旧文重发：2018/07
原文地址：http://simonpan.com/work/uber/
在2012 年，轻点按钮，乘 Uber 穿越城市，这是一个非常神奇体验。但是在 2016 伊始，不相干的各种功能如同沼泽困住了这种的体验，使 Uber 变得缓慢且复杂。 在一个雄心勃勃的项目中，我为这个史上成长最快的创业公司重设计了 Uber 的上车体验。
堆积的设计
2011 年以来的短短 5 年里，Uber 从一个仅为 100 人提供黑色轿车的旧金山服务，成长为一个全球交通运输网络。截至 2016 年，Uber 每天在全球 70 个国家超过 400 个城市，完成超过三百万次的运输。 乘车应用设计于 2012 年，随着公司的超高速增长也在尽可能不断扩展。因而应用可用性备受挑战。不相干的功能和业务尝试都在竞争空间。应用的可信感和运行问题呈指数级上升。 乘车应用已经成了一个组织架构图。
Uber 乘客应用从 2012（左）到 2016（右）的演化
挑战
10 个月内再造神奇
项目目标是找回 Uber 早年的神奇体验。最初使用 Uber 很简单：按下按钮即可乘车。但我们并不是简单地回到过去。我们期待打造一个坚实的基础，能拥抱业务的飞速进化，并适合更多样的用户群体。 高层的目标是： 1.让上车体验在任何时间任何地点都快速、易用。 2.让乘客对时间和钱有更有控制感。 3.创建一个创新和深度参与的平台。
我的角色
在 2015 年 10 月到 2016 年 6 月之间，我主要负责上车体验的设计，同时和另外两位设计师合作做“首页”、“搜索”和“在途中”的功能设计。 此外，我也和一位研究员(Researcher)、一位原型设计师(Prototyper)、一位内容策略师(Content Strategist)和两位产品经理(Product Managers)共事。 在视觉细化和应用开始进入开发阶段时，我完成了这个项目的工作。 应用在 2016 年 11 月 2 日全球发布。
启动
收拾残局
在项目之初，对于上车体验我们并没有一个明确使命和具体目标。由于缺乏对当前的认知，我和研究员 Shruti 合作，探索乘客（上车过程中）如何走动。
从田野调查中获得的早期洞见
在旧金山问题频发的上车区域，我们对 8 名参与者测试了当时的 Uber 应用。我们希望了解乘客和司机面对的问题，以及他们采取的应对方案。
反复联系来确认或调整位置
当乘客被司机联系确认位置时，他们通常很生气。乘客希望 Uber 完成这件事，这无需重申。
司机获取的路线不是最优的
乘客对司机采取的接客路线很失望，他们希望 Uber 能更加智能。
意外的到达地点
司机总是不能到达乘客的预定地点。乘客可能要横穿马路，在街道上走回头路，或商量再换一个上车地点。
设置上车地点和只点击按钮(button mashers)
乘客会两种不同的行为，一些人会明确地设置一个上车地点（通过搜索或者钉住），另外一些人希望司机能到达他们当前的位置。
发现
乘客的期待随着时间改变
对于这个发现我很惊讶。这听起来像是洛杉矶人养尊处优的小脾气而不是我们全球用户的主要问题。但是思考之后，答案变得清晰，乘客希望最少的付出。当 Uber 逐渐成为他们生活的一部分，他们的的期待也逐渐变化。
好奇心揭示了一个为任何人，在任何地点完善上车体验一个机会。
如果这些被优待的主要用户，在已有强大的智能手机和科技素养的情况下，在我们最成熟的市场都会遇到困难；那么，在伴随着各种技术和环境问题的不成熟市场里，上车体验会有多糟糕？好奇心揭示了一个为任何人，在任何地点完善上车体验的机会。我们的工作有了核心方向，这才正式开始。
深度洞见
从完美的体验向前倒推
在投入设计之前，我觉得重要的是如何用数值来定义成功和理解上车体验的是否健康。 我们使用联系率（contact rate）来度量上车的质量好坏，联系率指在一次上车流程中发生通话的次数。 我把完美上车体验这个概念分解，建立了一个时间、空间和焦虑度的三维模型。 我和数据科学家合作，用这个框架研究世界各地的上车健康度。
大多数的上车过程需要额外的移动或协商
对数据的挖掘揭示了上车体验的一个重要洞见。几乎所有的行程都需要一些额外的协商，例如打电话讲明地点，或者物理的移动，例如走到某个地方才能见到司机或者司机在街区不停绕圈。数据表明，现在的上车体验完全不是那种 Uber 本来想要做到的“任意门”魔法。
在洛杉矶这样繁忙的都市，因为上车问题每周有超过一百万美元被浪费。
在上车问题上花费的时间和精力，对于业务盈亏底线有实际的影响。等待时间直接导致了低网络利用率，而每次通话都会有匿名的费用。
在洛杉矶这样繁忙的都市，因为上车问题每周有超过一百万美元被浪费。在广州和新德里这样的城市，情况更加糟糕。
没有具体的上车位置
大量的乘客没有明确设定自己的上车位置。他们依赖应用提供的默认定位，这其中一半以上会话有 100 米的误差。
预定的地点通常不是上车位置
只有很小比例的行程能够在预定位置 20 米范围内开始。司机被带去的位置和乘客实际上车位置并不相符。
GPS 的更新被忽略了
随着请求时间变长，会话中 GPS 的精度会随之提升。许多会话在精确度上提高超过 1000 米。
一些没有研究意义的上车问题
许多行程是从建筑物内发起的。司机手机操作系统不同，上车地点也会不同。
重构问题
糟糕的规划导致了后续的上车问题
乘客应用加剧司机和乘客之间形成有问题的上车计划，例如不准确的定位，模糊的信息和低效的路线，从而造成误解。乘客和司机需要辅助的沟通和附加的物理移动来修正位置，这也导致了用户感到挫败和时间浪费。
如果我们帮助乘客和司机形成一个更好的上车计划如何？
这引出了下面的问题，如果我们帮助乘客和司机形成一个更好的上车计划会如何？我们的提议是设置集合地，一个同时代表乘客和司机而产生的上车计划。
上车体验地图，分为两个阶段：形成上车计划和实施上车计划
上车体验重设计
什么是集合地
在一个你的时间时刻都被争抢的年代，Uber 让上车体验更快捷，更省力，更平静，为你节省时间。Uber 的立场是预防，在你犯错时帮你做出合理的决策，并用容易理解和执行的方式告知你。
发起请求，剩下的我们负责
基于你的身份信息、位置信息和目的地，Uber 为你找到最佳会见地点。你无需手动选择上车地，Uber 为你节省了时间。 专门针对行人的的步行规划帮助你更好地理解和识别会见地点。不会再有无意义的地址。
总是保持前行，并且更快
有时更快的路线需要步行。Uber 理解这些情景，并能给出节省时间的选项。
我们信得过你
当 Uber 对你当前的位置不太确定时，你会被提示来帮助（定位）。随着 Uber 对你和你的城市增加了解，你的形成也会始终从正确位置开始。
灵活性和最终决定权
有时，你的环境要求更精确的控制哪里上车。当你需要时，Uber 给你完整的控制权。
我们如何实现
在每个地点为每个人提供完美的上车体验
我的设计策略主要被三个问题驱动： 1.你如何为每个地点，每个人做设计？ 2.需要考虑哪些环境？ 3.什么是完美的上车体验？
早期，理解影响乘客和司机体验的各种因素非常重要，我把所有可能的概念绘制成思维导图，并把它翻译成光谱和情景框架。
一个更包容的设计
Uber 应用没有为旧金山 Uber 办公室辐射范围外的人群做设计。为了打破当前的偏见，我尝试用为每个地点每个人做设计的方法来教育团队。 光谱(Spectrums)尝试突出用户和 Uber 进行交互时遇到的暂时和长期的问题。 情景(Situations)尝试突出每个人都会体验到的情景挑战。情景是一个暂时的场景，会在短期内影响用户和 Uber 的交互行为。
从过去来看，Uber 几乎没有重视过不再旧金山办公室辐射范围内的人群。
这个框架打破了现在团队对人群和市场的固有认识。我们的目标是设计一个新的解决方案，从一开始能够适应和扩展这些场景及其组合。
从降级到适应
我又建立了需求框架层级，重新组织了关于质量和功能的讨论。 我们不再以旧金山为中心的做设计，我们也不再只为那些其他充满挑战的市场做降级，我们需要考虑所有的场景，按照最低的质量标准确保用户的乘车服务。 框架帮我们的思维发生了转换，从一个没有价值的问题——“如何为内罗比降级（设计）？”转换为“在没有传统的定位系统的城市里，我们如何完成一个目的地优先的设计？”
从完美倒推
我反向思考了不完美上车体验来激发创造力。于是出现了四个设计挑战： 1.我们如何更加清楚乘客在哪？ 2.我们如何产生了一个最少付出和时间节省的上车方案？ 3.我们如何完全摆脱对地图的需求？ 4.我们如何更好地适应城市和人类的动态犯错？
从不准确到精确
更准确地了解乘客在哪
上车出现问题的一个主要原因是 Uber 强依赖于乘客明确地设置一个精确的上车地点。如果没有设置，就会导致司机被带到默认的设备定位地点，一半的情况下都是不准确的。 我们的数据表明： 1.全球 50% 的乘客都不能明确地设置上车地点； 2.一般的会话都有至少 100m 的误差； 3.45% 的会话都会随着请求时间而提高 GPS 精确度。我们没有考虑这个信息。
基于这些洞见，我提出了“目的地优先”和“实时位置”这两个重要的功能建议，来更好地理解用户位置。针对这个功能有一些重要的想法： 1.不在依赖乘客设置上车地点，替乘客分忧解难。 2.为 GPS 启动争取更多时间。 3.尽可能利用 GPS 更新。
从最后一步开始
为了优化上车体验，我们只需要知道一件事——乘客的目的地。 无需争辩，团队一致同意询问在应用启动运行时询问“您要去哪里”来了解用户所想。这也有助于完成更多事，例如为用户提供预期价格，估算抵达时间，并为设备 GPS 预热争取更多时间来改善上车体验。 为了弥补所造成的使用阻碍，我设计了加速功能——快速路径的猜测，能让乘客在任何给定时间都能一键到达最可能的地点。
早期对 Uber 首页的探索，聚焦于简单和快速。左二是 Peter Ng 设计的。
降低新流程的风险
目的地优先的会带来更多阻碍，流程发生了本质上的变化，我们担心新的的体验会出问题。 为了降低我们预估的风险，我们出差到班加罗尔，德里，艾哈迈达巴德，广州和上海，测试早期的原型设计。 令我们惊讶的是，没有一个参与者意识到了新流程顺序的不同，或者操作遇到困难。目的地加速器和参与者产生了很好的共鸣，也确认了我们为速度设计的直觉是正确的。
实时位置
当我们疑惑是否需要完全放弃上车位置时，实时位置功能被想到了。 比起乘客启动应用时就锁定位置（大约需要 12-15 秒的精度修正），让应用随着 GPS 异步更新持续地感知。往往最后一刻GPS 定位最准确，即发起请求的时候。 这需要对经验做巨大的设计转换。我们的挑战就是从”设置你的上车地“转换为“你想去哪并且准备怎么去那？”
在确认界面增强自信
如果新的体验就是替乘客做完这些事，那么确认界面就需要增强用户的自信，并展示上车体验是如何被考虑的。 一个主要的设计挑战就是要给这个持续感知状态多大程度的强调。 我做的一个更冒险的决策是在应用的核心流程中模糊掉上车位置。这个想法是为了呈现行程的总览，引导乘客聚焦于如何抵达而不是哪里上车——因为哪里上车是 Uber 需要考虑的。 这就意味着界面需要鼓励大多数人的自信，同时那些需要控制权的用户也要知道怎么找到这些功能。这意味着我们不能代表用户做优化，我们偶尔需要向用户寻求帮助。
为焦虑做的过度设计
做这些设计，是为了在 GPS 定位修正后精确显示定位。我假设建立乘客信任的关键是信息透明。但是在对体验设计反复迭代测试后，我们重复观察到以下事实： 1.模糊不清和解决方案的概念通常会被忽略。 2.乘客认为应用知道他们当前的位置，也不会主动去看一看来确认。 乘客完全不会因为 GPS 的精确度而焦虑。但是我的焦虑，混杂着利益相关者的反馈，都反映在我的设计中。GPS 点和定位提示加载着焦虑，我觉得我已经尝试了所有的可能。 在第三轮痛苦的测试后，为了让界面更加简洁和平衡，能够展示乘客关注的内容，我枪毙了这个想法。
从低效到高效/从固定到灵活
把乘客和司机的时间还给他们
知道乘客的目的地，最准确的理解他们的定位，我们才能为乘客分忧解难并选出最优的上车地点。能够处理这个问题时系统要足够聪明，处理不了时系统的干涉要足够谦卑。到目前为止，这个系统的适应性是项目中最复杂的问题。 适应性的框架是如下三个基本概念： 1.置信度决定了是代替用户选择一个地点，还是帮助他们精确地点。我们如何计算置信度，并作为一个长期的项目课题来提升。 2.我们需要尊重乘客的控制和自由。设计模式需要允许用户随时进入、退出或完全控制。 3.系统需要足够灵活，不断学习乘客的意愿。不要假定我们已经知道正确答案，并基于此设计。
智能上车
为行程提高效率需要的不仅仅是派单给距离最近的车，更要派单给最理想的车。这就有如下几个设计的挑战： 1.让乘客步行到最近的上车地点； 2.用启发法决定最理想的上车地点； 3.当我们不知道乘客在哪时自动适应； 4.给用户智能的备选项，或者让用户完全控制，这两者之间做到平衡。 最理想指车辆能够从附近的可选上车地点最快抵达目的地。
适应——一个灵活的架构
根据位置置信度的想法，我设计了一个流程。如果 Uber 对乘客的位置很确定，那么 Uber 来做决定。否则，应用会提示用户确认他们的位置。 我不再为正确答案而设计，我设计了一个灵活的系统，通过不断学习和选择不断自我优化。
从模糊到清晰
用更符合直觉的方式沟通位置
在乘客司机会面的体验中，最关键的是他们都清楚在哪相遇，以及如何达到那里。当前的 Uber 应用并不能很好地支持路线查询，大量依赖街道地址和地图。 我们在印度的研究中发现了许多找路的问题。有限的街道标识，机动车道和人行道上紧张的交通，以及糟糕的 GPS 精确度，乘客和司机使用兴趣点（Point of interest）来协调上车地点（不管应用提供的方案是什么）。 我们发现，他们的沟通中存在着固有的结构模式，这成为 Geotalker 的灵感来源。
Geotalker
Geotalker 是一个描述地点的框架，是对人类大脑如何组织空间知识的映射。它的工作原理是利用启发法，将街道地址转换为地点描述短语，帮助寻路，感知空间和沟通。 我着手创造一个寻路和空间认知的概念模型。通过测试我发现，根据乘客和司机的视角不同，城市环境特征会有不同程度的显着性。 更大的愿景是创建一个系统，在这个系统中，地点描述基于运动方向和其他因素，利用最明显的兴趣点。系统会测试不同的标签和并基于上车体验的质量来自我优化。 然而，考虑到这个想法是一个推测，并且依赖高质量的位置数据，我们决定在当前的 App 中测试一个不太智能的版本。
Geotalker 降低了上车体验中的不确定性
早期的实验表明，预定的上车地点和实际上车地点之间的距离有明显缩短，并且联系率也显着降低。我们认为 Geotalker 有助于降低上车地点的不精确性。 对于在重设计中落地这个概念，这已经足够了。
落地
2012 年以来最激进的升级
在我参与项目 5 个月后，团队继续迭代和打磨视觉设计，并在应用构建过程中完成了出色的功能细节。虽然我没有参与这个过程，但是我大多数的工作能上线，这已经很棒了。 在 2016 年 11 月 2 日，新的乘客端应用全球发布——这是团队取得的令人钦佩的成果，尤其这是一个从零开始的，完全的重设计。
New Uber Rider App, 2016 | Uber.mov
影响
正面的结果和未来的工作
Uber 乘客应用在 iOS 和 Android 端的重设计，对上车体验有积极的影响，在写这篇文章的时候（发布 3 个月之后）。然而，联系率并没有明显降低，这也就意味着乘客和司机依然在互相联系来确定和协调上车的细节。我相信在继续等待一段时间，这种行为会发生变化。