传统的人群圈选业务通常采用【标签体系】与【机器学习】两种方式,但这两种方式的学习成本较高,需要前期的数据沉淀或标签储备,对于小白用户来讲学习难度大、使用门槛高。
在AIGC技术趋势推动下,我们产生了新的产品设计思路:即利用【AI推荐技术】以及【对话式交互形式】,省去前期用户准备数据或构思人群特征的过程,通过简短的对话过程圈选目标人群。
以下流程图,从用户使用的角度,简要展示了三种提人方式的过程。通过对比分析,可以得出各种方式的优劣势如下
劣势:学习成本高;配置过程复杂
优势:配置自由度高;调整难度小;直观性&可解释性
劣势:依赖一方数据;“黑盒”过程;调整难度大
优势:过程简单快速
劣势:依赖AI训练技术;目前不适合精准化的人群圈选,更适合灵感提供
优势:相比于【标签体系】,省去了大量的规则配置过程,降低了用户的心智成本;
相比于【机器学习】,交互过程更友好,过程逻辑更易懂,调整难度小
从上述分析,我们可以得到。AI对话的提人方式的优势在于,帮助【明确营销的目的,但不了解目标群体的特征,需要灵感支持】的用户。在未来,如果能将AI营销灵感提供与前两种方式进一步结合,能满足用户更多更深的营销需求
通过分解用户在对话过程中的阶段和目标,我们设计了以下用户体验流程。通过此地图,可以更为清晰地了解用户与产品之间的接触点与交互过程
产品设计框架大致分为三部分:使用前、使用中、以及相应的界面细节及组件设计
用户的使用流程大体分为五步:
1.确认营销目标(例如:需要分析的产品、品牌等);
2.根据用户提供的目标,生成各种类型的特征推荐。用户可在此基础上进行增删改查;
3.对以上所有信息进行汇总,并最终确认;
4.系统生成对人群的计算结果,包括词云图、特征的TGI及IV值等;
5.用户对满意的人群进行提取,生成人群包,以供后续应用使用。
用户确认所需用户特征的信息后,系统将调取数据,计算出此人群的具体特征数据(IV、TGI等),并以词云图和表格的形式呈现出来。用户根据具体的数据,可以进一步对人群包的特征进行删减。
以下是对气泡中内容的呈现方式方案的对比分析
人群计算结果作为整个对话的结果内容,关乎着用户最后对于是否要生成人群包的判断,所以结果的展示尤为重要。
这里,对于页面的结构和布局,我根据不同的分区维度,产出以下三种方案,并对于三种方案进行分析,最终采用【在左侧记录对话的主体内容,利用抽屉隐藏用户的提取动作】的设计方案
人群包生成后,可用于洞察、投放、导出、分析等各种场景。以下是对话完成后【查看任务详情→查看洞察报告】的路径
AIGC对话产品的UI设计目前较为相似,但应用于营销时,需根据使用流程重新设计视觉层级和动线。在此场景中,用户较少使用信息输入框,多数操作通过气泡内按钮完成,回答也多为自动生成。因此,应强调AI助手的内容,淡化用户回复,使视觉焦点集中在AI内容上。
此外,为适应不同尺寸屏幕的需求,我们在自适应方案上也做了调整。
为了在产品从0到1的初创阶段提升产品的趣味性和宣传效果,我们精心策划了一款富有趣味性的小动画,巧妙隐喻AI数据与我们平台长期积累的标签数据之间的匹配过程。
在初版方案中,我们设计的小动画不仅被用作词云的加载动画,当用户在等待词云计算结果时,这段动画能够以其活泼生动的画面和流畅的动作,有效缓解用户的等待焦虑。同时,这款动画更可作为我们对外宣传的利器,通过视觉的冲击力和故事性,生动展示我们平台AI技术与标签数据的高效匹配能力,从而吸引更多潜在用户的关注,加深他们对我们产品的认知和记忆。
通过这款趣味性小动画,我们期望能够在提升用户体验的同时,加强产品的品牌形象和市场竞争力,为产品的后续发展奠定坚实基础。