大模型工具平臺(tái)—AI產(chǎn)品交互設(shè)計(jì)思考
本文深入探討了如何通過精確定義和匹配輸出域與需求域,來提升大模型工具產(chǎn)品的市場(chǎng)適應(yīng)性和用戶粘性。通過具體的例子展示了如何將理論應(yīng)用于實(shí)踐,以及如何通過不斷的迭代和優(yōu)化來提高產(chǎn)品的市場(chǎng)適應(yīng)性和用戶粘性。
我的上一份工作是企業(yè)內(nèi)部AI產(chǎn)品經(jīng)理,類同市面上絕大多數(shù)的同行與前輩,在工作開始初期我圍繞著完善知識(shí)庫(kù)體系和搭建各個(gè)智能助手(agent)的方向開展了我的工作。
然而在工作中我發(fā)現(xiàn)無論是知識(shí)庫(kù)還是智能助手都存在著剛上線時(shí)人頭涌動(dòng),但上線一陣時(shí)間之后就無人問津的尷尬狀態(tài),由于我當(dāng)時(shí)的績(jī)效是由用戶的AI使用滲透率與業(yè)務(wù)感知打分兩者合一進(jìn)行評(píng)估的,所以這個(gè)問題如果不解決,那么很有可能在一段時(shí)間后被解決的就是我了。
基于當(dāng)時(shí)的壓力,圍繞著該問題我開始了調(diào)研,在對(duì)用戶的訪談與各個(gè)助手使用記錄的觀測(cè)中我們發(fā)現(xiàn):
- 專業(yè)問題比通用問題更容易讓用戶流失。
- 用戶的使用對(duì)話方式和我們的初始想法天差地別。
- 絕大多數(shù)用戶在一個(gè)對(duì)話中如果在初始的三輪對(duì)話內(nèi)如果無法得到想要的結(jié)果就會(huì)離開。
讓我們將這些問題帶入到俞軍老師的產(chǎn)品價(jià)值公式中:
哦,不對(duì)!不是這個(gè)而是下面這個(gè),關(guān)于上面這個(gè)問題,我會(huì)在后續(xù)的分享中給出明確的產(chǎn)品定位思路,來破解上述的另一個(gè)困境。
我們可以很直觀的看出,由于我們是無法改變舊體驗(yàn)的,那么AI在專業(yè)知識(shí)的類的具象問題,以及AI進(jìn)行輸出時(shí)的不穩(wěn)定問題極大的損害了新體驗(yàn),而prompt對(duì)AI使用的影響又極高的抬高了遷移成本,那么自然用戶在使用一段時(shí)間后就會(huì)選擇離開,這無可厚非。
想要做好大模型工具產(chǎn)品
基于上述的公式我們可以得到一個(gè)思路,想要做好大模型工具產(chǎn)品就需要盡力的穩(wěn)定大模型產(chǎn)出,并且最簡(jiǎn)化prompt對(duì)于用戶的學(xué)習(xí)成本,只有當(dāng)任何人的首輪對(duì)話或者前三輪對(duì)話都能達(dá)成需求,即(以前置prompt框定)輸出域=需求域(以場(chǎng)景頁(yè)面信息框定)時(shí)產(chǎn)品價(jià)值才能真正的打動(dòng)用戶。
在使用這一思路后我對(duì)手頭的產(chǎn)品功能進(jìn)行了一輪改動(dòng),最終成功實(shí)現(xiàn)了產(chǎn)品上線后AI產(chǎn)品對(duì)全公司的滲透。
一、什么是輸出域與需求域?
1.1 輸出域
眾所周知,我們目前的大模型本質(zhì)上是一個(gè)概率分布的預(yù)測(cè)機(jī),我嘗試過在同一個(gè)大模型產(chǎn)品里創(chuàng)建幾個(gè)不同的對(duì)話,然后輸入同樣的信息,得到的結(jié)果其實(shí)只能用大同小異這一結(jié)果來進(jìn)行總結(jié)了,信息是不會(huì)出現(xiàn)太大偏差的,但是回答的方式回答的說法其實(shí)都是會(huì)有些許的差異的;
而這也就給了我們一定的空間,本質(zhì)上既然它是一個(gè)不穩(wěn)定的、存在一定隨機(jī)性的輸出模型,那么我們用針對(duì)性的單一結(jié)果去要求它或者說去以單一結(jié)果的視角去看待它來制作需求,這件事是不切實(shí)際且具有很大的局限性的。
既然如此,那么我們就應(yīng)該在做需求的時(shí)候試圖去用一種新的視角去看待它,并且圍繞著這種視角去讓它產(chǎn)生原本舊時(shí)代無法產(chǎn)生的業(yè)務(wù)效果,而以域的視角去看待就是這里的關(guān)鍵。
因?yàn)橛行畔⒒蛘吖潭ǖ妮斎胄畔⒆鳛榭蚨?,所以它的回答通常在上下文相?duì)完整時(shí)尤其是在微調(diào)后,輸出是不會(huì)越出邊界的,每一次的輸出都是圍繞著固定信息所產(chǎn)生出某一種可能,而這種可能的集合就是輸出域。
1.2 需求域
在我們探討需求域之前有一個(gè)前置概念是要明確好的,那就是用戶在我們產(chǎn)品中的動(dòng)作其實(shí)背后都是存在著一定的動(dòng)機(jī)的,也就是我們產(chǎn)品經(jīng)理口中的需求,而需求域的概念則是用戶在使用該產(chǎn)品之前他對(duì)于信息的需求或者說對(duì)于模型輸出內(nèi)容的底層需求是寬泛的并非指定的。
在這里我以市面上常見的三種比較明確的大模型需求為例來闡述需求域的體驗(yàn)是如何在這些需求中的。
1)文案輸出類產(chǎn)出需求:文案內(nèi)容的輸出通常是伴隨著用戶的指定背后產(chǎn)品需求的,以我之前的東家為例,在文案輸出時(shí)用戶心里的底層邏輯是希望大模型可以輸出針對(duì)該商品在固定平臺(tái)上面進(jìn)行文案推廣時(shí)使用,該需求的需求域是一個(gè)很明確的范圍,即通過兩條邊
(1)文案輸出的邏輯(平臺(tái)用戶喜好)
(2)商品自身信息兩個(gè)線來框定的,前面我們有指出過在通用大模型上即便我們使用同樣的prompt,讓大模型生成10個(gè)對(duì)話其文案的重復(fù)率也不會(huì)太高,而這恰恰是電商推品的需求,用戶不需要一成不變的答案,用戶需要穩(wěn)定的但又靈活的域式答案。
2)角色扮演類游戲需求:通常來說角色類需求的背后通常為對(duì)某一角色或者某一動(dòng)作的交互模擬,不管其根源需求是情緒價(jià)值還是體驗(yàn)價(jià)值,以需求域的角度來看都是對(duì)于一個(gè)由初始設(shè)定與當(dāng)前交互的常規(guī)回答(通用大模型中的概率回答)的兩條邊所拼湊而成的回答域,當(dāng)然由于這里的交互通常都是比較開放的所以這條邊足夠長(zhǎng),導(dǎo)致了該域非常大。
3)知識(shí)轉(zhuǎn)化類需求:在這里我將智能問答、常規(guī)模擬、概要提取等需求集合在這里,這個(gè)分類最大,究其原因是這類需求的本質(zhì)都是對(duì)信息的加工處理,不論是各大搜索引擎的概要提取還是對(duì)某一類信息的客服問話,本質(zhì)還是對(duì)輸入信息進(jìn)行附加邏輯后的轉(zhuǎn)化輸出,毫無意外在這里邊界也很明顯,信息主體加轉(zhuǎn)述邏輯構(gòu)成了此類需求的域。
從以上的例子中我們可以抽象出一個(gè)用戶需求域的統(tǒng)一概念:1、有明確邊界的 2、多樣化或者說容錯(cuò)高的3、存在內(nèi)部一致性(有不可變中心的)需要大模型輸出此類內(nèi)容的集合便是需求域。
二、讓需求域與輸出域匹配的關(guān)鍵—第一句話效應(yīng)
我們現(xiàn)在有了輸出域與需求域這一評(píng)定需求的概念,那么接下來我們需要考慮的就是怎么樣能讓輸出域與需求域進(jìn)行匹配了,對(duì)于這一問題的解我們可以根據(jù)現(xiàn)階段大模型工作的一個(gè)方式來思考找到答案。
不知道大家對(duì)于初次接觸gpt或者文心一言此類工具時(shí)覺得驚為天人的點(diǎn)是什么,對(duì)我而言驚為天人的是它可以與我進(jìn)行多輪的對(duì)話,不同于早期的語(yǔ)音助手類的撞大運(yùn)式對(duì)話,
這一次的AI在與我對(duì)話時(shí)讓我感受到了一種與真人交互的流暢感。隨著我自己參與到AI應(yīng)用的制作后,我發(fā)現(xiàn)其實(shí)現(xiàn)階段大模型所支持的這種連貫輸出的技術(shù)方案其實(shí)極其簡(jiǎn)單粗暴,那就是將歷史溝通的記錄包起來加在當(dāng)前對(duì)話中打包一起作為輸入來進(jìn)行續(xù)寫輸出。
從這個(gè)處理方式中我們可以得到一個(gè)信息,那就是在一個(gè)會(huì)話中,每一輪的對(duì)話都會(huì)收到前一輪對(duì)話的影響,而其中對(duì)后續(xù)溝通影響最大,最能夠影響整個(gè)對(duì)話輸出域的內(nèi)容的毫無疑問就是從始至終會(huì)影響每一次問答的第一句話。
一個(gè)話題的第一句話無論是在與大模型的交互還是與人的交互中都是非常重要,其自身所起到的對(duì)后續(xù)對(duì)話的范圍與深度的框定作用恰恰是需求域與輸出域能否在初始階段達(dá)成一致的關(guān)鍵。
試想一下如果我們將第一輪對(duì)話以一種最符合用戶需求的方式去代替用戶完成創(chuàng)建,將需求域和輸出域進(jìn)行了初始的最大化匹配的話,首先我們可以給用戶一個(gè)可以接受的內(nèi)容范圍,并且后續(xù)不論用戶是否擁有prompt等和大模型交互的經(jīng)驗(yàn),他們都可以通過極簡(jiǎn)單的自然語(yǔ)言在我們給到的輸出結(jié)果上基礎(chǔ)上進(jìn)行修改,而這時(shí)的修改交互就無需任何的前置學(xué)習(xí)成本了,也就是完成了我們前面所提到的,用戶價(jià)值中對(duì)替換成本這一值的減小。
三、首輪對(duì)話如何指引產(chǎn)品設(shè)計(jì)
我們之前的溝通中我們可以清晰一點(diǎn),絕大多數(shù)的“域”通常都是由兩個(gè)邊界來進(jìn)行框定的,而在我們現(xiàn)階段以GPTS為首的各大大模型平臺(tái)中,我們通常可以看到用戶創(chuàng)建的大模型應(yīng)用通常是單邊的,既預(yù)制一個(gè)邏輯邊的prompt作為框定,而另一條邊是交給用戶讓用戶在使用該應(yīng)用時(shí)自然輸出,以此來進(jìn)行框定的。
不可否認(rèn)在通用型平臺(tái)上這么做是可以理解的,畢竟會(huì)主動(dòng)來到大模型頁(yè)面的人通常也都知道自己該如何提問,而且這樣也開放了更多偏個(gè)性化問答域的可能。
但這樣我們就不得不面對(duì)一個(gè)問題,那就是如果我們將該模型應(yīng)用進(jìn)行大范圍推廣的時(shí)候,我們的用戶不再是大模型的愛好者,而是一個(gè)個(gè)希望盡快通過該工具完成自己的任務(wù)的用戶時(shí),這種開放式的方式就變得不再適用了。
因此,我們需要重新思考如何設(shè)計(jì)去讓用戶在首輪對(duì)話中完成對(duì)輸出域的框定,并且完成產(chǎn)品自身輸出域與用戶需求域的匹配。
在這里可能會(huì)產(chǎn)生些疑問,用戶自己希望和大模型聊些什么或者讓大模型說一些什么,這是因人而異的,我們?cè)趺茨茉谟脩暨M(jìn)行講述前將用戶的需求發(fā)掘出來并進(jìn)行取而代之呢?
對(duì)于這個(gè)問題,我想引用一下俞軍老師的話來進(jìn)行解答“用戶的本質(zhì)是需求的集合!”我們也許無法預(yù)知現(xiàn)實(shí)中朝夕相處的同學(xué)與家人下一秒會(huì)做什么動(dòng)作,但是我們一定可以預(yù)知口渴的人一定會(huì)喝水,所以場(chǎng)景就是我們的最好幫手,毫無疑問前置頁(yè)面就是我們預(yù)知當(dāng)前用戶對(duì)大模型需求域的預(yù)知手段。
3.1 前置頁(yè)面agent
在現(xiàn)階段大多數(shù)人的思考方向都是如何讓大模型通過調(diào)用接口來操控程序,但其實(shí)程序與大模型的關(guān)系只有后置這一種么?我認(rèn)為用一個(gè)前置的頁(yè)面或者現(xiàn)有的頁(yè)面去調(diào)用模型的前置其實(shí)對(duì)于現(xiàn)階段的產(chǎn)品設(shè)計(jì)更為重要。
以現(xiàn)在百家爭(zhēng)鳴的大模型搜索為例,我們不難發(fā)現(xiàn),整個(gè)需求的本質(zhì)是一個(gè)將大批量信息進(jìn)行總結(jié)壓縮的過程,而這個(gè)總結(jié)過程是由用戶自己篩選并且輸入的prompt么?并不是,事實(shí)上在用戶點(diǎn)擊搜索框的搜索時(shí),就已經(jīng)由觸發(fā)了由程序所發(fā)起的第一句問話,而這就是在用戶不與大模型直接溝通的情況下由程序輔助完成第一輪問答來匹配輸出域與需求域的示例。
在這個(gè)案例中,搜索框的存在幫助我們預(yù)測(cè)了接下里用戶的需求,讓我們能夠在第一輪對(duì)話發(fā)起時(shí),將用戶所可能輸入的無法控制的prompt,換成可控的調(diào)整好的prompt調(diào)用大模型,從而實(shí)現(xiàn)了用戶需求的達(dá)成。
3.2 工作案例
同樣的這種通過前置頁(yè)面精確控制輸入的方法實(shí)際上可以帶入到我們目前的很多種大模型工具之中,我接下來會(huì)以我工作中運(yùn)用這種思路所做的兩個(gè)工具需求為例,展示這種方式在文案輸出、角色模擬、知識(shí)轉(zhuǎn)化三類需求中的余下兩類具象化應(yīng)用。
1)文案輸出:由于我上一家公司是一家品牌代理與平臺(tái)銷售一體的電商企業(yè),所以內(nèi)部的品牌部門實(shí)際上是需要大量的文案類內(nèi)容來在各個(gè)平臺(tái)上對(duì)商品進(jìn)行曝光的,產(chǎn)品初期我們類同市面上絕大多數(shù)的文案助手將各個(gè)平臺(tái)的文案風(fēng)格等內(nèi)容寫成prompt包成agent然后開放給用戶做對(duì)話使用,但實(shí)際的產(chǎn)出效果公司的同事們其實(shí)是不太買賬的,至于具體的原因,我在文中的一開始已經(jīng)提到了。
因此在思考好了要以前置頁(yè)面作為首輪對(duì)話的發(fā)起的解題思路后,我們將公司旗下的某一個(gè)品牌的商品與花色進(jìn)行了信息的前置整合,并且通過與現(xiàn)階段公司發(fā)在各個(gè)平臺(tái)的文案進(jìn)行比對(duì),確認(rèn)了大模型輸出文案時(shí)以什么樣的邏輯輸出和商品信息組合才能產(chǎn)出比較符合業(yè)務(wù)需求的文案后,敲定了文案中心的產(chǎn)品設(shè)計(jì);
即以各個(gè)商品與花色制成表單給用戶篩選,然后通過生成按鈕觸發(fā)prompt進(jìn)行文案產(chǎn)出的交互方式,后續(xù)如若產(chǎn)出不滿意,可以通過調(diào)整按鈕跳轉(zhuǎn)至對(duì)話頁(yè)面讓用戶以自然語(yǔ)言與大模型交互去進(jìn)行改正。
在進(jìn)行了這樣的改版之后可以預(yù)見的是我們讓用戶的使用成本大大的降低了,文案助手的平臺(tái)并沒有像之前上線一樣僅僅被“寵幸”了幾天就被棄如敝履,這次我們功的將AI工具滲透入了公司的生產(chǎn)環(huán)節(jié)之中,雖然沒有達(dá)到主推品的文案級(jí)別需求,但是普通商品的日常曝光維護(hù)都由我們的文案助手完成了承接。
(由于我是之前給企業(yè)內(nèi)部做AI改革的產(chǎn)品,所以商品的信息我可以通過erp自行的進(jìn)行查看,但是這并不代表在通用C端或者B端的SAAS上無法實(shí)現(xiàn),只需要給用戶做一個(gè)便于錄入的界面或者支持主流電商平臺(tái)的信息導(dǎo)入,便可構(gòu)建起用戶自己的文案表單來控制第一次輸入了。)
2)角色模擬:由于第一份工作是比較偏b端的原因,虛擬女友類的需求我并沒有涉獵很多,但在我的工作中有一個(gè)與之比較相似的年終報(bào)告答辯助手的工具項(xiàng)目。
在制作這個(gè)需求時(shí),由于我們已經(jīng)知曉用戶有著對(duì)自己年終述職報(bào)告不斷模擬答辯的需求,并且也知道公司老板對(duì)某大廠的管理方法極為推崇的特點(diǎn),我們?cè)谥谱髟撔枨髸r(shí)也并沒有開放對(duì)話框,在每次對(duì)話的初始我們只提供了用戶一個(gè)上傳文件的入口并且配置了“方法論檢視”“問答模擬”“文檔修正”三個(gè)按鈕,通過該方式觸發(fā)各個(gè)對(duì)應(yīng)的prompt開啟對(duì)話,讓用戶在進(jìn)入到聊天界面后直接就可以接收到對(duì)應(yīng)的大模型輸出,排除了有可能由于用戶使用不當(dāng)而有可能產(chǎn)生的問題。
當(dāng)然該需求其實(shí)在我們實(shí)際測(cè)試時(shí)所產(chǎn)出的問題或者檢視其實(shí)并不是特別的優(yōu)秀,畢竟有關(guān)細(xì)化行業(yè)的問題從不是大模型的專長(zhǎng),但出人意料地是該助手在上線之后用戶的使用頻次非常高,直接完成了我們?cè)ǖ耐ㄟ^年終大會(huì)的輔助工具完成AI助手對(duì)公司內(nèi)部管理層的滲透任務(wù)。
本文由@Maru同學(xué) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。
題圖來自Unsplash,基于 CC0 協(xié)議
該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
這個(gè)”需求域、輸出域”的角度很好,確實(shí)抽象出了模型的輸入輸出。學(xué)習(xí)了。