OCT2024 -
JAN2025
本项目展示了我领导设计的一款iOS移动应用，旨在帮助用户通过AI技术更深入地理解宠物的行为与需求。在AI技术快速迭代的背景下，我们致力于打造一款兼具技术前沿性与长期用户价值的产品。通过将复杂的AI功能（如图像识别、模型选择与训练、参数微调等）转化为直观易用的交互流程，我们为用户提供了一种无缝体验，同时引入了社群合作机制，以满足多元化的用户需求。
本项目的设计流程基于经典的双钻模型，但在传统以用户为中心的问题导向基础上，融入了机会导向的创新思维。我们以AI技术为切入点，探索技术潜力与用户需求的交汇点，从而定义出独特的解决方案。
我与其他成员共同推进各个阶段的工作，并承担了整体方向的把控与关键决策。在原型开发阶段完成后，我独立完善这一项目，根据前期结论制定了设计规范，确保产品在视觉与交互层面的一致性，并深入打磨了核心流程的UI设计。
我们从AI技术出发，根据团队的兴趣点选择聚焦普通宠物领域。我为团队明确了调研路径：首先探索计算机视觉、自然语言模型等潜在相关技术的发展，了解其应用可行性；再搜集动物研究相关学术文献，分析可观测的宠物行为及其实现方式；随后进行市场调研，梳理现有解决方案与竞品。通过循环这一流程，我们得出一些具体可用的结论，并确定了研究问题：
动物行为识别技术的落地难点在于数据标注成本过高，且现有CV模型在复杂场景下的泛化能力有限。短期解决方案需依赖迁移学习与半监督学习技术，结合用户反馈优化模型迭代。
宠物行为因个体差异难以建立普适性解释模型，但通过多模态数据（动作、声音、环境）融合与行为模式基线分析，可实现基于科学框架的个性化解读。这为产品的差异化设计提供了理论支持。
宠物主对AI行为分析工具存在明确需求（健康监测、情感理解），但现有竞品功能单一，多停留在基础健康监测领域。深度行为分析存在较大发展空间，为技术驱动型产品提供了创新空间。
我们基于市场分析，将调研对象锁定为宠物主人或爱好者，对其AI技术认知水平不作限制。通过半结构化访谈，我们对12位符合要求的参与者进行了深度访谈，并对访谈数据进行了主题分析，最终提炼出三个核心主题。
宠物主人通常依赖主观假设而非真正的共情来理解宠物的行为，这种认知方式容易导致误判，且缺乏科学依据。
宠物主人更看重AI辅助分析的过程而非单纯的结果，他们希望通过透明、可追溯的分析步骤增强对宠物行为的理解与信任。
宠物主人对AI分析结果的准确性持怀疑态度，认为技术可能存在偏差或错误，尤其在涉及复杂行为或个体差异时，信任度进一步降低。
当前宠物行为分析领域存在主观经验认知与技术黑箱化并存的双重局限，既缺乏系统性机制验证宠物主人假设的合理性，又因技术过程透明度不足削弱结果可信度，最终导致行为解读的科学依据与情感共鸣失衡。
基于前期调研，我们明确了目标用户并绘制了详细的画像，以确保我们的方案能够优先满足目标用户的核心需求，再兼顾不同用户在宠物行为认知和AI技术理解水平上的差异，最终让产品以目标用户为中心辐射到更广阔的用户群体。
为了确保团队成员对目标用户的理解一致，我基于实际场景绘制了用户行为地图，将目标用户遇到的问题嵌入具体情境中，帮助团队更直观地共情用户痛点。
我们决定设计一款工具，旨在让对AI技术几乎零认知的用户能够轻松利用最先进的AI技术，深入了解宠物的行为与动机，并获得准确且可信赖的结果。在传统“训练模型-输入数据-得出结论”的流程基础上，我提出了共享模型及一系列灵活的数据共享模式。用户可以选择完全基于自己宠物的个性化数据集，也可以选用专家团队或机构的专业数据集，甚至参与某一社群的共享数据集，从而实现更精准、更贴近需求的宠物行为分析。
我规划了方案的技术路径，通过设计思维为技术演进搭建过渡框架，使之既保留创新技术的探索空间，又通过系统设计控制落地风险，使实验室中的潜力技术能够逐步转化为用户可感知的价值。
在后续的用户访谈中，我们聚焦于有经验的养宠人士和宠物专家，深入探究他们解读宠物行为的方法与经验。我们期望通过挖掘这些专业视角，让产品为用户提供更加科学且符合人类认知的心智模型。
宠物专家解读行为的关键在于构建「可验证事件单元」——每个事件由时间、环境、多维度行为细节（如面部/肢体变化）组成，用户通过记录、串联并交叉验证这些事件，逐步形成科学解释。我们的产品将着重帮助用户完成这一步骤。
基于心智模型，我们梳理了核心用户流程，并以此为框架，进一步优化和完善了这款app其他功能的流程设计。我们充分考虑了目标用户对AI技术的认知水平，大幅简化了涉及模型的技术细节，并将用户对模型的反馈机制无缝融入简洁直观的操作流程中，既降低了用户的使用门槛，又能够解决技术难题。
我们在Figma中完成了可交互的中保真模型，聚焦于核心流程的设计——帮助用户构建一个可验证的单元事件，并包含了一些用户会期待看到的附加功能去帮助用户理解产品。
我们招募了6位符合目标用户特征的用户进行测试，主要目标是验证用户对产品功能与方法的理解程度，以及产品带来的认知负荷是否符合用户预期，从而确保用户愿意长期、反复使用我们的产品。
用户初次接触产品时存在认知断层，需强化首页功能解释与引导路径，通过引导用户完成最简任务来帮助用户建立基础认知，实现“操作即理解”的顿悟效应。
当前按“模型-事件-设置”的架构增加了新手认知负荷，需进行重构，使其既降低入门门槛，又为深度用户保留扩展入口。
我们将功能按使用频率重组，高频核心操作集中为一键触达的快捷入口，移除了传统Tab Bar，让界面始终聚焦当前场景所需，同时也为深度需求保留了自然延伸路径。这一决策可能会略微增加硬核用户的认知负荷，但大幅降低目标普通用户的学习成本，让他们能够完全根据直觉完成正确的操作。
在优化过程中，我们意识到UX语言的重要性，因此基于用户画像和测试反馈制定了详细的用语标准，对界面中的文字内容进行了系统优化。以上调整显著提升了第二轮用户测试的主观评价结果。
在独立进行界面设计时，我首先基于用户画像和产品内容提炼视觉关键词，并制作情绪板。考虑到宠物照片将在界面中占据较大空间，且用户上传的照片风格差异显著，我选择了相对中性的色彩和简洁的文字系统，以确保界面能够兼容多样化的视觉内容。同时，我选用了主题性图标来为界面注入活力，平衡了保守的视觉框架与产品所需的趣味性和亲和力。
在独立进行界面设计时，我首先基于用户画像和产品内容提炼视觉关键词，并制作情绪板。考虑到宠物照片将在界面中占据较大空间，且用户上传的照片风格差异显著，我选择了相对中性的色彩和简洁的文字系统，以确保界面能够兼容多样化的视觉内容。同时，我设计了主题性图标来为界面注入活力，平衡了保守的视觉框架与产品所需的趣味性和亲和力。
聚合高频操作：模型切换入口（个性化/专家/社群）与历史记录速览。用视觉权重最高的按键引导用户开启核心流程。
默认以文字对话引导行为记录，用特殊设计的图标引导用户使用拍摄功能采集数据，开始对话后图标会隐藏，但仍保留周围图案吸引用户。
为用户提供不同于普通拍摄的互动式体验：实时生成文字提示，通过动态对焦框以及图案动效提示拍摄要点。
在文字对话界面显示分析结果，核心结论置顶，用户也可以选择继续阅读细节。至此，用户完成最简流程。
行为片段逐帧分解（拍摄时自动标记特征点），点击展示同一模型的解读差异。默认为最可能结果，用户只需点击不同结果即可完成反馈。
通过全程参与项目各环节，我形成了对设计质量管控的系统认知。最深刻的经验来自界面设计阶段的高频次返工——这些因原型设计缺陷导致的修改成本，让我意识到必须建立阶段性的质量验收标准，并形成了"设计决策前移"的工作策略。在之后的工作中，我将建立全流程质量意识，通过建立可复用的评审机制来评估每一阶段、每一步工作。
认知负荷管理是设计复杂系统的核心。在实践层面，我掌握了通过视觉层级划分、心智模型对齐和场景化引导来优化用户认知路径的具体方法。更重要的认知在于：用户行为惯性本质上是由竞品培养的隐性交互契约，每个交互范式是否沿用或重构，都需要通过用户测试数据追溯行为根源，在降低学习成本与设计创新之间寻找平衡点——先理解既有范式，再寻求创新。
此外，我也重新认识了"以用户为中心"的设计理念。我意识到优秀设计不是功能与用户的对抗，而是对用户认知规律的精准把握。好的设计会将复杂功能转化为可探索的惊喜，而非强制学习的内容；同时，设计师应明确用户每投入相应学习成本能获得的相应收益。
团队成员：
YONGHAN LIU, YIJING SHEN, XINGLONG ZHOU, RUNQING ZHANG, KAIYUE ZHOU, DONGLAI GUO