編輯導語：業(yè)務團隊在進行產(chǎn)品設計時，是否可以借助一定外力，實現(xiàn)設計價值的最大化？比如AI人工智能，也許就是可以助力用戶交互體驗提升的一大利器。那么，AI人工智能可以從哪些細節(jié)入手、改善設計流程呢？不如看看作者的總結。

寫在前面

回想一下，你在進行 UI 設計工作中，是否會遇到下面場景：

1. 你怎么知道用戶會喜歡這個界面設計？
2. 這個界面能不能抓住用戶的注意力（眼球）？
3. 有數(shù)據(jù)支撐你的設計嗎？
4. 這個界面可以怎么改進？
5. 你到底行不行呀？
6. 這個界面還不如原來的！

Okay，面對這些質疑和挑戰(zhàn)，你內(nèi)心的 OS 應該也是那句：你行你上呀！

一、大數(shù)據(jù)時代的設計方式

其實，在大數(shù)據(jù)時代，設計工作者也可以嘗試使用數(shù)據(jù)來為自己的設計“正名”。設計如果沒有和大數(shù)據(jù)連結，就等于說設計師憑個人經(jīng)驗猜測。設計如果和大數(shù)據(jù)連結，它其實可以看到很多的趨勢。

美國牛津大學大數(shù)據(jù)知名權威-邁爾遜伯格教授在演講中談及。過去是通過「假設→實驗→驗證」，看結果與假設是不是相呼應。

• 如果是，那就對。
• 如果不是，就要重做。

過去的設計是這樣的流程?，F(xiàn)在自從有了大數(shù)據(jù)之后，你的流程不是這樣的，你會先看到一個模式（pattern）再返回去做設計，意思是「你會先看到結果」。

你可以想象一下，你是電視劇「開端」的男女主角。

你知道公交車即將遭遇爆炸，你可以回到過去找到車上的兇手，讓這個爆炸不要發(fā)生。

大數(shù)據(jù)可以讓你從結果回退思考設計應該怎么做。

現(xiàn)在大家的行為都可以被你預先看見，被你看見之后就可以先知道結果，你就可以通過改變一些因素讓事件得以發(fā)生或者避免。

從技術上來理解，就是通過大數(shù)據(jù)進行深度學習，把機器模型訓練出具備人的瀏覽習慣。

當你把“設計作品”給他看的時候，他可以后驗性告訴你結果。即人們是怎么瀏覽這個“設計作品”的，你再根據(jù)這個結果來進行設計工作。

二、Grammarly，一款在線語法糾正和校對工具

在寫作領域，專業(yè)的學術寫作可以讓你獲得高分，妥帖的商業(yè)郵件能夠促進交易達成，風格統(tǒng)一的品牌文案有助于樹立企業(yè)形象。

我們?nèi)粘Ｊ褂玫?Grammarly 已經(jīng)把后驗性理念，通過「人工智能應用于文字場景」融合在產(chǎn)品當中。

當你開始進行寫作時，Grammarly 會及時糾正你的單詞和語法錯誤，根據(jù)你設定的目標進行評分，并根據(jù)你的寫作內(nèi)容分析你的語氣、同義詞替換、以及根據(jù)受眾類型給出風格建議，等等。

在寫作內(nèi)容發(fā)送之前，就能發(fā)現(xiàn)內(nèi)容上的錯誤以及不足，用技術幫助人們優(yōu)化寫作內(nèi)容，提高寫作生產(chǎn)力。

我們知道圖像相較于文本數(shù)據(jù)的處理，會更加復雜。文本分析可以依賴語法規(guī)則，那在設計創(chuàng)意領域，人工智能（AI）可以做些什么，幫助設計師完成如 Grammarly 這樣的工作。

三、VisualEyes，預測性的設計評估工具

最近，我發(fā)現(xiàn)了一款國外預測性的設計評估工具——VisualEyes。

它主要是通過 AI 模型模擬人瀏覽的方式分析設計界面上的元素，預測用戶會關注界面哪部分元素，以及關鍵引導信息的清晰度，為改進界面的視覺傳達提供參考。

1. 眼動追蹤研究和 5 秒測試 VS 注意力圖

你試著觀察下面的餅干盒。

你會發(fā)現(xiàn)你在注視餅干盒的軌跡圖，大致會如左圖依序從 1-10 標示的動線。觀察的順序通常是 LOGO，產(chǎn)品名稱和圖案，你會猜測這些元素的相關性很強（能抓住用戶的眼球），然后通過對被試者進行無輔助回憶度測試，驗證這些關鍵元素。

設計界面眼動追蹤測試，一般會涉及“實驗設計、安裝設置、數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)解讀” 5 個步驟，耗時長且效率較低，設計研究結論因樣本數(shù)限制，有所局限。

VisualEyes 在注意力地圖上利用人工智能（AI）可以即時產(chǎn)生用戶測試數(shù)據(jù)，直觀、有效、可視化地展示出關于用戶視覺行為特點的分布情況。

熱點圖是基于注視點的絕對注視時間長度來創(chuàng)建的，最大值設置為 2.2 秒，也就是深紅色的區(qū)域，代表吸引了最多的注意力，而綠色/藍色區(qū)域代表吸引了較少的注意力。

注意力圖（Attention Map）是眼動追蹤研究和 5 秒測試的完美替代品。

設計師可以基于設計方案熱點圖，如果熱點區(qū)域有所減少且分布面積增加，說明用戶認知負荷的減少、可被理解程度的提升和信息穿透力的增加。

2. 快速偏好測試 VS 清晰度得分

另外，你的界面設計與競爭對手相比，誰的設計更好呢？這也是設計師常常被挑剔的話題。

清晰度得分可以體現(xiàn)網(wǎng)站的清晰度和美觀程度。大量的 UX 研究表明，與同行業(yè)競爭對手產(chǎn)品界面相比，當用戶在瀏覽“視覺上吸引人”的界面時，清晰度得分更高，他們更能容忍小的可用性問題。

清晰度得分（Clarity Score）是快速偏好測試的完美替代品。

這個工具評分根據(jù)全球數(shù)千名測試人員的大規(guī)模研究數(shù)據(jù)預測模型生成。不管是概念階段的原型稿、視覺稿，亦或已上線的產(chǎn)品，都可以通過測試數(shù)據(jù)獲取用戶對視覺的品牌認知及主觀感受。

Ryanair 是一家成立于 1984 年的愛爾蘭廉價航空公司，以它為例，我們來看看如何進行同行業(yè)競爭對手清晰度得分比較。

首先，將 Ryanair 網(wǎng)站界面上傳進行清晰度評分。

接著，通過采集“美國航空公司、阿聯(lián)酋航空公司、漢莎航空公司、達美航空公司、伊比利亞航空公司和卡塔爾航空公司”的網(wǎng)站界面，分別進行評分。

然后，把其他航空公司與 Ryanair 進行清晰度得分比較。

從結果可以發(fā)現(xiàn)得分分布在 65-82 分，Ryanair 在同行業(yè)者是最低的，而在對比的航空公司基準值大概是 75 分，Ryanair 距離基準值還有不小的距離。

通過清晰度分析地圖作為診斷工具，你可以依此作為判斷參考，找出界面中雜亂無章的區(qū)域，刪除/優(yōu)化界面上冗余信息。

3. AB Test VS 興趣范圍

興趣范圍 (AOI, Areas of Interest) ，主要用于衡量用戶在設計的關鍵區(qū)域中的注意力。

AB Test 需要足夠的訪客（樣本量）來提高轉化率。如果你采用常規(guī)的 AB Test 的流程，一般需要跑 2 周才能獲得足夠的數(shù)據(jù)。使用 AI 工具，則可以縮短到 2 分鐘。

以 Spotify 的界面測試為例，在清晰度得分一致的情況下，設計團隊希望在「綠色」和「紫色」的按鈕中進行抉擇，究竟哪個顏色的按鈕能帶來更好的轉化率？

針對注冊按鈕（CTA）對于用戶注意力的影響，方案 B 高于平均注意力投入 2.47 倍，方案 A 則高于 3.85 倍，由此可判定方案 A 優(yōu)于方案 B。這個范圍的定義可以量化注意力并簡化對于設計方案的決策過程。

四、小結

人工智能（AI）是為了更大程度地彌補人類不足之處，并不是以取代某項工作職能為目的。

目前，大多數(shù)設計師并沒有使用人工智能（AI）改善設計流程的經(jīng)驗。真的，你可以嘗試去了解、使用它，結合人工智能（AI）更大程度地發(fā)揮設計價值。

最后，希望本文能給你一些啟發(fā)。

#專欄作家#

龍國富，公眾號：龍國富，人人都是產(chǎn)品經(jīng)理專欄作家，人因工程碩士。致力于終身學習和自我提升，分享用戶研究、客戶體驗、服務科學等領域資訊，觀點和個人見解。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)授權，禁止轉載。

題圖來自Unsplash，基于CC0協(xié)議。