在上一篇文章中，作者分享了AI助手的關鍵設計要素和設計原則，這篇文章，我們繼續分享剩下的體驗評估思路，并提供了兩個業務案例供大家參考學習。

在生成式AI助手設計指南上篇中（點此回顧），我們討論了生成式AI助手的關鍵設計要素和設計原則。

在本篇中，我們將會歸納AI助手的體驗評估思路，另外會提供兩個業務案例供大家探討。

四、評估思路

AI助手的體驗評估沒有統一方法，我們在這里提供一些思路供大家參考。

1. 衡量成本與收益

用戶花費時間和金錢去使用AI助手，目的是為了獲得幫助。除金錢成本外，付出的成本主要是使用成本，獲得的收益則是有用的答案?？梢詮倪@個思路入手去評估：

• 成本類：易理解性（理解成本）、引導性（構思成本）、易用性（輸入成本）、費力度（輸入成本）容錯性（糾錯成本）、效率（時間成本）等。
• 收益類：回答幫助度、滿意度等。

2. 借鑒已有體驗評估模型

可以借鑒業內已有的體驗評估模型，如Google的HEART模型、GSM模型、支付寶的PTECH模型等，它們的適用場景和側重點有所不同。

3. 從體驗三維度入手

可以圍繞產品表現、用戶行為、用戶感受這三個體驗維度去評估：

1. 產品表現類：易用性、一致性、無障礙、答案生成速率、重生成比率、回答幫助度等
2. 用戶行為類：使用頻次、使用時長、留存率、贊踩比等
3. 用戶感受類：凈推薦值、滿意度、愉悅度等

4. 考慮重點體驗指標

通常產品將滿意度、凈推薦值和費力度作為重點體驗指標，三者分別代表設計價值、商業價值及產品價值。

5. 常用評估方法

可以使用后臺數據分析和問卷調查法，必要時還可以加上專家打分法。

不同產品的側重不同，同一產品在不同階段的側重也會不同，我們可以根據產品側重選擇合適的指標和方法進行評估。

五、業務案例

下面跟大家分享兩個業務案例。

1. CRM AI助手

在易銷CRM（以下簡稱CRM）內搭建的Copilot AI智能助手，主要用途是通過AI幫助銷售提效，同時輔助銷售新人完成工作培訓和學習。

CRM AI助手以浮窗的形式展示，支持用戶拖拽位置和改變大小，采用MA的對話形式，用戶通過與AI對話完成業績查詢、產品知識學習和銷售話術學習等功能。

1）推薦功能引導

由于是新的AI產品，因此我們需要讓用戶在初期就建立智能便捷的認知，因此需要重點引導用戶了解AI助手的功能。因此需要增強推薦功能的曝光，幫助銷售快捷提問。推薦策略優化

我們聯合產品完成了用戶角色的分類，并根據角色差異梳理了不同的快捷指令優先級，做到了千人千面，通過提供智能的服務，增強用戶對AI工具的依賴和信任。

2）推薦場景梳理

我們在流程設計上也在強化了功能推薦的曝光，分為提問前和提問后兩個場景：

在提問前：通過「歡迎卡片」承載功能引導。設計了猜你想問的功能，給不同角色的用戶推薦高優先級的功能，點擊后會在輸入框內形成快捷指令。在二期時，我們還增加了“換一批”和指令中心入口，增強持續增加推薦功能的曝光。

在提問后：通過「猜你想問」承載快捷指令。在交互方面，采用較短的操作路徑，由于是系統編輯好的指令，因此點擊之后不填充輸入框，直接向AI助手提問。在UI方面，壓縮組件面積和字號，形成層級差異，提升可讀性。

3）指令中心搭建

在未來隨著AI助手的迭代，功能會越來越多，因此我們搭建了指令中心來承載全部的推薦功能。采用了獨立頁面的指令中心，使用清晰的Tab分類和快捷幀等功能，對功能進行細致的分類。最重要的是，不影響銷售瀏覽整體頁面的核心區域。

由于存在許多表意難的指令，無法很好的通過扁平化圖像傳遞，因此我們決定使用Emoji設計推薦功能的icon，完成情感和情緒的傳遞，同時也能降低設計成本。因此我們根據推薦功能的意義，梳理了Emoji的使用規范，同時也通過焦點小組的形式，征求銷售同學們的意見，最終形成了一套Emoji的使用規范。

4）AI對話場景

在與AI對話中的場景，我們也在很多細節上為銷售同學提效，同時也要保證其使用的舒適度和便捷性。我們以向AI提問為例，將流程拆分成前中后三部分：

提問前：輸入框槽位使用

用戶高效利用槽位編輯指令?？旖葜噶钐畛浜?，會展示槽位，用戶根據自身需求選擇要查找的內容。同時遵循槽位的使用規范，我們沒有選擇復雜的交互方式，僅支持「單選選擇器」或「輸入框」，足夠滿足場景，考慮到輸入框大小，也規定了每條快捷指令不能超過3個槽位，讓用戶的操作不那么復雜。同時考慮到容錯性支持誤刪后通過快捷鍵撤回刪除。

在UI設計上我們在區分清楚槽位與字段的關系，如使用輸入框并增寬間距，在編輯槽位時也將邊框高亮，增強編輯時的差異化，提升用戶的認知。

提問中：意圖識別反饋

AI及時給予用戶進度反饋，增加用戶的信賴感。為了讓用戶了解當前的生成進度，我們設計了AI助手的階段反饋，通過加載動效配合文字完成提示。同時會反饋會拆分成兩個階段：

1. AI識別意圖：會顯示思考中，并通過進度條反饋進程。
2. AI結果反饋：會在底部一直顯示思考中，反饋輸出中的狀態。

提問后：對話氣泡

在人與AI的交流過程中，對話內容常以對話框的形式呈現，其邊界清晰，便于集成各類功能。這些功能主要聚焦于對用戶所發出的指令以及人工智能的回復內容進行反饋和操作。

氣泡反饋：在富文本和卡片通知的設計中，強化標題和正文的對比度，提升行高，增加無序列表樣式，提升通知可讀性。

氣泡操作：用戶Hover對話氣泡可以調起工具欄操作。我們選擇了這種把操作欄卡在對話氣泡下方的形式，節省在不Hover場景下的氣泡與氣泡間的上下高度，提升AI助手的屏效。

接下來我們來看一個案例。這個案例是在B端模板配置中，應用生成式AI助手進行公式編輯，并且根據使用場景對AI助手的界面進行了靈活的改進。

2. AI編輯器案例

在一個為銷售人員計算提成的系統里，有一個模塊功能是建立提成核算模板。

假設我們最后需要得到這樣一張核算表：

表頭的姓名/城市/業績/提成是數據項，表示這“是什么”。

數據項（表頭）有了，數據從哪里來呢？如果是小規模公司，可能直接統計填入就好了。

但體量大的公司，這些數據可能來自多個系統。

這就需要了解兩個概念：

1. 取值方式：從哪里/如何取值，相當于方法（漁）。
2. 值：是什么內容/數據，相當于結果（魚）。

建立核算模板時，除了數據項，還需要定義取值方式。有了取值方式，通過計算或數據引入，就可以得到值，也就能得到一張完整的核算表。

這里的取值方式有多種定義方式，比如：

• 填入：通過上傳文件填入。
• 引入：通過字段引入，字段是其他表的數據項，這樣就可以把其他表的數據拿過來。
• 計算：通過公式計算，公式中會用到本表或者其他表的數據項/數據字段。

圖中的提成是通過公式計算的。調研發現，由于核算政策細節豐富、場景千差萬別，實際業務中公式往往很復雜，需要花費大量時間，而且極易出錯。

下圖是一個簡單的公式示例：

評估分析，公式編輯場景下，AI可以幫我們在三個方向提效：

1. 公式生成：通過描述想要的效果，自動建立或補全所需的數據字段并生成公式。適用于一些邏輯規則比較復雜或者輸入量較大的場景。
2. 公式解釋：拆分解釋給定公式的含義及功能邏輯。在多人協作時，可以幫助用戶讀懂其他用戶填寫的公式。
3. 函數解釋：解釋函數的含義和參數?？梢詭椭脩袅私夂瘮档挠梅?，尤其適合一些非通用函數。

其中，公式生成是最大的應用場景。

公式編輯最突出的痛點，一是編輯過程復雜，需要輸入很多內容。二是輸入不規范（比如缺少一個逗號或者括號）導致錯誤。而這些恰好是AI擅長的。

但應用到核算模板中，還存在一個難點：

目前市面上的AI公式編輯器應用場景主要在Excel或Google Sheets這樣的表格中，利用表格已有的數據項進公式計算，無法使用表格沒有的數據項（即無法引用其他表的字段）。

舉個例子：

表格中的AI公式編輯器僅能利用已有數據項進公式計算，但核算模板中參與公式計算的數據并不一定都在當前的數據表中，它們可以利用其他表中的任何數據項作為可用的數據字段，只需要引入到當前表就可以。

這就涉及到公式的數據字段建立或補全的問題。

1.公式生成時，如果用到了模板中沒有的數據字段，應該怎么表示？

2.往往引入的數據字段很多，相同類型字段（比如姓名/員工姓名/銷售姓名、業績/實際業績/總業績）很多，AI如何知道該用哪個？

第一個問題好解——在公式生成前，需要建立或補全數據字段，這樣便于用戶理解和下文描述，這也是區別于表格類AI公式編輯器的重要一點。

第二個問題，則要回歸AI編輯器的功能本質來考慮——提效。如果AI猜的足夠準，那使用AI推薦的字段更高效；反之，用戶自己選擇更高效。

這取決于用戶的描述準確度和可用的數據字段數量，沒有確定的答案。所以在代碼塊（用于顯示生成的公式）中，可以提供默認數據字段和AI匹配的數據字段兩種顯示模式。

接下來是主界面設計，選擇了一次指令的方式。

之所以沒有使用連續對話式，原因很簡單，連續對話式適合于AI可以有多樣化產出的場景。用戶對于AI產出的內容沒有太確定的預期，接下來可以在一輪一輪的對話中反復修改、提出要求，最終得到滿意的答案。連續對話式使用門檻低，但也會消耗更多的時間。

而模板中的公式編輯是典型的B端場景，功能使用頻次非常高，對于效率要求也高。同時用戶較為專業，對于需求的描述較為準確，也可以承擔一定的培訓成本。所以我們希望用戶在適當學習的前提下，可以通過AI一次性獲得滿意的答案。

同時，為了提高回答的準確性，又做了以下嘗試：

鼓勵用戶給出所需字段：在提問時可以通過快捷鍵 @ 選擇所需字段，用戶自己選擇的字段視為已確定的字段，后續AI匹配時不會被替換掉。

文本優化提前識別/確認意圖：在用戶輸入后，可以進行文本優化。AI可以提前補全所需字段，并根據用戶的描述優化提問，用戶可以在此基礎上修改。這個功能相當于對用戶的意圖提前識別，可以提高后續回答的準確性。

最后，我們看一下整體的使用過程：

六、面向未來的AI助手設計

在AI助手的設計領域，未來的發展將持續向著智能化、個性化和無縫集成的方向發展。

AI助手將融合多模態的方式，包括語音、視覺、觸覺等，以提供更為豐富和直觀的用戶體驗。AI助手在人性化方面將具備更高級的情感智能，能夠識別和響應用戶的情緒狀態，提供更加人性化的交互體驗。AI助手將從被動響應用戶指令轉變為主動識別用戶需求并提供幫助，實現從“助手”到“伙伴”的角色轉變。

隨著AI學習能力的增強，AI助手將更加智能地理解用戶所處的環境和上下文信息，提供更加精準和及時的服務。通過深度學習用戶的行為模式和偏好，AI助手可以提供更加個性化的服務和建議，使用戶感受到更加貼心的定制化體驗。得益于自然語言處理技術的進步，AI助手也將能夠更加準確地理解用戶的自然語言指令和問題，提供更加流暢和自然的對話體驗。

技術的不斷進步和用戶需求的日益多樣化，將使AI助手變得更加智能、友好和易于使用，成為人們日常生活中不可或缺的一部分，而我們——設計師，也將擁有更多嘗試的機會。