過(guò)去十年,產(chǎn)品靠經(jīng)驗(yàn)和直覺(jué);未來(lái)十年,AI產(chǎn)品將靠系統(tǒng)化的底層邏輯。本篇提出5條核心原則,帶你從“造感覺(jué)”到“造系統(tǒng)”,邁向真正可擴(kuò)展、可復(fù)制的產(chǎn)品策略。
作為一名每天都在評(píng)測(cè)AI工具、研究產(chǎn)品體驗(yàn)的產(chǎn)品經(jīng)理,Echo常常被問(wèn)一個(gè)問(wèn)題:
“AI產(chǎn)品的設(shè)計(jì)邏輯,和傳統(tǒng)產(chǎn)品有什么本質(zhì)不同嗎?”
答案是:沒(méi)有想象中那么不同。
AI并不是顛覆一切的黑魔法,它依然要遵守那些最基礎(chǔ)的產(chǎn)品設(shè)計(jì)原則。
只是——它讓我們有機(jī)會(huì)重做一遍。
這篇文章,Echo想結(jié)合實(shí)際工作經(jīng)驗(yàn),
講講目前做AI產(chǎn)品最有效的5個(gè)設(shè)計(jì)原則。
5條AI產(chǎn)品設(shè)計(jì)原則
尊重傳統(tǒng)設(shè)計(jì)理論,不盲目顛覆
選擇高頻、繁瑣、容錯(cuò)強(qiáng)的場(chǎng)景
降低輸入成本,避免問(wèn)答式交互
控制AI占比,留足人機(jī)協(xié)作空間
輸出“參考答案”,而非標(biāo)準(zhǔn)答案
下面展開(kāi)講講,每一條背后,都有一個(gè)真實(shí)產(chǎn)品撐腰。
1.尊重傳統(tǒng)設(shè)計(jì)理論,不盲目顛覆
AI不等于一切重來(lái)。用戶的心智沒(méi)有變,對(duì)產(chǎn)品的預(yù)期也沒(méi)變。
AI能力再?gòu)?qiáng),也不能犧牲熟悉感和操作心智。
傳統(tǒng)的產(chǎn)品結(jié)構(gòu)和可用性原則,如?戶體驗(yàn)要素、尼爾森??可?性原則,依然是底線。
尼爾森??可?性原則
1.系統(tǒng)狀態(tài)可見(jiàn)性
2.系統(tǒng)與現(xiàn)實(shí)世界匹配
3.用戶控制與自由
4.一致性與標(biāo)準(zhǔn)化
5.錯(cuò)誤預(yù)防
6.識(shí)別而非記憶
7.靈活性與效率
8.美觀且簡(jiǎn)約的設(shè)計(jì)
9.幫助用戶識(shí)別、診斷和修復(fù)錯(cuò)誤
10.幫助和文檔
2.選擇高頻、繁瑣、容錯(cuò)強(qiáng)的場(chǎng)景
AI最適合落地的場(chǎng)景,必須滿足3個(gè)關(guān)鍵詞:高頻×繁瑣×容錯(cuò)強(qiáng)。
Echo常用的判斷方式是:這個(gè)任務(wù)用戶做得夠多嗎?做起來(lái)煩不煩?AI做錯(cuò)了,用戶能不能輕松發(fā)現(xiàn)/修改?
正面案例:
Gamma.app(AI做PPT)高頻:很多人每周都要做演示;繁瑣:排版、結(jié)構(gòu)、找圖都很煩;容錯(cuò)強(qiáng):AI給錯(cuò)一個(gè)標(biāo)題,用戶能馬上改。所以它做得輕、快、有用——不會(huì)替你寫論文,但能幫你快速起草一套還像樣的PPT。
反面案例:
NumbersStation(AI數(shù)據(jù)分析)場(chǎng)景選得太重:讓用戶上傳數(shù)據(jù)庫(kù)→生成洞察→輸出結(jié)論。問(wèn)題是:AI誤判一個(gè)字段,用戶可能根本發(fā)現(xiàn)不了。這類高風(fēng)險(xiǎn)、高結(jié)果依賴的任務(wù),不適合早期落地。
別想著把最復(fù)雜的事交給AI,選對(duì)場(chǎng)景,比功能先進(jìn)更重要。
3.降低輸入門檻,避免“答題式”交互
Echo見(jiàn)過(guò)太多工具,打開(kāi)就丟給用戶一個(gè)空白輸入框:“請(qǐng)描述你想要什么?!?/p>
這對(duì)普通人來(lái)說(shuō),就是一道“不會(huì)寫”的主觀題。
舉個(gè)正面案例:
NotionAI不是新建一個(gè)“AI頁(yè)面”,也不是讓你打開(kāi)另一個(gè)App,而是把AI集成在原本的文字工作流里。你寫一段文字,它在底下浮出建議:“繼續(xù)編寫?”、“添加摘要?”用戶完全不需要改變操作路徑,AI只是潤(rùn)物細(xì)無(wú)聲地出現(xiàn)。
再看一個(gè)反面案例:
Spellbook(AI合同工具)一上來(lái)就讓用戶輸入一段復(fù)雜prompt:“請(qǐng)以加拿大商業(yè)法的標(biāo)準(zhǔn),幫我檢查這份NDA第四條?!逼胀ㄓ脩舾静恢涝撛趺磳?,典型的“AI強(qiáng),交互弱”。
AI產(chǎn)品不是考試工具,而是寫作搭子。交互形式越簡(jiǎn)單,用戶留存越高。
4.控制AI占比,讓用戶參與決策
別讓AI搶了用戶的存在感。
用戶希望AI來(lái)幫忙,不是來(lái)替他做主。
正面例子:
Krea.ai(AI視覺(jué)草圖工具)用戶上傳手繪草圖+關(guān)鍵詞,AI實(shí)時(shí)生成圖像,但整個(gè)過(guò)程中,用戶可以滑動(dòng)控制風(fēng)格強(qiáng)度、局部生成比例、重新打光等??刂茩?quán)始終在用戶手里。
反例:
RunwayGen-2(AI視頻工具)雖然效果驚艷,但交互是“上傳prompt→等30秒→看AI生成的視頻”,完全黑盒體驗(yàn)。很酷,但不一定適合需要控制精度的商業(yè)用戶。
AI工具不該太“自我”,越是給用戶參與感,用戶越能信任它。
5.提供參考答案,而非“唯一解”
AI應(yīng)提供參考答案而非標(biāo)準(zhǔn)答案,特別是在專業(yè)領(lǐng)域或可能產(chǎn)生誤導(dǎo)的場(chǎng)景。因?yàn)锳I可能出錯(cuò)且無(wú)法承擔(dān)后果。
看一個(gè)負(fù)面案例:
美國(guó)律師虛構(gòu)案例事件——2023年律師使用ChatGPT生成法律簡(jiǎn)報(bào),包含6個(gè)虛構(gòu)案例引用,被法官罰款5000美元,判定為”惡意行為”和”虛假陳述”。
解決辦法:
在產(chǎn)品頁(yè)面增加免責(zé)聲明,如內(nèi)容由AI大模型生成,也可以添加”請(qǐng)仔細(xì)甄別”等提示語(yǔ)。
正面案例:豆包、kimi
Echo的最后建議
如果你正在做一個(gè)AI工具,或者考慮怎么把AI能力接入現(xiàn)有產(chǎn)品,建議你反復(fù)思考這兩句話:
AI不應(yīng)該是替代用戶,而是增強(qiáng)用戶。
一個(gè)AI工具,仍然是一款“產(chǎn)品”,設(shè)計(jì)邏輯不能缺席。
真正好用的AI工具,從來(lái)不是炫技的,而是那些“用完讓人省事”的。
回到最本質(zhì)的問(wèn)題:你有沒(méi)有讓用戶“更輕松地完成目標(biāo)”?
盤點(diǎn)動(dòng)漫中弄假成真的情侶,原來(lái)日久真能生情
我和假期租來(lái)的男友分手,開(kāi)學(xué)后才知道,他竟是我的學(xué)長(zhǎng)
中國(guó)最新的約會(huì)熱潮:虛擬男友的現(xiàn)實(shí)約會(huì)