Chatbots Dan Masa Depan Aplikasi Di India
Diterbitkan: 2016-06-24Saat itu April 2015 dan saya baru saja kembali ke musim panas yang panas di India dari tugas startup saya di London. Saya tidak senang dengan panasnya, tetapi saya tidak pernah pandai menyesuaikan diri dengan perubahan iklim. Saya dimanjakan oleh cuaca California dan kepindahan saya ke jalan-jalan dingin Shoreditch tahun sebelumnya juga tidak mudah. Tapi cuaca tidak ada hubungannya dengan keputusan saya untuk berkeringat di kelembaban Mumbai.
Saya ingin melihat bagaimana ledakan adopsi smartphone berdampak pada kehidupan mereka yang secara tradisional terbiasa dengan kehidupan tanpa ketergantungan pada teknologi. Ada beberapa tren yang menonjol, tetapi satu secara khusus. Pertumbuhan perpesanan yang luar biasa, terutama WhatsApp. Kesadaran inilah yang akan mendorong kontribusi saya ke Haptik, layanan bantuan pribadi melalui obrolan.
Tapi Anda mungkin tidak di sini untuk membaca tentang perjalanan saya. Jadi, mari sampai pada alasan sebenarnya mengapa Anda ada di sini.
Chatbots disebut-sebut sebagai masa depan aplikasi, tetapi ada contoh bagus tentang bagaimana dan mengapa mereka tidak akan pernah mencapai takdir ini.
Ketika Sundar Pichai meluncurkan Allo sebagai Asisten Google berbasis obrolan di Google IO, dia berkata, “Saya yakin kita berada pada saat yang tepat. Kami sebagai Google telah berkembang secara signifikan selama 10 tahun terakhir, dan kami yakin bahwa kami siap untuk mengambil lompatan besar ke depan dalam 10 tahun mendatang.... Kami benar-benar ingin mengambil langkah berikutnya dan lebih membantu pengguna kami. Jadi hari ini, kami mengumumkan asisten Google.”
Tapi Google sudah terlambat ke pesta!
Satya Nadella, CEO di Microsoft, berpendapat bahwa “agen” yang dibantu AI seperti Cortana akan mengubah cara kita menggunakan web.
David Marcus, Pemimpin Facebook Messenger, meluncurkan Facebook M tahun lalu dengan mengatakan, “Ini adalah langkah menarik untuk memungkinkan orang-orang di Messenger menyelesaikan berbagai hal, sehingga mereka bisa mendapatkan lebih banyak waktu untuk fokus pada apa yang penting dalam hidup mereka. ”
Awal tahun ini, Dag Kittlaus, orang di belakang Siri, meluncurkan Viv, hampir seperti Siri 2.0 dengan semua kemampuan asisten. Video demonya mungkin muncul di layar komputer setiap penggemar chatbot di luar sana.
Tapi tidak semua orang beriman.
Ada argumen kontra tentang keberhasilan dan kelayakan layar obrolan dan perdagangan percakapan. Connie Chan, Mitra di a16z memiliki artikel panjang di Twitter tentang mengapa perdagangan percakapan bukanlah jalan ke depan. Konsep taman bertembok menunjukkan mengapa platform obrolan tidak benar-benar menyelesaikan masalah aplikasi. Dan Grover mengartikulasikan apa yang ingin dikatakan banyak orang sehubungan dengan bot, desain, dan mengapa bot tidak dapat menggantikan aplikasi.
Membayangkan masa depan aplikasi dan berbagi ide baru tentang masalah ini telah menjadi tren di antara pikiran ras manusia yang berpendirian kuat (pintar). Dalam gelombang opini yang kuat ini, perusahaan India tidak terwakili dengan baik. Pengalaman saya di Haptik membantu saya berkontribusi dengan wawasan tentang apa yang saya yakini dapat menjadi masa depan interaksi kita dengan ponsel.
Tapi mengapa kita berbicara tentang 'chatbots'?
Untuk menjawab pertanyaan ini kita harus melihat evolusi dari cara yang disukai untuk “menyelesaikan sesuatu”.
Orang-orang terlibat dalam 100-200 transaksi setiap hari. Mulai dari mengirim pesan teks, membalas email, mengatur pengingat, dan memesan makan siang, daftarnya terus bertambah. Kami senang bertransaksi. Mungkin karena itu membuat kita merasa produktif. Jadi ketika Jobs meletakkan smartphone di tangan kami, itu membuat kami merasa kuat dan kami secara alami beralih dari ponsel lama/bodoh.
Kemudian muncul App store dan itu merangsang ketertarikan kami untuk mencoba antarmuka baru untuk menyelesaikan sesuatu. Sebelum kami menyadarinya, dorongan kami untuk bereksperimen membuat kami kelebihan beban dengan aplikasi. Saat ini ada 4,1 juta aplikasi di Google & App Store digabungkan.
Tapi ini bukan hanya masalah memori telepon (perangkat keras). Kami benar-benar membatasi rentang perhatian manusia.
Memori manusia lemah dan membutuhkan aktivasi yang sering. Untuk menghindari tersesat di tengah keramaian, ide awalnya adalah membuat “kait” untuk perusahaan.
Kait adalah apa yang orang langsung kaitkan dengan perusahaan/merek ketika mereka mendengar nama atau melihat logo
Kemudian kami mulai membatasi kait ini dan perusahaan mulai berjuang untuk mendominasi. Ambisi yang berkembang menyebabkan semacam konvergensi dan tumpang tindih yang cukup besar dalam hal-hal yang dapat dilakukan oleh satu aplikasi.
Sebagai upaya untuk tetap memimpin, startup bergerak dengan strategi membuat layanan mereka dapat diakses dari dalam aplikasi lain. Mereka mulai menugaskan tim terpisah untuk membangun dan memelihara API (dan dalam beberapa kasus SDK) yang dapat digunakan aplikasi lain untuk menyertakan pengalaman mereka dalam antarmuka baru.
Jadi "App-A" juga dapat menyediakan fitur dan layanan "App-B" dengan menggunakan API mereka. Menariknya, "App-B" dapat melakukan hal yang sama dengan "App-A". Nah, Anda dapat menebaknya. Sekarang App-A atau App-B praktis bersaing satu sama lain alih-alih memperkuat proposisi nilai masing-masing.
Ambisi ini telah memberikan arah baru untuk lintasan teknologi perangkat lunak. Lintasan menuju tidak adanya aplikasi independen.
Aplikasi pada tahun 2016 tampak kurang seperti perusahaan dan lebih seperti representasi digital dari tugas/transaksi yang dilakukan pengguna setiap hari/mingguan. Kami beralih dari kait perusahaan ke pemetaan mental abstrak dari proposisi nilai mereka.
Di sinilah ChatBots masuk
Ketika jelas bahwa solusinya lebih dari sekadar ruang penyimpanan, perusahaan melihat peluang besar. Antarmuka aktual dan sarana dasar untuk menyelesaikan tugas-tugas ini (aplikasi) sedang dipertanyakan. WeChat mulai bereksperimen dengan sesuatu yang kuat di pasar Cina milik mereka. Mereka sebenarnya telah melakukan pekerjaan yang bagus untuk mengambil alih pasar raksasa ini secara total. Saya benar-benar dapat mengatakan bahwa WeChat adalah bagian bawaan dari kehidupan sehari-hari orang Tionghoa. Pendekatan mereka dirancang dengan baik di blogpost ini oleh Dan Grover.
Ada banyak hal yang bisa dipelajari tentang harapan manusia dari teknologi dalam postingannya. Kita harus membuka emosi manusia dari perasaan santai dan membantu penciptaan ruang waktu mental yang bebas. Ini subjektif bagi orang-orang berdasarkan lingkungan mereka. Misalnya, akses ke jadwal kereta yang "benar" adalah masalah yang sangat penting di negara-negara seperti India vs Jepang di mana kereta hampir selalu tepat waktu.
Saya sebenarnya senang ketika mereka (WeChat) melakukan peluncuran besar mereka di India. Sayangnya, itu tidak sekuat untuk orang-orang di Cina.
Saya mencoba mencari restoran di Mumbai, India yang disebut 'Kelezatan China' di WeChat tetapi tidak menerima hasil yang relevan. Itu bahkan tidak berfungsi untuk 'Techcrunch'.
Dunia barat, bersama dengan sebagian Asia dan Eropa masih membutuhkan solusi yang relevan secara budaya untuk masalah ini. Di persimpangan melihat aplikasi sebagai tugas dan kebutuhan untuk memiliki antarmuka yang netral secara budaya untuk menyelesaikan sesuatu, diskusi tentang perdagangan percakapan dimulai. Penting untuk dicatat bahwa layar obrolan hanyalah salah satu implementasinya. Ini harus dilihat sebagai peluang untuk membuat antarmuka universal tempat tugas (aplikasi) ini bertemu.
Tapi mengapa layar obrolan?
Agar antarmuka benar-benar revolusioner, prasyarat yang paling penting adalah adopsi. Orang perlu merasa nyaman dan mau menggunakannya secara aktif. Pertumbuhan melawan gravitasi WeChat, WhatsApp dan Facebook Messenger membuat dunia (mereka yang mencari) menyadari bagaimana obrolan adalah antarmuka pengguna yang alami. Dengan bilah pengiriman pesan, foto profil, dan status online, keterjangkauan layar obrolan memungkinkan kurva belajar yang hampir datar. Tidak hanya untuk teknologi yang ramah, obrolan dapat diterima secara komersial oleh banyak pengguna. Perpesanan berfungsi dengan baik pada konektivitas internet rendah dan itu penting untuk menjadi relevan bagi mereka yang belum menyaksikan smartphone dan internet.
Gelombang berikutnya dari pengguna ponsel cerdas 3B akan mengalami transisi alami ke perdagangan percakapan karena kurva pembelajaran yang datar. Ini seperti antarmuka SMS yang selalu mereka gunakan, tetapi mampu melakukan lebih banyak lagi. Ini membuat obrolan menjadi antarmuka yang sangat menguntungkan untuk masa depan.
Tapi dalam kata-kata David Marcus, "Ini hari pertama era baru." Ingat apa yang kami pikirkan tentang perusahaan yang beralih dari situs web tradisional mereka ke pengalaman yang mengutamakan seluler.
Direkomendasikan untukmu:
Apa Arti Ketentuan Anti-Profiteering Bagi Startup India?
Bagaimana Startup Edtech Membantu Tenaga Kerja India Meningkatkan Keterampilan & Menjadi Siap Masa Depan...
Saham Teknologi Zaman Baru Minggu Ini: Masalah Zomato Berlanjut, EaseMyTrip Posting Stro...
Startup India Mengambil Jalan Pintas Dalam Mengejar Pendanaan
Platform Pemasaran Digital Logicserve Bags Pendanaan INR 80 Cr, Berganti Nama Sebagai LS Dig...
Laporan Memperingatkan Pengawasan Peraturan yang Diperbarui Pada Lendingtech Space
Di dunia startup, pesta selalu ada di mana orang-orang berada. Obrolan menjadi ditakdirkan untuk menjadi lebih dari sekadar berbicara dengan teman-teman Anda. Itu akan menjadi tempat untuk menyediakan (semua jenis) layanan. Segala sesuatu mulai dari permainan hingga nasihat hukum kini tersedia melalui bot obrolan. Saya pernah membuat daftar semua layanan berbasis teks yang didukung oleh obrolan/Ai. Setelah 53 perusahaan, saya berhenti menghitung. Tetapi dengan asumsi Anda sudah mengetahui semua ini, mari kita lanjutkan. Dengan layanan datang pengalaman dan transaksi, yang keduanya membutuhkan standarisasi.
Jika Anda pergi 10.000 kaki di atas, Anda dapat melihat semua kebisingan ini terbagi menjadi 3 segmen:
- Platform : Perusahaan yang hanya ingin memiliki lapisan di mana perusahaan/pemain mana pun dapat membangun pengalaman.
- Pemain : Perusahaan yang ingin menciptakan pengalaman yang cerdas, prediktif, dan inklusif dengan mengambil kepemilikan akhir dari beberapa kasus penggunaan.
- Aggregator : Perusahaan yang membangun antarmuka yang merupakan agregator dari aplikasi lain (dalam banyak kasus mereka sendiri agregator) dan dipenuhi dengan pengalihan.
Platform (Misalnya- Facebook Messenger/WeChat/Viv):
- Membangun lapisan obrolan yang mendasarinya
- Menyediakan API Terbuka yang memungkinkan perusahaan dan penggemar membuat bot obrolan
- Menyediakan elemen yang dapat digunakan untuk membangun pengalaman yang konsisten
Kelebihan:
- Memiliki audiens massal yang menggunakan produk setiap hari
- Membangun bot cukup mudah setelah membaca dokumentasi
- Mengobrol dengan teman & perusahaan Anda dalam satu antarmuka
Kontra:
- Ini adalah menu besar seperti toko aplikasi dan penemuan adalah masalah
- Perpesanan yang berlebihan (baik teman dan perusahaan/transaksi dalam satu tampilan)
- Kualitas pengalaman tergantung pada kemampuan perusahaan untuk membangun bot
Pemain (Misalnya- Haptik / Operator / Allo / ChatBot untuk X):
- Membangun seluruh pengalaman (obrolan + elemen + pembayaran)
- Menciptakan lapisan kecerdasan untuk memberikan pengalaman yang inklusif dan kontekstual
- Biasanya memilih beberapa kasus penggunaan untuk fokus yang lebih dalam
Kelebihan:
- Dioptimalkan untuk pengalaman terbaik dengan fokus pada beberapa kasus penggunaan
- Taruhan besar pada Machine Learning dan NLP (Natural Language Processing) untuk melakukan percakapan yang prediktif, cerdas, dan semantik
- Dapat mempelajari tentang preferensi pengguna dan meningkatkan penawaran dari waktu ke waktu
Kontra:
- Kasus Penggunaan Terbatas
- Bangun basis pengguna dan saluran distribusi dari bawah ke atas
- Ketergantungan pada kerjasama mitra
Agregator (Justdial/HelpChat/SnapDeal Dll.):
- Satu aplikasi untuk banyak kasus penggunaan
- Buat tampilan seperti browser yang dialihkan ke situs mitra untuk diselesaikan
- Jika ada obrolan, itu tetap sebagai lapisan untuk dukungan lanjutan
Kelebihan:
- Unduh satu aplikasi alih-alih banyak (menghemat memori telepon)
- Perbandingan antara penyedia layanan
- Antarmuka DIY sederhana di mana tidak perlu berbicara dengan siapa pun
Kontra:
- Pengalihan ke aplikasi/situs mitra untuk menyelesaikan transaksi
- Kurangnya konsistensi dalam pengalaman penemuan dan penyelesaian
- Mengharuskan Anda untuk menyelesaikannya sendiri, alih-alih meminta seseorang untuk menyelesaikannya
- Sulit untuk memberikan pengalaman yang dipersonalisasi
Sederhananya, Anda memberi tahu seseorang untuk menyelesaikan sesuatu untuk Anda, atau menyelesaikannya sendiri.
Pendekatan Haptik dan Kecerdasan Buatan
Ketika hal-hal mulai meledak di luar proporsi, Haptik harus menyinkronkan taruhan besar. Kami menggunakan keunggulan penggerak pertama kami untuk membuat beberapa keputusan berdasarkan data.
Percakapan yang akhirnya mengarah pada keputusan kami dimulai dengan Aakrit (CEO) dan saya sedang sarapan pagi. Menu (makanan) adalah daftar hal-hal yang tidak pernah berakhir dan tidak mungkin bagi saya untuk memutuskan pesanan saya. Saya tersadar betapa miripnya menu ini dengan app/play store kami. App store adalah menu banyak hal yang dapat saya lakukan saat saya sibuk atau bosan.
Pikirkan ketika Anda membuka telepon Anda. Anda sedang sibuk dan ingin menyelesaikan sesuatu (telepon, SMS, balas, posting, unggah, bagikan) atau Anda bosan dan ingin menghibur/mendidik/meningkatkan diri (permainan, foto, penemuan, membaca). Aplikasi di ponsel Anda dan yang lebih penting lagi, notifikasi mengatakan banyak hal tentang Anda. Mereka adalah pilihan yang Anda buat ketika Anda diberi menu.
Namun, menu membingungkan dan membuat frustrasi saat Anda mencari sesuatu yang spesifik. Jadi, kami datang dengan teori sederhana:
Jika Anda mengontrol item pada menu, Anda mengontrol pilihan yang dapat dibuat seseorang. Jika Anda mengontrol pilihan, Anda dapat memprediksi keputusan. Mengetahui bagaimana orang menginvestasikan waktu mereka dan pilihan mana yang mereka buat ketika diberi menu tetap menentukan investasi mental (ruang) mereka. Ini adalah meta-data dari apa yang Anda sebut "minat" yang dapat digunakan untuk memberikan pengalaman hiper-kontekstual.
Teori ini mengarah pada eksperimen yang pada akhirnya menyempurnakan layanan yang saat ini menjadi fokus Haptik.
Tapi mengapa tidak menjadi “platform” yang bisa menjadi App Store masa depan?
Teman saya dan mantan anggota tim Haptik, Raveesh Bhalla memiliki kutipan bagus yang terinspirasi dari Batman, "Anda mati sebagai aplikasi, atau hidup cukup lama untuk menjadi platform." Kedengarannya dan terasa luar biasa untuk berfantasi menjadi platform tempat perusahaan dari seluruh dunia membangun alat dan bot. Sayangnya, hambatan masuk untuk menciptakan dampak global lebih dari sekadar ide. Berikut adalah beberapa prasyarat, terutama untuk chatting:
- Basis pengguna besar yang sangat terlibat (10M+ DAU)
- Alasan intrinsik/kasus penggunaan yang menjadikan penyedia platform penting di ponsel Anda
- Harus tersedia dan relevan dengan audiens global
- Telah memecahkan masalah paradoks-22 tentang bagaimana pengguna datang sebelum penyedia layanan
Contoh yang bagus adalah Facebook atau WeChat. Mereka sekarang dapat menyediakan lebih dari sekadar jejaring sosial karena dasar berbagi peer-to-peer (teks/foto) menjadikannya penting di setiap ponsel. Begitu mereka menjadi bagian dari kehidupan sehari-hari bagi banyak pengguna yang kritis, mereka dapat membuka nilai dengan memberikan lebih dari sekadar nilai sosial.
Menjadi platform adalah perubahan status atau transisi alih-alih ide untuk memulai. Anda dapat menyusun strategi untuk meningkatkan peluang perusahaan Anda menjadi platform. Tapi, ini bukan proyek akhir pekan yang bisa Anda luncurkan sebagai startup. Haptik di antara banyak perusahaan lain memiliki ambisi suatu hari menjadi platform. Tapi kami tidak bisa berbuat adil jika kami memilih itu sebagai arah kami kemarin.
Keputusan ini mudah. Tetapi untuk eksis secara mandiri dan benar-benar memberikan layanan asisten pribadi itu rumit. Kami harus tahu banyak tentang setiap pengguna individu untuk memberikan pengalaman ajaib. Kami dapat membuat bot sederhana yang menanyakan banyak pertanyaan dan mencoba menguraikan jawaban, tetapi mari kita hadapi itu, bot obrolan payah (sekarang).
Berikut adalah beberapa pengalaman saya saat menguji (seharusnya) chatbot bertenaga AI di Luka & Facebook M.
- Kebanyakan dari mereka “tidak benar-benar” cerdas
- Mereka hanya terlihat keren di demo
- Sulit dipercaya bahwa bot benar-benar memahami Anda
- Membutuhkan terlalu banyak waktu untuk bolak-balik
- Tidak memiliki kemampuan untuk melakukan percakapan yang dipersonalisasi/kontekstual
Diringkas dengan baik dalam bagian ini oleh TC.
Seorang asisten pribadi yang baik harus cerdas dan memiliki pemahaman kontekstual. Itu harus mampu melakukan percakapan dua arah semantik; sebuah dialog.
Membuat Chatbot Lebih Cerdas
Perusahaan seperti Google dan Facebook memiliki kemewahan satu miliar pengguna untuk berbagi foto dan pesan di platform mereka. Tanpa akses ke data pengguna semacam itu, perusahaan baru harus kreatif dan menggunakan cara yang cerdas.
Banyak yang bisa dipelajari dari jumlah notifikasi yang didapat pengguna dari orang/perusahaan tertentu. Konteks notifikasi tersebut (dari aplikasi mana mereka berasal, jam berapa, dll.) dan bagaimana pengguna berinteraksi dengan mereka mewakili informasi tentang apa yang penting bagi mereka.
- Aplikasi mana yang dimiliki pengguna di ponsel mereka?
- Apakah ada tren meluncurkan aplikasi sehubungan dengan waktu dan lokasi?
- Aplikasi mana yang paling sering digunakan pengguna?
- Berapa kali mereka memeriksa ponsel mereka?
- Apakah mereka memiliki banyak pertemuan atau menghabiskan sebagian besar waktu mereka di Instagram?
- Berapa banyak data yang mereka gunakan di telepon?
Pertanyaan-pertanyaan ini dan lebih banyak lagi memberikan wawasan yang dapat digunakan oleh perusahaan cerdas untuk menciptakan pengalaman yang relevan secara kontekstual.
Apa yang bekerja untuk Haptik adalah AI (Kecerdasan Buatan) yang diaktifkan manusia. Pikirkan seperti ini, ketika Anda mengirim pesan di Haptik, bot kami mengambil kesempatan pertama untuk mencoba menguraikan apa yang Anda maksud. Jika tidak dapat memenuhi akurasi 99%, bot akan pecah (di latar belakang) dan meminta manusia nyata untuk membantu menyelesaikan kueri ini. Permintaan tersebut kemudian dicocokkan dengan manusia (asisten) yang relevan yang dipilih berdasarkan usia, geografi, dan keahlian untuk dijawab. Jadi pengguna yang bertanya tentang rekomendasi makanan Italia yang enak di New Delhi kemungkinan besar akan dijawab oleh bot. Tetapi permintaan untuk restoran ramah hewan peliharaan di Mumbai yang memiliki burger sayuran yang lezat akan diterima oleh asisten di Mumbai . Asisten ini saat dipekerjakan akan dikategorikan sebagai pecinta kuliner dan suka berbicara dengan pengguna tentang tempat makan terbaik.
Saat asisten menjawab, bot mempelajari dan menyimpan konteks untuk pengguna di masa mendatang dari demografi tersebut. Itu juga mempelajari arti dari apa yang diminta dan menghubungkannya dengan salah satu kategori tugas yang telah ditentukan sebelumnya. Sangat sulit bagi bot untuk memahami dan menanggapi pengguna dari berbagai latar belakang budaya. Di sinilah manusia sebenarnya membantu bot kami mempelajari interaksi ini. Sementara pendekatan ini membutuhkan waktu, dan kami berada di tahap awal, keindahan akan dalam skala.
Bot kami akan segera dapat memahami Anda sebagai pribadi berdasarkan obrolan Anda sebelumnya dan merespons dalam istilah obrolan yang biasa Anda gunakan. Jadi, ketika Anda mengatakan "Kamu terlalu lama" atau "Kamu lama sekali." Bot dapat menafsirkan ketidaksabaran Anda dan kembali dengan pembaruan status atas permintaan Anda.
Sebagai contoh:
Anda menyetel pengingat bangun harian di Haptik untuk jam 9 pagi. Hasil: Kami tahu Anda bangun jam 9 pagi.
Saat Anda meluncurkan aplikasi untuk pengingat ini, kemungkinan besar Anda sedang berada di rumah. Hasil: Kami tahu daerah tempat Anda tinggal.
Anda bertanya kepada kami tentang rute/lalu lintas terbaik antara 2 titik. Hasil: Kami mengetahui area yang biasa Anda lalui.
Jika Anda telah memesan makan siang ke alamat tertentu beberapa kali, kemungkinan besar itu adalah tempat kerja Anda. Hasil: Kami tahu area tempat Anda bekerja.
Dengan informasi yang halus, kami dapat melakukan beberapa hal yang sangat keren. Kami dapat mengatur panggilan telepon jika Anda tidak menunda pengingat bangun. Beri tahu Anda 30 menit setelah Anda bangun dengan rute tercepat ke kantor atau opsi untuk memesan taksi. Juga, izinkan Anda untuk memesan makanan di muka saat dalam perjalanan ke kantor dan mungkin mendapatkan kopi yang diantarkan ke meja Anda sebelum Anda sampai di sana.
Tapi itu tidak semua.
Langkah selanjutnya dalam membuat chatbots lebih pintar adalah….yah, chatbots lainnya.
Kami membangun dan menyebarkan chatbot yang telah mempelajari bagaimana pengguna membingkai kalimat dan menjalankan tes pada chatbot utama yang dihadapi konsumen. Ini adalah proses berkelanjutan yang berjalan 24 x 7 untuk mengajari bot bagaimana pengguna yang serupa akan (kemungkinan besar) bertanya tentang kasus penggunaan yang berbeda.
Ini adalah hasil dari sesuatu yang kami sebut "Mode Genius" yang mempelajari tentang pengguna dan memprediksi langkah selanjutnya.
Kemana semua ini pergi?
Setiap perusahaan memiliki opini subjektif tentang apa yang mereka pikirkan tentang masa depan industri mereka. Semua orang mengoptimalkan untuk menemukan tempat mereka dalam skema besar. Menurut pendapat subjektif saya, saya pikir semua upaya (aplikasi) kami akan menyatu menjadi tujuan tunggal untuk mengurangi ruang mental dan waktu yang diperlukan untuk menyelesaikan sesuatu. Distribusi seluler sedang dibatasi, dan ini membutuhkan beberapa perubahan paradigma yang mendesak dan penting.
Sebagai inovator dan kreator, kita tidak hanya harus mengoptimalkan interaksi pada produk kita, tetapi juga berbagi tanggung jawab untuk mengurangi beban mental pada pengguna produk kita. Bantu manusia membuat dan melepaskan diri dari menjadi budak notifikasi.
Kabar baiknya adalah bahwa seleksi alam membimbing kita ke arah ini. Kendala memori manusia memaksa konsolidasi aplikasi ke dalam ruang terbatas yang tersedia di beranda semacam di otak.
Jadi, jika Anda membangun untuk pengguna seluler, berikut adalah beberapa hal yang harus Anda persiapkan selama 5 tahun ke depan:
- Jejak Seluler — Mendapatkan Smartphone di tangan 3B berikutnya.
- Flat Learning Curves — Smartphone akan membawa internet ke tangan orang-orang yang belum pernah mempelajari antarmuka seluler sebelumnya (long tail). Pengalaman dan antarmuka pengguna harus dibayangkan ulang agar ramah pengguna bagi pengguna baru.
- Aksesibilitas Internet — Internet berkecepatan tinggi yang andal tersedia untuk semua orang. Pikirkan Oksigen untuk generasi mendatang.
- Konvergensi Aplikasi menjadi Tugas — Aplikasi mandiri yang menjalankan fungsi tetap dan menghabiskan memori di ponsel Anda tidak akan ada. Hal-hal akan menyatu menjadi sesuatu yang lebih terpusat. Antarmuka untuk ini dipertanyakan, obrolan hanyalah salah satunya.
- Selalu Personalisasi — Pembelajaran Mesin baru saja mencapai titik di mana setiap pengguna ponsel mengharapkan pengalaman yang dipersonalisasi khusus. (Misalnya: Pemberitahuan waktu berdasarkan urgensi dan relevansi bagi pengguna.)
- SmartPhones dan SmartExperiences — Pemahaman tentang preferensi dan presentasi kontekstual data akan diharapkan dari setiap pengalaman seluler. (Misalnya: Memprediksi tugas yang akan datang dan pengingat kontekstual)
Pemenang harus membayangkan dan mengeksekusi pada antarmuka di mana pengguna 7B ingin menyelesaikan sesuatu. Ini pasti akan menjadi perjalanan eksperimental yang menyenangkan.
Berterima kasih kepada Alisha dan Vaibhav untuk proof-reading, Shreya untuk semua materi iklan dan Laksh untuk daya tariknya. Ini tidak akan mungkin terjadi tanpa Anda.