色彩是我們感知世界的一扇窗戶。在UI設計中，這更是真理。人對色彩的視覺感知，引導著人的思維，改變著大腦的預測、理解和決策過程。
這麼說或許有點深奧。其實，從小開始，你就在潛移默化中，掌握了色彩背後的深層含義。走在路上，看到紅色的標語，你會停下腳步；看到信號燈上的綠色數字，你會悠閒地通過。閱讀時，你會先讀黑色字體，再讀灰色字體。上網時，你會點擊界面的藍色區域……這是我們對色彩的“直覺”。
這種“直覺”根深蒂固，用戶體驗產品時也離不開它的影響。
從表面上看，配色並不難。但是，在大規模的產品設計中，簡單的問題也變得非常複雜。假設一家公司有數千名設計師，他們各司其職，各自為產品配色。要保證所有產品配色一致，公司的色彩系統“肩負重任”。而且，在設計師看來，配色這麼簡單的事情，一次性搞定就夠了。所以想做到配色一致非常困難。
我對此深有體會，我所在的團隊負責構建和維護 Lyft 的設計系統——“Lyft 產品語言”。今年早些時候，我們幾乎淹沒在問題的海洋中：如何使用色彩？如何添加色彩？如何修改？如何快捷地配色…… 隨著公司設計和工程隊伍的壯大，問題的數量與日俱增。
很明顯，Lyft 現有的色彩系統已經不堪重負。唯有另闢蹊徑，問題才有解決的可能。 為此，我們決定打破對色彩系統的固有認知，重新構建色彩系統。
更系統地命名
在盤點用過哪些色彩時，我們發現了許多“歷史遺留問題”，整個盤點過程如同考驗眼力和腦力的考古挖掘。“月球色”、“石板色”和“骨頭色”都屬於灰色，“桑葚色”、“紫紅色”和“紫羅蘭色”都屬於紫色，但我們很難根據名稱進行區分。
對我們而言，這是一個大問題，尤其是 Lyft 標誌性的粉色，我們在產品中總共發現了15種不同的粉色（如下圖所示）。
首先，我們想搞明白為什麼色彩命名如此碎片化。 我們發現，不同的人（尤其是來自不同學科背景的人）描述色彩的方式存在根本差異。
如今看來，這個發現顯而易見，但剛開始時並不是如此。 所以，我們首先要做的是，讓設計師和工程師在探討配色問題時，能夠使用統一的詞彙。 也就是說，色彩命名不是沒有條理的，而是符合邏輯推斷的。 從本質上講，我們需要一門有助於配色工作的語言。
我們發現，人們在談論色彩時會傳達兩個基本信息。 一個信息是色相（hue），對應於色相環上的某個部分。另外一個信息是色彩的亮度（lightness），起修飾作用。 所以，你常常聽到“淡藍色”、“暗綠色”、“深紅色”等說法。我們命名時也遵循這一原則。
我們深知，讓這門新語言真正成為日常交流的一部分，才是最難做到的。 因此，它必須有較高的性價比，或者說，簡單易學，使用效率高。
因此，對於色相的命名，我們尊重人們已有的語言習慣。對於常見的色相，我們直接照搬色彩學術語，例如：藍色、綠色和紅色。 對於更復雜的色相，我們選擇較短、易於拼寫、易學的單詞，如薄荷色（mint）、鴨翅綠（teal）、玫瑰色（rose）等，一門能夠長期使用的語言必定是嚴密的。
所以，我們不放過每一種可以想到的色彩，並找到相應的色相，力求全面。 因為色相只有 360 種，我們不必擔心未來色相的數目會增加。我們可以把色相的名稱進行組合，無須改動語言的基本結構（比如：霞紅色（red-sunset）或粉紫色（pink-purple））。
（Lyft 使用的16色色相環）
至於亮度的描述，我們沒找到一個現成的很好的方法。 於是，我們決定從0到100進行賦值，0代表亮度最高，100 代表亮度最低。唯一要注意的是，賦值時要做到有據可循。例如：如果以後我們突然發現，存在比 100 更低的亮度，有可能每一種色彩都要重新賦值，Lyft的每一個員工都要重新接受培訓。 所以我們必須準確定義亮度賦值方法。 後文中我們會加以闡述。
現在，我們有了屬於 Lyft 的命名系統。每一種色彩的名稱都包含兩個信息——色相和亮度。 例如：“紅色 60”是中紅色，“藍色 10”是一種非常亮的藍色。簡單易學，表述準確，這兩個方面我們都做到了。
更精確地選擇色彩
幾乎全部的色彩系統都是相似的，或者說，用的是同一種配色方法。設計師會先用 Illustrator、Photoshop 或 Sketch 等工具選擇一種色彩，再用疊加的方法調節亮度，獲得想要的效果。這是一種被普遍使用的經典方法。
雖然這種方法短期內有效，但它的成果容易“過期”。例如：更換色系的時候，我們無法完全重複之前的操作。 即使讓同一個設計師來做，他也很可能做不到。這是因為我們配色時純粹依靠肉眼，但人眼不是精確的機器。飲食、環境、配色工具或方法的變化，都會大大改變人的視覺感知。 因為經典方法不是長期有效的，我們必須找到一種新的方法。
於是，我們轉向更嚴謹的數學方法，嘗試用編程解決問題。但是，我們對現有編程的效果並不滿意，因為相同的編程方法應用於不同色相時，得到的結果時好時壞。
注：相同的編程方法，不同的結果：藍色色系中有較多種可用的色彩，但黃色色系中，除了最上方的其他幾種都不可用。
我們發現：這是由不同色域（color space）的巨大差異造成的。常見的編程方法算法單一，而色域的多樣性要求我們用更靈活的方法。
正常肉眼可見的黃色和綠色的色域，比藍色和紅色的色域大
我們把這個難題看作一個改進數學方法的機會，問題的關鍵在於：
我們希望配色時更有“控制感”，包括亮度、色相和飽和度三方面的控制。 對於亮度，在界面中，我們不需要做到均勻分佈，只會關注0-100 中間的幾個亮度值。 相較之下，我們更需要控制好色相和飽和度（saturation）的演變。常見編程工具的算法都是，在控制色相和飽和度幾乎不變的條件下，以固定的亮度值間距逐層推進演算，輸出每一層的結果。我們決定更進一步，利用色彩的三維模型構建新的算法。
小提示：這一小節的後半部分包含較多術語，所以，如果您想了解算法的原理，請繼續閱讀。 如果您不感興趣，請跳至下一小節。
色彩最好用三維模型表示，因為我們可以從色相（底面）、飽和度（右側）、亮度或明度（左側）三個維度確定一種色彩。
如圖所示的三維模型包含了所有可能的色彩，“盒子”中的每個點代表一種色彩。
與任何算法一樣，首先，我們要確定算法的輸入（inputs）和輸出（outputs）是什麼。對於輸出，我們希望得到色相相同、亮度不同的一組色彩。 如果要構建一個完整的色彩系統，我們需要重複該算法，得到每種色相對應的色彩。
那麼，算法應該輸出多少種色彩呢？
在 Lyft，我們的答案是 11 種。也就是說，算法會輸出編號為0、10、20 直至 100 的 11 種顏色。
解決了輸出數目的問題，我們還要解決輸入的問題。首先，我們會在 0-359 之間選擇一個整數區間，代表色相的範圍。區間的大小取決於色相的種類。如果色相為紅色，區間一般較小；如果色相為黃色，區間一般較大，我們也會根據實際需要擴大或縮小區間。
其次，我們需要輸入飽和度的範圍。 飽和度的取值範圍是 0 到 1。在算法中，我們添加了調整飽和度的功能，可以快速優化輸出的結果。我們既可以提高品牌標誌性顏色的飽和度，也可以降低飽和度，達到灰度濾鏡的效果。
最後，我們需要輸入光度值。 光度與飽和度一樣，都在 0 到 1 之間取值。 你可能會注意到，當我們調整光度時，其他軸上所代表的指標也會跟著變動。 這是因為在三維模型中，所有色彩指標都是緊密關聯、相互影響的。
一旦我們輸入上述三項內容，算法就會輸出我們想要的色彩。
有了新的算法，我們不再靠肉眼選擇顏色。如今，更換設計師或者工具都不會影響配色結果。我們還能根據不同時期的需要，快速變換或者增減色彩。
無障礙設計？So easy!
在Lyft，配色最基本的要求是：用戶使用時，不存在視覺障礙。我們過去被迫使用第三方工具，手動檢查色彩對比度（color contrast ratio，色彩對比度足夠高，內容才容易辨識）。我們希望能擺脫對第三方工具的依賴，幫助我們非常輕鬆地設計出用戶體驗良好的產品。
為了做到這一點，我們充分利用前兩小節所描述的工作成果。我們控制亮度值不變，同時，要求色彩對比度必須達到 4.5:1。算法輸出的11種色彩中，編號為0-50的色彩適用於黑色背景，編號為 60-100 的色彩適用於白色背景。
通過編號，我們就足以判斷色彩對比度是否達標。 舉個例子，設計師或工程師能馬上判斷“紅色 50”在白色背景中不能使用，而“紅色 60”可以。
添加系統維護工具
到此為止，構建色彩系統的目標已基本完成。在之前的色彩系統中，糾錯和維護的工具很少。所以，我們為工程師構建了一個在代碼庫中“穿梭”的遷移工具，可以把現有的色彩代碼導入到新系統中。 我們還構建了防火牆，防止代碼庫中混入新的色彩代碼。
現在，輪到你大展身手了
在 Lyft，我們相信未來是包容開放的，任何人都可以設計產品並獲得成功。 我們認為，為了讓未來成為現實，我們都需要考慮如何構建更便捷的產品，並付諸行動。
Enjoy!
原文鏈接：https://design.lyft.com/re-approaching-color-9e604ba22c88
本文由 @即能 翻譯發佈於人人都是產品經理。未經許可，禁止轉載
題圖作者提供
閱讀更多 人人都是產品經理 的文章
