纳尼？设计都需要会和用户谈情说爱了？！

作者：孙少君，腾讯高级设计师，7年+互联网设计经验，曾主导多款重量级设计工作，爱祖国爱人民～爱设计！原标题：《如何打造B端产品的情感化设计》

前言

B端产品无外乎就是人机界面。它本身是没有什么情感。
但是在涉及产品的环节，用户在使用这个界面区和这个系统进行交互的时候，会产生一些感受。而这些感受其实是界面的一些情感话题

比如说在写法上。比如说去给一些晦涩难懂的术语和文本介绍时，去配一些稍微直观一点的图。
比如说采用一些十几个人的照片，是否更有代入感。
这样会让人家觉得，我不是对着一个机器在做事情的，而是能感受到这里边有情感。
我觉得在跟一个人在交流的时候，或看到你的这个东西的时候，我会有一种所谓的愉悦感。
不会觉得是很冰冷，像面对一些不会说话的人或物。
而这个时候，情感化这个事情，就必须要做的。

我们要把这种所谓“冰冷”的东西，更人性化。
而这个产品，起码要用户用起来会觉得好像是专门设计过的。它是有在考虑并关注人使用的时候，有情感的这样一个环境。

现在有一个想法是我们尝试用一些插画去辅助装饰和设计。
在尝试现在的控制台一些业务时候。把它做一个方式去尝试，我觉得效果其实还是OK。
然后在官网运营这块，我觉得更多的还是说，怎样有更多的场景带入，故事实景照片或者插画。
我们现在就是抽象的绘制的。一些图形展示或者延伸，会让b端的产品用户体验更好一点。

举个例子，比如说一些站点的support，你会看到其实有两种，一种是里面会有更多让你感受到它的工程师或者他的客服。比如Apple，有一个形象和一个团队的支持，support有很多条款，然后很多功能，你可以在先自学，你也可以电话等。仅仅只是内容上展示。这种情况用户感觉就不是太好。
而且我觉得。Apple那种会让我觉得他真的有这样一个团队，让我对他更放心，而我的信息也会更快得到反馈。

B端做用户体验主要有几个：

第一是方便。
第二是我们怎么把晦涩难懂的这些业务流程、支持等，这些术语变得让用户理解起来感觉谁更方便，使他们体验是轻松的。
第三怎么把这些枯燥的，呼叫中心做的更有意思。
再高一点的要求就是我怎样让用户在用我产品同时，还能让他学习到一些相关产品的知识。这个是一个比较意思的一点。

其实现在做一些音箱啊，哎呀助手啊，包括现在说的什么GUI（Graphical User Interface，简称 GUI，又称图形用户接口），其实都是把这些机器，灰色难懂的算法，变得更人性化，更整体。思考是怎么样才更接近人。

其实情感化设计，是用户体验上的一个趋势。就像是给你带来便利，也照顾了你的感情，比如智慧零售啊，会让你用起来觉得很轻松很方便很舒服。

何为情感化设计？

情感化设计是（美）诺曼《情感化设计》一书中提出来的

它将设计拆分成本能、行为和反思三个不同的维度：

本能水平的设计，即外观设计
行为水平的设计，即交互设计
反思水平的设计，即人的思维设

B端产品具有好的功能是很重要的，让人易学会怎么使用也是很重要。

但更加重要的是，这个产品用起来要使人感到愉悦。

我们要通过设计的手段去把冷冰冰的产品赋予情感，再通过情感去建立与用户长期稳定的愉悦关系，这就是情感化设计。

B端产品要做到情感化其实是一个巨大的系统，除了设计本身还包括产品、线上线下运营、市场品牌、客户支持服务等多方面。

怎样去做B端的情感化设计？

打造情感化关键词：

建立情感化设计体系的第一步，通过对B端用户、场景、需求的讨论去建立最明显的情感特性，并且在之后所有的设计都要围绕这个方向来。

情感化的思考流程：

产品的表层——视觉与引导

拿到一个新产品时，最先进入眼帘的是它的界面。引导页、导航、控件布局、交互细节、信息流……这一切是产品的实体，同时也是情感的载体。我自己设计产品时，第一个页面的构想会花去数天，占总设计时间的一半以上。选择一个合适的视觉系统（Visual Identity），将会在第一时间把情感传达给用户。

选择颜色时，经常从产品本身的情感特点来参考。蓝色让人感觉冷静、睿智，再加上其与白色之间良好的搭配效果，常常用来表现科技、智能、智慧等内容；红色热烈又具有包容性，与亮色搭配可以营造出激扬的情绪，与暗色搭配又可以彰显格调；绿色象征生命与生长，在许多心理产品或公益产品中被大量使用。

控件布局时，整洁有序是基本原则，既要符合操作系统的设计规范，又要便于用户操作。一致性原则（同样的形态往往应当具有同样的功能）、接近原则（用户认为靠在一起的内容是相关的）、重复原则（不断出现的内容将会加深用户印象）等都是布局和控件色彩选用的准则，目的无非是希望打造符合心理感知的界面和逻辑。

细节交互时，我们主张不让用户选择（流程单向），不让用户迷惑（结果明确），不让用户厌烦（简洁有序）。拟物化的流行是因为当虚拟控件符合日常生活经验时，用户更容易对其进行预测和操纵；而扁平化则是在拟物的训练之后，抽象了信息和内容本身。

从上面的一些例子很容易看到，表象是内在情感的倒影，一切的外在设计都是从情感出发的。

产品的引线——需求和功能

都说一个好的产品，它复杂的逻辑和技术细节都是隐藏起来的。古代的机械笨重而丑陋，它的每一根轴承、每一个齿轮都在向用户炫耀着自己在整体中不可替代的作用——但是用户不需要这些。

越是高科技的产品，越是简洁易用的，用户只需要关注它解决的问题，而不需要知道它是怎么工作的。

产品经理挖掘需求甚至创造需求，把需求变成功能，然后化为逻辑，最后到一行行代码，一个个界面。需求就像烟花的引线一样，从这里进去，才能看到绽放。

我说需求是对用户情感的具象化，相信大家都能理解这个意思。

有的产品是『表情感型』（工具类）的，它解决了某一个具体的痛点，比如打车、外卖和闹钟——对应着出行、饮食和提醒。出行是一种情感上的需求，是对跨越空间的欲望；饮食早已不仅是生理需要，更是对味觉、视觉和心理的满足；提醒则是解决了对时间把控的焦虑以及自我约束的渴望。

有的产品是『里情感型』（社交、媒体等）的，它直接迎合用户社交的需要、对信息及媒体的渴望、对新鲜有趣事物的向往。这类产品在设计时更加注重情感的维系，如何激发用户分享的诉求、如何准确提供用户期待的信息、如何创造出好玩的内容，这都是设计师们绞尽脑汁所在。

需求作为中间层，承接了界面与内在情感，因此才显得尤为重要。但是在设计产品的过程中，一定要保持其承上启下的作用，切不能过于机械化处理，也不能让它流于表面。

产品的内在——情感反馈

这个世界上最完美的情感化产品是什么？是游戏。游戏本身千奇百种，但成功的游戏都有一个共同的特质——让人上瘾。『瘾』是一个心理学和生理学的名词，又泛指强烈的兴趣，在我眼中，兴趣也好，瘾也罢，都是情感一次一次得到满足之后的产物。

游戏中的情感反馈体现在方方面面。任务引导玩家探索游戏世界，而每一个任务即不能简单无趣，又不能复杂沉闷，它给予玩家一个目标（不远又不近），还有值得期待的奖励（真正迎合了情感反馈的需求）。如果一个任务是要搜集15个苹果，游戏设计者会在前12个苹果搜集时，设定比如百分之二十五的掉落率，但是最后三个，会将掉落率提升到百分之五十。为什么？因为冲刺给人快感，同时避免重复劳作产生的无聊。

有趣的是，游戏精湛地利用了正反馈和负反馈两种心理机制。

正反馈不断满足用户的心理诉求，给予奖品，提升等级和装备，让人获得成就感；

负反馈常常体现在一些挑战性游戏内容中，Flappy Bird 为什么让人疯狂？就是因为人们难以接受自己竟然一次又一次地失败在这么简单的内容和这么傻的小鸟上。

正因为游戏的成功，情感化设计在我的日常工作中占据了越来越大的比重。用户早已不再满足与简单的需求迎合，他们更需要符合情感反馈、想要好玩和有趣。设计互联网产品时，活用任务引导，可以避免机械的界面指引，并且更有效；利用用户之间积分以及卡通形象的成长和差异可以产生攀比，利于活跃度的提升；除了确定的信息以外，推送一些新奇的内容、或者赠送一首推荐的歌曲，都会让用户欣喜不已。

反馈机制是最美妙的系统，一个成熟的产品设计者必定能够像爱一样，贯穿产品的方方面面。关注用户的情感诉求，而不再停留在表面，可以指引我们做出更有趣、更好玩、更有用的产品。

友好的视觉特征可以描述为积极的，而不友好的视觉特征可以描述为消极的。友好不仅取决于所说的话，也取决于说话的方式（即谈话的语调）。我们基于对话来确定和描述人格的倾向可以在下面的例子中很容易地发现。这个例子使用对比、视觉重量、颜色值、大小和排版样式来改变语言所传达的意义。内容传达信息，但外观和感觉改变了信息被解释的方式，从而改变了意义。

你更愿意与下面的哪个表述进行对话？你会觉得哪个更迫使人趋近或回避？哪个更自然地抓住更多的注意？对于对话，有些人喜欢主导，而异性相吸。

打造具有识别性的视觉体系，形成更加有深度的思考、方法论、体系：

全新产品界面的视觉语言：

用户研究及竞争分析

在用户研究及竞争分析的时候，我们可以采用个专家评估的方式，研究内容主要分为产品功能需求，使用测试，交互操作体验，视觉体验等。

走查式评估：基于页面层级和页面进行评估
任务测试评估：基于用户角色和特定的任务流程进行评估
竞品评估：与同行竞争产品进行对比分析
比较评估：针对不同的设计方案进行比较评估

同时也会通过竞品分析，从竞争对手或者市场相关产品中，圈定一些需要考察的角度，根据真实的情况，发现可用性问题，快速提出产品的主要问题和改进方向。到底是渗到界面体验上，还是用户精准化需求，并且发现自身产品的优势，不断地进行挖掘。

又或者是1对1的进行用户深访，目的都是为了了解用户的特征，用户行为方式及行为习惯、心理及情感因素，现有产品的使用痛点或障碍；对产品的态度、需求和期待。

针对产品目标用户特征，基于项目时间和规模招募一定数量被访用户

根据项目需求，可选择在用户家里、实验室或者其他相关场合实施访谈，每次访谈大约1.5-2小时

访谈过程中通过文字、录音、视频、照片全方位的相关信息数据进行记录。

还有的是产品storyline性格体系建立，在视觉设计前期，进行性格体系的建立，能够帮助设计更加准确地传达品牌内涵，在提升品牌竞争力，同时有助于品牌推广及品牌传播，是产品形象深入人心。

通过对于企业文化的探寻及前期对于目标用户的研究，提炼产品性格，挖掘品牌内涵

进一步通过设计语言对产品性格进行视觉化提炼，形成一条设计故事线，并将其整体贯穿表达于整体产品方案中。

而这条故事线关系到用户在对产品进行使用的过程中，是否可以直接感受到产品的温度，感受到你对于产品的品牌定义。

用户体验设计实施

而对于流程中的交互框架，我们如何去定位交互原型框架，你要有一个在做原型设计、交互设计的时候，一定要从宏观的角度去考虑，而不是过度陷入一个流程细节。我的整体的一级框架是什么样子的，我的整个任务流程的架构是什么样子的，要有一个宏观的任务布局，所有的任务事件都是按照这样的摆布方式进行排序，再有个微观的细节处理。当然若是我们遇上一个线上线下的服务流程体验，都要有个框架和思维方式。

以及体验设计实施中，在设计师进行设计的过程中，我们都会进行视觉的探索，通过自然生活图片，我们可以探索到他的生活方式和色彩方向，甚至其视觉元素，其次带到我们的设计过程中。

包括真实过程中，会有些交互的原型文档，为了方便我们做验证性的可行性测试，通过可行性实验室，招募目标人群，通过检测流程中存在的问题，用户需求以及痛点，从而反馈到产品的迭代设计中。

探索B端国际视野战略：

明显的趋势

和VR、AR 这类大热的新兴领域相同，Chatbot 已经成为了互联网和投资的新宠。也许在普通用户眼里，Siri 还不够“成功”，但是它的实际功用和潜在价值让各大科技公司、创业团队都眼热。今年3月，微软在每年例行的Build 大会上推出了 Bot Framework ，随后而来的4月，Facebook 在 F8大会上展示了全新的Messenger 平台，然后是5月的Google I/O大会，会上发布了 Google Assistant、Allo Messenger 等应用和套件，而Amazon 也不愿落于人后，开放了Echo 智能音箱背后的AI 平台 Alexa 。

这些大型科技企业代表了Chatbot 的发展方向，那么紧随其后的是来自世界各地的创业团队。这些创业团队的Chatbot类产品和服务横跨多个平台，垂直到多个不同的领域：保险代理、虚拟助手、客户服务、虚拟买手、机器人平台，等等等等。

这些深入多领域推动ChatBot 发展的公司为我们展现了聊天机器人的巨大潜力，拿到大量融资的创业企业也证明了投资机构对于这一领域的巨大信心。

相比于VR和AR，单纯的Chatbot 似乎距离我们熟知的图形化界面要更遥远，但是它和广泛意义上的“设计”的概念却更加贴近。虽然类似Chatbot 这一的产品早已有之，但是如今我们的探讨的Chatbot 却比当年的粗陋的AI更加智能。

智能的证据

如果将Chatbot 和人工智能（AI）完全割裂开来看，是不合理的。但是目前我们所能接触的Chatbot 少有能够上升到人工智能的程度，正是因为人工智能（AI）的要求之高，从事这方面研究者少有直接拿人工智能来指代自己的研究工作的。

此时，就不得不提一下图灵测试了。

图灵提出了一种测试机器是不是具备人类智能的方法。即假设有一台电脑，其运算速度非常快、记忆容量和逻辑单元的数目也超过了人脑，而且还为这台电脑编写了许多智能化的程序，并提供了合适种类的大量数据，那么，是否就能说这台机器具有思维能力。

为消除人类心中的偏见，图灵设计了一种“模仿游戏”即图灵测试：远处的人类测试者在一段规定的时间内，根据两个实体对他提出的各种问题的反应来判断是人类还是电脑。通过一系列这样的测试，从电脑被误判断为人的几率就可以测出电脑智能的成功程度。

复杂的人类语言是人类传递信息表达思想的核心手段，模仿游戏就是围绕着测试者能否判断出机器和人类的语言而进行的。

全新的交互

自然语言的处理是Chatbot 所面临的最大的障碍之一。和我们常见的UI界面的UX设计不同，UI的可控性和内容的明确性更高，但是自然语言的逻辑、含义、语法、情绪、意图要比图形化界面复杂太多，

目前常见的做法，是将自然语言解构，提取出关键词，分析其中的词性、状态，猜测用户的意图和情绪，配合其他的信息内容，匹配用户分类模型，根据算法来给予反馈。

如果是涉及特定领域的Chatbot，需要专业性较强的知识库和针对性较强的模型。但是如果是类似Siri 这样开放式、不限定内容的Chatbot，就需要极为丰富的知识库和大量的模型，用以匹配复杂多变的内容。近年来进步明显的深度学习的算法让开放领域的Chatbot 更容易被用户“养成”。

还是以Siri为例，开放式的Chatbot 投入成本高昂，用户使用的目的性非常模糊，需求常常不明确，黏性较低，除了少数类似苹果这样的大厂会持续跟进推动之外，剩下的大多都是玩票性质的。

垂直到特定领域的Chatbot 本身就具备场景化、专业化的特征，目前接受天使投资并且影响力靠前的Chatbot 初创公司大多数都是这种类型。但是在这种目的性很强的语境下，Chatbot 需要具备更强的分析和识别能力，除了专业性的知识，还要能够清晰地理解用户的意图，给予针对性的解答。

开放式的Chatbot 适用范围更广，所面对的用户群体更大也更多变，合理的运用之下，无疑可以产生不可估量的价值。这个时候的Chatbot 可以是一个平台化的产品，给予适当的权限和功能支持就是一个强大的操作系统，而交互上使用的就是自然语言。这就是一个全新的交互界面了。

技术的壁障

自然语言输入的首要障碍就是语言的识别的问题。且不说中国八大方言体系下多如牛毛的分支，即使同样说的是普通话或者英文，千奇百怪的口音也会对信息的正确录入产生影响。当然，如果语料库够丰富，这个问题可以一定程度上得到缓解。

所以，目前许多相关的Chatbot 都依然采取的是文字输入的方式，彻底回避到语音识别的问题。从UX的角度而言，这样的服务反而不如专门的APP来得实用。

当用户提出了问题之后，Chatbot 通常需要解构自然语言，获取关键信息。目前自然语言解构通常是借助NLP技术来实现，也就是神经语言程序学 (Neuro-Linguistic Programming) 的相关技术。NLP发展道路上不断吸取逻辑学、心理学、哲学等其他学科的观点并用以整合形成自身的学术论点，这种包容的结合带给了NLP作为一个学术的逻辑体系。NLP 可以用来解构语言、思维和行为上的习惯，但是这门依然在不断发展、包容性极强的学科本身的缺陷也很明显，现在Chatbot 有限的识别度就是证据。

不过Chatbot 的实现方式并不一定非得是解构-提取-排序-匹配模型的方式来实现，Chatbot还可以以类似人类学习语言的方式，通过语料库或者深度神经网络技术来模拟、生成语言模型，这种“养成”式的Chatbot 需要大量的语料库来支撑、优化，它通常学习性更强，不会犯语法和表述上的错误，可以更加自如地应对预设外的问题，规避人为设定带来的不确定性，维护性更好。目前Google 的 AlphaGO 就是基于此技术发展而来。

情感的设计

Android 的设计主管 Matias Duarte 曾经在 Android 4.0的发布会上向所有人提问：“机器是否拥有灵魂？”他给予的答案是充满全新“性格”的 Android 4.0 的设计语言，当然，延续自此的 Material Design 设计语言同样是出自他的手。