信息交互设计- 课件 03 设计定义

信息交互设计第三章-设计定义从用户需求到设计定义在产品生命周期中，需求分析的下一个重要环节是如何将需求作为输入，转换成设计元素。从设计管理的角度，能否将庞杂和结构性差的需求点有效转化成目标产品的设计元素或属性是设计定义阶段的重点。数量收敛与质量提升找到设计定义阶段的重点是一个从数量上收敛需求的过程，也是一个从质量上结合企业能力、竞争对手表现、行业趋势与用户洞察等将需求与设计进行连接、对需求进行分类和取舍的过程。从第一阶段发现的各类问题与需求出发，进行设计创意与创新，为解决问题和满足需求提出合理的方案。创意方向的影响因素设计创意与创新时需要考虑多个因素，如公司的战略、设计对象在整个产品体系中的位置、竞争对手表现、可用的技术解决方案、商业利益等.在众多因素中，目标客户的需求是核心。需求的表现形式-I型需求I型需求是以相关利益者尤其是目标用户体验视角来描述的，这类需求通常是以客户而非设计师的语言表达出来的，有时具有一定的模糊性。对于I型需求，重要的是能从设计师的专业角度，为这类模糊性的需求找到可能的具体设计方案，将模糊需求落实到具体的产品设计中。需求的表现形式-II型需求II型需求是以设计语言或技术语言来描述的，比如用户说喜欢“扁平化设计”“卡片式布局”。对于II型需求，避免陷入“凡是用户讲的都要满足”的误区，不要因用户提出的具体需求“一叶障目，不见森林”。福特汽车的启发以福特汽车的观点为例，“如果我问用户他们想要什么，他们会说一匹更快的马”。在这个例子中，客户不只提出了需求“更快”，也提出了设计解决方案“马”。从为需求提供设计解决方案的角度，“更快”是设计创意发散的出发点，“马”则是设计解决方案之一，但不是唯一的解决方案。福特汽车的启发这种需求有两个受限条件，一是在当时的条件下“马”的速度已经达到了“马”这类物种的生理极限；二是当时的用户作为乘客其思维与认知受到当时的交通工具形态的限制，能想出的满足自己需求的设计形态囿于各种“马”中。设计师的天职提出问题和期望是用户的天职，而提供解决方案来处理用户的问题和期望则是设计师的天职。正如乔布斯所讲，“你需要从客户体验出发倒推需要什么技术，而非在技术开发出来之后才思考怎么把技术卖给客户”。需求到设计的转化困境在将需求转化为设计解决方案时，容易遇到需求遗漏和需求放大的问题，导致先前需求分析的结果没有得到充分的挖掘和利用。需求遗漏是指需求项被主动或被动地忽略，因此在最终的设计创意中缺少针对这些需求项的解决方案。质量功能部署为了高质量地完成从需求到设计的转化，需求管理领域的专业人士探索了多种方法，质量功能部署（QualityFunctionDeployment,QFD）是其中经实践证明最为有效的方法之一。QFD是一种将客户的需求转化为服务或产品的设计、功能、品牌、生产、制造、运营等方面的定量参数，继而部署到产品创意、设计、开发、制造、营销、服务等产品生命周期各阶段中特定要素的产品质量管理方法。质量功能部署QFD方法最早由日本质量管理专家赤尾洋二和水野滋在20世纪60年代提出。1945年之后的几十年间，日本汽车行业通过对汽车客户需求的敏锐洞察，发现美式大排量汽车受石油危机影响对普通消费者而言使用成本高，找到了一条高性价比的汽车发展道路。日本工业崛起的过程中，日本企业对于消费者需求的关注，以及日本质量管理界提出的一系列消费者洞察相关的方法论无疑起到了重要作用。模糊前端设计过程的一个特点是，在开始阶段用户的需求和设计的目标往往是模糊的，称为模糊前端（FuzzyFrontEnd）。因此，能否将模糊的需求清晰化，并转化为设计属性至关重要。质量屋（HouseofQuality）质量屋是QFD方法论体系中的一个重要部分，其为将客户需求转化为设计属性提供了一种简捷、易用的方法与工具。HoQ适用于完成需求分析之后的阶段，这时需要考虑如何将需求分析的结果转化为设计师等企业内部人员可理解的专业语言，从而变成工作的一部分。从设计创新的角度，HoQ或QFD的整套方法论既可以用于改善性设计活动，也适用于突破性设计创新活动。质量屋（HouseofQuality）如图所示，HoQ以客户需求-设计创意（产品需求）关系矩阵为中心，包括客户需求集（列表）与权重，设计创意集（列表）及创意关系矩阵、客户需求满足程度、设计机会点、设计创意对解决客户需求的权重等构成。用户需求列表在将需求转换成设计解决方案前，需要先梳理好需要转换的需求列表，即需求分析阶段形成的需求集。需求集中的需求项为I型需求，即从用户视角表述的需求，可以是体验上的痛点与期望等，如“流程烦琐”“界面杂乱”“更小清新些”等。用户需求的权重分析通常一个产品或服务所承载的功能与设计创新点有限，无法充分满足所有的用户需求。当需求点两两之间可相互比较且数量较少时，可采用层次分析法（AnalyticalHierarchyProcess，AHP）来确定需求项的相对权重；当两个或以上需求点无法直接比较或需求点数量多时，可采用对需求点的可比较性无要求的卡片分类、卡诺法等对需求的重要性进行分析。竞品分析与红海需求有的需求点竞品已经提供了比较多的解决方案，这类需求可称为红海需求。进入红海需求的可能是由思维定势引起的需求点。比如，“想喝水”这样一个需求点，从马斯洛需求层次来看，既可能是一个低层次的“生理需求”，也可能是看到其他小孩子在喝水，从众行为驱动的需求；因此，在遇到红海需求时，也可以突破思维定势，思考是否可以超越需求的“原始属性”，提出与竞品有所不同的差异化设计创新方案。针对需求点的创意发散用户需求始终是HoQ中设计创意方案发散的约束条件。这意味着在提出每个设计创意方案时都要思考：这样的一个方案、功能或设计元素对于满足对应的用户需求是否有帮助？以及通过什么方法满足用户需求？可以对设计创意点的互吸/互斥情况进行分析，以检验互相之间的关系。设计创意点与用户需求的关联度分析可以用定量的方法描述个需求点和设计创意方案的关联性。本书用表示第i个需求点和第j个设计创意点的关联性。基于可以计算某个用户需求点和所有设计创意点的关联性总和，以及某个用户需求点所处行的总和。

理论最小值为0，若为0则说明目前通过设计创意找到的所有设计解决方案与这个用户需求点都没有关联性，如果这个用户需求点很重要，就需要有针对性地再次进行设计创意。关联性总和

设计创意点与用户需求的关联度分析冗余度计算

可以计算（）的分布情况分析设计解决方案在某个需求点上的冗余度。若标准差为0，意味着所有设计解决方案与某个用户需求点关联性相同，若平均值比较小，说明还未找到有效设计方案，若平均值较大，说明设计方案已经达到饱和状态。这些指标还可以用来分析设计解决方案是否冗余，计算公式如下：标准差较大，意味着目前的设计解决方案与某个用户需求点的关联性差异较大，这时如果平均值

比较小，说明多数设计解决方案都无法有效解决用户需求。设计创意点与用户需求的关联度分析还可以检验各个设计创意点（）对解决用户需求点的贡献性大小之和（），若和为0，说明属于无效创意。当两个设计创意点贡献大小之和相等，标准差更大的仅解决部分问题，标准差更小的则属于“普惠性”创意；但要注意，“普惠性”创意也可能是由于不够聚焦导致，还需要做二次创意发散。创意的贡献机会分析在质量屋的右侧加一个房间，可以分析直接、间接与潜在竞争对手对每个用户需求点的满足程度，可以据此分析解决这个用户需求点能给企业带来多少机会。在质量屋的底端加一个房间，可以分析直接、间接与潜在竞争对手在每个创意解决方案上的实现程度，之后据此分析采用各创意解决方案能给企业带来多少机会。创意点到解决方案最后需要结合企业的前端技术平台、终端形态、运营需要等，将这些设计创意点组合为一个可供用户使用的信息交互产品。可以使用一些相对成熟的产品模型来验证设计创意点的合理度，比如使用用户体验的5要素模型，分析各设计创意点在战略层、范围层、结构层、框架层和表现层上的分布情况。平衡计分卡平衡计分卡（BalancedScorecard,BSC)为评价一个设计方案提供了一个由多维指标构成的方法。如图所示，可以借用平衡计分卡来对设计方案从财务与非财务两个角度进行收益分析，结合公司的整体战略选择合适的方案。特点是能将企业的长期愿景和宏观发展战略与内部职能部门的行动计划与业绩评价指标联系起来。卡诺模型（KanoAnalysisModel）在将用户需求点转化成设计创意点后，可以基于这些设计创意点对用户满意度的影响对其进行分类。卡诺模型就是一种可以从情感反应角度测量和分析用户对设计创意点满意度的方法。卡诺模型由日本东京理工大学教授狩野纪昭（NoriakiKano）在20世纪80年代提出，也被称为“客户满意度与实施投资”方法。它是一种分析工具，可以帮助设计师了解如何衡量和探索客户对产品或功能的情感反应。卡诺模型（KanoAnalysisModel）在卡诺模型中，一个设计创意的卡诺属性取决于用户对这个创意点在两个问题上的回答结果。正面：当产品具备此功能，你的感觉如何？反面：当产品不具备此功能，你的感觉如何？五级量表：沮丧不满意中性满意开心双向提问机制卡诺模型的属性分类必须属性（Must-beFeatures）是用户认为一个产品或服务所必须具有的属性，比如一个视频类网站产品中，调节播放窗口大小模式功能就是一个必须属性。当用户对产品具有某个设计创意点的情感反应是中性，对产品不具有某个设计创意点的情感反应是负面（沮丧或不满意）时，这个设计创意点对产品而言就属于必须属性。从对产品满意度贡献的角度，必须属性不会提升产品的满意度，但会损害产品的满意度。必须属性卡诺模型的属性分类绩效属性（PerformanceFeature）是用户期望一个产品所具有的属性。绩效属性是直接决定用户对一个产品满意或不满意的属性，与产品的满意度线性相关，因此又称为“一元属性”。当用户对产品具有某个设计创意点的情感反应是正面（满意或开心），对产品不具有某个设计创意点的情感反应是负面（沮丧或不满意）时，这个设计创意点对产品而言就属于绩效属性。从对产品满意度贡献的角度看，绩效属性既可提升产品的满意度，也可损害产品的满意度。绩效属性卡诺模型的属性分类魅力属性（AttractiveFeature）是能给用户带来兴奋与喜悦的属性。当用户对产品具有某个设计创意点的情感反应是非常正面，对产品不具有某个设计创意点的反应是中性时，这个创意点对产品而言属于魅力属性。卡诺属性会随时间推移变化，出现属性下沉现象，比如吹风机的调节风速功能，当某产品制造商刚推出此项功能时，相对竞争对手而言属于绩效属性甚至魅力属性，但随着其它竞争对手陆续推出此项功能，就会下沉为必须属性。魅力属性卡诺模型的属性分类无关属性（IndifferentFeature）是对用户满意度不会产生任何影响的属性。当用户对产品具有某个设计创意点的情感反应是中性，对产品不具有某个设计创意点的情感反应也是中性时，这个设计创意点对产品而言就属于无关属性。无关属性过多时意味着设计创意阶段提出的设计创意点偏离了大方向，这时需要思考是否创意点背离了产品的定位。无关属性卡诺模型的属性分类反向属性（ReverseFeature）是仅能给用户带来沮丧与不满意的设计属性，这种属性是用户不希望某产品或服务会提供的。反向属性对产品满意度的贡献与绩效属性正好相反。视频类网站中的广告是非常典型的反向属性，是为了产品的商业利益而损害用户体验的功能。这时就需要在商业利益和用户满意度间权衡利弊。反向属性卡诺模型的属性分类用户对产品具有某个设计创意点的情感反应是开心，对产品不具有某个设计创意点的情感反应也是开心时，我们就可以怀疑用户有可能没有理解或认真思考这个问题，可以将其列为无效数据。无效属性卡诺属性的统计计算方法二维矩阵分类：通过交叉分析正反向问题的答案，将每个用户的反馈归类。频数统计：举一个具体的例子，以250位用户调研为例，其中：必须属性：125人绩效属性：78人魅力属性：27人其他：20人（无关、反向）原始数据解读卡诺属性的统计计算方法如何验证抽样调查的结果能推广到用户总体？→使用卡方检验或非参数检验（数值＜5时）来验证分类结果是否具有显著性。需要对比实际观察值与理论期望值的差异。假设前提：零假设：用户将创意点归为5类属性的人数是相等的（即纯随机分布）。卡方检验卡诺属性的统计计算方法以刚才250人的例子为例，可以计算得到卡方值为203，计算结果如下：查表可知自由度df=4，该结果出现的概率p小于0.01。结论：有极高的把握推断，在该案例中，样本数据的分布并非随机产生，该设计点确实主要表现为“必须属性”。卡方检验卡诺属性的统计计算方法上述提到的归类法较为单纯，忽略了其他类别中包含的满意度信息（例如部分用户认为是魅力属性，这个信息本身就具有价值）。MikeTimko方法：引入满意度系数（Better）和不满意系数（Worse）。目的：量化当功能“提供”或“缺失”时对用户情感具体的冲击程度。满意度系数分析卡诺属性的统计计算方法变量说明：A=魅力（Attractive）O=绩效（One-dimensional）M=必须（Mandatory）I=无关（Indifferent）R=反向（Reverse）用户对产品的满意程度提升系数和损害系数的计算公式如右图所