为上百万的FoodPanda用户设计一个改进食品发现的信息架构
项目概述
Ola cabs于2017年12月收购了FoodPanda在印度的业务。收购的目的是帮助Ola cabs向食品外卖领域扩张，这是Ola长期以来一直感兴趣的一个行业，该公司过去曾做过Ola Cafe这样的实验。
FoodPanda India在印度100多个城市拥有超过1.2万家餐厅合作伙伴，这让Ola凭借一些非常可靠的资质进入了一个本已竞争激烈的市场。
这个团队
收购完成后，团队被召集在一起，帮助建立下一代FoodPanda。我得到了设计食物发现问题解决方案的机会，直接与一些非常优秀的设计师合作，比如Sunit Singh和Prashant Jain。
我们称这个项目为Unlock，它让我在Sunit的指导下，与一个产品和工程团队一起工作。
我们的首要任务是了解当前FoodPanda应用程序在哪些方面未能满足用户和业务需求。
用户对旧的UX有什么问题
1. 太多的选择
决定点什么食物是日常生活中最困难的决定之一!选择是无限的，特别是在班加罗尔(Indiranagar)或孟买(Colaba)相对较大的微观市场，那里有超过300家餐厅可以在午餐和晚餐的高峰期提供服务。
在这样一个过度饱和的微观市场中，旧的应用程序
过于脱节，无法让用户更好地体验更深层次的美食发现。
2. 选择太少了
老款应用严重依赖于横向卡片收集来展示餐厅的选择，但在规模较小的微观市场上，这款应用表现不佳，因为其广度不足以提供良好的点菜体验。
在印度的二线和三线城市，有时供应晚餐高峰时段的餐馆不超过50家。
3.一刀切
由于技术上的限制，旧的设计无法满足快速增长的印度企业的需求。我们决定采用一种适合所有人的设计，但这种设计在各个角落开始出现问题。
4. 食物的一维发现
当用户被外卖餐馆的数量所淹没时，缩小他/她的选择需要更多的思考——预算还是挥霍?送货最快还是不急?什么菜——中国菜、北印度菜、南印度菜、大陆菜、意大利面?
一旦用户进入首选菜单(中文)，就不太容易探索和比较其他菜系(可能是泰国菜)的供应。
5. 宽度是未知的
尽管FoodPanda非常注重交易，但对于一个不寻求交易的用户来说，选择的广度(餐厅总数)是未知的，从而导致该用户的选择减少。
业务需求
1. 无法展示多样化的供应链
因为我们的主页很大程度上依赖于横向的卡片收集，所以很难在平台上展示餐厅选择的多样性，即不同的菜系或餐厅提供的服务等等。除此之外，这些卡片的收集并没有提供更深入的发现体验，而只是在每个收集的卡片下面都有一些餐馆，这只是冰山一角。
我们的研究显示47%的用户点击了集合中的前几个选项，而只有35%的用户点击了“查看全部”。
2. 为合作伙伴创造价值
由于采用了一种适合所有人的方式，麦当劳越来越难以在不将主页挤得像一个交易应用程序的情况下为餐厅合作伙伴提供价值。我们需要更多的营销元素，而不是将广告条空间塞进无尽的幻灯片中。
3.需要试验来创造更多的收入机会
作为饱和和过度竞争的食品递送行业的参与者，需要不断尝试，为自己和合作伙伴创造更多的收入流。这是FoodPanda旧设计中的一个大漏洞，需要纠正，以确保可伸缩性。
关键可交付成果
了解了我们的基本现实和设计团队的目标后，我的一些关键交付成果是:
设备采用新的信息架构
创建可伸缩的导航
定期与所有项目干系人保持同步，以跟踪项目进展、分享见解或进行正确的课程
在Ola同时设置的设计系统中工作
最后，向所有涉众展示新的设计
设计过程
我们从一个简单的格言开始
我们如何让用户更容易找到食物，一旦他们进来?
点餐本身就是一项任务。滚动到最深处，但仍然不知道吃什么，这很痛苦!或者更糟糕的是，无法简单地重新订购以前的订单。
我们的首要任务是重新思考完整的信息架构，并改进漏斗式食品发现技术。
项目解锁团队每周同步跟踪设计进度，分享过去7天的见解或反馈。在这些及时同步的基础上进行了下一次迭代。除此之外，我和设 计经理定期进行设计签到，以确保我们走在正确的道路上。
识别问题陈述
在最初的几个星期里，我研究并理解了从娱乐到电子商务和音乐等各个领域的内容应用程序的信息架构，这样我们就可以开始寻找一些基本问题的答案:
如何在意图的基础上，通过灵活的导航，推动用户进行选择，从而解决食品发现的问题?
我们如何建立一个信息架构，能够立即吸引并减少决策的焦虑?
竞争与比较分析
我对苹果应用商店(Apple App Store)、Netflix、Spotify、亚马逊(Amazon)、Instagram和AirBnB等内容丰富的应用程序，以及其他地区的订餐应用程序进行了比较研究，以找出有助于这些应用程序易于使用的模式。
我们了解到的是，大多数内容丰富的应用程序都将它们的全部产品缩减到少数几个顶级超类别。这些是内容发现的主要接触点，它们打开了内容发现背后更深层次的体验。
拿走#1 -找到食物的顶级类别
为了做到这一点，我们首先需要了解人们是如何点菜的。
我们如何对食物进行分类?
用户点餐的决定受到两个简单的标准的影响:
时间
你在一天的什么时间点餐——早餐、午餐、小吃还是晚餐?
情绪
你今天想吃点什么?
让我们假设一个用户在一个星期天早上点早餐。从英式早餐到美式早餐，南印度式早餐，帕拉塔式早餐，或者是像Vada Pav这样的地方早餐，这些选择数不胜数。
或者在晚餐时，用户可以想要任何东西，从Biryani、North Indian或Parathas，到像泰国或印度尼西亚这样的小众市场。
另外一个影响点餐时间和心情的因素是你的地理位置。对于印度班加罗尔的用户来说，时间和心情会受到周围餐厅多样性的影响，而印多尔的用户可能没有这么多选择。
地区
你从哪里订货?
影响食物订购的三个因素是时间、心情和地理区域。
综合我们的研究结果
我们现在明白了，我们需要找到食品订购心理的顶级接触点。时间、情绪和地理区域影响决策。
因此，我们可以开始设计一种可伸缩的导航系统，既能更好地发现食物，又能对时间敏感、个性化、适合地区。
了解我们的用户
虽然用户角色是在更广泛的研究之后才被揭示出来的，但是我们做了一些用户调查来了解印度用户的点餐模式。我们可以定义4种在线订购食物的用户类型。我们还必须找到一种方法来优先考虑这些需求，同时允许更快更好地发现食物。
用户
用户确切地知道他们想要什么，并且10次中有7次会重新订购。
普里亚筋疲力尽地回到家后，既没有时间也没有耐心弄清楚吃什么。她有3-4种可供选择的食物，她可以从当地流行的“云厨房”(cloud kitchen)的“新鲜菜单”(FreshMenu)中选择。
用户B
有价格意识并需要快速接收订单的用户。
Rishabh每天都在他豪华的初创公司办公室订午餐，但通常都很忙，在会议间隙会有一小段时间吃午饭。他想要快速点餐，讨厌在食物上花太多钱。
用户C
具有广泛偏好的用户，如菜肴或特定菜肴。
史里雅在点菜的时候总是很困惑，毕竟选择的余地是无穷无尽的。但她至少知道自己是想吃中国菜还是印度菜，从而减少了自己的食欲。
用户维
渴望尝试新事物的用户。
Supriya和Vinay是班加罗尔的一对新婚夫妇，周日通常是他们寒冷的一天。这就意味着，你可以花更多的闲暇时间试着想出今天点什么菜，这样双方都能满意。
内容的不同部分
主要的横幅
它们是主要的销售单元，经常被用来推广餐馆或FoodPanda活动。
盘导入
“菜品导入”是指从每个餐厅挑选出的菜品列表，这些菜品都可以快速结账。用户流最适合单餐。
例如“美味汉堡@ 99”或“两人开斋餐@ 159”。
餐厅导入
这些是由机器生成或编辑策划的餐厅集合。
例如，“顶级品牌”、“渴望传奇”、“再次下单”和“闪电快递”。
收集导入
集合导入是在相同主题下聚集在一起的餐厅，主题可能是机器生成的，也可能是编辑策划的。另一种看待它的方式是，收集的导入物只不过是餐厅导入物组合在一起。
一些例子是华丽的英语早餐₹下299,与50%的餐馆”,“素食者只”、“帕拉只”。
餐厅列表
所有在那个地方服务的餐馆的详尽名单。
这些收集是由一个单一的标准，如预算，交付时间或评级。或者是主题收集，如周五晚上的订单或在特定地理位置的午餐订单。餐厅列表也总是搜索和排序/筛选兼容。
解决方案
通过个性化、时效性和地域性的可伸缩导航，解决食物的发现问题
一个剖视图
完全分解我们的信息架构，我们有我们的构建块，即，
组件
组件是不同类型的内容，可以放在一起创建n次体验。
组件是模块化的元素，允许用户沉浸式的食物发现体验。
模板
模板是由特定规则管理的框架，每个规则都提供独特的食物发现体验。
主导航
用户可以通过主导航在不同的模板之间导航。
总之，可以说，
组件组成模板。模板是由主导航绑定在一起的独特类别体验。
介绍一种发现食物的新方法
我们新的主导航是由“超级菜系”组成的——顶级菜系，如亚洲菜、意大利菜、北印度菜，通过它们在每个微观市场的受欢迎程度和订单量来识别。
这些超级菜系会根据时间和地理位置的不同而变化(并且会“学会”将订单历史考虑在内)。
这样做的目的是，当用户完成了学习并成功地将上下文绑定在选项卡和时间之间时，就取消标题栏中的称呼。
主导航中的每个标签都是一种完全不同的食物体验，与用户的时间和地点完全不同，而且对于每个微市场都是不同的。
这里有几条关于超级烹饪的指导原则:
超级料理可以大到有自己的子菜——例如，泛亚洲可以有泰国菜、马来菜等。
一个超级烹饪应该有至少10家餐馆服务在一个位置上的主要导航
主要导航不仅仅局限于超级烹饪。它也可以是季节性的，节日的或只是真的很流行!
首先看看一个可伸缩的食品发现体验-揭示项目解锁的结果!
接下来是什么?
构建应用程序的其余部分
随着主导航功能的完善，我们将完成FoodPanda应用程序的其余部分(在分阶段的sprint中)的构建。我们对用户进行了访问，并观察了点菜的过程，以便对用户最重要的东西进行优先排序。我们深入研究了印度一些最大的微型市场的订购频率。所有这些共同的知识推动了新的FoodPanda应用程序的设计和用户体验。
迁移到Ola的通用设计系统
当我们忙于构建新的FoodPanda 3.0时，Ola的设计团队正在为Ola世界中的所有应用程序(金钱、游戏、FoodPanda)创建一种新的设计语言。
除了在新的设计语言中构建新的信息架构之外，我们在9月份还进行了一次快速冲刺，在Olacabs应用程序中启动FoodPanda——这一练习帮助我们在实现新的UX更改的同时快速改进了旧的UX。
测试和迭代
我们的下一个任务是积极地测试我们的新设计和用户流，并快速迭代。最初的用户测试支持新的主导航，现在我们需要集中精力进行广泛的用户访谈和焦点组测试。
改善骑手体验
重新设计rider应用程序的计划正在进行中。在正确的时间优先选择正确的信息将是我们最大的挑战，当改善骑手的食品提取和交付的经验。
确认
来自整个Ola团队的支持
FoodPanda首席产品官Rajat Shikhar
Nikhil Jain，产品副总监
Jay Visavadia，高级产品设计师
Atul Kaushal，产品设计师
Iram Javed，产品设计师
每一步指导
Prashant Jain，设计总监
Sunit Singh，设计副总裁
UXFoodpandaCase StudyAppsFood交付
原文来自：https://medium.com/designbytanya/designing-a-better-food-discovery-user-experience-while-building-the-new-foodpanda-app-9b13270236e