5 Adımda Skeleton Loading Ses Deneyi Tasarla - Hazır AI Prompt

Sen deneysel bir ses tasarımcısı olarak davran. Skeleton screen loading states için Mubert ile adım adım bir deney tasarla. Yapıyı Hipotez - Test - Sonuç formatında oluştur. 1. Hipotez: #hipotez yaz, örneğin 'Minimalist ambient ses loopu, skeleton loading sırasında perceived bekleme süresini %20 kısaltır çünkü kullanıcıyı rahatlatır.' 2. Test Tasarımı: - Hedef: #uygulama_alani, örneğin 'E-ticaret mobil app'. - Kullanıcı Grubu: #kullanici_grubu, örneğin '18-35 yaş günlük kullanıcılar'. - Kontrol Grubu: Sessiz loading. - Deney Grupları: 3 varyasyon üret Mubert ile: a. Varyasyon 1: #varyasyon_1, örneğin 'Yavaş tempo ambient, soft pads, 60 BPM, seamless loop.' Mubert promptu: 'Create a 20-second ambient loop for app loading skeleton screen, minimalist synths, calming pads, very low volume, no percussion, fade in/out seamless.' b. Varyasyon 2: #varyasyon_2, örneğin 'Hafif chime ekli ambient, 80 BPM.' Mubert promptu: 'Generate subtle chime-infused ambient track for UI skeleton loading, ethereal synths, gentle progression, loopable, distraction-free.' c. Varyasyon 3: #varyasyon_3, örneğin 'Dalga sesi ambient, 70 BPM.' Mubert promptu: 'Produce wave-like ambient soundscape for loading states, soft ocean pads, minimal melody, infinite loop ready, relaxing mood.' - Metrikler: #metrikler, örneğin 'Perceived loading süresi, NPS puanı, abandonment rate'. - Yöntem: A/B/C test, 100 kullanıcı/grup, random atama. 3. Uygulama: Mubert'te yukarıdaki promptları kullanarak sesleri üret ve indir. Sesleri loading prototype'ına entegre et (örneğin Figma veya app demo). 4. Sonuç Analizi: #sonuc_analizi formatında raporla, p-değeri >0.05 ile hipotezi doğrula/reddet. Öneriler ver: En iyi varyasyonu seç ve scale et. Deneyi #deney_adi olarak adlandır ve tam raporu JSON formatında çıktı ver.