优步致力于让我们的交通平台向所有人、所有地方开放。我们的骑手应用是一个熟悉的切入点，但Uber的骑手网络团队通过基于浏览器的解决方案扩展访问，使人们能够利用平台、网络速度或设备请求乘车m.uber.com，我们的渐进式网络应用程序。

2017年，我们发布了我们的Uber原始的网络预订流程让骑手在没有应用程序的情况下请求在线乘坐。从那时起，我们研究了使用模式，进行了用户调查，并分析了使用我们的移动Web，桌面和Windows 10应用程序的优质服务器的需求。骑手通过他们的点击点击投票，并通过对过去一年的许多网站和人员调查的回答来听取他们的声音。

我们查看了所有数据和用户反馈，以了解工作以及不存在的内容。我们还从主应用程序的设计更新中了解到了超级Lite应用，并将最佳实践带到网络上，为我们的乘客提供更好的体验。

2019年初，我们推出了新的桌面友好的网络预订流程m.uber.com，使用我们的最新版本从头来重建Fusion.js框架。我们设计并将其设计为愿意通过浏览器预订乘坐的用户的主要入学点。

什么是新的

我们重新设计了整个用户体验，并优化了网络预订流程以提高速度和性能。虽然有很多变化，但其中最重要的三个是针对台式电脑的设计，让新用户能够理解体验，以及优化网站的速度。

桌面第一

当我们重新设计Uber的网络预订流程时，我们决定给予桌面电脑和移动设备同样的关注。这可能是我们网页设计理念中最大的变化。在之前的迭代中，我们专注于优化手机体验。我们的桌面体验是一个移动站点的响应式版本，延伸到用户的屏幕上，使它不那么美观，更难于使用。

自从推出m.uber.com我们观察到百分之三十的m.uber.com用户主要在台式电脑上请求旅行，而不是在移动设备上。根据我们的研究，想要提前计划旅行的雷竞技是骗人的乘客也倾向于使用和欣赏桌面体验。

为了更好地为这些用户提供服务，我们将使用桌面作为优先级的网络预订流的新版本。在桌面体验中，用户还获得交互式地图，以查看他们的路线，提货和乘坐作为我们应用程序的移动版本的详细信息，如图2所示，如下所示：

针对新用户

虽然更新的网页预订流程继续为旧的vide和不受支持的设备提供服务，但我们发现新用户特别兴趣使用他们的首次优步旅行的Web流。我们的团队在优步操作的所有地区进行了多个实验，并且在许多地区发现，如果在下载应用程序之间选择以便首次乘车并要求在网上请求乘坐骑行，通常使用Web流程骑行者。

通过观察用户的行为，这种趋势变得很明显。例如，当我们让乘客选择预订他们的第一次旅行超级的主页比起下载应用，我们发现全球首次旅行转化率增加了10%，而在印度和巴西等地区，首次旅行转化率增加了60%。

基于这些观点，我们建立了一个新版本的网络预订流程，并考虑到新用户。例如，我们不用假设乘客的接车地点，而是问他们:“你想在哪里接你?”，同时推荐附近很受欢迎的上车点。这一选项通过减少对地图的依赖，改善了乘客的乘车体验。我们还重新设计了新的web体验，使用户界面更容易理解。

我们目前正在优化各种骑手接触点，以便为骑手提供一个选择他们在Web上的第一批旅行，揭露此选项，以便更广泛的用户可以享受我们的服务。

加强速度

除了添加新功能和功能外，我们还致力于向骑士提供无论我们新的网页预订流程，无论设备还是连接。

以前版本的m.uber.com使用了基于概要的框架构建。虽然它给了我们一个小的有效载荷大小的优势，但我们的所有Web属性都搬到了fusion.js框架。基于插件的普遍框架，在优步开发，现在可用开源项目，专注于通过第一负载和客户端保湿的服务器端渲染来感知性能，以进行进一步的相互作用，可以显着提高骑手体验的特征。

我们还开始使用积极缓存资源服务工作人员因此，即使使用缓慢和不一致的网络，重复访问者也可以在网上获得一个响应，应用程序类似的体验。

最终结果令人鼓舞。尽管捆绑束尺寸增加，但我们看到了明显的改善是第一个字节的时间以及页面开始交互的时间，如下图6所示:

我们之前的Web体验也允许骑手通过切换地图来节省带宽，但体验不是美观令人愉悦的，并且难以发现肘部。在新的经验中，我们通过将地图拨动前沿，使骑手更加控制。我们还为更喜欢这种模式的骑手提供了更加直观的毛法体验。

最后的想法

我们希望使Uber的服务能够对每个人提供，而不仅仅是那些最新的智能手机的服务。利用像网络这样的尝试和真正的平台帮助我们达到更广泛的受众，包括可能生活在网络访问缓慢或基于旧技术的手机中的地区的地区的人。

然而，在网站和浏览器看似基本的技术背后，像渐进web应用程序和Fusion.js框架这样的技术让我们给我们的用户一个很棒的体验。在m.uber.com网站上使用我们的网络预订流程的乘客不仅可以搜索目的地并查看ETAs，他们还可以获得车辆到达时间的实时更新。

它没有结束那里。我们发现有机会更新和改进我们以前的网页预订流程，并将继续寻找更好的方法。

致谢

Ravi Hamsa、Abhilash Goje、Abilash S、Shreedhar Shreenivasa、Gaurav Jain、Aditya Binaykia、Adit Gupta、Namrata Mehta、Saurav Kaushik、Praneeth Reddy Kudumula和Saurabh Choudhary也参与了这个项目。

有兴趣加入我们吗?考虑申请一个角色在我们的团队！