Početna » UI / UX » Ovaj 500 bajtova Javascript može predvidjeti pokretanje korisnika

    Ovaj 500 bajtova Javascript može predvidjeti pokretanje korisnika

    Možete napraviti neke stvarno kul stvari s JavaScriptom i open source kod čini rad još lakšim.

    Premonish je jedna od najboljih knjižnica koju sam vidio i s kojom je izgrađena samo 500 bajtova JavaScripta. Pomoću ovog dodatka možete otkriti gdje se pomiče miš korisnika i predvidjeti na koji se element kreću.

    To može zvučati kao složena ideja, ali je prilično lako implementirati. Da ne spominjem ovu ponudu tona mogućnosti za programere stvoriti neke stvarno cool učinke kao što su animacije prije hovera ili efekti dinamičkog izgleda.

    Počinjete ciljanje elementa na stranici i definiranje kako će izgledati kada se korisnik kreće prema tom elementu.

    Svi izračuni izvršeni su na pozadini s Premonish knjižnicom, tako da ne morate brinuti o matematici ili logici iza toga.

    Umjesto toga, tražite način da to učinite obradite predviđanje temelji se na rangiranju pouzdanosti ponašanja korisnika. Sve je to prešlo u JavaScript, tako da možete napisati vlastite funkcije rukovanje ponašanjem korisnika.

    Evo jednog primjer isječka iz demonske verzije Premonish:

     premonish.onIntent ((el, confidence) => // el je očekivani DOM element // povjerenje je rezultat od 0-1 koliko smo sigurni u ovo predviđanje.); 

    onIntent () metoda se peče u Premonishu i zove se kad god knjižnica obavijesti korisnik kreće prema nekom elementu.

    Možete koristiti i drugi način, onMouseMove (), koji teče svaki put pokazivač mijenja X / Y pozicije na ekranu. Na taj način možete vidjeti kako Premonish izračunava izglede za namjeru korisnika.

    Možete pronaći hrpu informacija u glavnom GitHub repu koji uključuje jednostavne isječke koda za početak. Inicijalizacija samo zahtijeva niz selektora ili DOM elemenata koje treba ciljati.

    Način na koji zapravo koristite ovaj dodatak ovisi o vama. Ovo nije zamišljeno kao cjelovito rješenje, već kao početna točka za pomoć pretpostaviti namjere korisnika i izgraditi iskustvo oko toga.

    Provjerite demo uživo vidjeti kako sve to funkcionira i vidjeti a “način otklanjanja pogrešaka” gdje možete gledati kako algoritam predviđanja radi u stvarnom vremenu.

    Također možete podijeliti svoje misli i zahvaliti kreator Matthew Conlen na njegov Twitter @ mathisonian.