演講者:許弘霖
時間:2025年6月6日 10:00-11:30
地點:DDS THU AI中心
整理:NotebookLM、張運宗
【編按】繼前一期「AI Agent研發案例分享會」介紹「如何打造一個AI Agent」的入門方向後,2025年6月6日邱浩修邀請東海建築校友許弘霖在DDS-THU AI中心,以「洞察產品開發新紀元:假設/驗證為核心,融合設計思考、逆向工作法與LLM驅動實作」為題,分享國際大型公司的產品開發案例。
許弘霖曾任AWS資深創新顧問、阿里巴巴資深產品設計師,任職Harman International 設計主管時,兩度獲得德國紅點設計獎,作品「JBL Pulse 2」(防濺水藍牙無線喇叭)更榮獲 2016 年「Best of the Best」。
許弘霖從實戰經驗觀察到,產品開發雖歷經不同技術世代演進,但以用戶需求為中心的「假設與驗證」核心原則始終不變。 此次分享即深入淺出從設計思考(Design Thinking)、逆向工作法(Working Backwards),一路剖析到大型語言模型(LLM)如何改變產品開發流程,賦能未來設計師。
設計思考是一種將設計過程解構為不同步驟的方法論,著重使用者需求洞察與快速原型,透過觀察與測試,在早期驗證設計想法,是一套以人為本、實驗導向的設計流程。
一、核心概念與階段
◦ 使用者研究 (User Research):第一步,確保從真實現象或需求中觸發設計挑戰。
◦ 構思 (Ideation / Brainstorming):多人共同參與,產生大量不同的想法。 設計思考的一大精神是讓「對的人在對的時間」參與,在腦力激盪時,鼓勵多元視角。
◦ 原型製作與驗證 (Prototyping / Validation):從眾多想法中收斂出幾個可行的點,然後透過製作原型來驗證。 「原型」不單指實體產品,任何將模糊不清的概念具象化的過程,都可視為原型;例如,建築中的模型或圖面。
二、實踐案例1:Harman 音響公司
三、實踐案例2:Lazada 電商支付產品
一、核心概念
逆向工作法是亞馬遜(Amazon)在產品開發初期採用的核心方法,其獨特性在於不從傳統的產品需求文檔(Product Requirements Document, PRD)開始,而是先為產品的構思「撰寫新聞稿」(Press Release),逼迫設計者從使用者需求的角度思考,並在產品開發前就清晰地定義產品的價值和用戶體驗。
◦ 這是什麼?(What):清晰定義產品本身。
◦ 為什麼有這個需求?(Why):闡述產品存在的真實用戶需求。
◦ 如何解決這個需求?(How):描述產品如何滿司戰略層面看待產品。
◦ 顧客評價:模擬真實用戶使用產品後的感想。
◦ 使用流程:以文字描述用戶使用產品的體驗流程。
◦ 外部:涵蓋客戶能得到什麼、比現有方案好在哪裡、客戶服務、定價、商業模式、安全性、上線時間、試用方式、市場進入策略等。
◦ 內部:更細緻地闡述產品價值、目標用戶、需求迫切性、早期使用者、競品差異、供應鏈價值鏈、團隊組成和收益模型等。
二、精神與應用
◦ 用戶驗證 (User Validation):確認用戶是真實存在的,並且有真實的需求。 這須要透過訪談、洞察分析(如用戶畫像、痛點分析、現有行為)來完成。
◦ 產品驗證 (Product Validation):確認解決方案能真正解決用戶的痛點。 要求產品功能與痛點完全對應,避免功能過多或無法有效解決痛點。 這過程包含用戶旅程設計和原型驗證。
◦ 商業驗證 (Business Validation):明確商業邏輯、市場大小及商業利益關係。 這要求在FAQ中詳細寫清財務、營運和競爭對手相關的細節。
三、實踐案例:大型國企客服系統優化
四、實踐案例:門禁考勤品牌商的商業模式設計
◦ 無需強迫經銷商進入系統,降低了推廣阻力。
◦ 維持了經銷商之間的價格不透明性,避免了因公開價格而引起的內部矛盾。
◦ 憑證機制天然地防止了竄貨行為。
◦ 透過精準補貼,銷量提升至平常的18倍(原政策為10倍),一級經銷商利潤提高,二級經銷商也因得到直接優惠而更願意銷售。 在相同補貼成本下,公司一年可多出3,000萬營業額。
一、核心原則
許弘霖認為我們應該視LLM為使用者,對話 (Prompt) 應該避免以下常見錯誤,以獲取更準確、有用的結果。
◦ 不推銷 (No Pitching):不要預設答案或試圖引導AI說出你想聽的內容。 像在訪談中不向客戶推銷產品一樣,不要一開始就告訴AI你的「神性」需求。
◦ 無冰淇淋問題 (No Ice Cream Questions):避免提出顯而易見或只能得到肯定答案的問題。 這類問題無法提供有用信息,只是自我驗證。
◦ 拉出資訊,不要推入資訊 (Pull, Don’t Push):盡量從AI那裡「挖取」資訊,而非將自己的想法「推給」它。 以開放式問題提問,讓AI從一張白紙開始思考,並不斷追問,探索不同的解決方案,避免被自己的認知限制。
◦ 孤證不立 (One of One is Not Proof):不要因為AI給出一個答案就認為它是絕對正確的。 一個答案並不能證明或推翻任何事物。
◦ 過去行為是最佳預測者 (Past Behavior is the Best Predictor of Future Behavior):在提問時,應關注事實和過去的實際行為,而非理想化的「聲明」或「計畫」(例如:問「你如何飲食?」不如問「你上一餐吃了什麼?」)。 故事比聲明更有用。
二、實作分享:利用AI工具提升產品開發的效率和品質
◦ 多樣化的應用層次:AI可以用於撰寫特定功能、修改程式碼片段、提供新功能建議,甚至在類別(class level)或整體架構層面進行規劃。
◦ 提升效率:AI能同時修改多處程式碼,相比人工修改能大幅節省時間,特別是在處理較長程式碼時。
◦ AI的互動模式可分為三種層級,類似於企業中的角色:
▪ 工讀生:執行明確的小塊任務。
▪ 員工:處理類別級別的任務,有明確的工作範圍。
▪ 主管:負責完整的架構,AI能自主清洗數據、撰寫模型並給出結果。
三、設計師在AI時代的定位
Q1:智慧門禁考勤系統案例若從原先的B2B模式(品牌商對一級經銷商)轉為更接近B2C的模式(補貼直接傳遞給二級經銷商),會不會大幅增加客戶服務的人員需求和成本?
A1:這個模式並非真正轉向B2C。 它維持了既有的經銷通路,只是透過「優惠憑證」的技術方法,讓品牌商能將補貼精準地傳遞到最底層的經銷商(二級經銷商),而不須要額外增加客服人員,因為銷售渠道並未改變。
Q2:這種直接補貼二級經銷商的方式,會不會讓原先的一級經銷商感覺被品牌商跳過,進而影響他們的合作意願?
A2:,這個「憑證」是由一級經銷商自己發放給二級經銷商的。 一級經銷商有彈性,可以選擇發放,甚至自己購買使用。 儘管這確實會讓品牌商得知其客戶資訊,但團隊透過詳細的財務模型證明,這種模式能讓一級經銷商無需壓貨,成本更低,且整體銷量可大幅提升(甚至達到原來的18倍)。 這是一種逐步鬆動經銷商心態,讓他們意識到透過這種模式能將生意做更大的方式。
Q3:目前「智慧門禁考勤系統」產品的實際形式是什麼?是雲服務還是實體產品?
A3:這是一個雲服務,目標是建立一個經銷商的服務後台,讓經銷商能更好地管理客戶。 核心邏輯是透過憑證機制,逐步收集二級經銷商的數據,並鼓勵其參與,最終達到共同擴大市場的目標。
Q4:在進行使用者地圖(User Journey Map)時,初期通常會訪談多少位使用者?
A4:至少須要訪談5到6位使用者。 如果產品面對不同類型的使用者,那麼每個類型(User Type)至少要有4到5位訪談對象,以確保足夠的代表性。
Q5:以「先用後付」服務為例,最初是如何進行使用者分群與訪談的?是預先分好?還是訪談後?
A5:總共訪談了18個商家。 最初並未預先設定分群,而是根據訪談回來的購買行為、收入水平(三等)和購買品類等資訊,利用兩個軸線(對借貸的開放程度與薪水收入多寡)來劃分出不同的使用者群體。
Q6:當使用者研究的結論與公司高層(如投資人、最高老闆)的期望方向不一致時,應如何處理?
A6:想辦法讓老闆「漸漸真實地」去接觸使用者,這比直接說服他們更有效。 當高層親身見證使用者的真實需求和困境時,他們的想法可能會隨之改變。
Q7:在產品開發中,當使用者需求與「出錢的人」(高層或客戶)的需求發生衝突時,應該優先考慮誰?
A7:「出錢的人」永遠是最重要的。 以供暖客服系統為例,老闆最在乎的是「不要打12345政府熱線」,而非客服效率。 因此,產品設計必須優先滿足「出錢者」的核心痛點。 然而,這也為設計師提供了一個機會,思考如何從使用者需求中挖掘出新的商業機會。
Q8:在初期向最高老闆展示產品概念時,原型(Prototype)應該做到多精細?是須要視覺化很完整的模型,還是簡單的線框圖即可?
A8:高層老闆可能不那麼在意原型的精細度,而更關心最終能產生什麼樣的「報告」或成果。 因此,最重要的是驗證該報告的價值是否符合老闆的期望。 即使初期須要人工手動產生報告,只要能證明其價值,就應以最簡單的方式實現,而不須要在產品開發上投入過多資源。
Q9:在開發早期階段的AI產品(例如AI與法律結合的產品),客戶可能無法想像其應用方式,難以獲取真實需求。 除了讓有興趣的人自己來體驗之外,還有其他獲取客戶需求的方法嗎?
A9:這涉及到「AI-first company」的概念。 如果客戶無法想像,或許就應該自己成為這個產品的最大用戶,甚至開一家「AI驅動」的律師事務所。 透過將自己的業務做大,證明AI賦能的能力,客戶自然會被吸引,這比試圖說服那些缺乏想像力的既有玩家更有效率。
● 讀後留言使用指南
近期迴響