Tümges - Tüm Geleneksel Sanatları Yaşatma ve Geliştirme Derneği
Zanaatın korunmasını sadece statik bir süreç değil, eğitim ve panel gibi etkileşimli yöntemlerle dinamik bir süreç olarak ele almasıyla öne çıkar. Kullanıcıya doğrudan bir 'zanaat topluluğu' deneyimi sunan arayüzü oldukça verimlidir.
- Eğitim odaklı panel içerikleri
- Zanaatkarlar arası etkileşim
- Güncel koruma stratejileri

Tümges - Tüm Geleneksel Sanatları Yaşatma ve Geliştirme Derneği, akademik tasarım denetiminde 65/100 puan alarak bağımsız denetimden geçti. En güçlü yönleri akıcılık (100) ve görsel kararlılık (96); görece geliştirilebilir alanları etkileşim tasarımı (31) ve marka kimliği (35).
Tümges - Tüm Geleneksel Sanatları Yaşatma ve Geliştirme Derneği, tarafından tasarlanan bu Geleneksel Zanaat Koruma platformu olarak 65/100 skorla "Güçlü Temel" düzeyinde değerlendirmeye alınmıştır. genel kullanıcı deneyimini destekleyen altyapı kurulu olup kullanıcıların temel beklentileri karşılanmaktadır. Ancak görsel ağırlık dağılımı, renk psikolojisi ve etkileşim akışı üzerine yürütülecek sistematik bir tasarım çalışması, platformun rekabetçiliğini artıracaktır.
Tasarım Denetimi
Hasler-Süsstrunk renk teorisi, Gestalt ilkeleri ve Fitts Yasası ile hesaplamalı analiz.
Kırmızı enerji, aciliyet ve güçlü eylem çağrısı iletir. E-ticaret ve sağlık sektörlerinde dikkat çekici etkisi deneysel psikoloji çalışmalarıyla kanıtlanmıştır. (Birren, 1969)
4 teknoloji bileşeni tespit edildi.
"Dengeli sıcak palet güven ve yakınlık hissi veriyor; kullanıcıyla duygusal bağ kurma potansiyeli yüksek."
Karşılaştır & İzle
Sektör ortalamasıyla karşılaştırma ve tarihsel skor değişimi.
Geleneksel Zanaat Koruma
Tümges - Tüm Geleneksel Sanatları Yaşatma ve Geliştirme Derneği bu kategoride 11 puan üzerinde — sektör ortalaması 54/100. En iyi %38 dilimindedir.
Benzer Skorlu Siteler


Ölçüm ortamı hakkında: Teknik performans için öncelik CrUX (Chrome User Experience Report — gerçek kullanıcıların canlı saha verisi); CrUX verisi yoksa Lighthouse(kontrollü lab/test ortamı) kullanılır. Bu iki ortam farklı koşullarda ölçtüğü için bazı metrikler birbirinden ayrışabilir — örneğin sunucu yanıtı (TTFB) lab'da hızlı görünürken, gerçek kullanıcıların içerik boyaması (LCP) ağ ve cihaz koşulları nedeniyle daha yavaş çıkabilir. Her iki değer de doğrudur; yalnızca farklı pencerelerden bakar.