共计 4976 个字符，预计需要花费 13 分钟才能阅读完成。
导语
网易伏羲是网易公司内专门从事游戏和娱乐人工智能研究和应用的部门，利用 AI 技术进行数字孪生、强化学习、分布式引擎等方面的研究，以提高游戏和娱乐产品的用户体验和交互效果。伏羲部门的多个产品采用了基于 AI 技术的设计思路和方法，比如“瑶台”沉浸式虚拟活动平台和伏羲机器人的实时人机协作在线任务平台。这些产品提供了更真实和自然的活动体验，并为机器智能提供更多的训练场景和数据，提高机器智能模型的能力。
随着 ChatGPT 技术的不断成熟和应用，越来越多的公司开始重视这项技术的潜力。在网易伏羲内部，UED 的设计师们对 ChatGPT 技术进行了深入的研究和探索，并尝试将这项技术应用到了伏羲部门的多个业务的设计工作中。在学习和掌握好利用 ChatGPT 这项应用技术后，设计师们可以更加高效地进行用户需求分析和交互设计，更能够提高工作效率和质量。以下为 UED 团队交互设计师在运用 ChatGPT 上的思考和实践运用：
01
洞察业务
“查字典式”业务调研
收集业务资料时，需要设计师从零散的、大量的信息中挖掘有用的信息，往往类似大海捞针耗时耗力。几乎所有网站 / 应用都有搜索功能，但搜索的有限范围却局限于信息墙壁内。ChatGPT 无疑是打破了这面墙壁的存在，它像是把所有网站 / 应用装到一个盒子里，而打开它只有一个简单的、唯一的对话框入口。从某种意义上来说，对话框可以看作是各个搜索栏的聚合，或者说是字典的索引，它让收集资料变得更高效、更简单。
“搜索”时，我们可以从业务调研最终需要的产出物倒推出 GPT 需要输入的内容，再一步步引导 GPT 生成我们需要的内容。
克服竞品分析“繁”和“难”
作为设计师不想面对但又不得不面对的环节当属竞品分析，不仅“繁”，还很“难”：
创新项目可能根本找不到直接竞品，或者有一些竞品但找不全;
竞品相关信息零散或者难以获取;
数据被采集后更重要的环节是分析，而分析需要具备深入了解行业和市场的专业知识和技能;
信息具有时效性，因此需要不断地更新这些信息以保持最新的竞争对手信息。
面对这些困难，GPT 给出的答案是：
找不到 / 全竞品时，可以通过 GPT 挖掘类似产品或者服务的间接竞品，或者项目的潜在竞争对手;
采集相关信息时，GPT 可以分析竞品在公开渠道发布的信息，包括网站、新闻稿、社交媒体、用户反馈、广告宣传等渠道;
分析数据时，GPT 可以通过自然语言处理、人工智能分析、行业趋势分析等能力进行支援;
在时效性和真实性这块，GPT 提到需要保持警惕和判断力，注意溯源，以确保信息的有效性和可靠性。
目前来说，通过 GPT 给出一个还不错的竞品分析文档是比较可行的，这里提供一个大致思路：
基于上下文规划产品功能
结合业务调研和竞品分析，在明确目标用户、使用场景、产品目标的前提下，可让 GPT 直接生成一份产品功能框架。如果需要对功能优先级排序，还可以灵活融入 Kano 模型、MoSCoW 模型等方法论。
02
走进用户
用户访谈降本增效
访谈前，为了使访谈聚焦不跑偏，设计师需要提前制定访谈提纲; 访谈后，需要及时整理归纳访谈内容; 最后，还要总结用户痛点和机会点，产出用户画像，一套流程下来非常耗时耗力。
有了 GPT，设计师可以通过 GPT 生成访谈提纲，并根据访谈内容生成用户画像。
在要求 GPT 生成提纲时，可以指明访谈需要包含的类别，比如个人基本情况、工作环境等，方便 GPT 往我们想要的访谈提纲上靠：
把访谈对话投喂给 GPT，可以提炼出初步的用户画像。如果觉得字数过多，还可以让 GPT 继续精简。
需要注意的是，GPT 生成的问题不一定完全符合访谈的需要，而且可能存在语法错误、歧义等问题。因此，在使用 GPT 协助设计用户访谈时，设计师需要仔细筛选、修改生成的问题，并确保问题的准确性和清晰度。
此外，投喂 GPT 时也需要注意用户信息的保密性，不要泄露用户隐私。
想象空间巨大的用户测试
理想状况下，设计师可以使用 GPT 生成一些测试用例，然后让用户与 GPT 互动，测试原型的可用性和易用性。或者使用 GPT 进行 A / B 测试，生成两个不同的设计方案，然后使用 GPT 让用户与两个方案进行互动交流，收集用户的反馈和需求。现阶段，GPT 在以下方面做的比较好：
生成测试脚本
分析用户数据
将数据可视化(生成脚本)
生成测试脚本
参考步骤：
1、向 GPT 提供背景知识;
2、训练 GPT(通过投喂资料或提供指导建议);
3、给 GPT 一个场景 / 故事脚本;
4、让 GPT 编写一份测试草案;
5、优化用户测试任务;
分析用户数据
ChatGPT 本身并不是一个专业的数据分析工具，但是 ChatGPT 可以通过处理和分析大量的自然语言文本数据来提供数据分析，包括基本的统计分析、分类和聚类分析等。
在这些数据分析能力中，有一个能力非常引人注意—— 情感分析：chatgpt 可以分析文本中的情感，例如正面、负面或中性。
设计师要时刻“和用户在一起”，而用户反馈则是走入用户内心的重要入口。一般来说，收集到用户反馈以后，我们往往只会看评分低的评论，但很多时候，分数并不能完全代表用户的真实心意：有老玩家一朝伤心愤而打低分的，也有打高分实则吐槽和嘲讽的。这时候，如果从用户情感维度进行归类，能更高效地获取有效的反馈。
将以上 3 条评论交给 GPT 进行归类和整合后输出：
将数据可视化(生成脚本)
GPT 目前并不直接支持数据可视化。但是，GPT 可以为数据可视化提供生成的文本和语义信息，并提供使用外部软件可视化数据的方案，包括 Python 中的 Matplotlib、Excel 中的图表工具等。
将以上示例代码拷贝至编辑器中运行后可直接生成饼图：
一键生成调查问卷
GPT 可以根据设计师提供的调查主题和问题，自动化生成用户调查问卷，从而加快问卷制作的速度和效率。
此外，一些调研服务商也在尝试接入 GPT，Credamo「见数」推出了基于 ChatGPT 的文本生成类调研工具：SurveyGPT，输入任意调研主题，20 秒即可创建一份问卷。
03
设计执行
利用工具 +AIGC 进行设计提效
现有的设计师在接到上游需求后都会将需求转变成多界面、多操作链路组成的设计方案，如果项目周期紧张或者个人同时支持多条业务线时，设计师就很难有精力进行多方案的尝试。于此同时，UI 界面内元素的调整或者局部操作流程的调整都会影响到整个产品系统，设计师需要投入大量的人力和成本去完成。那如果在设计过程中接入 ChatGPT 以后是否能够帮助设计师提升设计效能呢?
微软把 AI 神器 GPT-4 全面接入 Office，新功能名叫 Microsoft 365 Copilot(副驾驶)，不光能自动做 PPT，而且能根据 Word 文档的内容一键做出精美排版。后面大家在做 PPT 的时候直接可以利用 Copilot 完成大量的内容编辑和信息排版工作。而国内很多设计工具的厂商也在探索设计工具接入 AIGC 的能力，基于用户编辑的内容或者用户想要的内容自主地帮用户完成设计工作。例如，国内的设计软件 Master GO 的 AI 实验室发布了新的 AI 设计技能概念视频，在设计师完成了首页信息录入后，即可通过 AI 工具快速生成详情页的结构设计，同时还可以快速的进行多语言的翻译以及团队设计意见的汇总整理。这种 AI 能力的加持，不仅优化提升了整个设计工具的产能，更优化了设计师整个工作流程的效率。
国内设计工具 Mastergo 接入 ChatGPT 能力概念视频截图
会话式交互让体验更自然
目前我们主流使用的都是需要用户触摸操作的界面交互，用户为了完成一个任务需要通过点击、滑动等多种交互形式来完成整个流程。无论是 B 端还是 C 端的产品，这种交互操作形式并不是最自然、最简单、最有效的方式 。ChatGPT 的出现给了大家最大的惊喜，GPT 带来的是更加自然的交互形式，直接通过对话交互形式，即可达成目标。 想象一下，现在你在电商平台上挑选一个商品的链路，你需要通过搜索 - 查看商品详情 - 与商家沟通 - 多平台比价等一系列复杂的操作才会找到一个你自己觉得适合自己的商品。而在接入 ChatGPT 的能力后，你只需要与 ChatGPT 就你想要的商品进行会话，即可获得一个基于你们沟通数据的商品，以最简单高效的形式为你精准匹配目标。人机交互原来是如此简单，如此自然!
会话式交互将成为苹果触屏式交互后更加符合用户认知和体验的交互形式，走向更加智能的双向交互形式。用户可以通过简单的语音指令或文字输入完成复杂的操作，减少与机器之间的交互时间和学习成本。通过模拟了人与人之间的对话方式，更加自然直观，同时用户也不再需要关注复杂的 UI 和操作方式，只需要按照自然语言的方式与 AI 进行交流就可以完成自己的任务。
因此，ChatGPT 将会让未来很多产品设计把会话式交互作为和用户交流的重要内容，而设计师也要思考如何才能给用户创造一个更好的对话式体验。
交互设计师未来需要掌握基础自然语言处理技术
CHATGPT 是一种自然语言处理技术，它可以根据用户输入的自然语言进行语义理解，并根据语意生成自然的回答或者推荐相应的内容或服务，那么设计师就需要了解自然语言处理技术和 CHATGPT 的原理和应用，以便更好地理解用户的语言需求，从而设计出更加自然和流畅的语言交互方式。例如，当一个用户在网上问“请问附近哪里有好吃的火锅店?”时，设计师可以利用 CHATGPT 技术，对用户的提问进行语义分析和生成，输出符合用户需求的回答，如“在您的附近，有一家被评为最佳火锅的店铺，您可以尝试一下。”这样，用户可以快速得到自己所要求的信息。
同时，设计师还需要了解自然语言处理技术和 CHATGPT 的局限性和优缺点，了解它们在不同场景和应用中的适用性，从而更好地选择和应用技术，提高设计效率和交互质量。
那么设计师该如何学习和应用自然语言处理技术呢?
1、设计师需要先了解自然语言处理的基本原理和技术，包括中文分词、词性标注、命名实体识别、情感分析等。可以通过阅读相关的教材、论文或者参加相关的线上课程来学习。例如，在句子“我喜欢吃苹果”中，“我”是代词，喜欢”是动词，”吃“和”苹果“是名词。通过词性标注技术，计算机可以自动将每个单词标注上词性，进而实现对句子的理解和处理。
2、掌握自然语言处理的工具：设计师可以使用一些自然语言处理的开源工具，如 Python 中的 nltk、jieba 等库，或者百度 AI 开放平台提供的 API 接口，进行自然语言处理的实践。百度 AI 开放平台提供了多种自然语言处理的在线工具，设计师可以直接在网页上输入文本，使用这些工具进行分词、情感分析、文本翻译等操作，体验自然语言处理的功能和效果。
3、实践自然语言处理的项目：设计师可以找一些自然语言处理的实践项目，例如情感分析、文本分类、智能客服等，进行实践操作，提高自己的实践能力和经验。比如如何利用设计师如何利用情感分析为电商商家提供服务呢? 设计师在掌握了自然语言处理技术后，可以从电商平台上收集大量的用户评价和评论数据，进行数据清洗、去噪、分词、词性标注等预处理，然后选择经典的情感分析算法和模型进行实验，训练和评估模型，并将其应用于实际场景中。通过情感分析技术，设计师可以实现对用户评论和反馈的自动分析和理解，分析用户的喜好、不满、建议等，从而为商家提供相关的改善和优化建议。
结语
在 AI 时代，人工智能和机器学习技术已经成为设计师不可或缺的工具。设计师需要不断升级自己的认知和技能，学习掌握各种 AI 技术和工具，以更好地应对复杂的交互设计需求和挑战。将 AI 训练成自己的设计工具，不仅可以提高设计师的效率和创造力，还可以优化用户体验和交互效果。通过 AI 技术的应用，设计师可以更加准确地理解用户需求和期望，提供更加个性化的设计服务和体验。除了技术和工具的学习，设计师还需要不断改进和优化自己的设计思维和方法。在 AI 的帮助下，设计师可以更加创新和灵活地应对各种设计需求和挑战，提供更加出色的设计作品和服务。
此外，时刻拥抱变化也是设计师应该具备的素质之一。行业和市场在不断变化和演进，需要设计师不断适应和更新自己的思维方式和设计方法。只有愿意不断尝试和变革，才能在激烈的市场竞争中保持领先地位。因此，作为一名优秀的设计师，需要保持开放的心态和积极的行动力，时刻准备拥抱变化，从中发现新的机遇和挑战。
文章转载：伏羲 UED，版权归原作者所有
原文链接：
https://mp.weixin.qq.com/s/TILUvoBqG05CuOi_xmrXMQ
