這篇文章中，Zalando的首席產(chǎn)品設(shè)計(jì)師分享了開發(fā)生成式AI助手的寶貴經(jīng)驗(yàn)與設(shè)計(jì)原則。通過(guò)深入分析客戶需求，團(tuán)隊(duì)成功打造出一個(gè)個(gè)性化的購(gòu)物助手，幫助用戶在海量商品中找到所需。
文章不僅探討了如何管理期望和應(yīng)對(duì)挑戰(zhàn)，還提供了實(shí)用的設(shè)計(jì)策略，適合對(duì)AI產(chǎn)品設(shè)計(jì)感興趣的讀者。過(guò)去的幾十年間，商業(yè)智能移動(dòng)設(shè)備、PC 端技術(shù)迭代、互聯(lián)網(wǎng)革新及社交媒體生態(tài)的不斷進(jìn)化，徹底重塑了我們?cè)诠ぷ鲄f(xié)同、社交通訊和在線學(xué)習(xí)等多領(lǐng)域的運(yùn)作模式與互動(dòng)方式。
在這種范式躍遷下，如何理解并重構(gòu)人機(jī)交互的模式顯得尤為關(guān)鍵。這為我們打開了一個(gè)激發(fā)無(wú)限可能的空間，在這里，我們能夠以設(shè)計(jì)驅(qū)動(dòng)的思維，精準(zhǔn)挖掘用戶與商業(yè)需求，實(shí)現(xiàn)深度賦能。
當(dāng)我們成功構(gòu)建可從龐大數(shù)據(jù)中自主學(xué)習(xí)并在無(wú)需明確指令的情況下完成任務(wù)的算法模型后，局面變得更加精彩。然而，正如大家所了解到的，這僅僅是故事的開端。我們更進(jìn)一步引領(lǐng)研發(fā)出了能夠生成文本、圖像和視頻內(nèi)容的生成式模型，徹底改寫了創(chuàng)新技術(shù)的游戲規(guī)則。
我們深知，時(shí)尚與生活方式是高度個(gè)性化的，它們因人而異，不斷演進(jìn)和迭代。雖然消費(fèi)者的需求多樣且獨(dú)具一格，但我們相信在引導(dǎo)和啟發(fā)他們方面還有巨大的優(yōu)化空間，通過(guò)提供精準(zhǔn)、有價(jià)值的導(dǎo)航和推薦，使他們?cè)谖覀冐S富的商品選擇中迅速找到最貼合自身需求的單品。
在一年時(shí)間內(nèi)，共有 50 萬(wàn)名客戶與助手展開對(duì)話。在深入分析互動(dòng)模式后，我們發(fā)現(xiàn)客戶正以嶄新的方式與我們建立連接。
解決重要問題
在探索生成式 AI 帶來(lái)的不確定性時(shí)，我們始終以用戶需求為核心，將其作為我們的指引。在創(chuàng)新實(shí)踐中，我們堅(jiān)持目標(biāo)優(yōu)先策略，避免技術(shù)沖突場(chǎng)景。為實(shí)現(xiàn)這一點(diǎn)，我們圍繞以下關(guān)鍵問題進(jìn)行深入反思，以鎖定正確方向的挑戰(zhàn)點(diǎn)：
確定合適的挑戰(zhàn)
客戶和企業(yè)當(dāng)下遭遇了哪些特殊的痛點(diǎn)或阻礙？
目前市場(chǎng)上針對(duì)此類問題都采用了哪些主流解決方案？
如果引入生成式AI技術(shù)，這對(duì)相關(guān)問題的解決將帶來(lái)哪些前瞻性增益或創(chuàng)新價(jià)值？
這些問題的重要性如何量化？如果處理妥當(dāng)或失誤，其最優(yōu)和最差的潛在結(jié)果分別會(huì)是什么？
我們的用戶絕大多數(shù)在消費(fèi)時(shí)都會(huì)圍繞特定場(chǎng)景、需求或活動(dòng)選擇產(chǎn)品。然而，為 5000 萬(wàn)用戶配備一對(duì)一的人工購(gòu)物顧問，這無(wú)論是在操作執(zhí)行還是規(guī)模擴(kuò)展上，都是不可行的。選項(xiàng)過(guò)多同樣會(huì)帶來(lái)困擾，我們深知用戶在面對(duì)豐富的產(chǎn)品選擇時(shí)，往往容易產(chǎn)生決策疲勞。正如一位客戶曾這樣形容：
與此同時(shí)，也有對(duì)需求洞察精準(zhǔn)且目標(biāo)明確的顧客。舉個(gè)例子，當(dāng)用戶決心入手一款最新發(fā)布的跑鞋時(shí)，我們的設(shè)計(jì)理念是確保產(chǎn)品體驗(yàn)順暢無(wú)阻，絕不設(shè)置購(gòu)買路徑上的任何“干擾項(xiàng)”。
明確學(xué)習(xí)目標(biāo)
在形成可用原型后，我們立即展開研究，以識(shí)別潛在痛點(diǎn)和用戶的真實(shí)反饋。鑒于這一領(lǐng)域?qū)ξ覀兊目蛻魜?lái)說(shuō)全然陌生，提升參與感的最佳方式便是通過(guò)實(shí)際操作和交互體驗(yàn)與工具建立關(guān)聯(lián)。這套研究洞察讓我們對(duì)用戶期望有了更加全面與系統(tǒng)化的理解，從而為關(guān)鍵路徑設(shè)計(jì)和產(chǎn)品演進(jìn)提供了建設(shè)性的指引。由此，我們得以明確研發(fā)迭代的優(yōu)先級(jí)并構(gòu)繪出長(zhǎng)期戰(zhàn)略布局的愿景藍(lán)圖。
在規(guī)劃我們的學(xué)習(xí)目標(biāo)時(shí)，下列關(guān)鍵問題不容忽視：
這些目標(biāo)的核心價(jià)值體現(xiàn)在哪些方面？
它們能夠?yàn)槲覀儎?chuàng)造怎樣的可能性和優(yōu)勢(shì)？
改變模式
最初的研究經(jīng)驗(yàn)之一讓我們意識(shí)到，用戶往往難以直觀地設(shè)想他們與助手之間的交互方式。
多年來(lái)，用戶一直依賴傳統(tǒng)電子商務(wù)模式中的搜索和篩選功能來(lái)發(fā)現(xiàn)目標(biāo)商品。而在這一全新的運(yùn)營(yíng)范式下，我們需要更強(qiáng)主動(dòng)性，精確引導(dǎo)用戶需求。
別光用說(shuō)的，拿實(shí)例給我看針對(duì)不同的使用場(chǎng)景我們?cè)O(shè)計(jì)了豐富的對(duì)話開場(chǎng)白模板，通過(guò)實(shí)際互動(dòng)示例取代直接的說(shuō)明，直觀地詮釋如何與助手高效溝通。
隨著項(xiàng)目不斷推進(jìn)，我們借助這些指導(dǎo)，為交互設(shè)計(jì)注入多維創(chuàng)新。其中一個(gè)亮點(diǎn)功能是智能便捷的搜索體驗(yàn)，直觀演示全新優(yōu)化的搜索算法如何與生成式 AI 高效聯(lián)動(dòng)。
當(dāng)產(chǎn)品具備價(jià)值時(shí)對(duì)其進(jìn)行介紹在用戶旅程中，精準(zhǔn)把握產(chǎn)品與用戶交互中“關(guān)鍵場(chǎng)景”和“高光時(shí)刻”尤為重要，我們的目標(biāo)始終是為用戶賦能，而非造成干擾。為此，團(tuán)隊(duì)圍繞如何打造與用戶高度相關(guān)、有價(jià)值的瞬間展開了深入思考。例如，當(dāng)用戶進(jìn)入產(chǎn)品詳情頁(yè)時(shí)，我們能否通過(guò)智能助手提供個(gè)性化、深度契合需求的購(gòu)買推薦？又或者，是否能夠借助內(nèi)容設(shè)計(jì)來(lái)啟發(fā)用戶，將最近購(gòu)買的單品與其他商品搭配，打造獨(dú)特造型，實(shí)現(xiàn)創(chuàng)意增值？
管理預(yù)期
人工智能在多個(gè)領(lǐng)域都有亮眼的表現(xiàn)，但它并非解決所有問題的萬(wàn)能鑰匙。因此，我們需要基于實(shí)際情況合理設(shè)定預(yù)期，并充分評(píng)估其長(zhǎng)處與局限性。
引導(dǎo)模型識(shí)別并了解自身的局限性這個(gè)過(guò)程源于大語(yǔ)言模型自身的基礎(chǔ)。可以將這一過(guò)程類比為培訓(xùn)一名資深購(gòu)物顧問，以交付卓越的客戶服務(wù)表現(xiàn)。
該角色的設(shè)定為助手奠定了框架，明確了職責(zé)邊界。在這一關(guān)鍵環(huán)節(jié)，科研工作者、工程師與設(shè)計(jì)師之間的深度協(xié)作尤為重要，是推動(dòng)項(xiàng)目成功的關(guān)鍵所在。
我們賦予助手如下職能：
為客戶提供專業(yè)時(shí)尚搭配建議，增強(qiáng)個(gè)人風(fēng)格表現(xiàn)力；
結(jié)合單品特點(diǎn)，為客戶精準(zhǔn)打造契合整體造型的搭配方案；
洞察潮流趨勢(shì)和個(gè)性需求，推薦貼合客戶風(fēng)格的優(yōu)質(zhì)商品；
根據(jù)特定場(chǎng)合或活動(dòng)主題，為客戶甄選專屬穿搭解決方案。
我們還特別強(qiáng)調(diào)，要求其避免回應(yīng)涉及用戶個(gè)人生活、財(cái)務(wù)信息或心理健康方面的問題。
實(shí)行透明化
為了有效管理用戶預(yù)期，關(guān)鍵在于以清晰、透明且誠(chéng)實(shí)的方式傳遞產(chǎn)品所處的實(shí)際階段及其現(xiàn)有的局限性。這樣的溝通方式不僅有助于讓客戶更系統(tǒng)化地理解產(chǎn)品的運(yùn)作機(jī)制以及可能存在的潛在痛點(diǎn)，也能夠進(jìn)一步提高信任感，激勵(lì)他們主動(dòng)參與并提供有價(jià)值的用戶反饋。
體面地降級(jí)
使用大型語(yǔ)言模型，需要預(yù)測(cè)并應(yīng)對(duì)潛在的意外情況。這可能涉及從語(yǔ)境誤判和內(nèi)容遺忘，到產(chǎn)生幻想式錯(cuò)誤或推薦不相關(guān)資源等各種狀況。生成式 AI 作為全新的工具，正處于全民探索的階段。盡管失敗可以說(shuō)是難以完全規(guī)避的特性，但更重要的是我們應(yīng)該將注意力集中在從失誤中提取洞察，并迅速針對(duì)模型進(jìn)行迭代與優(yōu)化，以驅(qū)動(dòng)進(jìn)步。
規(guī)模化學(xué)習(xí)
每位用戶與生成式 AI 產(chǎn)品的交互都各具特性，這導(dǎo)致潛在問題的識(shí)別與迭代學(xué)習(xí)存在一定挑戰(zhàn)。為了在大范圍內(nèi)深入解析交互中發(fā)生的情況，我們亟需構(gòu)建系統(tǒng)化的大數(shù)據(jù)學(xué)習(xí)模型。這對(duì)維持品質(zhì)基線以及高效定位待優(yōu)化痛點(diǎn)來(lái)說(shuō)，具有決定性意義。
保障體驗(yàn)
為規(guī)避潛在風(fēng)險(xiǎn)，我們需以前瞻性的決策引導(dǎo)，結(jié)合跨職能深度協(xié)同，通過(guò)早期干預(yù)與風(fēng)險(xiǎn)緩解策略，全面賦能 AI 產(chǎn)品的安全與倫理實(shí)踐。風(fēng)險(xiǎn)水平因產(chǎn)品類型、行業(yè)屬性以及用戶場(chǎng)景的差異而變化。例如，Netflix 因其在一部犯罪紀(jì)實(shí)片中使用生成圖像而引發(fā)觀眾爭(zhēng)議。同樣，某航空公司也因聊天機(jī)器人的誤導(dǎo)性建議被要求承擔(dān)責(zé)任。這類錯(cuò)誤可能引發(fā)用戶的情緒波動(dòng)或?qū)ι眢w安全的潛在威脅，同時(shí)也可能對(duì)品牌信譽(yù)造成重創(chuàng)。深入剖析這些影響，并制訂有效解決方案，對(duì)于產(chǎn)品設(shè)計(jì)及用戶體驗(yàn)優(yōu)化尤為關(guān)鍵。