為什麼 AI 工具很強,團隊卻很累?反思設計界的「生產力悖論」

[大衛選讀] 當我們試圖拿通用的工具,去解決高度專業問題;繼續用傳統績效管理的指標,去衡量新的創意價值時,我們就迷路了。

過去這一年,如果你待在設計顧問公司或產品設計團隊,很可能都有這種矛盾感:明明已經導入了一整套強大的 AI 工具,每個人也多少學會了 Prompting,專案執行起來卻沒有變得比較輕鬆,公司的利潤也沒有因此明顯改善。甚至,花在修圖、校對、整理檔案,以及在各種軟體之間來回切換的時間,比起過去反而更多。

別懷疑,你並不是一個人。經濟學家早就替這種現象取了名字,叫做「生產力悖論」(Productivity Paradox)。

就像 90 年代個人電腦剛普及,或更早電力首次導入工廠的年代一樣,新技術剛上線的那幾年,生產力往往不是立刻飛升,而是會先下滑一段時間。

我們正處於那條著名 J 型曲線的底部:已經訂閱了一堆付費服務 、上了各種 AI 線上課程 (投入了成本),卻還沒真正學會如何重組整個工作流 (尚未回收價值)。

為什麼會卡在這裡?多份研究其實已經點出,設計產業普遍遇到兩個結構性的錯位:一方面,硬是想用「水平式工具」去處理各種「垂直型問題」;另一方面,又把「做得快不快」誤當成「做得好不好」。這兩件事疊在一起,就構成了今天的生產力悖論。

問題一:試圖用「水平式工具」解決「垂直型問題」

這大概是目前設計團隊最常見、也最隱性的痛點。

當我們說要在團隊裡「導入 AI」,在實務上往往只是:幫設計師開了 ChatGPT、Gemini 帳號,然後再配一套給視覺團隊用的 Midjourney、Stable Diffusion 或其他繪圖工具。

但這些,其實都屬於水平式的 Horizontal AI。

它們就像一把功能琳瑯滿目的瑞士刀,什麼都能做一點:寫信、畫圖、改文案、做前端,看起來無所不能。但它們有一個關鍵特性:這些工具本質上是「缺乏脈絡」(Low Context) 的。

閱讀全文 為什麼 AI 工具很強,團隊卻很累?反思設計界的「生產力悖論」

最好的介面,就是沒有介面:Generative UI 時代的設計反思

如果在 2020 年左右,有人告訴一位資深 UI 設計師:「你引以為傲的 Pixel Perfect 將在幾年後變得毫無意義。」他大概會嗤之以鼻。

然而,隨著 Google Gemini 3.0 的發佈,這句預言正在逐步成為現實。這一次的技術迭代,擾動了人機互動 HCI 最底層的邏輯:這將會是一場從「形式 Form」到「意圖 Intent」的重心轉移。

從 20 年前還沒有 UX 這個詞彙,一路打滾至今,我必須誠實地說:曾經熟悉的「介面設計」時代即將結束。Generative UI (GenUI) 所展示的未來,是一個介面隨需而生、體驗具備記憶的新時代。而設計師的角色,必須從「工匠」轉型為「策展人」。

意圖凌駕形式:Pixel Perfect 的終結

過去二十年,我們花費無數個夜晚在 Figma/Sketch 裡調整 1px 的間距,爭論圓角該是 4px 還是 8px。但在 GenUI 時代,這種對靜態頁面的精雕細琢,在動態生成的潮流面前將顯得微不足道。

  • 過去: 設想幾十種使用情境 (Use Cases) → 繪製數百張關鍵頁面 (Key Screens)
  • 未來: 理解用戶意圖 (Intent) → 即時「編譯」出專屬介面

舉例來說,當用戶說:「我下週五要去台中參加研討會,需要安排交通跟住宿。」AI 將利用推理能力,即時生成一個整合高鐵票務、飯店推薦、天氣預報的介面。

設計師的戰場正在轉移: 我們不再設計個別的「結果」,而是設計一套泛用的「規則」;不再糾結於按鈕顏色,而是專注於如何讓 AI 準確回應人類意圖。

正如 Google 策略設計師 Golden Krishna 曾預言:「最好的介面就是沒有介面(The Best Interface is No Interface)」

如今,這句話有了新的註腳:最好的介面,是完全順應用戶意圖而流動的介面。

往後的體驗設計重點,將是新的「結果導向設計 (Outcome-Oriented Design)」——我們將從設計導覽系統 & 操作流程,轉向設計「確認畫面」與「錯誤恢復機制」。

告別「失憶」的 App:邁向 Stateful UI

現今的 App 大多是 「無狀態 (Stateless)」 的。無論你打開 Uber 多少次,首頁佈局幾乎一模一樣。它不記得你昨天的焦慮,也不知道你明天的計畫。

但在 AI 數百萬 Token 的長程記憶能力加持下,未來的 UI 將是 「可累積的 (Accumulative)」 與 「具狀態的 (Stateful)」。

閱讀全文 最好的介面,就是沒有介面:Generative UI 時代的設計反思

設計師別搞錯了,Lovart 的最終用戶不是你,而是甲方

[大衛選讀] 剛聽完 Lovart 創辦人陳冕的訪談。本來就很好奇這個設計工具的發展脈絡,聽完之後還真是蠻有趣味的。

根據陳冕自述的產品發展歷史,Lovart 的現況只是個過渡,隨著模型能力逐步增強,它就會立刻把握機會,從工具到代理,再從代理到直接販售價值。

在工具跟代理階段,設計師族群是早期用戶,是操作數據的來源跟融資談判的籌碼。一旦成熟到可以直接販售價值的階段,那設計師就變成是競業。

從技術發展來看,Lovart 的最大對手不是其他 AI 產品,而是 AGI。這像的人工智慧新創,一方面要賭 AI 模型會大幅提昇,另一方面要賭 AGI 不會在五年內到來。

很有趣的業內訪談。把幾個重點整理如下,原始 Podcast 連結則放在留言中。


AI 是全新的創作手段,會徹底改變創作

我們從第一天定的題目就是要做的是創作,我們相信的是 :AI 會徹底改變創作。

陳冕將 AI 比喻成「新的照相機和新的畫板」,它不僅改變創作工具,更將顛覆創作的生產關係本身。

本質上,在上一波資訊化時代,其實帶來的只是工具的數位化。不論是圖像和視覺內容的創作,都還是依賴實體的相機,或是在物理或數位的畫板上進行手動繪製。要使用這些工具,都還是需要人類掌握特定的操作技能。

但是這一波 AI 變革,創作的手段整個變了。

AI 幫你拍照,它不需要一個相機就能幫你拍照,它是用擴散模型幫你拍照。而且 AI 不僅幫你照相,它也幫你畫畫,它是一種過往沒有見過、全新的創作手段。

近期新模型的能力提昇,帶來了 Agentic 設計流程自動化的機會

畫布 (Canvas) 的部分我們準備的很早,因為很早就判斷到,未來的 AI 工具的中期形態應該是一個畫布。

其實ㄧ開始我們想做的是 workflow,但是說白了就是當時模型的 Agentic 的能力其實不夠的。

後來也發現 workflow 這個東西在設計師那兒根本就不管用。因為設計師不講邏輯,講感覺。如果搭節點是你要自己把這工作流搭出來,對設計師來講,這是很難接受的。

轉折點出現在2024年12月左右,隨著像 Claude 3.5 這樣更強大模型的出現,模型的 Agentic 能力得到了顯著提升。我們就想到一個非常簡單的事情,這樣就可以用 AI 來幫設計師和創作者規劃工作流,不用自己動手了。

閱讀全文 設計師別搞錯了,Lovart 的最終用戶不是你,而是甲方

那些錄音筆錄不到的事:乙方PM的專案溝通課

[大衛選讀] 昨天去上了一堂,扎扎實實的 PM 專案溝通課。這是悠識學院的 Richard 特別開給設計顧問同業的閉門交流課。

因為關起門來,大夥聊起甲乙雙方的愛恨糾葛,總是特別真實深刻。由於收穫太多了,我特別把互動問答當中,特別有共鳴的觀念整理出來,結合自己的經驗反思,寫成一篇專文。

對於這堂課有興趣的朋友,歡迎直接聯繫 Richard


客戶總是變來變去,有什麼不變的對應原則?

首先,你的個人動機很重要。

如果你做這個案子沒有想清楚自己的動機,那會很容易變得沒有動力跟韌性,也很難調適各種困難與變化。專案開始前,得要先找到個人的動機,那將會是在變動中,評估自己該如何做的不變核心。

這就要順便分享我自己帶專案,常會跟團隊討論的四個目標,也就是專案、客戶、團隊,以及個人目標。

專案目標最簡單,要達成的目標跟交付物,都寫在RFP跟開案簡報裡了。

客戶目標則要主動去考慮,他們除了順順做完專案之外,希望能順便建立結構、訓練培力、還是升官前的考驗?知道了就能幫忙,會去考慮客戶心裡要什麼,也才有機會經營夥伴關係。

團隊目標則是,我們自己的團隊想要完成些什麼。也許是想要挑戰新的領域,也或許是面對舊專案想要嘗試新作法?設好團隊目標,大家做起專案來會比較有共識,什麼要多做一點,什麼得要放掉。

個人目標是常常被忽略,但是很重要的部份。我通常會在專案啟動前,一對一跟團隊成員討論個人的目標。無論是要挑戰資深崗位、轉換不同角色,還是累積特定的作品經歷都好。討論確定了,就讓團隊裡的每個人都知道彼此的個人目標,這就有機會讓大家互相幫忙。

總之,個人的動機很重要。有值得追求的目標放心裡,才不會浪費青春,白白做一個案子。

溝通不良,無法改善,甚至對方失去了溝通意願?

專案上的溝通,不是為了當好人、討好客戶,或是維持私人關係。

溝通只有一個目的,就是設法達成既定的專案目標。

所以遇到溝通的問題時,得要回到根本去檢視專案的目的 (Goal, 為什麼要起這案子) 跟目標 (Objective, 要達成什麼),然後盤點人事物的現況,看看到底中間發生了什麼問題。

回到個人經驗,通常在專案初期的內部訪談過後,我會帶團隊在客戶公司樓下大廳快速retro, 交流剛剛聽到了什麼「錄音筆錄不到的事情」。

有些事情不好說、有困難,在面對面的場合裡,就會形成錄音筆錄不到的無聲互動。這裡頭藏的可能就是關鍵的 hidden agenda,若能早點發現應變,就可以省掉中後期的大量溝通成本。

此外,溝通的原則技巧,除了順藤摸瓜 + 對等溝通外,有一個態度上的建議,那就是:「我是來幫你的,你有什麼問題,都可以跟我說。」我的親身經驗是,即使碰到合作意願低落的窗口,只要把這來幫忙的態度擺好,多溝通幾次,總是會有機會切進去的。

客戶只簡略介紹需求,就要求估價?

PM 常常碰到這狀況,那該怎麼辦呢?簡單講,硬著頭皮報價是很不負責任的作法。要不害死自己,要不報價含風險溢價就會高到沒天理,開頭就留下一個壞印象。

預算 vs. 估價 vs. 報價,這是三個不同的字眼。

閱讀全文 那些錄音筆錄不到的事:乙方PM的專案溝通課

Tesler’s law, 複雜性守恆定律

[大衛選讀] 設計師會不會想太複雜了,有必要在系統上做到這樣複雜的判斷跟處理嗎?在產品規劃時,這是很常出現的來回思辨跟角力。

我的經驗是:表面上看起來簡單,其實裡頭通常並不簡單。一開始想簡單了,最後很可能用起來就會複雜到爆炸。

複雜與否,這當中的權衡一直是很有趣的議題。Tesler’s law 複雜性守恆定律,正是這樣的洞見,有助於我們理解整體的複雜性,並且更好地思考該如何應對。

這個定律簡單講,就是根本的複雜性是不可能消滅的。要麼這個複雜性在規劃階段由設計跟開發來承擔,要麼就是丟給使用者來自己面對。

但仔細去思考,就會發現人性偏好在未知懵懂的狀況下,去選擇複雜的解法以求得安心;過度的簡單,可能會造成體驗的反效果;以及如何利用建立概念模型、漸進式揭示等設計技巧,去有效承載消化不必要的複雜性。

本文選讀彙整了多篇文章。內容整理如下,原文連結則放在留言中。


在應用程式或流程中,誰應該承擔起這樣的複雜性?是使用者,還是設計師和開發人員?這是在做介面設計,以及更廣泛地考慮人類如何與技術互動時,必須面對的一個基本問題。

體驗設計師的其中一個關鍵目標是,為人們降低複雜性,讓產品和服務能夠變得更簡單易用。

但是每個流程都有一些固有的複雜性。不可避免地,當複雜性無法進一步降低時,只能將它其從一個地方,轉移到另一個地方。在這個時候,複雜性要麼進入使用者界面中,要麼進入設計師和開發人員的工作流程中。

The origins of Tesler’s law

複雜性守恆定律 (Tesler’s Law, Law of conservation of complexity) 的起源可以追溯到 1980 年代中期,當時全錄 PARC 的計算機科學家 Larry Tesler 正在協助開發全新的互動設計語言。這是一套定義互動系統結構的原則與標準,對桌上型電腦和排版技術的發展至關重要。後來又到了蘋果電腦,協助開發 Mac 物件導向的軟體框架。

Tesler 意識到,介面的一致性不僅會讓使用者受益,也能夠讓開發人員受益,因為共通的標準可以內建在共享的軟體庫中。很快速有效地導入,並且發揮綜效。

Tesler 將複雜性守恆定律,定義為一種向公司管理層以及獨立軟體供應商,推銷這個想法的說服方法,希望能在大眾市場軟體中建立標準,以減少終端客戶面臨的複雜性。

Tesler 認為:「工程師應該多花一週時間,來試圖降低使用端的複雜性,而不是讓數百萬的用戶因為這不必要的複雜性,而每天得多花一分鐘。這樣做是讓工程師輕鬆了,但是反過來懲罰了使用者。」

Complexity bias leads to more complex solutions 人們天生偏好看起來複雜精細的解法,結果往往導致更複雜的解決方案

人類有相當多的認知偏差,它是一種心理捷徑,讓我們能夠快速做出決定而不需徹底分析情況,進而提高了我們的效率。

複雜性偏差 (complexity bias) 則是我們傾向選擇那些複雜和精細的解決方案,而非直接簡單的解決方案。這通常是因為複雜性會讓人聯想到:智慧、專業知識,或是有著深度的理解。

簡單來說,我們經常過分讚許那些聽起來複雜的概念,或者當我們感到困惑或沒有花時間真正理解時,會將原本很容易理解的事物,視為是相對複雜和困難。

當我們選擇更複雜的解決方案時,我們就逃避了真正理解關鍵問題的必要性。但結果往往是,解決方案中的複雜性和假設越多,失敗的可能性就越大。

閱讀全文 Tesler’s law, 複雜性守恆定律

AI 時代的設計品味 vs. 技術能力

[大衛選讀] AI 時代的設計品味 vs. 技術能力

總不會讓設計師失望的,Nielsen Norman Group 最新的文章,再次為設計師的不可取代性,有條有理地大聲疾呼。

我確實也認同,品味跟鑒別度是創造極致的關鍵。但是有多少普羅大眾分得出來80分跟90分的差別,這個我就沒有把握了。

我更好奇在意的會是,是否有機會結合 AI,讓設計師作對選擇 (make right choice) 的鑒別度提高,更好地理解問題,以及更客觀地去評估解法。

無論如何,內容整理如下,原文連結:https://www.nngroup.com/articles/taste-vs-technical-skills-ai/


Design Taste vs. Technical Skills in the Era of AI

生成式 AI 工具正在賦予人們前所未有的創作能力。你不需要擁有相機就能創作照片,不需要任何視覺設計技能就能製作插圖,也不需要了解任何韻律就能創作詩歌。只需點擊幾下,任何人都可以打破傳統障礙,生成幾乎所有你想要的東西。

這是 AI 工具令人興奮的好處之一,它們彌補了技能的差距 (fill skill gaps),減少了設計中常見的乏味且依賴手頭功夫的任務 (reduce the boring, technically tedious tasks).

然而,僅僅因為某人能夠創造出他們以前無法創造的事物,並不意味著這就是好東西。

技術能力 ≠ 品味 (Technical Capability ≠ Taste)

雖然 AI 可以輸出各種東西,但並不保證品質。技術能力並不等於創造力 (Technical capability does not equal creative ability).

創意策略總監 Oisin Hurst 對此提出了一個完美的比喻:AI 之於創造力,就像微波爐之於烹飪 (AI is to creativity what microwaves are to cooking).

如果你是一個糟糕的廚師,微波爐可以完成工作。但輸出的品質絕對無法與廚師製作的精緻餐點相提並論。微波爐不允許太多創意實驗。你可以改變烹飪時間和強度,但僅此而已。

因此,如果你是一位有天賦的廚師,使用微波爐可能會讓你感到沮喪,因為你對輸出的精確控制較少,而且產品的品質將遜於大多數其他烹飪方法的結果。

隨著 genAI 的廣泛應用,設計師不再是唯一能夠產生設計輸出的人。你不必是視覺設計師就能創建插圖,不必是內容設計師就能創建內容,甚至不必是互動設計師就能創建網站。

我們預計,在未來,設計師將不再能靠著擁有產生設計物所需的技術技能,就因此與眾不同。任何人都能夠製作各種內容類型,無論他們的技能高低。

那麼,為什麼還需要設計師呢?

我們認為,創造一個好的設計所需要的,不僅僅是技術技能。因為設計在技術層次上做得出來,並不意味著它就是正確的設計。

閱讀全文 AI 時代的設計品味 vs. 技術能力

visionOS 的互動設計原則,有啟發性的重點摘錄

[大衛選讀] 隨著 Apple Vision Pro 的問世,互動設計打破了平面的界限,走向3D立體空間。對於設計師來說,這意味著必須跳脫二維思維的框架,開始以三維的視角來構思 app 的呈現方式。

Apple 的設計準則 – Human Interface Guidelines,在過往一直是設計師與開發者的重要指南。Apple在過往這上面投注了大量心力,詳細說明了他們的設計哲學、體驗考量和最佳實踐的具體範例。

這些設計原則也一致性地貫穿 iOS、macOS、watchOS 和 tvOS 等平台。現在再加上了 visionOS,增加了很多立體空間、音訊、手勢互動等元素,讓整個設計準則變得立體了起來。

以下簡要摘錄我覺得看了有啟發的點,有興趣的話,請直接參考 Apple Designing for visionOS 設計準則全文:https://developer.apple.com/design/human-interface-guidelines/designing-for-visionos


沉浸式體驗的深淺平衡 (Immersive experiences)

新的 visionOS 最重要的設計特點之一,就是沉浸感 (Immersion) 的營造。沈浸感在 visionOS 當中,不是零跟一,而是能在不同的沉浸程度間自如切換;加上穿透顯示 (Passthrough) 的功能,往後要如何透過設計去引導使用者珍貴的注意力,變成 UX 設計師在設計上的一大挑戰。

考慮給使用者更多的控制權,讓他們可以自行選擇何時進入更沉浸的體驗,例如優先考慮在 Shared Space 或 mixed immersion style 下啟動 app。避免一下子栽進另一個世界裡。

謹慎運用沉浸效果,將其保留給最具意義、最能彰顯 app 特色的時刻。並非每個任務都可以受益於沉浸式互動,也不是每個沉浸式的任務都需要完全的沈浸 (fully immersive)。設計上需要謹慎節制,避免過度設計,造成使用者不知所措。

設計體驗之間的平穩、可預測的漸變過渡 (smooth, predictable transitions)。透過溫和平穩的漸變設計,讓人們在視覺上能留意到變化,幫助人們為下一個截然不同的體驗預先做好準備。避免可能令人感到困惑、不舒服、突兀的轉場。

閱讀全文 visionOS 的互動設計原則,有啟發性的重點摘錄

AI UX-Design Tools Are Not Ready for Primetime?

[大衛選讀] Nielsen Norman Group 4月中發表一份研究所得,該研究透過今年初與 UX 從業人員的深度訪談,去評估現有的 AI 設計工具。

先講結論跟我的感想。這篇研究結論是:現有的 AI 設計工具大多功能有限,無法顯著改善設計流程。但我讀著讀著,會有未來已經不是靠寫毛筆來做記錄的時代了;這時候去評估機器手臂寫毛筆的效果,然後結論是文書抄寫的工作流程不會被取代,也沒有長足的改善,會不會滯後了些?

有空看看 Google 研究團隊的軟體工程師 Srinivas Sunkara 和 Gilles Baechler 在3月19 日發表的 ScreenAI 全新語言模型。可能就會有完全不同的思考面向。

無論如何,NN/g用心發表了研究所得,還是要好好參考一下。

內容整理如下,原文連結:https://www.nngroup.com/articles/ai-design-tools-not-ready


AI UX-Design Tools Are Not Ready for Primetime

近年來,人工智慧技術的快速發展為各行各業帶來了變革,使用者體驗設計領域也不例外。然而,一項針對 UX 從業人員的深度訪談研究顯示,儘管市面上湧現出各種標榜 AI 驅動的設計工具,但它們在實際工作中的應用仍十分有限。UX 設計師普遍認為,目前的 AI 設計工具無法真正提升工作效率或創造出高質量的設計作品。

Designers Use AI, Just Not for Design

Nielsen Norman Group 的這項研究是在 2024 年初對 UX 研究人員、設計師和管理者展開訪談,重點關注他們如何在工作中整合 AI 工具。受訪者大多是 AI 技術的早期採用者和擁護者。

研究發現,UX 設計師主要將 ChatGPT 等文字生成 AI 工具用在腦力激盪和構思任務上,但在實際設計工作中鮮少採用專門的 AI 輔助工具。

這一現象的部分原因在於,現有的 AI 設計工具存在諸多不足。研究者評估了 Wireframe Designer、Uizard、UX Pilot 等幾個常見的 AI 設計工具,發現它們生成的線框圖和設計方案大多過於簡陋和模板化,難以為設計過程帶來實質性的助益。此外,這些工具在大中型組織的部署過程中,往往會遭遇缺乏客戶支援、使用指引不足等問題,甚至可能涉及使用 AI 生成內容的版權風險。

閱讀全文 AI UX-Design Tools Are Not Ready for Primetime?

Prototyping is a mindset

[大衛選讀] 最近跟設計師聊到 AI 技術大幅降低了概念驗證 (proof of concept) 的門檻,大家都覺得能多做前期嘗試跟探索很好;但是再多談下去,總是會有這樣客戶跟老闆能接受嗎,如果失敗很多次會不會怎樣的疑慮。

我想了想,對耶。試做原型的門檻是降低了沒錯,但是如果觀念沒有改過來,那麼溝通的成本還是一樣高,而且做越多反而帶來更大的反效果。

Prototyping is a mindset 這集 podcast,講了一個我覺得很重要的觀念:試做原型是一種思維。生活中的任何事情可以原型化、試做看看,而且重點是保持好奇、擁抱改變,懂得利用原型測試去策略性地儘早學到新東西。

一旦在生活中帶入這樣的思維,所有的事情都只是個原型罷了,那所有的事情隨時都可以調整。都可以進一步學到東西、變得更好。真的會很酷。

很棒的一集專訪,值得花時間聽一次。內容整理如下,原文連結:https://voltagecontrol.com/blog/prototyping-is-a-mindset/


Prototyping is a mindset

製作原型 (prototyping) 在建築、產品設計,甚至工程領域裡佔有很大的比重。通常在設計過程中你會試著建造許多原型,不論是否會秀給別人看,直接用於溝通或是說明。

一圖勝千言,而一個原型勝過千張展示圖片 (a prototype is worth like a thousand pictures)。一旦你手邊有一個可以互動的東西,那個與人對話跟反饋的深度就會非常驚人。原型賦予了實際互動的可能性,那是非常有力量的 (incredibly powerful)。

「在真正全力投入製作之前,能先快速模擬一下嗎?」這個概念在日常生活中很有用。先試試看有沒有用,並且從中學到新的方法、發現新的可能性。

這跟閱讀、討論不一樣,透過把東西做出來,所能學到的東西,完全是另外一個檔次。

任何東西都能原型化 (You can prototype anything)

你可以原型化一個過程、一項服務、一次體驗。任何東西都可以原型化。

你也可以在投資大量資本之前,就去原型化你的商業模式。不需要真的建立物流系統,就可以模擬假裝電商網購到貨的體驗,這個是很酷的事情。

不要讓試做原型變得太過麻煩 (reduce the barrier for people to prototype)

越簡單越好,從概略有個樣子去著手就可以。我期望人們能夠舒服自在、有自信地去試做原型。不要把試做原型搞成一個很困難、門檻障礙很高的事情。

原型的重點在於策略性地前導學習 (learning early & strategically)

我認為試做原型是一種方法,讓想法或概念以某種有形的方式活過來的方法 (a way to bring an idea or a concept to life in some type of tangible way)。

它是在試著設想某個東西的未來狀態 (envision the future state),並且變得可以與他人互動的工具。

然而如果你只是建造某個東西,而從中沒有學到任何事,那你就沒有真正批判性地去做思考。

閱讀全文 Prototyping is a mindset

運用顧客旅程地圖時的常見錯誤

[大衛選讀] CJM 顧客旅程地圖在UX研究中很常見,很多設計師也喜歡在提案跟作品中展示 CJM,來代表自己對於用戶需求頗有掌握。

在打開滿滿一張 CJM 的那一刻,多半可以感覺到設計師的強烈自豪感,但後續在旅程地圖中卻也常常聽不到什麼有用的脈絡。要是使用了一個好工具,卻不知其所以然,那就真的很可惜。

Customer Journey Mapping Mistakes and How to Avoid Them 這篇文章,詳細說明了為什麼要建立 CJM,以及六個在運用顧客旅程地圖時的常見錯誤。像是一開始沒有設定目標、缺乏研究脈絡、角色發展不全、漏看了頭尾等。是一篇很好的實務經驗分享與觀念提醒。

內容整理如下,原文連結:https://www.uxpin.com/studio/blog/customer-journey-mapping-mistakes/


運用顧客旅程地圖時的常見錯誤

顧客旅程地圖,看起來很容易學習運用,但是在實際使用時常有誤解跟陷阱。以下我們將試著把這個工具的實務運用,說清楚講明白。

首先,為什麼要建立顧客旅程地圖? (Why Creating a Customer Journey Map?)

在討論常見誤解之前,讓我們快速了解一下顧客旅程地圖的核心概念。如果你已經很熟悉,可以跳過這部分。

顧客旅程地圖 (Customer Journey Map, CJM) 是將目標用戶跟產品服務間的互動過程,以視覺化的方式表達出來。你可能會問,這些資訊對業務拓展有什麼幫助?

顧客旅程地圖可以幫助你分析客戶的體驗,識別當中的缺陷和改善機會,以進行後續的策略規劃。

另一個極大的好處是,這個方法有助於吸引你團隊的注意力,並在公司內部發展出共同的認知。像是我們的客戶到底是誰,以及如何接觸到他們。這將會讓團隊更好地合作,提高效率。

然而顧客旅程地圖這類的工具,有它的特性與限制。就像是特定的藥物一樣,必須正確地使用才能達到預期效果。以下則是運用顧客旅程地圖時的常見錯誤:

錯誤 #1:沒有設定目標 (No goals were set)

缺乏經驗的設計師或研究員,通常會單純為了製作而製作CJM;或者希望能透過一張旅程地圖,就能識別出客戶旅程中的所有缺口問題。

但實際狀況是,沒有明確的目標,就不會有任何結果 (no clear goal, no result),回頭看都只是自我感覺良好的投入而已。在不知道為什麼要建立地圖的情況下,即使研究資料再多,一樣會鬆散沒重點,又能從中發展出什麼用戶體驗的改善策略?

解決方法是,在投入研究之前,先確保團隊能回答以下問題:

・你想分析什麼,為什麼?

・你希望改進哪部分的流程?

・誰對這旅程地圖盤點專案負最終責任?

・這涉及了哪些部門?

・是否有特定的客戶群體需要觀察?

・公司將如何從客戶體驗改善中受益?

你必須先設定一個明確的目標。避免所有 (all) 這個字,因為它意味著什麼都沒有 (nothing);感覺就像登上了一架到處都會去,但卻沒有具體目的地的一班飛機。

你設定的目標越明確,顧客旅程地圖的計劃就越容易成功。

閱讀全文 運用顧客旅程地圖時的常見錯誤