• <abbr id="chdyf"></abbr>
    <ruby id="chdyf"><acronym id="chdyf"><meter id="chdyf"></meter></acronym></ruby>
    <bdo id="chdyf"></bdo>
    <dfn id="chdyf"><menu id="chdyf"></menu></dfn>

    1. 

      <menuitem id="chdyf"></menuitem><strong id="chdyf"><menu id="chdyf"></menu></strong>
      <rt id="chdyf"><menu id="chdyf"></menu></rt>
      
成人小说一区二区三区,伊人精品成人久久综合全集观看,久久HEZYO色综合,中文字幕精品人妻熟女,影音先锋成人网站,我要看免费一级毛片,中国女人做爰A片,中文字幕av久久爽Av 
  
      
    

      

	
      
		
      
			
      
				
      淘寶上線AI搜索，這交互設(shè)計(jì)太懂用戶了吧
      
				
				
			
      
			
      
				
      引言
      

      一
      

      

      

      2025年即將收官，AI已成為人人熱議的話題。在過去的半年多時(shí)間里，我們圍繞AI能力在搜索場景中的應(yīng)用開展了多項(xiàng)業(yè)務(wù)探索。
      

      

      image.png
      

      

       
      

      坦率地說，目前AI與電商的結(jié)合仍處于產(chǎn)品驗(yàn)證與模式迭代的初級階段，尚未形成成熟路徑，但正因如此，蘊(yùn)藏著巨大的想象空間。
      

      這一探索過程的價(jià)值，或許不僅在于具體功能的落地，更在于讓我們對用戶需求、交互邏輯以及技術(shù)邊界有了更深入的理解和思考。
      

      

       
      

      搜索的邊界正在消融
      

      一
      

      在傳統(tǒng)電商搜索體驗(yàn)中，用戶將需求轉(zhuǎn)化為關(guān)鍵詞組合，系統(tǒng)執(zhí)行商品庫檢索并返回貨架式的結(jié)果給到用戶篩選對比，形成"用戶輸入-系統(tǒng)生產(chǎn)-固定響應(yīng)"的循環(huán)。
      

      這本質(zhì)上是"以系統(tǒng)為中心"的設(shè)計(jì)范式，要求用戶適應(yīng)系統(tǒng)規(guī)則而非系統(tǒng)理解人類意圖。AI搜索產(chǎn)品的出現(xiàn)，正在解構(gòu)過往的機(jī)械體驗(yàn)： 
      

        

      • 

        Input層革新：從關(guān)鍵詞到自然語言
        

        • 

      • 

        Interaction層進(jìn)化：從機(jī)械操作到動(dòng)態(tài)對話
        

        • 

      • 

        Output層質(zhì)變：從固定貨架到生成式響應(yīng)
        

        • 

      

      

      

      image.png
      

      

      ▲ 傳統(tǒng)搜索與AI搜索差異分析
      

      在新的交互范式下，用戶不再滿足于“找得到”，他們期望的是“系統(tǒng)懂我”。這意味著AI搜索的體驗(yàn)設(shè)計(jì)，需要從“被動(dòng)響應(yīng)”轉(zhuǎn)向“主動(dòng)理解”。
      

      

      

      

      從關(guān)鍵詞到自然語言
      

      一
      

      AI萬能搜激活頁，是智能預(yù)設(shè)后的意圖觸發(fā)器，沿用用戶最熟悉的傳統(tǒng)搜索形態(tài)的同時(shí)，通過整個(gè)頁面的場景化引導(dǎo)，鼓勵(lì)用戶進(jìn)行自然語句的混合輸入；
      

      用戶需求是模糊、動(dòng)態(tài)且高度個(gè)體化的，因此在動(dòng)態(tài)功能區(qū)中，我們保留了電商最原始的AI基因，并將其外化為搜索框動(dòng)態(tài)功能區(qū)的“購物偏好”的調(diào)節(jié)能力。
      

      在提問引導(dǎo)上，基于用戶畫像的分布式認(rèn)知，AI搜索將用戶的碎片化模糊需求轉(zhuǎn)化為可場景化的問題鏈，這是AI基于對用戶的認(rèn)知，重新組織和包裝的提問方式。
      

      

      

      image.png
      

      

      

      image.png
      

      

      

      image.png
      

      

      ▲ 不同節(jié)點(diǎn)圍繞意圖進(jìn)行輸入引導(dǎo)
      

      在這樣的引導(dǎo)下，用戶開始使用自然語言進(jìn)行條件組合的假設(shè)，而每一步的提問則依賴于上一步的反饋演化，甚至超出用戶潛意識預(yù)先規(guī)劃好的路徑。
      

      

      

      從機(jī)械操作到動(dòng)態(tài)對話
      

      

      

      一
      

      在對話中，當(dāng)用戶面對AI生成的不確定性時(shí)，需要顯性化設(shè)計(jì)幫助用戶理解AI的運(yùn)作邏輯，建立用戶對AI的信任感。
      

      我們在“深度思考”模型形式和市場反響中得到啟發(fā)，AI思考可視化的價(jià)值可能大于結(jié)果輸出本身。
      

      

      

      

      

      image.png
      

      

      ▲ 建立用戶的確定性感知
      

      

      

      

      

      

      隱性AI的顯性化：設(shè)計(jì)不是簡單的"暴露算法"，而讓用戶感知“AI在做什么”以及“AI做得對”，這種設(shè)計(jì)原則不僅適用于AI對話交互，更指向未來人機(jī)協(xié)作的重要命題，讓人理解AI的思考。
      

      淘寶特色可視化：在文字表達(dá)思考過程的基礎(chǔ)之上，加入商品屬性、用戶購物偏好分析、淘寶評價(jià)等內(nèi)容，形成有電商特色的思考過程。表達(dá)不是AI通用泛化的知識檢索，而是符合電商決策邏輯的商品深度思考。
      

      

      image.png
      

      

      ▲ 分步轉(zhuǎn)譯，減緩用戶等待焦慮
      

      

      

      

      從固定貨架到生成式響應(yīng)
      

      

      一
      

      

      

      AI的生成式響應(yīng)背后是隨機(jī)性，而“隨機(jī)”往往隱藏著認(rèn)知的不確定性與意圖的演化性。這意味著我們面臨的是從“展示已知”轉(zhuǎn)向“推導(dǎo)未知”。產(chǎn)品設(shè)計(jì)的重心也必須從“對結(jié)果的預(yù)設(shè)”轉(zhuǎn)向“對規(guī)則與邏輯的構(gòu)建”。
      

      這其實(shí)不是設(shè)計(jì)有什么升級，更多的是設(shè)計(jì)思維方式的轉(zhuǎn)變。 電商搜索場景下，AIGC（Artficial Intelligence Generate Content）的重點(diǎn)是文字與商品。
      

      設(shè)計(jì)師無法窮舉所有對象的組合，通過將Markdown的結(jié)構(gòu)化自由與商品數(shù)據(jù)的對象化映射相結(jié)合，保證任意對象與對象的組合相容性，使得每一次自由生成的內(nèi)容能夠體面地交付給用戶。
      

      

      

      

      

      

      

      image.png
      

      

      

      image.png
      

      

      

      image.png
      

      

      ▲ Markdown結(jié)構(gòu)與視覺基礎(chǔ)定義
      

      不同于其他AI產(chǎn)品，用戶在淘寶搜索場景的核心仍然是商品，因此文字的密度與組織、文字與商品的穿插節(jié)奏尤為重要，需要設(shè)計(jì)師把握用戶意圖和需求與業(yè)務(wù)特點(diǎn)，定義基礎(chǔ)范式反向約束調(diào)控AI。
      

      用戶的不同輸入代表了不同意圖，呈現(xiàn)出用戶從模糊寬泛到具體精確的變化光譜，在對話中提供如單品卡、多品卡、折疊流、清單卡片、穿搭卡片等多種形態(tài)，靈活匹配不同意圖的特征。
      

      

      image.png
      

      

      ▲ 漸進(jìn)式意圖承接
      

      在設(shè)計(jì)AI生成規(guī)則時(shí)，要根據(jù)業(yè)務(wù)特色，建立AI能力與用戶體驗(yàn)雙向適應(yīng)機(jī)制。設(shè)計(jì)師不再設(shè)計(jì)完美的結(jié)果，而是創(chuàng)造優(yōu)雅的可能性。
      

      基礎(chǔ)層精準(zhǔn)響應(yīng)：以答案信息準(zhǔn)確率為核心的目標(biāo)，解決“能用”的問題，設(shè)計(jì)本質(zhì)是做到“通用性”，為場景化提供穩(wěn)定的支撐。
      

      

      image.png
      

      

      ▲ 商品卡承接分層
      

      場景層動(dòng)態(tài)適配：針對特定的場景行為特征和決策邏輯，進(jìn)行需求細(xì)化和設(shè)計(jì)策略的分化，比如送禮意圖下，通過清單式結(jié)構(gòu)+場景標(biāo)簽，將抽象需求轉(zhuǎn)化為可操作的推薦路徑，依賴用戶畫像與場景識別能力，實(shí)現(xiàn)“從模糊場景到精準(zhǔn)決策”的躍遷；
      

      服飾美妝場景以視覺化為核心，通過穿搭視頻、試色模型、直播等手段，將商品信息與感官體驗(yàn)深度融合，構(gòu)建“看即買”的即時(shí)決策鏈路等。
      

      

      image.png
      

      image.png
      

      ▲ 分意圖場景展示
      

      用戶意圖的多樣化決定了交互設(shè)計(jì)必須構(gòu)建動(dòng)態(tài)適配的承接體系，基礎(chǔ)層解決“能用”的問題，場景層解決“好用”的問題，才能有機(jī)會(huì)進(jìn)行體驗(yàn)層的價(jià)值假設(shè)，激發(fā)用戶的內(nèi)在動(dòng)機(jī)，真正解決用戶“想用”的問題。
      

       
      

      AI驅(qū)動(dòng)情感與行為的核心在于"技術(shù)服務(wù)于人，而非人服務(wù)于技術(shù)"。未來，如何捕捉用戶情緒與購買動(dòng)機(jī)，構(gòu)建匹配的模型與適應(yīng)的機(jī)制和設(shè)計(jì)規(guī)則，將成為我們的長期命題。
      

      轉(zhuǎn)載：UXD筆記
      

      

      

      

      

      

      

      				
      
								
			
      
		
      
		
		
	
      


      
    
  
      
    
      日歷
      
    
      
        
      
        
    
      
  
      
    
    
      
      
      鏈接
      
      
        
                
      
    
      
    
      
      
      個(gè)人資料
      
      
    
      
    
      
      
      存檔