ZICHEN PENG
















       

 



优化 《星海》技能触发交互可用性

以解读“模糊”手势形成落地规则，解决交互可用性低的痛点。将 SUS 用户可用性指标提升 84%，核心检测方法获 1 项专利



OVERVIEW
KEYWORDS
想象一下在游戏中，控制8个以上的技能？满屏的按钮极大得影响战斗视野和操作效率。为了打破这个屏效困局，团队引用街机“搓招”理念，将平铺技能按钮重构为极简的 4 键框架。然而，该设计在灰度测试时遭遇了滑铁卢：核心连招成功率仅有 30%，可用性评分（SUS）更是跌至 37分，玩家在频繁的断招中产生了强烈的挫败感。通过访谈与观察，发现玩家在战斗中存在“本体感觉偏移”现象 ——即手势已发生明显的路径偏移，但仍然觉得交互无误。这说明常规的热区判定不再有效。为此，我重构了检测逻辑 ——“方位角检测 + 阈值补偿“。经再次实测，连招成功率升至 100%，SUS 评分提升 84% （达到行业满意的 68分）。该方案被项目组采纳，且方法申获 1 项交互技术专利 背景
- MMO游戏 / 核心战斗技能触发方法 /部门委托设计/2个月 / 3 人团队 (2 UX + 1 TA)

角色
- UX 设计师 (主导交互二次优化)

结果
- 用户体验评分提升 84% / 项目组采纳 / 专利1份 / 获得公司专利奖金

技能
- 交互研究 / 数据分析 / 体验优化 / 专利撰写 

工具
- Unreal Engine / Figma

平台
- 移动端

 












交互并不总是像“按钮一键触发”这么简单


当用户输入“模糊”时，交互设计师就像“屏幕语言” 的翻译官，理解其手势意图 并通过代码解释，达到反馈与意图的一致性.







Situation

项目背景

受公司内部星海项目组委托，提供核心交互设计解决方案





初期数量已经较多，后续还存在扩充需求
一般通过点对点触发，输入和输出很容易达到一致




一开始的问题—— 移动端多技能场景下的屏效受限
由于其属于MMO类玩法，游戏中技能数量较多。使用 UI 平铺的方式，视野压缩风险较高。但不希望通过削减机制解决，于是找到我们从交互角度探索优化可能性。 （如市场常见在移动端合并技能或自动触发，来保证屏效以及泛用户体验）



Situation

团队初版的优化思路，以街机“搓招”交互为灵感

街机游戏可以通过单位时间的方向组合，触发多种技能







初版方案—— 以限定数量的触点，通过不同组合触发多个技能
如早期的拳皇、流星蝴蝶剑均有“搓招”的影子。熟悉的 “下下前前拳”通过有限的键位极大的满足了技能释放可玩性和技能扩充的要求。如果借此方式，可能可以解决星海的屏效问题



Situation
具体的工作原理




触发方式演示

与技能梯度匹配的可行性演练








以外围触发，中心结尾，满足激活到确认
不允许跨触点激活，以确保玩家在使用技能时，有符合预期（相近一定相连）且有一致性的操作轨迹。形成外围连线，中间确认的记忆 连线难度与技能梯度匹配 满足不同技能要求，高频低伤，短路径；低频高伤，长路径


Situation
数据结果



68分为行业平均分、80.3分为前10%优质产品，而51分以下则垫底
简单快速的问题可拿到可行度较高的结果





使用SUS可用性量表作

SUS得分：37分
可用性上仅超过目前市面上 0%-14% 的同类操作产品
任务成功率：低难度技能 70%，中难度技能 84%，高难度技能 83%，技能组合 30%



SUS 可信度证明
  • SUS 由 Brooke（1986）开发，1996 年正式发表，是目前人机交互领域引用量最高、应用最广泛的标准化主观可用性量表
  • 多项大样本心理测量研究证实其内部一致性系数 α 可达 0.91，信效度优异，小样本条件下依然具备稳定区分能力
    Bangor, A., Kortum, P. T., & Miller, J. T. (2009). Determining what individual SUS scores mean: Adding an adjective rating scale. Journal of Usability Studies, 4(3), 114–123.
    建立 SUS 分数语义分级标准：68 分为行业平均分、80.3 分前 10% 优质产品、51 分以下垫底，是国内外论文通用判分依据
    • Task

    核心挑战与洞察 

    基于以上测试，通过观察和交谈发现实际问题
















    战斗中，存在短暂性视觉障碍
    注意力在游戏内容上，“盲操作” 影响了触点位置的感知
    在高频次操作时，手势路径易变形
    生活中的例子：越飞快的打字，就越容易打错字。（依赖开环的肌肉预测，压缩大脑反馈时间，导致精准性下降）
    Task
    两个问题一定程度上影响了交互可用性




    玩家无法准确的触发相应触点，手势精准度达不到





    Task

    设计目标定义
    根据问题洞察，提出核心设计目标














    ？


    如何捕捉 “非精准” 交互手势运动，从而提升实际环境下玩家触发目标技能的成功率呢？

    解决好这个问题，才能提升该交互的可用性，最终使方案有实际价值