今日在網(wǎng)易科技訊 北京時間11月3日消息，Uber應用將會迎來全新的設計�！哆B線》網(wǎng)站撰文指出，重大改版將會讓新功能“Uber Feed”成為人們出行體驗的中心。該功能可重構乘車體驗本身，讓原本可能單調(diào)乏味的體驗變得更有成效。不過Uber也將面臨第三方整合、智能推薦等方面的挑戰(zhàn)。

在未來幾周，Uber應用將會迎來大幅改版，新版本將推向全球各地的用戶。如果你是其中一員，你可能會很喜歡它；從Uber昨天早上的展示來看，新版本在速度、智能程度和易用性均有了明顯的提升，成本、行程時間預估等信息也更加透明。不過，盡管這些都會很受用戶歡迎，但Uber升級最吸引眼球的地方并不在于它的加載有多么的快速，它能夠了解你的日常生活，以及它如何支持將你記載了會議日程的日歷整合進來。Uber新應用最引人矚目的一點是，名為Uber Feed的新功能。

以往，Uber只是專注于將你從A點帶到B點。Uber Feed旨在填補行程中的空白。領導此次重新設計的產(chǎn)品經(jīng)理Yuhki Yamashita指出，“一旦司機開始出發(fā)，整個應用體驗就會發(fā)生變化�！彪S著車子駛離路邊，可滾動的卡片流就會從屏幕底部出現(xiàn)，覆蓋正在進行的行程地圖。向上滑動屏幕，你可以看到一連串Uber認為你可能會覺得有用的服務。下班途中覺得饑餓難耐？在UberEats卡片上向左滑動，就可以參看有哪些餐館能夠根據(jù)你的到達時間將餐食同步送到你家門口。在前往餐館的路上？Yelp卡片可讓你左右滑動瀏覽熱門菜肴的照片和評價。

那至少是Uber的理念�！爱斈阍谲嚿蠒r，呈現(xiàn)一系列迎合你的體驗和信息，能夠讓整個行程變得更好，能夠讓你更加了解你的目的地�！盪ber CEO特拉維斯·卡蘭尼克（Travis Kalanick）指出。它就像是飛機上的娛樂內(nèi)容，但要更加實用。從紙面上來看，它的確很有吸引力。

吸引力

首先，它讓Uber重構按需式交通體驗中最無聊的部分：乘車本身。獨立用戶體驗設計師、用戶管理專家塞繆爾·赫里克（Samuel Hulick）說道，“沒有人會覺得乘坐Uber很有趣�！痹赨ber應用中，最無趣的部分就是看著你的汽車在地圖上移動。（這相當于是地制圖形式的進度條，會讓人覺得時間流逝減慢。）“Uber的乘車部分是達到目的的方式，因此理清用戶行程的目的，Uber能夠在多大程度上幫助他們達到交通以外的目的，有著很大的意義�！焙绽锟苏f。Uber Feed讓屏幕空間得到了更好的利用，使得原本可能單調(diào)乏味的體驗變得更有成效。

當然，這些事情大多數(shù)都可以在Uber以外的應用當中完成。如果說智能手機讓人類有了一樣很擅長的事情，那就是消磨時間。不管是Twitter還是Instagram，又或者是《部落戰(zhàn)爭》（Clash of Clans），很多人在乘坐Uber時都有自己最喜歡的打發(fā)時間的方式。那為什么非得使用Uber Feed呢？

除了環(huán)境感知之外，將你所有的活動都留在一個應用當中可以為你減少麻煩。第三方整合的一大好處在于——不管是在Uber Feed，你的手機的語音助手，還是在你最喜歡的通訊客戶端中——為你省去在不同應用之間切換和完成任務的時間和麻煩。“增加和利用用戶在應用內(nèi)花費的時間，毫無疑問會使得Uber變得更加重要。”赫里克表示。

重大挑戰(zhàn)

不過，第三方整合也會帶來棘手的難題。第三方整合時下非常流行，但要實現(xiàn)并非易事，做好來更是難上加難。微信在這方面最為成功。在中國，數(shù)億人使用微信來做各種各樣的事情：跟朋友聊天，玩游戲，訂餐，預訂飛機票——全都在基于聊天的簡單用戶界面中完成。在美國，F(xiàn)acebook Messenger、Google Allo、iMessage等通訊類應用也有無所不包的雄心，但它們還存在很大的局限性，不僅僅是在服務范圍上，還在功能上。

成都app開發(fā)，就找源昇科技

Uber將會面臨同樣的挑戰(zhàn)。Uber Feed一開始將只有一小部分的合作伙伴（只有Uber旗下的UberEats首發(fā)——Yelp、Snapchat、Foursquare、Pandora和交通整合則“即將到來”），但不難想象該產(chǎn)品可能會通過天氣、新聞等功能以及與本地商家的合作來實現(xiàn)擴展。不過，比起擴大第三方功能范圍，更加重要的是確保人們覺得這些服務是有用處的。Uber Feed將會根據(jù)你的目的地預測你的需求和提供個性化服務。然而，任何被微軟超煩人的智能助理Clippy打擾過的人都能夠證實的是，推薦服務不一定會受到待見。

用戶體驗設計與咨詢公司Adaptive Path創(chuàng)始人、用戶體驗設計師杰西·詹姆斯·加勒特（Jesse James Garrett）指出，“問題在于，人們目前對于這種信息有多大的需求？”他以Yelp為例解釋道，“就拿在前往餐館的路上來說，實際上有多少人會想要在開往餐館的車上訂餐？而在有這種沖動的人當中，又有多少人會常常是這樣呢？”

那是智能推薦的一大挑戰(zhàn)：它們充其量只是預測而已。要是它們并沒有明顯好于你慣常使用的服務，那它們很可能會以失敗告終。“可以想象的是，相比Uber上的Foursquare推薦，很多人都會更加信任傳統(tǒng)的在Foursquare上輸入關鍵詞來查找的方式，尤其是如果他們覺得Uber化的推薦不夠直接，也不夠準確�！焙绽锟苏f道。