- 为什么要选排序和筛选这个切入点？
- 因为我是选择恐惧症患者。
很多人讨论移动医疗app医源不足的问题，大家都在想怎么扩充，但是很少见到谈论怎么精简。
人类的选择恐惧症是有理论背书的。《Why More is Less》的作者Barry Schwartz讲过：more choices ≠ more freedom；patient autonomy ≠ patient welfare。在“选择过载”的世界，人们有效处理任何领域的信息必须有两条线并行，一边扩充选项，一边删减选项。而每个信息平台都应该帮助用户完成这两步，既要提供“多”，还要提供“准”。当选择过载的时候，我们会选择不选择，弃而不用该平台（请脑补门户网站）。
排序和筛选在移动医疗中尤其重要。
1. 医疗。这个行业的高壁垒和高风险，常常加重患者在做选择时的无力感。
2. 移动。用户为什么要用移动医疗产品，而不是直接去医院？就一个原因：资源优。这个优可以表现在科室匹配准确，医患的日程匹配，于是省了时间；也可以表现在医术好、态度好，于是用户体验优质。但是移动医疗的资源量意味着从中搜索优质资源的工作量更大。如果产品不来承担这个工作，用户就要承担，那么移动医疗还有优势吗？
目前医疗app的排序和筛选长什么样？
先来看看一则app store的某产品评论。如果这位用户人如其名是个“天天看病的人”，那每次都要手机截屏来对比医生信息，让她浪费了多少时间？她提到的“对比”功能，其实就是手动地进行排序和筛选。需要手动，说明系统自带的功能没有满足她的需要。
用户评论
目前，几款比较热门的产品是用这些指标来排序和筛选的：
注：1. 这里只分析线上咨询功能。2. 排名不分先后。3. 排序和筛选分开列表了，因为是两种机制，而且排序一定是量化指标，筛选可能是量化也可能不是，尽管上表里的筛选指标恰好都不是量化的。
现在我们来看看，这些指标有什么问题：
1. 算法不明的指标
算法不明的指标可信度低。毕竟，我都不知道是什么意思，怎么决定是否使用它？
- “综合排序”：有些系统叫“默认排序”。几乎每个网上交易平台都有这么个博大精深指标，谁都不知道怎么算出来的，但是懒得换（据说某电商平台80%的用户都使用了综合排序）。不过，医疗平台的用户是否也具有那么大的包容度呢？
建议：监控该排序下的点击率，及时调整。
- “医生活跃度”：有可能是通过某种算法得出的，也可能就是简单的接诊数量。
建议：不如直接写接诊量，或者算法公式。如果算法公式很复杂，想想为什么，是否有必要。
- “价格”：只有微医用了价格指标，看起来很明确，但其实很复杂。微医的在线服务有三类：图文，电话，视频。每位医生的每种服务都有不同价格。那么当按“价格从低到高”排序时，究竟按的哪个价格？
微医：价格排序+问诊类型筛选
上图中，两位医生的排序结果为什么会是这样？显然不是按照最低价格，也不是各种服务的均价。后来发现，因为我选了“问诊类型-电话”，于是排序是按照电话问诊价格的。
这样不一定不好，只是建议验证一下：1. 当用户选择了“问诊类型-电话” + “价格排序”的时候，是否等于他们需要“按电话价格排序”。2. 有多少用户会在一次问诊中用到多个问诊类型？当他们选择价格排序时，是否希望完成诊断治疗的总价最小，还是初次问诊价最小？
2. 是非类指标用于排序
就医160使用“医院等级”（三级甲等，二级甲等之类）做排序，而不是筛选，已经是值得探讨。通常，类别指标用作排序的效果不好，等于一堆无序数据被分为小一点的几堆，在每一个类别内部仍然杂乱无序。
更让人想不通的是，“是否三甲”这种0或1的指标，用作排序的意义有多大？为什么不作为筛选呢？不过，既然百度医生和微医都用它做排序，而不是筛选，我想应该有其理由。
奋力找理由中：
第一种可能，将该指标与其他指标搭配，做多级排序。不过上表中的产品都是使用单级排序，此路不通。
第二种可能，出于精简UI的考虑。如果筛选项是每项一个tab，而排序项是所有选项共用一个tab，那么越多筛选意味着tab越挤，所以为了美貌，尽量少筛选多排序。如果真是这样，本末倒置，估计交互设计师们都气坏了吧？百度医生或许有这方面的考虑。但是微医就说不通了：看下图，筛选项用了合并tab的微医并不缺空间。
百度、微医筛选UI对比
第三种可能，平台的三甲医院医源有限，想让用户尽可能看到非三甲医院，如果用筛选就一下全屏蔽掉了。真是这样的，这个解决方案也太幼稚了吧？
建议：想清楚是否有理由把“医院等级”和“是否三甲”用作排序，如果有，这个理由有多重要？重要到可能让用户面临选择恐慌的情景？
3. UGC指标的问题
最大的问题放到后面压轴。
先看评论，找找用户怨气的聚集地。
以上来自不同产品的app store评论区，可见用户对各产品的态度是统一的：1. 我要评论。2. 我的评论必须直接影响评分。
用户很在乎自己的评价有没有实质的作用，一方面这样有参与感，另一方面暗含了一条逻辑：如果我的评论不能被采纳，那么评论不透明，那么评论不可信，那么产品不可信。所以用户评论一定要做，而且要公开透明。
尽管这几款app都没有使用UGC进行排序筛选，但是其实它们都在默默收集。下表是它们收集了但未用于排序和筛选的指标：
注：1. 这里仍只关注线上咨询业务。2. 患者关注度：类似与被收藏次数。
建议：
1. 请让用户评分。
2. 评分一定要公开透明。
3. 评分用来排序。既能有效地提供优质信息，又能激励商品和服务提供者。
4. 可以考虑百度医生的分类评分。也许不只是疗效和态度，还可以评价医患的交流效果、医院干净程度、候诊时间等等，然后监控各种排序下的流量，找出最有效的评分标准。
当然，所有用户评分都可能遇到这么几个问题：
1. 用户不想评论。千万不要“全5分送优惠券”，更不能系统默认好评。可以采取Uber的方式，在下次登入时，提醒用户评论上次的医生，不评论则无法进入主菜单。不过这个要结合产品的功能来考虑：打开Uber的用户几乎都是为了立即打车，打开医疗app的用户未必是为了立即就诊，也许只是想翻看文章、简单自诊、或者查询历史等，是否值得为了评分而阻挡这些功能的使用，需要慎重讨论和测试。
2. 恶意评价。恶意评价是无法杜绝的，只能尽量抬高门槛，比如可以设定在低评分时，要求患者阐明原因。
3.一开始评分不足，出现大部分无评分的医生，排序失效。一方面，可以向上表中的各产品一样，前期先收集评分，不用来排序，靠其他指标的合理设计来帮助初期用户搜索。另一方面，谨慎处理这种情况：两位其他指标均相同的医生，一位无评分，另一位有两个差评，应该把谁排在前面？
总结
我认为对排序筛选功能的设计有这么几个通用的原则：
1. 一个指标通常要么适用于排序，要么适用于筛选，谨慎选择。
2. 指标应该让一目了然，让用户扫一眼就知道什么意思。
3. 指标要公开透明可信。
4. 测试。测试。测试。要想确定指标设计的优劣，只能通过测试和分析测试结果。
以上就是我对几个医疗平台产品的排序筛选功能的一些浅见。关于这个功能的理论和讨论都不常见，欢迎大家评论指正和贡献好文链接。
转载前请与作者联系。
网友评论