設計大遷移:穿越智能時代
大遷移已經在發生,有些人已經跑起來,有些人還在門外看著,有些人還沒感知,你是哪個?
- 設計師和人工智能是什么關系?
- 人工智能對設計有什么影響?
- 設計師怎么進入智能領域?
一、穿越時代,設計師的生存啟示
設計師,你有想過時代那么快嗎?
那年,上學時還是印刷還是高科技,平面設計師還是風口,大家期待進4As做個廣告人,走向潮流達人。沒過幾年,互聯網來了,帶走了我們同期的好幾個同學,當時還取笑他們能力不好才進了那些泡沫小企。但沒過幾年,風口往互聯網吹,還好互聯網有好幾十年的窗口期,能反應過來的,都趕上車了。
更快的遷移,指數式增長時代。
好不容易趕上了互聯網,結果迎來的是移動互聯網,結果這次窗口期只有三年。所以這波風口,當年的同學又走丟了幾個,給我們幸存者的最大啟示是時代正在指數式加速。只有更快的學習能力,行業信息洞察,才能及時反應抓上時代的車票。
設計師產品化成長,追上人工智能。
沒與時代并行的,最后只能被時代淘汰。平面設計到互聯網,再到智能時代,可預見的是將迎來的是一批更替。我們把設計師帶進智能時代分享一些經驗,希望幇助更多設計師走進人工智能。
二、設計師的可用性,0到1
信息時代試錯成本下降,MVP版本思維,最小化可行方案。
過去追求設計正確性,想法到提案需要完整的華麗演示。建基于印刷時代,試錯成本的經驗假設上,“你錯了, 印刷出來是上萬的錯誤復制品, 修正成本極高”。
而現在信息時代,技術成本建基于服務器上的代碼。信息技術變化,試錯成本降低,與其閉關幾天,做出華麗想法,不如先來幾個簡單原型快速溝通, 更早動手嘗試。小樣本驗證,再調整變量。
刻意練習,試錯式成長,提升能力可用性。
在早期,專業成長關鍵在于技術上的熟練度。像產品可用性是否符合大眾預期, 像機器學習早期的訓練樣本,目標是提升基礎可用性和有效性。
經驗是什么?加班目的是什么?
智能新人加班是階段正確,剛開始需要用時間換取機會,獲取熟練度和經驗。
而經驗是什么?
是信息權,是提升成功概率,提升設計方案有效性的基礎資本,換取團隊信心把事情托付給你的基礎。 別懶,多做,聰明人的笨功夫,反復練習是把事情做實的必經之路。
故事分享:全鍵路體驗走查,獲取充分信息,提出有效創新
由新手到熟手, 三步達成有效體驗增長。
Step1:爭取信息權,沉淀專業判斷力
- ?用戶常用路徑走查:用戶視角熟識產品,為后續的體驗溝通完善背景信息。
- 前期可行性探索:嘗試痛點與想法的機會點落地,換取內部動作機制信息。
- 業務信息背景收集:了解業務的方向,明確區分關鍵問題,權重分配和優先級信息。
圖1:快速搭建原型, 進行全鍵路體驗走查
Step2:追求更有效的思考維度
- 關鍵行為提?。涸诙噍喌臏贤ê螅@取多方的信息,區分出用戶的關鍵行為,提升方案有效性。
- 路徑量化分析:想法可能會出現很多,但要量化問題的體量,才能有效分配資源,游說合作方共同達成目標。體驗能度量,也能幫助合作方共享利益,了解投入與產出效果比。
- 現況優化探索:產品是基于不同的場景目標,生命周期沉淀出當前的形態,現況是在時間上進行切片分析,過去的設計決策是階段性正確,所以定期進行現況走查,可以保持設計與用戶習慣預期相符。像經營一家酒店一樣,設備是會過時的,保持良好體驗需要定期更新迭代。
圖2:原型進行溝通, 獲取各方信完善
Step3:扎深現在建立觀點,提供前瞻性的增長洞見
(1)連續咨詢對話能力:了解用戶體驗與產品運作,ChatBot常見痛點在概率命中由一個個BadCase提案來完善。所以,人工智能的用戶體驗設計與傳統網站不同,不只有單一的用戶中心思考,這樣不能達成體驗的有效增長。
智能體驗設計需考慮的是三方用戶,提問方/需求側(消費者),連接方/配置側(算法),回答方/供應側(商家/平臺)。UCD的思考需要多維度的考慮互相的增長協同,才能產生最終的理想體驗。
圖3:UCD第三個用戶,算法
(2)創新探索,擴充未來可行性:設計的過程會遇見機會點和想法,產品的產生由想像力開始,用戶只能說出更快的馬,想不出汽車的可能。了解技術,遇見痛點,能輸出更多的設計解決可能性。
圖3:提案解決算法端的用戶痛點,提升消費者端的智能有效性
三、設計師的DAU,1到N
DAU的意義是什么?
有多少用戶需要你的產品,如果是一個人,就是有多少人需要你的專業服務。
再進一步是什么?
市場不只有你這個產品,用戶替換你的成本是多少,定義了你的市場價值。如果是一個人, 就是有多少人可以取代你的角色。
產品是怎么生存的?
建立生態系統,淘寶和支付寶綁定,想上網逛一下,買東西。淘寶占了不可取代的位置,而支付寶占了支付習慣,用戶心智固化,不能支付寶的零售又反哺淘寶的不可替代。相互協同,達成體驗生態閉環。
進而一步步由此基點出發,生活服務消費,商品零售消費,也連接成更大的網絡觸點,達至用戶替換成本高門檻。放遠一些,通用電器、微軟、Apple等的護城河道的體驗增長也相似。
所以,如果是一個人是怎么的啟示?
建立專業生態網絡,你的連接觸點復雜度決定你的替代成本。度量產品的影響力是用戶量、活躍用戶、粉絲數。
如果是一個人,度量影響力是什么?
設計領導力:
- 內部:推動各合作方,達成體驗增長的能力;
- 外部:對外分享或合作,達成專業增長;
- 專業:沉淀設計經驗,通過可復制方法, 達成杠桿性解決方案。
故事分享:推進三方用戶, ChatBot主路徑體驗優化
前期技術理解, 掌握設計可能性。
人工智能是黑盒子,網狀神經-樹狀結構-線狀表現。
陳列式產品是樹狀結構,盒子包著盒子,花點時間你總能搞清楚誰包著誰,邏輯清晰路徑分明。而ChatBot用的是標簽結構,大部分用戶要找的盒子都是貼上標簽扁平路徑放著,按意圖概率命中路徑到達盒子的。
黑盒中間的路徑是怎么走,連開發技術的算法也可能搞不清,技術對輸出是否符合用戶輸入的預期,打上正確與否的標簽,交付一個理想的置信值,輸出對話式的一句句線狀表現形態。
圖4:手淘的陳列式樹狀結構
首頁-出行-杭州-酒店,盒子包著盒子,絕對邏輯。用戶切換意圖由主觀操作,判斷決策由用戶點擊。
圖5:ChatBot
客服小蜜的對話式網狀結構,網狀神經分析意圖解析,上下文理解,命中樹狀結構進行對話互動,輸出線狀話術及答案表現。用戶切換意圖由機器概率分析,判斷決策由對話觸發。注意力資源由機器人協助下, 最大化集中在當前話題上。
以上, 陳述的是理想的情況。
第三個用戶的痛點,算法意圖串流
機器的設計由很多段劇本串聯投放在一個池子中,一個個盒子扁平放著,由不同的引擎計算最大概率的意圖命中。
圖6:用戶在詢問酒店的情景
問到評分高時,機器出現意圖跳轉,到了售后評分的命中。
新時代的技術學習,舊時代的匠人精神。
平面印刷時代要成就大師級作品沒有完全不懂Pantone,凹版凸版,柯式印刷等專業技術。同樣,智能時代想提升專業水平,上一些入門概念的課,了解機器學習,神經網絡算法,置信度原理。
圖7:例如Google的機器學習,吳恩達的公開課,學習入門的原理和關鍵詞
圖8:因此我們設計聯合算法進行相關的交互模式分融設計。(具體故事待續)
總結
增長真理,個人、組織、企業、文明以至基因,終歸意圖都是增長。
不能在物種演化過程中生存的,將必淘汰。為了生存,只能在環境變化中持續增長。加速變化的時代,以學習應變增長。設計師和人工智能的關系是“如果你沒反應, 你可能將沒機會反應”, 窗口期比以往更急速,學習是抓上這班車不可缺少的品質。
期待我們能一起追上智能時代。
本文由 @周銘漢 原創發布于人人都是產品經理。未經許可,禁止轉載
題圖來自Unsplash,基于CC0協議
- 目前還沒評論,等你發揮!