從找出問題開始:Balto 的服務設計流程

我們認為不管什麼樣的產品都是從「問題」開始的。
評論
評論

本文由 Goodpatch 投稿。

Kawamata Satoshi,在日本知名電機製造商的設計部門累積經驗後,進入 Goodpatch 擔任產品設計師。針對定性訪談以及觀察進行深度學習,擅長發現問題以及分析,從概念架構到設計製作都有過經驗,而在 Goodpatch 的設計委託案部門經歷過數個專案後,在 2016 年轉到自家產品開發部門,第一隻經手的產品 Balto 即獲得 Good Design 獎殊榮。

一個服務的起頭

我們認為不管什麼樣的產品都是從「問題」開始的。

當初我們公司想要著手開發 Balto 的動機是起源於「在實裝後的 APP 上給予 Feedback 的程序很麻煩」這個常被忽略的小小問題,然而身為一個設計師,要怎麼麼從這個「問題」中運用想像力去延伸其他可能性呢?

在設計 Balto 的過程中,我用到了以下 3 個方法。

觀察

身為一個設計師,找出課題時可以先從觀察身邊各種細節開始。首先我是透過觀察周圍與身邊同為設計師同事的工作模式,看他們「一天當中」的「作業」行程,並將一天當中,從上班到下班的作業內容依時間排列出來,然後把這一天之中他們的工作動力用曲線表示,在各個不同階段時心情的起伏。

從圖表中我們可以看出,其中有一段時間工作動力是大幅下滑的,顯示設計師們在從事這段作業是心情通常較低迷,這一段是「檢視實際安裝後的產品並給予回饋」。

我們從觀察的過程中定義出「大家對於在實裝後的 APP 上給予 Feedback 這個流程感到無趣而麻煩」的課題,從截圖、圈選、傳到 Slack 再與工程師溝通,一步一步皆非常耗時且繁鎖。為了解決這個問題,設計師們簡易的發想後,立刻請工程師做了一個簡易的 Prototype,其實在 Goodpatch 裡面一直都有這樣「先試試看」的文化存在,經過內部試用後發現它實在相當方便,便決定全心投入這個工具的開發,這就是 Balto 誕生的原點。

在這個階段我們從觀察開始延伸出新的 idea,然而在發現問題時,我們常常會困惑這個問題會不會流於主觀?這樣的課題在市場上是否存在?而是否又有去解決的價值?其實這邊只要迅速地在 Prototype 上確認,產品的價值就很容易顯現出來,這個 idea 是否合適也更容易定義。

了解使用者潛在的需求

為了解這些潛在需求,我們必須先實施深度的訪談(Depth interview)。我所使用的方法是上一份工作在富士通學習到的的 Aim Interview。

Aim Interview 的特點在於把焦點放在「認識人」上面,藉此引導出「潛意識」並透過「6 眼模式」來捕捉人的特徵,基本上就是一對一進行一大約 90 分鐘的訪談。

所謂的「潛意識」就是指,雖然平時不太知道怎麼用言語表達,但只要努力就能夠具體表述的、感覺上的事情。可能是本人沒注意到的問題以及生活中鼓勵引起他動力的事物。換句話說就是「真心話」。使用者內心深處的潛意識是可以透過不斷地詢問發生的狀況與感受的問題引導出的。

所謂的「6 眼模式」是由三條不同的軸線組成,而軸線的兩端分別是相反的兩種不同觀點,將一個人的習慣和發言傾向,帶出他的人格來分成六種不同觀點。

「未來觀點」與「過去觀點」 指的是過去的經驗以及對未來的展望。有些使用者在訪談時特別喜歡談論自己對未來的展望,此時可以透過詢問他過去的經驗來問出該使用者潛在的,自己平時沒有意識到觀點的感受。

「邏輯觀點」與「感覺觀點」 指的是是個人在表達自己感受的時候,習慣從邏輯觀點出發還是感情觀點出發。若該使用者習慣針對既成的事實去做描述,則可以從感情面去詢問當他遇到該狀況時的心理狀態。

「個人觀點」與「集團觀點」 是指有些使用者喜歡用自己的角度出發去回答問題,而針對習慣從自己觀點表述的試用者,可以嘗試詢問他當時周圍第三者的人是怎麼看該狀況,促使該使用者從第三者的觀點來回答問題。

訪談總體的架構會切成三個不同的大方向,「過去」、「現在」與「未來」。我們從過去的經驗中可以構思出未來的期待的狀態,未來的想像則給予現在的行動方向,現在行動的動力則是建構在我們過去的經驗。

在訪談最初,先詢問受訪者比較容易闡述的「現在」的狀況,接下來問問看「過去」所發生過的事件,最後以「現在」和「過去」為鑑詢問出使用者對「未來」的想法。在這三個步驟中又以詢問未來狀況最為重要,從使用者對未來的描述,可以看出他期待的部分。

上圖是當時所使用的訪談表單,我個人都會根據當時的情況調整表單,總共有 100 張不同形式的表單。訪談過程中盡量讓受訪者自然的描述,從各種觀點丟出問題給受訪者,通常話題也會自然而然往各種方向去延伸。全程訪談約 90 分鐘,結束後我們將會將受訪者敘述的內容寫成文字整理在表單上,這個作業非常耗時,但對於深入了解使用者是不可或缺的過程。而寫出來的內容我們會再以 Customer journey map 和 Persona,相對簡潔明瞭的方式再做一次整理。

這次在 Balto 發想時期,我們也對工程師們做了訪談,大部分工程師們其實在完成 App 實裝後,其實都非常希望能得到更多的 Feedback,他們最終也希望能將一個經過千錘百鍊,自己充滿自信的產品送使用者手上。

在接收到這樣的受訪者訊息後,我判斷他的潛在需求其實是「希望可以將搜集到的 Feedback 應用到產品的改善」,而不是單純只是想要搜集很多 Feedback 而已,這是在這訪談中我們得到最大的啟發。透過上面這樣的使用者訪談去理解使用者需求的對於產品的方向設定是相當重要的。

走到了這一個階段,我們會遇到的問題是「要思考如何將訪談的結果轉化為自己的語言,來傳達給團隊其他人知道」。而我們發現,讓整個產品的團隊成員包括工程師和 PM,所有跟產品企劃相關的人一起參與訪談,直接傾聽使用者們的聲音.團隊內會更容易有共識。

運用想像力延伸解釋

如同前文所述,雖然我們從訪談中得到了潛在需求,但是我們需要透過跳躍性地思考、延伸自己的想像,來猜測「會不會是這個意思?」。訪談者希望可以將搜集到的 Feedback 應用到產品改善中,但在之前,我們需要先搜集到大量的 Feedback,那要怎麼做才能搜集到大量的回饋呢?要解決大家不喜歡給予回饋的問題,我們運用想像力來延伸解釋,思考如何營造出可以搜集到很多 Feedback 的氛圍。

這裡我們訂出三個方針:

  • 製作一個可以輕鬆傳達回饋的體驗
  • 做一個可以持續收集更多回饋的器皿
  • 讓 Feedback 的過程可以變得更正向積極,用 Feedback 來提升團隊的士氣。

這張圖是在構思 Balto 的世界觀時所畫的插畫,如同圖中所繪,在 Balto 這個平台上站著的是各種不同職種的人,有設計師、工程師也有 PM,而平台上也有很多截圖與影片站著,大家在上面熱烈地討論著,這正是 Balto 想傳達的理念。

而 Balto 以一個團隊領袖的姿態,帶著這個積極改善產品的團隊前進,將產品的品質往更好的方向帶。

Balto 帶出了「Design Feedback
 Communication」這個概念,讓大家的回饋不再是單一針對抓蟲和錯誤指正,而是可以有更多彈性,包括稱讚或是針對設計和體驗上的回饋也可以在這個平台上討論。

走到這個階段,產品大致的概念已經有譜了,但常常遇到的問題是提案遲遲無法得到上層的同感,但其實只要早期將決策者拉近溝通的圈子裡,就能更順利地前進。

最終成品 Balto

Balto 是以一個動作就能簡單地將螢幕截圖或影片回饋給工程師,多在內部測試 Beta App 時使用,傳送意見回饋的溝通平台。除了讓開發團隊於進行意見回饋時溝通更加順暢,快速提升 App 的改善週期之外,Balto 希望能讓設計的 Feedback 變得更加積極與正面,從 Balto 的介面設計中便可以看出,它增加了設計者與回饋者之間的互動性,使 Feedback 的流程不再枯燥,提升團隊成員們給予 Feedback 的意願。

 

結語

身為設計師,我認為仔細觀察身邊每件瑣碎的小事,針對平常不會注意到、微不足道的點去做深度思考觀察是非常重要的,培養這樣的觀察能力,透過設計的力量去改善一個一個小缺口,讓大家的工作流程變得更愉快、更流暢有效率其實就是設計師的使命。讓我們一起在這個領域一起開心的工作吧!


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。