几乎我们在生活中所做的每一件事都需要做出决定。我今天应该穿什么?我晚饭该吃什么?我该买哪一副耳机呢?对于这个新服务，我真正需要哪个帐户层?在当今世界，经常有丰富的选择. 当面对许多选择时，人们如何避免选择过载和决定选择哪个选项?
例如，在洛斯有数百个浴室梳妆台-太多的选择单独考虑!为了快速缩小选择范围，大多数网上购物者首先使用过滤器选项选择不可协商的条件:例如，可用空间的大小和水槽的数目。根据剩下的结果的数量，他们可能会继续添加额外的过滤器的偏好，如颜色处理。然后,一旦结果列表缩小到一个可行的大小，他们浏览它并选择几个有希望的替代方案进行比较.
这个过程说明了人们使用的两种决策策略:
- A.无偿的决策策略消除了不符合特定标准的备选方案。
- A.补偿决策策略权衡考虑的备选方案的积极和消极属性，并允许积极属性补偿消极属性。
当存在以下情况时，使用非补偿性决策：许多的选择选择；它允许人们快速地将选项的数量缩小到一个或几个。补偿性的策略给这个问题增加了负担工作记忆正因为如此，只有在有别无选择.
理解人们为什么以及如何使用这两种决策策略，可以让我们设计出最能支持用户的界面。
当人们使用每种方法时
这个选择的数量是决定人们使用何种策略的主要因素。这是因为这个数字决定了工作量有必要对它们进行筛选。
当我们只评估少数几个备选方案（大约5-7个）时，比较每个方案的属性是一项可行的任务。通过彻底审查这些属性，我们可以确定某些方面对我们来说是否比其他方面更重要，然后在评估每个备选方案时，让积极的价值超过消极的价值——这就是补偿策略。
然而，当有许多选择时，全面比较每种选择的利弊是令人畏惧的——如果不是完全不合理的话。在这些情况下，我们转向非补偿策略，即消除任何不符合某些关键标准的替代方案。这种方法使我们能够快速、轻松地缩小选项集，但代价是不充分考虑每一个选项。
过滤器支持非补偿策略
当人们使用非补偿策略时，他们会选择一个或多个不可协商的策略排除所有不具备这些特征的选项. 重复此过程，直到选项集缩小到可管理的范围。
过滤器和分面导航在产品列表页面上，是支持这种非补偿标准选择的最常用工具，允许用户快速删除不具备这些选择特征的选项。例如，Wayfair.com为各种沙发特性提供了许多过滤选项，允许用户缩小20903张沙发的列表范围，仅查看符合某些条件的沙发，如尺寸、座位容量和价格。
对于库存大的网站，过滤器至关重要. 如果没有它们，用户很容易被所有的选择所淹没，并且常常会放弃网站。此外，过滤器非常常见，以至于用户希望在每个网站上都能看到它们.
例如，一位用户在Crate&Barrel移动应用程序上购买一面镜子，她对无法过滤出没有金色饰面的镜子感到失望：“我在专门寻找一块金色的镜子，我确实在（列表页面的）顶部看到了它，但我只是想看看是否还有其他很酷的。所以，我看到有41个，但没有办法过滤它……必须有办法过滤它们。但没有，这很奇怪。通常，你知道，你可以，所以我有点烦。”
当然，仅仅拥有任何过滤器都是不够的过滤器属性必须是相关的并匹配用户最关心的特性。呈现一个只包含一个或几个不相关属性的过滤器几乎比根本不呈现过滤器更令人抓狂。例如，一位用户在Interior Define移动网站上购买地毯时，因为唯一可用的过滤器属性是收藏. 她说：“我想知道你是否能缩小我感兴趣的地毯的范围。所以，我在这里看到了过滤器[…]我不熟悉收藏的名称，所以这对我没有帮助[…]你在哪里可以做到这一点？因为当我进行筛选时，我看到的都是集合。通常你可以按大小、颜色和功能进行筛选。”
要确定哪些过滤器可能与您的用户相关，请查看您网站的搜索日志，查看用户搜索的标准，与实体销售人员（如果您有）和客户支持代表交谈，了解用户最关心的是什么，或者倾听用户在可用性测试期间提出的标准。
除了在浏览替代品时使用过滤器外，用户可能采用的另一种非补偿策略是使用多词查询进行搜索. 在我们过去的电子商务研究中，站点内搜索平均每个查询包含2.3个单词，其中包括颜色、大小和品牌等特征。用户期望这些特征像过滤器一样，当网站没有对匹配结果集中每个单词的项目进行优先级排序时，他们会感到困惑和失望。例如，用户在网站上搜索“木箱”时，可能会收到一份列表，其中只包括木制的箱子，而不是网站上所有的木制物品加上所有的箱子。
补偿决策需要比较工具
在评估少量备选方案时，彻底考虑每个方案及其各种优缺点是一项易于管理的任务。用户界面工具允许用户在同一页面上查看和比较多个项目及其各自的属性支持补偿决策。
精心设计对照表分解每个备选方案的特征，允许用户比较每个方案的优点。由于比较多个项目是一个认知要求很高的过程，因此这些表格必须设计为支持轻松扫描：将每个项目及其属性对齐到一致的列和行中，避免表格单元格中出现冗长的文本，并确保包含的属性有意义（并且可用于表格中的每个项目）。电子商务网站的每个类别只有少量商品，或服务的多个帐户级别具有不同的定价层，通过显示易于查找的比较图表来帮助用户在少数几个选项之间进行选择，从而受益匪浅。
比较允许用户选择一些产品并直接比较它们的工具也很有用。记住，没有必要在每种工具中支持超过5种产品，因为人们不会使用非补偿策略和更多的替代方案。
例如，在最近的一项可用性研究中，一位用户在家得宝的移动应用程序上购买冰箱，并想确定为什么外观相似的冰箱价格不同。如果有一种选择更昂贵，那么它值得更高的价格吗？为了揭示这些特性差异，她从产品列表页面向应用程序的比较工具添加了两个模型。在查看结果表时，她说，“我喜欢并列比较，因为[…]，如果某件东西花费多一点钱，我可以看到折衷是什么，如果这对我来说是有价值的，我可以多付200美元或130美元。”
每个备选方案的关键细节是支持补偿决策的关键，所以人们可以考虑每个单独的属性。即使在评估单个项目时，人们也必须看到正反两面确定是否有足够的好处超过任何消极方面.
许多决策结合了这两种策略
这些相反的决策策略并不是相互冲突的，当人们经历削减潜在选择和评估选项的阶段时，通常会使用每一种策略. 如前一个Lowes示例所示，通常人们首先使用非补偿策略（如过滤）缩小一大组备选方案，然后，一旦留下较少的结果，就比较各个项目的消极和积极属性。
反过来，使用每一个决策策略可以让人们有效减少大量备选方案的选择只有一把，而且然后彻底比较这几个选择的正反两面做出最佳的最终决定。
结论
了解人们如何做出选择，使我们能够设计支持用户决策策略和提高可用性的工具。提供一些方法来筛选不具备选定特征的选项对于非补偿决策至关重要，同时，呈现关键特征和提供比较工具支持补偿策略。
在我们的培训课程中了解更多关于人们如何思考和解决问题的信息人类思维和可用性.
分享这篇文章：