与UIC数字的Matt Lasky一起解读亚马逊Prime用户界面的重新设计

你可能已经注意到亚马逊Prime视频最近修改了它的界面. 来帮助我们理解亚马逊做了什么, 他们为什么这么做, 以及这对其他流媒体出版商意味着什么, 我最近采访了Matt Lasky, 首席用户体验设计师 UIC数字. 为了流畅和可读性，他在文章中的引用经过了编辑.

新亚马逊prime用户界面

Prime的新界面把订阅放在最上面，很容易找到. 谁知道亚马逊有直播频道? 从各种.

而拉斯基和他的团队并没有参与亚马逊Prime的重新设计, 他们在为其他知名客户处理类似项目方面拥有丰富的经验. “我们与BBC等公司合作，事实上，我们刚刚推出了BBC.Lasky分享道. 他们还与欧足联等组织合作, 欧洲足球管理机构, 他们在哪里为体育和图书馆资产管理的用户界面工作.

在我们的谈话中, 拉斯基提出了他对亚马逊更新的见解, 专注于导航的改进, 更清晰的内容区分, 和人工智能在个性化推荐中的作用.

亚马逊UI重新设计的意义

首先，拉斯基认为，重新设计的界面显著改善了Prime Video的用户体验. “我认为这是亚马逊真正的垫脚石，”他说. “当你在更新之前与Prime视频用户交谈时, 没有人会称赞它的美学."

重新设计在几个关键方面解决了这些缺点. “互动感觉更加优雅,拉斯基解释道, 注意到内容加载方式的改进, 相互作用的时机, 以及用户在浏览平台时感受到的整体连接. 这些变化, 据马特说, “在改善(游戏体验)并将其提升至某些竞争对手的水平方面，我们还有很长的路要走, 甚至超过了他们中的一些人.”

最引人注目的更新之一是新的导航系统, 这简化了寻找内容并减少了用户的挫败感. 这次更新增强了视觉体验, 使平台更加用户友好，确保用户能够更有效地找到他们想要的内容.

人工智能驱动的个性化推荐

另一个有影响力的因素是人工智能驱动的个性化推荐的整合, 这解决了一个常见的用户挫败感:快速轻松地找到可以观看的内容的挑战.

“旧的人工智能模型显然没有考虑到(用户偏好)。. 它太过笼统，或者没有细微差别，”拉斯基指出. 尼尔森(Nielsen)最近的一项调查发现，20%的用户在使用某项服务之前不知道自己想看什么，最终因为找不到自己想看的内容而离开.“这凸显了一个有效的推荐系统在保持用户参与方面的重要性.

亚马逊的解决方案依赖于一个更先进的人工智能驱动的推荐引擎，该引擎由亚马逊自己的技术驱动, 被称为基石. “它的选择不是千篇一律，而是试图更有针对性，更有针对性.Lasky指出，基石, 哪些服务在AWS上可用, 将继续发展, 结合预测的细微差别，可以根据用户的情绪或一天中的时间等因素调整推荐. 这将允许系统在周六晚上推荐2小时的电影，在周二晚上推荐30分钟的情景喜剧或纪录片. “如果新的人工智能技术能把这一点带到前台，那将是令人惊讶的,他说, 想象一个未来，系统可以建议与用户当前的心态或时间表完美一致的内容.

亚马逊此举不仅提高了用户满意度，还为流媒体行业的人工智能设定了新的标准. “我相信竞争对手会注意到这一点,拉斯基说, 这表明，作为回应，其他平台可能很快就会加强他们的推荐系统.

其他平台的实际见解

其他希望提升用户体验的流媒体服务可以从亚马逊的更新中吸取教训. “Prime Video似乎听取了用户的意见，”拉斯基指出. 收集和回应用户反馈的重要性怎么强调都不为过. 令人沮丧的是，用户经常可以选择他们必须付费的内容. 为了解决这个问题，亚马逊在非免费内容上添加了一个图标. 通过理解用户痛点并直接解决它们, 新的界面将显著提高客户满意度.

Lasky还强调了将AI整合到平台UI中的挑战, 注意到这一过程需要仔细考虑技术和用户体验两个方面. “这些服务确实有机会磨练这一点，改善用户体验,他说, 强调改善内容发现是人工智能可以产生有意义影响的关键领域.

然而, 他还警告说，人工智能模型必须足够复杂，以避免困扰早期系统的通用或不相关的建议. 稳定性和可扩展性也是其他平台在实施人工智能驱动的增强功能时要考虑的关键因素, 确保人工智能既准确又适应性强，对于为用户提供真正个性化的体验至关重要.

构建你自己的AI推荐引擎

对于较小的内容发布者, 构建一个基于人工智能的推荐引擎似乎令人望而生畏, 但拉斯基对如何有效地做到这一点提供了令人鼓舞的见解. “我们的内部团队与人工智能密切相关, 使用不同的模型,拉斯基说, 这表明即使是较小的公司也可以利用合适的专业知识和百家乐软件来利用人工智能. 他建议较小的服务探索创造性的日程安排或内容管理模式，利用人工智能更好地为受众服务.

对于那些考虑在他们的平台上实现人工智能的人, 拉斯基建议向UIC数字等公司寻求指导. “当然, 联系像我们这样的公司，我们可以就可以做的事情的范围提供建议,他建议道, 强调专家咨询在应对人工智能集成的复杂性方面的价值.

整体, 拉斯基解释说，亚马逊的经验教训很明显:倾听用户的声音, 投资可扩展和稳定的人工智能技术, 不要羞于探索创新的方式来改善观看体验. 无论是通过更个性化的内容推荐还是更直观的导航, 目标应该始终是减少摩擦和提高满意度.