不好心理危机。
澄清:专业 ≠ 冷漠——可回应用户情绪(对迟到配送说"理解")但不表现 AI 自己有情绪;可用"我/我的"作交流代称(不意味自我意识);可语气友好但是"专业有礼"而非"情感共鸣"。
UX 建议：①如实呈现(避免人类名字/虚假头像,宣传强调"智能工具"非"朋友") ②明确能做/不能做(聚焦小而精功能) ③系统提示强化专业性(奖励准确中性可靠,别鼓励情感语言) ④引用真实来源(RAG 检索增强生成,展示数据源增可信) ⑤用户研究审慎招募(别招习惯把 AI 当陪伴工具的人,会污染工作型 AI 的反馈)。
五、其他新场景:虚拟排队与 AR 校准
5.1 虚拟排队 Virtual Queues:13 条管理等待的实践
线上排队(防服务器过载:选课、抢票)历史已久；线下虚拟排队(主题公园、餐厅、诊所)是新冠后兴起、保持社交距离的新趋势。13 条按"进队列前 / 队列中"分两段：
进队列前/刚进：①解释排队的目的与必要性(税务门户"因需求量大";Attractions.io"为安全") ②清楚指示如何加入(线下用标牌/二维码/手机号,Delaware DMV 在停车场入口设牌) ③解释队列关闭原因(迪士尼"Not Boarding"但没说为什么=可改进) ④告知开放时间允许提前准备(迪士尼"7:00 开始"+提前确认同行人;Ticketmaster"候车室"销售开始自动入队) ⑤说明先决条件(带退货收据、身高要求——迪士尼显了身高但视觉权重不足易被忽略)。
队列中：⑥以易懂方式展示等待详情(当前排位+预计等待,配进度条;火山湾可穿戴设备分钟级倒计时;钢琴键盘式状态追踪器;反例 Lush 无状态追踪器,用户难自行跟踪) ⑦自动刷新(别让用户手动刷,加最后更新时间戳增信任;Aldi 为正例,迪士尼要手动刷=反例但有横幅说明) ⑧提供通知选项(短信/邮件/推送,可暂离) ⑨明确退出页面的后果(Hunkemöller"关页不丢位置"=好;Harvey Nichols"离开就丢位置";Ticketmaster"排队提示"防意外丢位置) ⑩便捷重新访问(主页一键返回;儿科急诊主页显待处理访问) ⑪提前为"轮到你"做准备(迪士尼"下一步是什么?"告知通知后一小时内到;环球"4:13 前到") ⑫通知重要动态变化(商品售罄就别让人白等) ⑬不干扰主任务地娱乐用户(在线音乐节队列放相关歌曲)。
心法:好排队系统让用户等待时能自由做别的事,核心是透明(位置/时间)+自动(不用手动刷)+可离开(不丢位置)+可被通知。
5.2 AR 校准 Augmented-Reality Calibration:10 条准则
先理解校准：增强现实(AR)把虚拟物体叠到现实里，软件需"校准"确定虚实物体的相对尺寸/颜色/位置才能对齐。与"引导(只做一次)不同，校准通常每次用 AR 功能都要重做。四种校准模式：扫描(扫地板/墙等纹理面)、绝对定位(贴墙/靠地标)、相对定位(固定到地面/腰高再移动,常见于 AR 健身游戏)、无需校准(AR 试穿如 Warby Parker、AR 滤镜如 TikTok,只需光照)。铁律:虽然"减少指令"通常是好实践,但校准例外——清晰指令+反馈对成功至关重要。
校准两部分=操作指令 + 反馈机制：
| 操作指令(Instructions) | 要点 / 反例 |
|---|---|
| 分步低颗粒度 | 一次只一步;反例 ARvid 同时显三条指令,用户不知先做哪个而放弃 |
| 清晰具体的描述性语言 | "从一侧缓慢移到另一侧"要说明速度轨迹;反例 Civilization AR 让扫纹理面但说明不足,用户对准椅背纹理却不知为何失败 |
| 必要时给视觉示例 | Mission to Mars 用对比图展示好/坏的光照与表面 |
| 给足阅读执行时间 | 指令别太快消失 |
| 视觉上突出 | 放屏幕中心、深色对比背景(MauAR 叙述文本用黑底,但其 UI 标签"故事""1961"也该加);Kinfolk 颜色显眼但仍缺对比背景 |
| 视觉指令与文字一致 | 反例 Active Arcade 图示设备在腰高桌面、文字却让放地上,自相矛盾;Smartify 动画速度方向误导用户做快速圆周运动 |
| 考虑音频提示 | 设备远离用户时可用,但别强制播放 |
| 反馈机制(Feedback)——呼应启发式第 1 条"系统状态可见性" | 要点 / 反例 |
|---|---|
| 保持系统状态透明 | 用户常不知系统在算还是卡住(Civilization AR"它识别了椅子,但不知在干什么") |
| 明确标准化的状态标识 | 避免模糊符号;反例 Target/Etsy 用浮动点/散点表示扫描,用户看不懂黄点什么意思→放弃 |
| 确保虚拟对象加载在视野内 | 反例 ARLOOPA 角色移到用户身后被误以为消失;对象移动时用箭头/动画引导(MauAR 用箭头让用户转身=好;Civilization 虚线不够直观) |
| 为用户操作给明确反馈 | 出错要说原因(光线不足/表面不适)+修正建议("到更亮处扫""设备与地面平行");反例 Etsy 扫空墙失败无原因反馈,反复试到放弃 |
源自 NNGroup Topics / Human-Computer Interaction - 人机交互(16 篇)。交叉参见 NNGroup 可用性测试与十大可用性启发式(10 条启发式完整表 · 复杂应用应用 · 用户愉悦层级 · 测试方法 5 人法则/招募/远程/任务场景/分步任务/态度vs行为/4步分析/小样本误差/竞争性评估)(系统状态可见性/错误预防/识别优于回忆等 10 条启发式,本篇的状态切换、反馈、AR 反馈、表格设计都是其落地)、Apple HIG 交互模式 Patterns(25 个流程模式 · 上手/输入/反馈/媒体/系统协作)(引导 Onboarding/反馈 Feedback/拖放/搜索等交互流程模式,与本篇教程vs上下文帮助、智能设备反馈互补)、Apple HIG 组件决策手册(63 个组件 · 何时用哪个)(触控目标尺寸的组件级规范)。图片/视频/原档保留在 sources。