在這篇文章中，Zalando的首席產(chǎn)品設(shè)計師 ?eyda ülgen 分享了開發(fā)生成式AI助手的寶貴經(jīng)驗與設(shè)計原則。通過深入分析客戶需求，團隊成功打造出一個個性化的購物助手，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)對挑戰(zhàn)，還提供了實用的設(shè)計策略，適合對AI產(chǎn)品設(shè)計感興趣的讀者。

在過去的幾十年間，商業(yè)智能移動設(shè)備、PC 端技術(shù)迭代、互聯(lián)網(wǎng)革新及社交媒體生態(tài)的不斷進化，徹底重塑了我們在工作協(xié)同、社交通訊和在線學習等多領(lǐng)域的運作模式與互動方式。

在這種范式躍遷下，如何理解并重構(gòu)人機交互的模式顯得尤為關(guān)鍵。這為我們打開了一個激發(fā)無限可能的空間，在這里，我們能夠以設(shè)計驅(qū)動的思維，精準挖掘用戶與商業(yè)需求，實現(xiàn)深度賦能。

當我們成功構(gòu)建可從龐大數(shù)據(jù)中自主學習并在無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。

盡管管理層普遍認為生成式 AI 在業(yè)務(wù)成功中起到關(guān)鍵作用，但來自《商業(yè)未來》和《2024時尚現(xiàn)狀》調(diào)查的數(shù)據(jù)顯示，關(guān)于提升用戶體驗的實踐仍處于相對滯后狀態(tài)。因此，在應(yīng)用生成式 AI 進行產(chǎn)品創(chuàng)作時，我們需要優(yōu)先關(guān)注哪種關(guān)鍵策略和要素，以真正讓其符合用戶體驗升級的期待？

Zalando 的愿景是打造一個覆蓋全歐洲的時尚與生活方式電商生態(tài)系統(tǒng)。我們深知，時尚與生活方式是高度個性化的，它們因人而異，不斷演進和迭代。雖然消費者的需求多樣且獨具一格，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，通過提供精準、有價值的導(dǎo)航和推薦，使他們在我們豐富的商品選擇中迅速找到最貼合自身需求的單品。

去年，我們組建了一個精簡的跨職能團隊，共同聚焦這一難題，通過迭代測試和從方案中提取洞察，最終孕育出了我們的 Zalando 助手。

在一年時間內(nèi)，共有 50 萬名客戶與助手展開對話。在深入分析互動模式后，我們發(fā)現(xiàn)客戶正以嶄新的方式與我們建立連接。以下是部分客戶發(fā)起對話的真實示例，供參考了解：

“寬松風格的TikTok穿搭，求推薦，謝謝！”
“媽媽生日了，我應(yīng)該買什么禮物好呢？”

這個空間蘊藏的人性化設(shè)計潛能令人倍感振奮。

結(jié)合過往積累的實踐經(jīng)驗，我們提煉出了一套原則，旨在為產(chǎn)品設(shè)計團隊提供應(yīng)對類似挑戰(zhàn)的指引。繼續(xù)閱讀，深入探索我們的洞察與解法。

解決重要問題

在探索生成式 AI 帶來的不確定性時，我們始終以用戶需求為核心，將其作為我們的指引。在創(chuàng)新實踐中，我們堅持目標優(yōu)先策略，避免技術(shù)沖突場景。為實現(xiàn)這一點，我們圍繞以下關(guān)鍵問題進行深入反思，以鎖定正確方向的挑戰(zhàn)點：

確定合適的挑戰(zhàn)

• 客戶和企業(yè)當下遭遇了哪些特殊的痛點或阻礙？
• 目前市場上針對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)，這對相關(guān)問題的解決將帶來哪些前瞻性增益或創(chuàng)新價值？
• 這些問題的重要性如何量化？如果處理妥當或失誤，其最優(yōu)和最差的潛在結(jié)果分別會是什么？

我們的用戶絕大多數(shù)在消費時都會圍繞特定場景、需求或活動選擇產(chǎn)品。然而，為 5000 萬用戶配備一對一的人工購物顧問，這無論是在操作執(zhí)行還是規(guī)模擴展上，都是不可行的。

選項過多同樣會帶來困擾，我們深知用戶在面對豐富的產(chǎn)品選擇時，往往容易產(chǎn)生決策疲勞。正如一位客戶曾這樣形容：

“我偏愛線上購物方式，但常常為快速精準定位所需商品而耗費大量時間?！?/p>

與此同時，也有對需求洞察精準且目標明確的顧客。舉個例子，當用戶決心入手一款最新發(fā)布的跑鞋時，我們的設(shè)計理念是確保產(chǎn)品體驗順暢無阻，絕不設(shè)置購買路徑上的任何“干擾項”。

明確學習目標

在形成可用原型后，我們立即展開研究，以識別潛在痛點和用戶的真實反饋。

鑒于這一領(lǐng)域?qū)ξ覀兊目蛻魜碚f全然陌生，提升參與感的最佳方式便是通過實際操作和交互體驗與工具建立關(guān)聯(lián)。這套研究洞察讓我們對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)計和產(chǎn)品演進提供了建設(shè)性的指引。由此，我們得以明確研發(fā)迭代的優(yōu)先級并構(gòu)繪出長期戰(zhàn)略布局的愿景藍圖。

在規(guī)劃我們的學習目標時，下列關(guān)鍵問題不容忽視：

• 這些目標的核心價值體現(xiàn)在哪些方面？
• 它們能夠為我們創(chuàng)造怎樣的可能性和優(yōu)勢？

改變模式

最初的研究經(jīng)驗之一讓我們意識到，用戶往往難以直觀地設(shè)想他們與助手之間的交互方式。

“我想更深入地了解如何有效向助手提問。”

多年來，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發(fā)現(xiàn)目標商品。而在這一全新的運營范式下，我們需要更強主動性，精確引導(dǎo)用戶需求。

別光用說的，拿實例給我看

針對不同的使用場景（如獲取穿搭建議、搜索特定商品、探索最新潮流等），我們設(shè)計了豐富的對話開場白模板，通過實際互動示例取代直接的說明，直觀地詮釋如何與助手高效溝通。

隨著項目不斷推進，我們借助這些指導(dǎo)，為交互設(shè)計注入多維創(chuàng)新。其中一個亮點功能是智能便捷的搜索體驗，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。

當產(chǎn)品具備價值時對其進行介紹

在用戶旅程中，精準把握產(chǎn)品與用戶交互中“關(guān)鍵場景”和“高光時刻”尤為重要，我們的目標始終是為用戶賦能，而非造成干擾。為此，團隊圍繞如何打造與用戶高度相關(guān)、有價值的瞬間展開了深入思考。例如，當用戶進入產(chǎn)品詳情頁時，我們能否通過智能助手提供個性化、深度契合需求的購買推薦？又或者，是否能夠借助內(nèi)容設(shè)計來啟發(fā)用戶，將最近購買的單品與其他商品搭配，打造獨特造型，實現(xiàn)創(chuàng)意增值？

管理預(yù)期

人工智能在多個領(lǐng)域都有亮眼的表現(xiàn)，但它并非解決所有問題的萬能鑰匙。因此，我們需要基于實際情況合理設(shè)定預(yù)期，并充分評估其長處與局限性。

引導(dǎo)模型識別并了解自身的局限性

這個過程源于大語言模型自身的基礎(chǔ)。在打造像 Zalando 助手這樣的智能代理時，我們需要從助理的視角出發(fā)，提供清晰的指引并精心構(gòu)建用戶交互體驗?？梢詫⑦@一過程類比為培訓一名資深購物顧問，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，明確了職責邊界。在這一關(guān)鍵環(huán)節(jié)，科研工作者、工程師與設(shè)計師之間的深度協(xié)作尤為重要，是推動項目成功的關(guān)鍵所在。

我們賦予助手如下職能：

• 為客戶提供專業(yè)時尚搭配建議，增強個人風格表現(xiàn)力；
• 結(jié)合單品特點，為客戶精準打造契合整體造型的搭配方案；
• 洞察潮流趨勢和個性需求，推薦貼合客戶風格的優(yōu)質(zhì)商品；
• 根據(jù)特定場合或活動主題，為客戶甄選專屬穿搭解決方案。

我們還特別強調(diào)，要求其避免回應(yīng)涉及用戶個人生活、財務(wù)信息或心理健康方面的問題。

實行透明化

為了有效管理用戶預(yù)期，關(guān)鍵在于以清晰、透明且誠實的方式傳遞產(chǎn)品所處的實際階段及其現(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)品的運作機制以及可能存在的潛在痛點，也能夠進一步提高信任感，激勵他們主動參與并提供有價值的用戶反饋。

體面地降級

使用大型語言模型，需要預(yù)測并應(yīng)對潛在的意外情況。這可能涉及從語境誤判和內(nèi)容遺忘，到產(chǎn)生幻想式錯誤或推薦不相關(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，并迅速針對模型進行迭代與優(yōu)化，以驅(qū)動進步。

規(guī)?；瘜W習

每位用戶與生成式 AI 產(chǎn)品的交互都各具特性，這導(dǎo)致潛在問題的識別與迭代學習存在一定挑戰(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)學習模型。這對維持品質(zhì)基線以及高效定位待優(yōu)化痛點來說，具有決定性意義。

為了更高效地量化問題并深入挖掘潛在需求，Zalando 自主研發(fā)了一款 AI 內(nèi)部工具，用以實現(xiàn)大規(guī)模性能監(jiān)控、數(shù)據(jù)量化分析及客戶意圖建模。該工具在質(zhì)量保障的全流程中擔任了關(guān)鍵角色，通過精準的介入機制，我們能夠靈活地將干預(yù)與優(yōu)化無縫結(jié)合，同時引入人工團隊迭代提升 Zalando 智能助手的表現(xiàn)。最終，我們成功推動了客戶體驗的持續(xù)進階與價值賦能。

保障體驗

為規(guī)避潛在風險，我們需以前瞻性的決策引導(dǎo)，結(jié)合跨職能深度協(xié)同，通過早期干預(yù)與風險緩解策略，全面賦能 AI 產(chǎn)品的安全與倫理實踐。

風險水平因產(chǎn)品類型、行業(yè)屬性以及用戶場景的差異而變化。例如，Netflix 因其在一部犯罪紀實片中使用生成圖像而引發(fā)觀眾爭議。同樣，某航空公司也因聊天機器人的誤導(dǎo)性建議被要求承擔責任。這類錯誤可能引發(fā)用戶的情緒波動或?qū)ι眢w安全的潛在威脅，同時也可能對品牌信譽造成重創(chuàng)。深入剖析這些影響，并制訂有效解決方案，對于產(chǎn)品設(shè)計及用戶體驗優(yōu)化尤為關(guān)鍵。

作為一個團隊，我們對可能導(dǎo)致以下類型風險的情境進行了頭腦風暴和探索：

對客戶層面的潛在風險：

• 身體安全層面
• 心理健康層面

對組織層面的潛在風險：

• 財務(wù)及經(jīng)濟維度
• 社會影響維度
• 法律合規(guī)維度

之后我們對這些場景進行了歸類，并采用分析法對其發(fā)生的可能性和風險等級進行了優(yōu)先權(quán)排序。

此過程幫助我們明確了風險優(yōu)化的發(fā)力點與優(yōu)先切入路徑。

關(guān)鍵要點

Zalando 助手項目僅用一年時間便成功拓展至四個國家，并觸達了 50 萬用戶。該助手主要功能集中在幫助用戶高效篩選我們?nèi)找尕S富的商品庫，同時為特定場景或活動提供貼合需求的穿搭建議與時尚靈感。這也印證了我們之前的假設(shè)：客戶一直渴望這種個性化的互動體驗?？梢哉f，我們目前正在沿著正確的戰(zhàn)略路徑穩(wěn)步前行。

我們將秉承公司愿景，致力于迭代升級我們的助手，逐步構(gòu)建一個覆蓋時尚與生活方式的生態(tài)系統(tǒng)。我們深信，不斷優(yōu)化安全性與穩(wěn)定性的同時，把解決方案無縫嵌入用戶的關(guān)鍵體驗節(jié)點，將充分釋放其潛力，驅(qū)動全鏈路價值提升。

該項目為我們的社區(qū)帶來了關(guān)于高效應(yīng)用生成式 AI 技術(shù)的重要啟發(fā)，同時強調(diào)了其在道德規(guī)范與責任框架下的實踐要求。

貴團隊是否正在探索開發(fā)生成式 AI 相關(guān)產(chǎn)品？以下是我們在相關(guān)領(lǐng)域中積累的核心經(jīng)驗總結(jié)，為你提供應(yīng)對生成式 AI 技術(shù)產(chǎn)品開發(fā)復(fù)雜性的一站式指導(dǎo)。

解決重要問題：

• 聚焦核心問題：精準定位挑戰(zhàn)，深入洞察用戶需求和組織差異化訴求。
• 明確學習目標：通過研究與原型測試洞察客戶預(yù)期，為制定產(chǎn)品戰(zhàn)略路線圖奠定數(shù)據(jù)支撐。

改變模式：

• 提供更直觀的體驗，而非單純的文字說明：客戶需要引導(dǎo)，通過案例示范和主動設(shè)計的交互流程，幫助他們理解并運用生成式 AI。
• 在合適的場景中嵌入 AI 功能：在客戶旅程中識別能夠提升價值的關(guān)鍵節(jié)點，巧妙整合 AI，做到既提升體驗又不產(chǎn)生干擾感。

管理預(yù)期：  

• 塑造清晰認知：幫助模型認識自身邊界，明確大型語言模型的定位及局限性，確保其輸出內(nèi)容精準、配合目標場景需求。
• 構(gòu)建信任透明：積極向內(nèi)部團隊及廣大客戶傳遞人工智能的實際能力與使用邊界，以真實驅(qū)動協(xié)作共贏。

體面地降級：  

• 大規(guī)模學習：依托內(nèi)部工具進行性能監(jiān)測與問題量化，通過引入“人在回路”的動態(tài)流程，推動持續(xù)優(yōu)化。
• 體驗守護：以戰(zhàn)略性決策為核心，結(jié)合跨職能團隊協(xié)作，前置化管理可能風險，強化AI的安全性和倫理操守。