深度学习算法用于用户体验设计,关于百度AI交互笔记及思考

这是转载的 社区成员ML437 Rosly 的文章。 这篇文章通过对过去和现在设计流程的了解，学习用户体验深度学习算法流程及其优点，感受AI赋能设计，建立高效的用户认知模型和精准的用户体验数据。以下为全文，分享给大家：

01 设计技能和设计流程学习的重要性

设计，很多时候都是靠设计师个人的喜好、设计经验、设计原则、用研及各个平台规范等来进行设计工作。我是一个野生派设计师，喜欢在业余时间寻找最优设计学习资源，学习并运用到工作实践中（如学习C4D，报7哥的3D+动态课程学习），工作需要什么技能都会在第一时间学习储备。
如学习前端界面搭建，减少了我与开发沟通障碍，了解H5或CSS3 让设计方案有更多的可能性和多样性；AE中Lottie插件的学习，能使动效快捷的落地到网页或应用中；如数据驱动设计的学习，了解设计的解决方案与数据结合，转化成数据价值，用数据推动设计从而发现问题，解决问题以及发现设计机会（数据驱动设计，即围绕关键指标进行设计，以及了解数据背后的价值，如日活和月活用户数量，可以表明你的用户忠诚度；ID来源、页面浏览量、点击率，可以看出流量的偏好...）
设计技能很重要，但设计的方法和流程也一样重要。设计是一种以人为中心来解决问题的方法，一个项目成功，往往是一个团队团结协作的产出结果。所以设计不是凭空想象不是让用户来理解你的设计，而是配合整个项目团队，对内解决项目上遇到的问题，对外解决用户在任务流程及体验中遇到的问题。

02 过去的设计流程
比较注重个人设计技法和品牌元素的融合。 前期 ：了解项目背景-了解产品定位-分析产品需求-项目所需技术支持等； 中期： 了解品牌属性，提取关键词（品牌、产品、用户等方面分别提取）、优化关键词组合、从关键词中演化图形元素为设计增加特征和特色、搭配平台规范出三种以上设计方案、设计方案评估、设计方案确认并将设计规范延伸至其他页面等； 后期： 添加交互动效，解决各种实现问题、界面实现完整度，设计走查等。

03 现在的设计流程
在以前的流程基础上，更加注重目标导向+数据驱动+体验驱动 产品需求：分析问题-明确目标-产品体验数据化（问题点在哪？用什么方案解决？产出什么数据指标衡量？） 方案设计：判断方案，让设计有理有据（如何选择方案？对比哪个好？） 执行落地：评估结果，量化设计工作（如何论证方案与假设？哪个设计好or坏？） 结果分析：发现问题，关注关键指标达成情况（结果怎么样？还需解决什么问题？） 再设计：根据上一版迭代遗留下的问题，下一版本更新需求进行再设计
20190702参加百度AI交互设计论坛，了解了AI深度学习界面设计方法，深度学习让设计方案多样化且容易被验证，通过训练优质的数据，完善用户体验。界面设计未来可以交付给机器来做，而设计应该更多注重交互体验。这只是个人浅薄的观点，请轻拍。

04 深度学习是什么，运作方式及特点
深度学习是一个复杂的机器学习算法，在语言和图像识别方面取得的效果。 深度学习本质上是构建含有多隐层的机器学习架构模型，通过大数据去学习人的认知过程，进而构建复杂的特征模型，对样本进行分类和预测。
特点：1.深度学习模型结构含有更多的层次，包含隐层节点的层数通常在5层以上，有时甚至包含多达10层以上的隐藏节点；2.特征学习对于深度模型的重要性，即通过逐层特征提取，将数据样本在原空间的特征变换到一个新的特征空间来表示初始数据，这使得分类或预测问题更加容易实现。

05 深度学习界面设计流程
深度学习界面设计流程： 第一步通过拆分界面模块，收集用户体验数据，对单个模块进行深度学习，找到最有模块设计区间。
第二步将每个模块最优区间重新组合成不同的界面，再收集用户体验数据，让机器进一步学习，找到最优界面设计区间。
具体流程如下：

1.单个模块机器学习过程
界面模块拆解，如百度app首页设计拆解：1.天气模块；2.福利模块，3.百度闪付；4.品牌展示区；5.搜索区；6.导航栏；7.看听模式；8.置顶区；9.列表流；10.Tabbar栏。

图片来源于：百度AI交互论坛大会

不同模块通过关键变量如搜索框颜色、高度、粗细、图标设计、文字等；挑选最关键的8个因素，计算他们可能的取值，全部组合可能近两百万种。通过复杂度计算学习得到最少方案数2000多个。
图片来源于：百度AI交互论坛大会
这些组合随机生成测试方案，随机拆解给1000多个用户进行评价，评估每个方案的体验的好坏，收集大量用户数据。基于获得的用户数据，通过算法进行深度学习模型构建，让机器学习判断设计好坏，通过反复学习和模型优化，提高模型的准确度。

图片来源于：百度AI交互论坛大会

深度学习结果可视化，每个图代表一个设计因素对用户体验影响得分影响，横坐标是因素的取值范围，纵坐标代表这个取值下用户的喜好度，得分越高越喜欢。

图一，这个是关键因素，随着因素变化，用户体验下降。图二，这个是无关因素，这个因素取值对体验无影响。图三，这个因素的变化总体体验下降，但其用户喜好度分布很散，说明有其他因素干扰，在设计时需综合其他因素考虑。

图片来源于：百度AI交互论坛大会

将最后在随机组合生成300+新方案，让用户和机器同时判断，通过判断的一致性来验证机器学习的效果。通过模型反馈的结论，不断调整设计，从而找到最优方案。。可以看到这个模型得分与用户偏好得分一致，即最优方案。
图片来源于：百度AI交互论坛大会

2.界面设计深度学习算法流程
将上述方案运用到其他模块，选出得分最优模块进行组合，对界面整体进行研究，用同样的流程方法构建界面级别的机器学习算法模型，得到最优界面设计方案。深度学习经验是可以复用的，将生成的新数据加入原来的数据中继续运算，最终可以得到用户界面体验深度学习模型。

图片来源于：百度AI交互论坛大会

3.深度学习算法的优势
通过比较可以看出，深度学习算法进行设计模块，形成方案数和生成模型复杂数是设计师无法达到的；体验方案的满意度提升16%；且得出的最优方案是可以预测的。

图片来源于：百度AI交互论坛大会

最后总结，用户体验深度学习是AI应用到设计，让设计方案最优化、体验升级、且可预测。AI交互设计是一个新设计趋势，它不断的渗入我们的工作和生活，让我们生活更智能便捷，让我们工作更精准高效。在大数据的加持下，AI场景运用会更广泛，落地到各行各业。关注设计趋势的同时，也需要明白这些新趋势的发展和特点，把他当作一种设计技能，寻找最优学习方法及落地到自己的设计方案。

-------------------   End  -------------------

AI交互设计微信群
每天上午推送科技行情新闻和交互小报， 定期分享AI设计多维度新知识！欢迎入坑