怎样使通知(Notification)更加智能化

我的手机又震了。当时我正在冰岛的一个什么地方，离我的车有十多里地远，四下无人。我正拿着马上就要没电的手机查看着Google Maps。

“Spotify 刚刚向Afternoon Acoustic歌单添加了两首歌曲哦”，真是时候。一条来自Periscope的消息：“@kayvon和你分享了一段视频…”，还有Mailbox的 两封新邮件通知，Twitter上多了个follower，Slack里的一条消息，总共9条通知。当你拿着一部电量只剩下2%的手机，被困在一个荒无人 烟、网络连接十分不稳定的地方时，当你只想那见鬼的地图能快些加载时，这些通知真的很是让人欲哭无泪。

过去20年里，科技进步的太多太多，但通知服务似乎还停留在上个世纪。

当前，无数的文章，无数的公司、产品、会议等等都在关注着这方面的话题。有太多证据表明我们目前使用的通知机制非常不理想，但这些讨论往往会不了了之。我们应该怎样做？通知的未来究竟是怎样的？

数据时代

从Google Search到Facebook的feed流，我们能够获取到怎样的信息取决于算法在分析过海量的数据之后所做的决策。具有自我学习能力的算法同样在驱动 着Google Now这样的产品，以及诸如Facebook最近刚刚更新的通知服务等等。通过智能化算法来驱动智能通知服务的尝试尚处于起步阶段，技术远未成熟；不过值 得庆幸的是，至少我们当前所拥有的数据量是足够支持这一尝试的。

个人数据

社交平台的迅猛发展使得个人数据分享的理念变得轻而易举就能实现，我们的Twitter或Facebook账户完全可以成为行走世界的通行证。

行为数据

即便产品自身的特质决定着它并不需要进行数据收集工作(例如iA Writer这一的工具)，但从人们使用这些产品的行为习惯当中，服务方仍然可以获取大量的数据信息，例如人们通常会在每天的什么时间登录？每一次会持续 使用多久？这些时间维度的统计信息与用户参与度之间有着怎样的关联？

产品生态数据

用 户还会对哪些事情产生兴趣？他们会用到哪些产品？以怎样的方式使用？使用方式当中是否存在某种普遍性的模式？自然，你会想到隐私方面的问题，其实我们已经 有应对方案了。Google最近在Inbox中推出了智能化自动回复功能，显然，人类员工不会被获准去查阅用户的邮件信息，但是拥有学习能力的机器可以。

真正的智能化通知

假设我们有能力获取并分析所有这些类型的数据，那么真正的智能化通知服务会是怎样的呢？最基本的几个方面：实用，个人化，时间敏感性及相关性。

智能化的时间判断

即 时的未必永远是最好的。最近上线的Basecamp 3当中有个很有意思的新功能，Work Can Wait，用户可以选择仅在工作时间接收通知消息。要知道你所在的晚间时分对于处在不同时区的远程同僚来说未必就是休息时间，当你和伴侣在夜色中漫步时， 通常不会希望被地球另一端发来的工作方面的消息打扰到。

对于通知，错误的时间比无用的内容更加糟糕。没有被妨碍到时，你可以忽略掉无关紧要的信息，但当你需要休息，或是精神需要高度聚焦的时候，不分时间场合唐突而至的通知消息不仅会带来干扰，使人反感甚至恼怒，而且在很多时候还会营造出一种莫名其妙的紧迫感。

未来的通知服务无需用户手动设置便可以做到这一点。某种预测算法可以根据用户当前的情境信息判断是否应该发送通知消息。至少，大家可以享受到安心的不受打扰的夜晚了。

智能化的地理位置判断

地理位置信息对于情境分析的重要性也是不言而喻的。如果一个人正在黑山共和国里的某处划船，那么这时告诉他爱尔兰的一家宜家店正在打折恐怕没什么意义。

其实很多app已经懂得怎样通过用户的地理位置信息来做些有意义的事了。例如当你初次来到某个地方的时候，Foursqure会自动向你发送一些与当地相关的tips；很多to-do类工具也会根据你所处的不同地点向你提醒与之相关的待办事项。

智能化的分组

和所有基于push的系统一样，通知也是一种较为脆弱的信息介质。道理很简单，服务方发送的太多，用户就会反感，然后决定关掉他家的消息接收。太多就是太多，哪怕信息对用户确实有用。所以在产品当中对通知消息进行合理的分组是非常重要的。

想想Facebook对相似的通知进行分组的方式，例如对于有多少人赞了你的照片这样的消息，会合并为一条，默认显示前几个人的名字以及点赞总数，如果用户 有兴趣便点击查看其中的详情。相比下来Quora的做法就不那么聪明了，他们不仅会将全部消息默认放出，而且连具体内容也一并呈现出来，哪怕其中的某些同 属于一类消息。

进 一步挖掘消息分组的方式，或许它还可以变得更智能，例如采用某种渐进式的规则：如果你上传的每张照片收到的点赞数通常不会超过10个，那么你也许会希望每 收到一次都能看到完整的消息；而如果点赞数的平均水平很高，例如成百上千，那么每收到100个赞再发送一条消息概要的方式可能是更加合理的。此外，如果家 人、朋友或是有较高影响力的人与你的内容产生了互动，你可能会希望收到差异性更强一些的通知。毕竟，如果扎克伯格评论了你的po，你恐怕会希望立刻收到通 知并前去查看吧。

智能化的行为响应

虽然每个人都是独特的，但是特定的产品设计方案无论如何也无法同时满足所有人，所以如今在很多时候，策略上的权衡与妥协就成为了必然。设想一下，相 比于一成不变的设计，如果系统可以根据不同用户的行为规律以不同的方式展示通知内容，那么用户会很容易感知到产品在个性化层面的智能和体贴。

试 着使系统能够根据用户对于不同类型的消息所产生的不同反应行为来自我学习并调整内容的默认呈现方式。人们在收到照片被赞的消息之后通常会怎样反应？只是看 一眼数量和概况，还是会很开心的去查看其中的每一条消息？用户所看到的通知信息组织架构最终将取决于他们自己的行为规律。

智能化的目标投放

在 我们的团队当中，产品设计师们会始终与客户保持沟通。进行用研时，我们也会针对不同类型的用户提出不同的问题。我们会将目标信息发送给最适合回答这个问题 的人群进行调研。例如，如果我们计划改善现有的导出功能，我们会选择那些在最近两天内使用过该功能的用户，向他们了解使用过程中是否存在某些问题，毕竟这 些用户还有着相对准确的记忆可以追溯。

通过数据进行甄选，将信息发送给正确的目标人群，应答率便会相应的提升，你能得到的信息也会更有价值，同时避免其他用户受到无意义的打扰。

智能化通知与系统通知

我们所探讨的这些智能化的通知，给人的感觉更像是某种来自助理人员的小提醒。而当前很多产品的系统通知给人的感觉往往就是界面当中某个冰冷的小图标。系统通知需要更智能化和个性化吗？

有 一种叫做幻想性视错觉(Pareidolia)的心理现象，具体表现就是我们习惯于将生活当中的事物与人类的形象关联起来。我们会在云彩当中看到人脸的形 状，卡通中的动物表现的就像人类一样，科幻电影里的机器人往往也是人形。我们还乐于和bot们打交道，无论对方是Siri还是Cortana或其他。

当来自bot的系统通知消息以人类语言的风格呈现出来时，看上去会更加人性化一些，而且你会隐约觉得发送这条通知的也是一个有着自我个性的人。

在如今的很多产品当中，我们已经可以见到具有对话风格的系统通知了。以一个抽象的产品界面为例，左侧的通知风格或许是我们在一年前所习惯见到的，而如今我们已经开始越来越多的见到右侧这种对话风格的通知。

对话风格的实践应用刚刚起步，它的潜力已经开始被越来越多的产品所意识到，未来，它或许会重新塑造我们所熟悉的通知形式。

反馈循环

无论我们收集到的数据有多么优质，无论预测性人工智能发展到怎样的高度，反馈循环的过程都是不可或缺的。英国科幻作家Alastair Reynolds写过一则名为Zima Blue的小故事，其中讨论到预测性人工智能的本质。假设你喜欢在阳光明媚的下午和朋友一起喝白葡萄酒，在这个场景当中，你平时喜欢的那些酒品似乎都不会 比白葡萄酒更加甜美。但是智能算法不会将这种特定场景中的欢乐搭配看做权重很高的因素，单一的偏离性不会影响预测模型的整体，下一次它还是会推荐你平时最 钟情的红葡萄酒。当然你知道自己对于阳光午间品酒会的预期，于是在下次聚会之前手动选择了白葡萄酒。接下来系统还是会为你推荐红葡萄酒，然后你在接下来的 聚会之前仍然需要再次手动选择白葡萄酒...算法永远不会允许发生偏移的实例去破坏整体行为模式。

所以在我们能够看到的未来，智能化通知或许仍然离不开用户的反馈，例如一次次的向用户征求一些简单的意见回馈：这条通知对你有用吗？这个时间点发送通知对你 来说合适吗？你希望看到更多这样的信息吗？听上去不那么高端，好像机场角落里的意见受理处，但却是实际当中让机器逐渐理解人类需求的最快途径。

智能化之路

毋庸置疑，如今我们所使用的通知体系必将发生变革，毕竟它们在很多时候太让人反感甚至抓狂了。

同时我们也要知道，创造更加智能化的通知服务所需要的数据基础已经具备。现实当中，已经有越来越多的产品开始尝试通过恰当的方式使用这些数据，以便找到一些让通知真正智能起来并提供实用价值的新路。

对我个人而言，我只希望下一次揣着还剩2%电量的手机迷失在野外的时候，只会因为我的app小助手向我发送了导航通知才需要打开手机查看。

 

译者信息: C7210 - UX玩家、交互设计师、猫奴、guitar fucker，现就职于腾讯ISUX(上海)

译文来自： Be For Web