• <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，這交互設計太懂用戶了吧
      
				
				
			
      
			
      
				
      引言
      

      一
      

      

      

      2025年即將收官，AI已成為人人熱議的話題。在過去的半年多時間里，我們圍繞AI能力在搜索場景中的應用開展了多項業務探索。
      

      

      image.png
      

      

       
      

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

      這一探索過程的價值，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
      

      在傳統電商搜索體驗中，用戶將需求轉化為關鍵詞組合，系統執行商品庫檢索并返回貨架式的結果給到用戶篩選對比，形成"用戶輸入-系統生產-固定響應"的循環。
      

      這本質上是"以系統為中心"的設計范式，要求用戶適應系統規則而非系統理解人類意圖。AI搜索產品的出現，正在解構過往的機械體驗： 
      

        

      • 

        Input層革新：從關鍵詞到自然語言
        

        • 

      • 

        Interaction層進化：從機械操作到動態對話
        

        • 

      • 

        Output層質變：從固定貨架到生成式響應
        

        • 

      

      

      

      image.png
      

      

      ▲ 傳統搜索與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“系統懂我”。這意味著AI搜索的體驗設計，需要從“被動響應”轉向“主動理解”。
      

      

      

      

      從關鍵詞到自然語言
      

      一
      

      AI萬能搜激活頁，是智能預設后的意圖觸發器，沿用用戶最熟悉的傳統搜索形態的同時，通過整個頁面的場景化引導，鼓勵用戶進行自然語句的混合輸入；
      

      用戶需求是模糊、動態且高度個體化的，因此在動態功能區中，我們保留了電商最原始的AI基因，并將其外化為搜索框動態功能區的“購物偏好”的調節能力。
      

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

      

      

      image.png
      

      

      

      image.png
      

      

      

      image.png
      

      

      ▲ 不同節點圍繞意圖進行輸入引導
      

      在這樣的引導下，用戶開始使用自然語言進行條件組合的假設，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先規劃好的路徑。
      

      

      

      從機械操作到動態對話
      

      

      

      一
      

      在對話中，當用戶面對AI生成的不確定性時，需要顯性化設計幫助用戶理解AI的運作邏輯，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，AI思考可視化的價值可能大于結果輸出本身。
      

      

      

      

      

      image.png
      

      

      ▲ 建立用戶的確定性感知
      

      

      

      

      

      

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

      淘寶特色可視化：在文字表達思考過程的基礎之上，加入商品屬性、用戶購物偏好分析、淘寶評價等內容，形成有電商特色的思考過程。表達不是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
      

      

      ▲ 分步轉譯，減緩用戶等待焦慮
      

      

      

      

      從固定貨架到生成式響應
      

      

      一
      

      

      

      AI的生成式響應背后是隨機性，而“隨機”往往隱藏著認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”轉向“推導未知”。產品設計的重心也必須從“對結果的預設”轉向“對規則與邏輯的構建”。
      

      這其實不是設計有什么升級，更多的是設計思維方式的轉變。 電商搜索場景下，AIGC（Artficial Intelligence Generate Content）的重點是文字與商品。
      

      設計師無法窮舉所有對象的組合，通過將Markdown的結構化自由與商品數據的對象化映射相結合，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容能夠體面地交付給用戶。
      

      

      

      

      

      

      

      image.png
      

      

      

      image.png
      

      

      

      image.png
      

      

      ▲ Markdown結構與視覺基礎定義
      

      不同于其他AI產品，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奏尤為重要，需要設計師把握用戶意圖和需求與業務特點，定義基礎范式反向約束調控AI。
      

      用戶的不同輸入代表了不同意圖，呈現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，靈活匹配不同意圖的特征。
      

      

      image.png
      

      

      ▲ 漸進式意圖承接
      

      在設計AI生成規則時，要根據業務特色，建立AI能力與用戶體驗雙向適應機制。設計師不再設計完美的結果，而是創造優雅的可能性。
      

      基礎層精準響應：以答案信息準確率為核心的目標，解決“能用”的問題，設計本質是做到“通用性”，為場景化提供穩定的支撐。
      

      

      image.png
      

      

      ▲ 商品卡承接分層
      

      場景層動態適配：針對特定的場景行為特征和決策邏輯，進行需求細化和設計策略的分化，比如送禮意圖下，通過清單式結構+場景標簽，將抽象需求轉化為可操作的推薦路徑，依賴用戶畫像與場景識別能力，實現“從模糊場景到精準決策”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深度融合，構建“看即買”的即時決策鏈路等。
      

      

      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計必須構建動態適配的承接體系，基礎層解決“能用”的問題，場景層解決“好用”的問題，才能有機會進行體驗層的價值假設，激發用戶的內在動機，真正解決用戶“想用”的問題。
      

       
      

      AI驅動情感與行為的核心在于"技術服務于人，而非人服務于技術"。未來，如何捕捉用戶情緒與購買動機，構建匹配的模型與適應的機制和設計規則，將成為我們的長期命題。
      

      轉載：UXD筆記
      

      

      

      

      

      

      

      				
      
								
			
      
		
      
		
		
	
      


      
    
  
      
    
      日歷
      
    
      
        
      
        
    
      
  
      
    
    
      
      
      鏈接
      
      
        
                
      
    
      
    
      
      
      個人資料
      
      
      
          
      
                    
      
          
      藍藍設計的小編
          http://www.wtxcl.cn
      
      
      
    
      
    
      
      
      存檔