Відео

明輝講的真好👏

😀

😊

2024 春季班 week 11: 2-5 50:37 UI 設計師與UX 設計師的分工，UI 設計師重視設計跟互動細節的安排、UX 設計師重視人跟系統互動的「邏輯」跟「規則」。產品介面的最後一個步驟是由 UI 設計師將其設計完成的，在這之前 UX 設計師，透過線框圖或者是可供測試溝通的雛形進行介面布局、完整性的討論，來達到「易用性」的目標。 week 12: 2-6 53:08 介面設計原則，''設計心理學''這本書有提到六項基本原則，分別是可視性、回饋、限制、對應關係、一致性、預示性，六個視覺面的設計原則都圍繞著使用者的資訊需求而生。生活中很常碰到的操作介面是電梯按鈕，發現有些電梯按鈕一旦變換位置後，實用上會變得很不方便。例如習慣開關鍵位置都屬於左右並排一起，當變成上下位置時，使用者很常按錯，也就導致生活上的不便利，進而感受到這是個不好的設計，體驗的感受也相對較不好。 week 13: 2-7 57:37 設計的原型是為了在設計過程與使用者的需求進行溝通，目的是為了確保設計師在產品構思的思考是離市場越來越接近的，也就是前面說的降低設計不確定性。透過不同層次原型從使用者身上獲取一些證據與線索，進而幫助我們能夠更具體了解設計應該定調的方向，或者是如何修正與調整。 week 14: 2-9 1:03:14 原型測試階段，可以透過文字、漫畫的形式幫助使用者看到情境，能夠回想這個情境在過去生活上發生的頻率以及這個情境對他的重要程度，進而驗證''需求''的重要性。多加利用原型測試方法，能夠幫助產品對齊用戶需求以及對齊商業目標。 week 15: 1-8 28:41 UX 研究的思維就是不斷探尋與驗證假設，一路降低設計的不確定性，直到最後獲得對於產品程度的信心提升。當整個設計的過程充滿了不確定性，研究方法就能夠幫助我們降低設計的不確定性。 week 16: 3-8 1:33:26 使用性(Usability)指導原則，掌握三個核心、量測的指標，分別是有效性-能否達成預期目標、效率-花費的時間與成本、滿意度-使用者主觀滿意度，掌握這三項能夠檢視產品是否幫助使用者順利達成目標。 week 17: 3-7 1:30:39 運算式的設計思考，把運算的能力加在設計思考的流程上，提升設計思考產出的品質。當產品進入上市階段，例如系統設計，可透過後台資料收集的應用，了解在什麼時間點被呼叫了幾次、功能的互動熱門時間被分佈在何時等等，目的是為了瞭解，開發的功能使用者是否有在使用、如何使用？將數據科學的思維加上設計思考的過程裡，也是不錯的考量。

2024 春季班 week 3: 1-3 15:42 常見的迷思：使用者中心設計 ≠ 使用者最大，UX 是門尋找「商業」、 「技術」 、 「用戶體驗」之間巧妙平衡的科學，我們需要從商業可行性、人們的渴望、技術可行性三者之間取得平衡點，才是比較良好的設計。 week 4: 1-4 17:34 最常見的設計思考流程，從共情、定義、創意思考、原型、測試這五個步驟，都是設計思考的必經過程，透過流程圖能夠讓設計流程化、透明化、可溝通，不只設計師可以更清晰設計過程，也能夠同步讓其他部門更加掌握設計狀況。 week 5: 1-6 22:16 產品的使用者是目標族群中的典型代表，但並不代表選定的範圍族群需求都是相同的，是因為他們有共同的需求，但這些人並不是100%相同的，因此定義出TA就很重要了。 week 6: 1-9 31:58 產品價值跟使用者體驗之間有什麼關係呢？設計產品時常提的需求跟痛點，它是一個模糊的概念。人們在乎的價值要像是：能不能解決我遇到的問題? 能不能提升我的工作效率? 創造愉悅的體驗? 產品的目的就是：「滿足使用者的這些需求或者是痛點，進而傳遞價值給目標族群。」所以這一系列的關係，就是產品設計的價值提供鏈 week 7: 1-5 20:11 使用者有各種不同的需求，就是先前課程提到的「使用」需求、「互動」需求以及「情感」上的感性需求。一個消費者在購買產品的過程裡面，會進行一連串不斷的決策。而決策裡兩個重要元素，價格＆產品帶來的價值（也就是所謂的 性能）就是決定人們選用產品的關鍵。 week 8: 2-3 45:47 人機介面作為使用者與機器之間的互動橋樑，人們為了讓系統幫忙達成自己期待被執行的任務而對系統下達指令，此指令下達於介面之上， 介面就會將人們所傳達的命令轉變成對於系統控制的指令或者是程式。白話而言介面就是人與機器溝通的橋樑。 week 9: 2-4 48:08 在進行資訊架構的階段時，訊息的品質可以用「可讀性、可理解性、充分溝通」三個層次來進行描述，三個層次同時滿足，才能解決使用者在一連串訊息化、決策過程中的某個環節。

20:33 覺得UX跟行銷的某些觀念似乎是一樣的🤔🤔🤔

2024春季班 week17 3-7 1:29:31~1:30:20 設計思考是為了讓設計師的溝通更有效率，但設計思考也有問題跟偏誤需要被優化，所以設計思考內思考的材料很重要。 為了讓設計的準備有更好的思考材料，輔助資料的準備就非常重要，輔助資料分為兩種：主觀資料跟客觀資料。 主觀多為人講述自己的感受、想法跟經驗 客觀是透過機器提供的數據，描述已發生的事實 設計跟資訊整合，有質化研究收集的主觀資料跟量化研究收集的客觀資料，都是為了要去解決問題。

W17 3-7 1:29:30 雖然設計思考可以讓流程客觀化，但是設計者本身也是人，存在個體差異性，應該要將個體差異的影響立降低至最小 1:29:50 設計工具本身沒有好壞之分，只有設計者有能力強弱之別，所以保持彈性與靈活在不同的時候採取不同策略、因應不同假設靈活使用不同研究工具才是最重要的事，並不是照著UX研究框架就是在做UX。

W16 3-8 1:32:26 ISO9241-11使用性指導原則 1.有效性(Effectiveness) 實現目標的百分比 2.效率(Efficiency):完成一項任務的時間；單位時間內完成的任務；執行任務的金額成本 3.滿意度(Satisfaction):滿意度評定量表:自主使用的頻率；投訴頻率 1:37:35 UX與Usability的關係 Value 價值 -產品是否為用戶提供價值? Usability 使用性 -完成目標作業容易嗎? Adoptability 探用性 -人們會開始使用該產品嗎? Desirability 渴望 -體驗有趣且有吸引力嗎?

W15 1-8 28:44 UX研究的目的其實只有一個:幫助降低設計的不確定性 降低不確定性包含幾大要素 : 目標用戶 用戶需求 產品功能 產品互動 濟面設計 產品原型體驗 30:19 認知演練法:常用於易用性評估，主要雖用來測試及評估設計方案與使用者互動的品質，但評估過程中，也有助於設計者發現未知之互動方式。

2024春季班W17 傳統UX方法 和 數據驅動的UX方法可相輔相成，都是從「了解」到「解決」到「優化」的循環過程。一個以數據方式進行設計思考的案例是，將數據思考導入到A/Btesting，不僅可更客觀地找到更適合的方案，還可以自動修正與優化，找出最佳化的解決方案。

2024春季 Week 17 (5/6) 3-7 1:30:50 分享一個以數據方式進行設計思考的案例： Netflix用AI來分析使用者的觀看喜好並提供個性化的推薦，同時結合自動撥放預告片的功能來吸引使用者。

2024 春季班 W14 2-9 1:03:08 這裡研討影片有題外話講到掌握使用者需求的方式，以 midjourney 舉例，創建一個使用者可以交流回饋的平台。而我愛用的筆記軟體 heptabase 也使用了這樣的模式，無論是系統有 bug 或是軟體操作問題或分享，都可以在上面和開發者或其他使用者產生交流，最可貴的是發現產品有各式各樣的使用可能性，產品為使用者帶來愉悅的體驗。 1:03:55 認知演練法 Cognitive Walkthrough：大聲說出在想的在做的，表達腦內的思考搜集互動後的回饋。 1:04:05 SUS 系統易用性量表：過去有填寫過，但對於分數計算、如何解讀分數沒有太有概念。 奇數各題分數= 填答分數 -1 偶數各題分數= 5- 填答分數 各題得分加總x2.5，對照 SUS 分數表格，總分越高越好。70 分以上的產品是可接受的

2024 春季班 W13 2-7 57:24 原型測試是暫時的樣貌，是為了溝通而存在的設計型式 任何工具達到溝通的目的，依照駕馭工具的能力，目的是有效率的溝通，手繪、軟體都是可以的 57:38 原型其實不只限於一種方式：sketch 草圖、wireframe 線框圖、mockup 模型、prototype 原型等，對應到不同階段的確認過程，會提供不同精緻度的原型。 概念驗證（價值主張）、介面風格、互動驗證、操作驗證等階段。

2024 春季班 W17 01:28:54 第3-7章 運算式設計思考 舉例數據式的設計思考除了在軟體內部收集資料，另外也有透過CCTV來預測人的行為， 例如日本超商會用CCTV影像搭配AI學習軟體，偵測挑選動作或其他左右查看之類的小動作，來預測這個人有幾％的機率會進行偷竊。 在之前的章節學到可以用埋code的方式收集行為資料，但不知道用在哪裡， 看了本章節清楚了很多，並且也才知道市面有眼動追蹤的模擬軟體。 另外看過本章節才意識到自己早就在被收集行為數據，和怎麼沒想到可以導入到公司的產品裡，例如用line chat bot步驟化來了解使用行為。

2024春季班 Week 17 3-7 重點筆記 1:29:25 設計師能透過設計思考將溝通效率最大化 1:29:30 Design Thinking讓設計更客觀化了，但還有一個變因會造成思考誤差，就是"設計者"，因為一樣米養百樣人，所以必須將這個差異最小化 1:29:43 創意是有步驟的！人類創意思考活動的七步模型 確認問題點🕵➡蒐集相關資料🗃➡假設及分析資料✔❌➡產生建設性的idea🌟➡暫時休息醞釀思維💤➡將已分析的資料做整體面向的結論(結果)🎁➡判斷最終的構思，並評價其價值及功用✨ 1:30:00 可以透過機器來提供資料，彌補人類先天上的劣勢 1:30:40 引入數據運算的思維，可以輔助我們在設計思考時的想法，畢竟數據會說話！

2024春季班 Week 16 3-8 重點筆記 1:33:02 UI Design重視外觀及感覺、Usability Design則是以互動效率又快又好、User Experience Design重視整體的感受 1:33:26 使用性指導原則 有效性:實現目標的百分比、完成任務的用戶百分比、已完成任務的平均準確度 效率:完成一項任務的時間、單位時間內完成的任務、執行任務的貨幣成本 滿意度:滿意度評定量表、自主使用的頻率、投訴頻率 1:33:33 消費性產品與生產性產品的指標各有不同，消費性產品在乎的是特定功能的需求、介面易於操作且美觀、產品的整體感受良好及情感上的認同；生產性產品則是符合工作目標及防呆失誤少、操作易學、產品的整體感受良好

2024春季班 Week 15 1-8 重點筆記 28:35 研究目的有二，一是探索未知，二是驗證假設。 UX三刀流心法:UX設計未必從「需求」推導產品，也可以從「創想」驗證需求 28:45 UX研究目的在於了解使用者需求降低設計的眾多不確定性 29:15 UX研究方法的流程 1. 確認研究目標 對設計的影響->產出研究評估 2. 規劃與執行 你好奇的問題->產出研究規劃 3. 資料收集 找到回答的方法->產出研究計劃書 4. 資料分析 解析發現的結果->產出資料報告 5. 結果解析 洞察結果的重點->產出分析報告 6. 設計應用 回歸設計的應用->產出研究報告 31:00 企業不做UX研究的五個原因 1. 不想多花成本(錢、人、時間) 2. 過度自信 or 不相信UX研究 3. 相信但不熟悉或是以為已經在做 4. 覺得UX研究的效益無法估算 5. 產業特性(收規格代工型產業) 企業UX做不好的五個原因 1. 靠直覺講需求，卻又各說各話 2. 以為套上了框架就是做了UX研究 3. 沒準備，起手勢就是要做訪談 4. 過度相信用戶提供主觀意見 5. 和大學教授合作，做成學術論文

2024春季班 Week 13 2-7 重點筆記 57:28 以UCD作為設計基礎，透過原型來聚焦使用者的需求，大幅降低設計師與使用者之間的溝通成本，而且在測試及驗證也比較能有所回饋 57:35 對於原型的還原度高低，取決於設計師對使用者需求的掌握程度以及資源的多寡，如果使用者給予的需求越明確，設計師的資源又足夠的情況下，當然是製作較高擬真度的原型，反之就只能先行設計較低擬真度原型 57:43 原型的擬真度從低到高依序是草稿(Sketch)➡線框圖(Wireframe)➡模型(Mockup)➡原型(Prototype) 58:15 UI設計工具三劍客Sketch、Figma、Adobe XD 58:20 介面模板市集Figma Dashboard UI kit、Figma iOS UI kit、Figma Charts Templates 58:25 原型方法介紹Acadeck.com

2024春季班 Week 14 2-9 重點筆記 1:03:00 原型測試的好處 原型的目的即是溝通用戶需求，對齊產品設計的目標 在用戶流及商業流各有不同的目標 用戶流:確保所設計的邏輯是否符合使用者的需求或其他潛在議題 商業流:在使用者需求以及成本利益考量，做出最適合的決策，最終要在符合商業市場的期待

2024春季班 Week 12 2-6 重點筆記 53:00 介面設計並不是由個人主觀意識來建立的，而是依照前人所制定的設計原則、規範以及規則去設計的(不是自己胡亂設計的唷!) 53:08 Don Norman 六項設計原則 ●可視性(Visibility) 我能看得見嗎? 如遊戲中角色的經驗條(不然我怎麼知道哪時候角色升級) ●回饋性(Feedback) 現在在做什麼? 如遊戲中的角色施放技能的時候，會不會有一些回饋(大喊技能名稱、或酷炫的動畫) ●限制(Constraints) 為什麼我不能這樣做? 如遊戲中的角色要強化武器的時候，沒有強化材料就不行點擊"強化"按鈕(反灰) ●對應關係(Mapping) 我在哪?我可以去哪? 如遊戲中角色升級的時候，可以點擊"-"及"+" 來增加角色各種屬性(力量、體力、敏捷等XD) ●一致性(Consistency) 我對它感到熟悉嗎? 如遊戲中角色與NPC的對話框的"下一步"都是一樣的樣式 ●預示性(Affordance) 我如何使用它? 如遊戲中的BOSS要施放範圍技能的時候，會有地毯紅光，這表示紅光範圍是會被K的喔 53:48 完形心理學 ●格式塔視覺設計原則 運用人心理對事物完整認知的能力來增加或協助視覺介面的設計 ●接近性 我們的大腦會把靠近的事物看成一體 ●相似性 我們的大腦會把相似的事物看成一體 ●連續性 我們的大腦會把事物看成連續的形體 ●閉合性 我們的大腦在觀察事物的時候，會將許多個獨立的元素視為一個完整封閉的圖形 ●共同命運 我們的大腦會把動態相近的事物看成一體 ●對稱性 我們的大腦會把對稱的物體視為一個整體 54:50 實感設計的介面元件 顯示: 介面元件安排內容 導航: 使用者在產品中移動往返 操作: 允許使用者介面控件來執行操作任務 輸入: 允許使用者以介面元件輸入資訊或進行選擇 溝通: 允許使用者以介面元件提醒用戶注意關鍵訊息和資訊 55:30 Human Interface Guidelines 六大設計原則 1. 美學的完整性 2. 一致性 3. 直接操作 4. 回饋 5. 隱喻 6. 使用者主控性 56:25 色彩的設計原則 灰色: 冷靜、中立 綠色: 健康、生命 藍色: 可靠、力量 紫色: 智慧、想像 紅色: 血氣、年輕 橙色: 歡樂、信任 黃色: 溫暖、透明

2024春季班 Week 11 2-5 重點筆記 50:35 UI設計師與UX設計師的職責分工 UI設計師 01 專注互動設計元素 02 專注視覺感受 03 介面設計至完成 04 專注介面每一頁的細部互動安排 05 專注美學元素 06 創造吸引特質 07 樣式的主觀偏好 UX設計師 01 功能架構與互動流程 02 滿足目標客戶需求 03 建立線框圖及可測試的雛型 04 專注使用者整體的互動流程的流暢度 05 功能與使用目的 06 解決特定問題 07 多是「數據」導向 51:30 從UI設計師角度出發 重視各頁面上的細節，在該頁面設計之前有一連串的思考 Thumbnail(表現一個頁面) ➡ Blockframe(區隔頁面中，資訊或功能的概略佈局) ➡ Wireframe(繪出頁面中可能用來展示資訊或功能的介面元件) ➡ Interface(加入視覺、圖像、字型、邊框、完整介面的靜態呈現，也可稱之為"介面模型" Mockup) ➡ Prototype(運用介面設計軟體或程式，實現介面元件的互動行為，讓操作更真實) 51:10 從UX設計師角度出發 重視互動上的合理邏輯，致力於產品操作方式以及使用者心智模型(mental model)的匹配 User goal(需求是什麼?) ➡ Task flow(如何在系統逐步操作和執行?) ➡ Wireflow(需要在介面上安排哪一些資訊和控件與使用者互動) ➡ User flow(介面上要提供哪些對應的反應? 如互動、回饋、動效以及提醒等)

2024春季班 Week 9 2-4 重點筆記 48:03 人與電腦一連串的互動，就是資訊溝通的過程，而介面就是扮演讓人可以看得到電腦所要表達的訊息，所以介面扮演了相當重要的角色，如何讓人看得懂、清楚明瞭以及讓人可以與其溝通，在資訊架構當中是首當其衝的任務 48:13 人在生活當中是隨時隨地的在做決策，而將過程細分來看就是【狀況察覺理論】當中的(1)察覺-發生了什麼事 🕵(2)理解-現在是什麼情形🙎‍♂(3)預測-事情會如何變化🤷‍♂(4)決策-該怎麼做好呢🙋‍♂(5)行動-就這樣做吧🚴‍♂ 透過資訊架構設計的方式來引導人們做各式各樣的資訊需求。 48:50 透過介面技術或互動功能，讓資訊有條理的安排，幫助人們可以理解 1. 不知道 => 思考目標族群本身是否已知/未知的 2. 沒看到 => 資訊讓人們找得到、看得見 3. 看不懂 => 資訊的分類、描述是讓人們看得懂的 4. 怎麼去 => 資訊引導人們依序完成所需的操作任務 5. 可以嗎 => 針對操作的行動，提供狀態上的回饋

2024 春季班 W16 01:32:24 第3-8章 使用性工程 為一個APP產品上架先在組織內部先做小型5～10人的使用測試。 使用SUS 系統易用性量表，透過google表單隨著測試連結信件發出， 除了十題基本問題，另外在各偶數的反向陳述題後安插開放簡述， 希望收集反面意見更細節一點的回饋來幫助後續的優化。

2024 春季班 week 17 01:28:54 透過數據的方式，更能夠客觀觀察到使用者的行為與背後的需求和想法。

2024春季 Week 16 (4/29) 3-8 1:33:02 UI Design著重在視覺呈現並確保該按鈕可使用 Usability Design 則注重互動效率是否快速良好，得到想要的結果 User Experience Design 確保功能快速有效率之外，又能令使用者感到驚艷 1:33:07 使用性的構成要素包括：有效性、效率、滿意度 1:35:19 使用性工程 > 使用性評估 > 使用性測試 心得：我覺得使用性的構成要素除了可以幫助設計思考之外，也可以用來評估自己對一樣產品的使用心得，例如：這個產品是不是能達到我預期的目標、這個產品的操作功能是不是簡單快速、整體使用下來的感受如何等等，讓我去思考這產品是不是值得購買或是可以有更好的改進。

2024春季班[W17][數據時代裡的設計思考] 01:28:54 3-7 運算式設計思考 ［設計思考］ ．設計思考本身就帶有人的主觀想法，不同的理解方式與表達，造成設計思考中的偏誤，我們如何在各自表述的想法中找出有價值的資訊? ．設計思考：重要的前奏 - 腦力激盪創意發想 ．在創意發想之前必須要做好準備，讓議題能夠真正被了解： 　1.確認方向(指出問題所在) > 2.準備(蒐集有關資料) > 3.假設分析(剖析有關資料) ．在創意發想的過程中了解問題的本質，接著進行腦力激盪 　4.構想(產生各種可採用的構想) > 5.醞釀(暫停休息，靜候靈感啟示) > 6.綜合(將已分析的資料再行綜合) > 7.評價(判斷所獲得的構想，評估其價值與功能 ＂設計思考的誤區：有經驗的設計者使用了各式工具，並作足了前期準備產出組合與規劃，卻看不到其中關鍵問題＂ ．設計者的背景知識、領域知識、經驗，與議題掌握就顯得特別重要．＂ ．設計思考方式，還有哪些可進步的空間？ 　（主觀＋客觀資料的獲取，提升對議題的掌握） ．透過機器的數據，客觀的提供已經發生的事實情報，蒐集即時與大量的資料 ．以機器的使用行為來說，用機器來提供資料較容易取得，彌補人類能力上的劣勢 ．人類的優劣勢 　－劣勢（需要休息／單工模式／紀錄的快慢／運算無法即時／信息慢且延時／記憶容量有限） 　－優勢（善於推理／想像／情勢應對／協同跨領域合作／機器的應用） ［運算式設計思考］ ．可將優化邏輯與產品共生，不斷升級優化產品 ．由下而上的透過數據歸納、分類，找到特定族群行為；再經由數據特性進行分類，找到資料之間相關的強度 ．K-means 集群分析演算法 ＋RFM變量 ．數據到想的A/B測試可多版版、不同機制的設計 ．傳統設計思考加入資料科學的領域，用數據驅動更客觀地蒐集資料，解構資料持續優化產品

2024春季班 w17 1:29:34 設計思考流程本身也需要優化，我想是本週給的重要引子。如何優化流程自身的品質，本週所講述的內容是採取常見的成長駭客(Growth Hacker)策略，也就是在熟稔產品/服務的營運體系下，導入數據架構、指標與反饋的做法到設計思考流程上，除了降低設計者自身所存在的可偏誤外，更重要的目標是要帶動產品生命週期中再成長的可能性。其中思考材料品質的準備，是檢視設計者專業與成長非常重要的面向，而非套框架，我想這部份真得是要在工作中磨練幾年，才能逐漸查覺真正洞察是在框架後要呈現的想法，而不是框架自身，當理解這一點。在軟體系統發展設計中，我自己在看待時，其中一個重要的測度，就是你會不會主動提出log紀錄該如何設計？該保留怎樣的資訊？哪些資訊是過時的？因為log紀錄的設計思考會直接反應設計者如何將使用者行動軌跡與紀錄與系統行為如何mapping，以及可能分析的視角，蠻多對系統瞭解尚淺設計者會忽略這個部份，也不能理解為何無法有記錄到具代表性的人機間的使用者行為軌跡，因為未對於"運算式"這個觀念的基礎工程有所瞭解。 最後，再回到設計思考流程本身也需要優化外，其實也不是只有運算式的路線，因為運算式的路線也很容易限於現有系統的概念框架，在自我優化可以很強，但要到創新概念生產卻會有段gap要努力。設計思考流程的優化策略，也可以從產品經理的市場與軟體配適功力去下手優化，譬如將 既有服務轉變組合將新客群的市場 嫁接進來，透過深刻理解不同市場的empathize，將ideate進行轉換進其他市場，透過商業模式創新手段導入設計思考，如亞馬遜電商大量的閒置硬體資源 嫁接至 雲端基礎建設的服務上，成為雲端儲存與服務空間商業模式的先行者。此種作法的源頭可能就不是來自運算式設計思考，而是來自於 商業模式創新式設計思考，提出某市場從未想過的服務體驗。當然，後續雲端服務的發展scaling up則就極需要運算式設計思考的模式。

2024春季班 3-7 1:31:37 數據驅動的persona 從後台互動數據提取有意義的內容，歸納出典型的persona，來代表產品的主要客戶使用產品的樣態 運用RFM model，從互動的行為裡，估算出使用者跟產品間的忠誠度高低？對哪些主題感興趣？ 在這個資訊發達的時代，製作persona時不再只能依靠設計團隊所彙整的資訊，搭配客觀的數據資料更能精確的定義客群，也更能說服團隊及管理決策階層。不只是persona，我想現在都必需與時俱進，懂得運用科技資源，才更能獲得事半功倍的效果

2024春季班 week17 3-7 1:32:06 心得：流程類似我猜應該都像是科學的方式，所以 source 的過濾仍舊是最重要的，不管是大數據或一般人工收集。 另外個人覺得設計師更需要學習如何從數據發揮「創新」能力。主因是數據畢竟是「過去」的資料收集，是收集使用者「已知」的操作，像之前的課程有提到，使用者有可能不知道實際上他們要的是什麼或其實要的更多但他們還想不到，所以使用者只會根據目前條件說明他們想要的 idea。設計師在過去就有創新的能力，接下來，借助 AI 與 LLM ，能如何將創新這件事變得更創新，就顯得格外重要。

［春季班 week16］ 01:33:03 UI重視功能被執行和實現 Usability重視操作過程的效率 UX重視整個操作過程的感受 01:33:26 滿意度>有效性+效率 01:34:07 研究學習螺旋: 目標/假設/方法/執行/統合 01:34:26 研究目標:探索性/比較性/評估性/驗證性 01:35:40 專家啟發式評估表 01:35:44 01:35:52 介面的黃金八原則 01:36:07 游擊可用性測試 ［春季班 week17］ 問題:如果想運用ai工具進行數據的模擬，像是熱點圖分析，會不會也會有人工智慧所產生的偏誤？ 01:29:24 設計思考:找出關鍵問題(empathize, define)/發展解決方案(ideate, prototype, test) 01:29:44 創意思考的七步模型:確認方向 > 準備 > 假設與分析 > 構想 > 醞釀 > 綜合 > 評價 01:29:54 前期準備的資料分為客觀和主觀資料 01:30:06 常見的數據來源管道 01:30:45 運篹式設計思考 01:32:04 資料導向創造的互動體驗設計

2024春季班 W17 1:29:39 設計師都是人，只要人都會受到各自理解與思考方向而影響。 1:29:54 思考材料影響後續發想的成果，可添加客觀數據資料和主觀感受資料來增加掌握度。 1:30:42 1:30:45 透過數據和機器的輔助，大量的質化資料可以簡單地歸納整理，也可較輕鬆產出溝通用的可視畫面，讓設計團隊能有更便利的溝通方法或是依據點。 感覺上，當基礎資料的大量蒐集和整理都可以由機器處理，人類就可以專心在更有創造力和感受的部分。

2024春季班 Week 8 2-3 重點筆記 45:41 HCI互動循環分為2個階段，一是執行階段、二是評估 HCI執行階段的組成元素 1. 確認目標 2. 形成意圖 3. 將執行順序具體化 4. 執行動作 HCI評估(Evaluation)階段的組成元素 1. 感知系統狀態 2. 解析系統狀態 3. 評估系統狀態 46:05 UI不只有一種型態，可以分成CLI(精準嚴謹、編輯式)、GUI(圖形隱喻、探索式)、NUI(直接互動、直覺式) 46:58 先前學者建立了一套HCI設計原則，總結來說 ● 用戶操作起來簡易且不複雜，使用戶控制機器起來是簡單的 ● 機器的反饋可視化的且清楚明瞭 ● 符合用戶的操作期待 ● 容錯設計 ● 若操作、識別上有困難時，制訂標準化來避免用戶的操作及訊息判斷不正確 本週分享案例作業: 因為我公司內部有投幣式販賣機，我很常去買零嘴來吃，就以這個主題來分享 🍪投幣式販賣機🍪 Step 1 輸入 ➡ 投入硬幣 Step 2 輸出 ⬅ 可購買的商品按鈕常駐亮光 Step 3 輸入 ➡ 點擊欲購買商品的按鈕 Step 4 輸出 ⬅ 機器將商品推出取貨口

2024春季班 Week 7 1-5 重點筆記 20:10 消費者在購買產品的時候，考量的面向是多元的。 1. 確認自身需求 2. 查找商品相關資訊 3. 比較可行的方案 4. 購買決策 5. 購買候評估 20:15 消費者在選擇符合需求的商品時，CP值決定他們最後購買的商品，符合消費者需求並且體驗越好的話，就算商品訂價高，消費者也有可能願意花大把鈔票購買，反之符合消費者需求但體驗不好的話，就算訂價在低也不會讓消費者買單。 20:38 競者者不單單只有生產相同類型產品的企業行號，當中有細分成: 1. 直接完全競爭者 2. 不同產品的競爭者 3. 不同客群的競爭者 4. 不同需求的競爭者 20:48 常見的競爭策略模型有(1)SWOT競爭優劣勢分析 (2)波特五力分析 (3)STP分析

2024春季班W17 3-7 01:28:54 創意思考七步驟模型： 1. 確認方向-到底要解決甚麼問題 2. 準備-收集資料，是否清楚掌握問題 3. 假設、分析-是否能將找到的資料，分析出問題徵兆 4. 構想 5. 醞釀-一段時間的沉澱與反思 6. 綜合-比對目前掌握的情報 7. 評價 思考材料怎麼來? 1. 設計師累積的背景知識 2. 資料蒐集 行為比意見更真實 設計思考不論是分幾步驟，本質上都是了解問題、解決問題、優化的循環過程

【2024春季班 第十七週課程重點筆記】 3-7: 1:29:24 效率化設計師溝通：Empathize、Define(找出關鍵問題) Idate、Prototype(發展解決問題) Test 設計思維偏誤→人：溝痛技術建立在設計團隊中的「人」，雖然design tinking客觀，但仍有主觀創造bias(設計師本身) 人類創意思考活動七步模型：亞歷克斯．費克尼．奧斯本→美國廣告業高管、腦力激盪創造力技術作者 確認方向：指出問題所在 準備：蒐集相關資料 假設、分析：剖析有關資料 構想：產生不同可採用構想 醞釀：暫停休息，靜候靈感 綜合：已分析資料綜合 評價 1:29:53 設計思考誤區： 設計者背景知識(領域知識、經驗)→前期準備(調查研究、議題整理等)→思考材料→創意思考轉換(發想、組合、規劃) 前期準備：客觀資料(機器提供)、主觀資料(人類提供) 設計輔助資料特性：即時性、可靠性、準確性、可理解性、大量性、完整性、可取用性、相關性 運算是設計思考：傳統設計思考+數據思考材料

2024春季班 Week17 3-7運算式設計思考 01:28:54 創意思考模型： 1. 確認方向 2. 準備 3. 假設、分析 4. 構想 5. 醞釀 6. 綜合 7. 評價 隨著Ai盛行，可以讓設計和研究達到不一樣的新高度 與其害怕被取代，倒不如與Ai 和平共處，抓取Ai 優點，補足人類的缺點，介面和使用者體驗會越來越美好。 前期搜尋資料的過程中主要資料來源可分為 1. 客觀資料(多數為機器提供) 2. 主觀資料(多數為人類想法) 人類和機器人對話可能會比較沒有壓力 例如目前很多app 都有chatbot：包含收集資料、了解資訊或是智能客服等等 除了省時外，在收集用戶偏好或資訊時，跟人工處理比較起來，會精準許多。 傳統的ux research 和數據為導向的ux 很像是感性與理性的結合 精準地對準使用者需求跟符合易用性 結論：輔助工具很多，工具沒有好壞之分，只有使用者的功力深淺，依情況使用工具或選擇研究方法，才能在開發產品路上順利的驗證問題以及解決問題，達到雙贏。 分享一個以數據方式進行設計思考(任何流程)的案例： 電商的轉換率是重要的數據資訊來源 自動搜集使用者行為回饋來提供數據

2024春季班W17：3-7 1:29:33傳統設計思考的盲區 只要是人類本身就會存在個體差異，雖然Design Thinking可以讓設計更加客觀化，但往往會忽略個體差異所帶來的影響，認為只要有使用產品就能對其提供意見，而為了要解決這問題就需要將其影響降到最小。 1:29:43人類創意思考活動的七步模型(Alex Faickney Osborn提出) 為了有效的解決問題，可以針對特定的問題進行解決問題的思考，確保大家有相同的共識，可以更聚焦到問題上面並獲得更多有參考性的資料 1.確認方向：指出問題所在 2.準備：搜集有關的資料 3.假設、分析：剖析有關資料 4.構想：產生各種可採用的構想 5.醞釀：暫停休息、靜候靈感啟示 6.綜合：將已分析的資料再行綜合 7.評價：判斷所獲得的構想，評估其價值與功能 1:29:51設計思考誤區-這看起來不像有問題 多數工作者誤會了照著框架填內容就是在做UX，設計工具本身沒有好壞之分，只有設計者的能力有強弱之別，可以透過主觀、客觀的資料獲取，提升對設計議題的掌握。 1:30:03用機器來提供資料，幫助設計決策的思考材料，機器可以彌補許多人類上的劣勢，如持久、專注、紀錄、運算、信息、記憶等，利用行為數據客觀的觀察用戶的狀態，像是第三方API數據、內建軟體收集的數據、第三方的行為追蹤工具、客戶關係管理(CRM)系統等，來幫助設計師推敲需求。 1:30:15將UX與AI做結合，將設計由主觀逐漸趨向數據導向的科學與客觀，也可以結合用戶研究及資料科學的方式，利用主觀與客觀資料互補，交叉驗證用互需求，盡可能接近事實。 1:30:38運算式的設計思考-為傳統設計思考流程中加上數據的思考材料，引入數據運算思維，搭配傳統運算思考、使用者研究的方式，提升設計思考產出品質。 1.對話機器人以非結構、分次、持續的方式收集用戶偏好 2.觀察法取得用戶行為 3.日誌紀錄VS系統日誌 4.用數據軌跡代替人類觀察 5.產品自帶自我優化的機制 6.Personal-Top Down(傳統思考假設)VS Bottom Up(下而上數據歸納分類建立)

Week 17 01:28:54 效率化: 設計師的能力可以透過設計思考放大和提升: 一、找出關鍵問題 1. Empathize 2. Define 二、發展解決問題方案 3. Ideate 4. Prototype 5.Test 設計思考的偏誤是人，每個人的思考本質不一樣，所以要將其影響降到最小 人類創意思考七步模型: 1. 確認方向, 2.準備, 3.假設和分析, 4.構想, 5.醞釀, 6. 綜合, 7.評價 優質的設計思考，建立在優質的思考材料之上 提供大量的客觀資料和使用者的主觀資料，可以讓設計決策判斷更加準確 機器客觀資料可以補足人類主觀資料的不足 常用的數據來源: 第三方API、第三方行為追蹤工具、伺服器日誌, 社交媒體數據、CRM系統…等等 以資料科學技術補充及優化原有的設計思考流程: 例如: Data或Chatbot取得使用者的需求及回饋 使用生成式AI提供概念設計來提供討論 自動收集用戶行為回饋和迭代優化A/B測試版本 Persona以傳統設計師方式是一個非常不容易對焦的誤區。 透過數據歸納、分類建立出來相容行為的受眾群族，如果歸納出來的族群人數夠多，就是一個典型的Persona 傳統UX方法與數據驅動的UX方法: 在設計領域上加入資料科學的思維，讓兩者交叉輔助交互掩護，讓其成為良好的思考材料 Design Thinkin : 1. Empathize, 2. Define, 3. Ideate, 4. Prototype, 5.Test Machine Learning: 1. Analyze, 2.Synthesize, 3.Ideate, 4.Tuning, 5.Validate 學習完本章後，數據對於設計決策有著很重要的幫助，因為單獨只聽使用者的需求和問題，不一定可以了解使用者的想法和他的真正問題。 有著數據來輔助思考使用者的問題，才能想出好的解決方案。 以我本身遇到的例子來說，當一位使用者反映說，A功能不好用，但是具體來說是哪裡不好用? 使用者可能離開那個功能或畫面就忘記到底是為什麼不好用，只記得不好。 這會讓設計者無法知道問題真正的原因，這時候透過記錄使用者的操作軌跡，可以清楚的知道，他停留在哪個頁面比較久，或者是說他在哪個按鈕一直重複按，但明明缺少輸入必填欄位。 有這些數據可以分析使用者真正遇到的問題。這些在以前數據不發達的時代是做不到的，但是在這個數據量爆炸、AI工具滿天飛的時候，加入數據來輔助設計思考是很棒的一個作法。

3-7運算式思考設計 1:31:28之前在設定人物誌時，都一直有種困惑感，設定的這個使用者，感覺會比較偏向個人或團隊的構想出來的，一直缺乏種踏實感，由在網頁上埋扣監測使用者行為，而獲得的數據資料分析，並依據不同族群而分類出特定族群所代表的人物誌，可以試種新的思考方向。

2024 春季班 W9,11 2-4 資訊架構與功能設計 48:08 看得到、可理解、充分溝通 48:22 這個象限圖在設計時非常受用，也會遇到有些應該符合需求的功能做了之後使用率卻極低，很可能是因為「掌握低」缺乏了提示性文字、引導、相關資訊等，導致需求高卻還是未知狀態 2-5 使用者介面設計流程 50:48 UI 設計師更重視介面的每一頁細節跟互動的安排；而 UX 設計師則重視使用者對於產品互動流程整體的流暢度表現。 擔任過純 UI 也擔任過 UIUX 要兼顧的設計師角色，前者重視介面整體的 look and feel、視覺表現，後者則是更是要以產品功能、互動、流程的全面去考量。

2024春季班 3-7 1:29:44 創意思考模型：確認方向 -> 準備 -> 假設、分析 -> 構想 -> 醞釀 -> 綜合 -> 評價 1:30:44 運算式設計思考：用資料科學技術補充及優化原有的設計思考流程 1:32:02 數據驅動的UX方法：期望結果/行為數據 -> 行為特徵分群 -> 資料概念情境+互動模型 -> 適性化的介面模型原型 -> 發布/驗證

2024春季班｜第十七週 3-7 運算式設計思考｜筆記 1:32:04 傳統 UX 方法 vs. 數據驅動的 UX 方法 【傳統 UX 方法】 1.透過觀察／研究獲取使用者的需求 2.透過Personas表現目標族群需求樣態＆透過劇本法呈現情境 3.透過故事板讓產品在情境中被使用，滿足使用者的需求 4.線框圖／草模 5.原型／驗證 【數據驅動的 UX 方法】 1.期待的產出結果：商業、互動目標？／從現有行為數據尋找值得探索的主題 2.透過演算法針對使用者行為特徵進行分群／分類 3.解讀資料／互動面背後的意義 4.適性化的介面模型原型 5.發布／驗證

2024 春季班 W6 1-9 產品價值主張 32:22 價值力度= 需求的強度、頻率 在剛性需求找到機會，但同的需求可以有很多的解決方案，以人們想要、對手沒有做切入，創新好機會 定價能力：人們渴望想要（價值滿足）、只有你能提供（競爭優勢）、對手無法複製（進入門檻/獨佔） 33:25 Product-Market Fit (PMF) echo to "Lean Product Playbook" “How would you feel if you could no longer use [product X]?” 可以透過問使用者如果不能再使用會有什麼感受來推測是否達到 如果達到 40% Very disappointed 就代表有達成 PMF 價值主張舉例： 「電子書閱讀器」提供「輕薄可攜的機器」「便於輸入輸出查找書籍內容的功能」滿足「愛閱讀者」的「隨時閱讀做筆記、不足的收納空間、護眼閱讀」的需求，達到「便利輕鬆攜帶書籍，隨時隨地閱讀」「長時間閱讀不傷眼」「釋放居家收納空間」的目標。

W17 01:28:54 第3-7章 運算式設計思考 這一章的重點是設計思考不只是以設計師的主觀判斷，輔以資料科學、數位工具收集較長時間、大量的資料，有助於做出好設計。 在AI進步快速的時代，我滿想知道更多AI可以如何運用於UX的例子或是想像。

2024春季班w17-筆記 3-7 運算式設計思考 1:29:56 在設計思考前須充分準備主客觀的資料，有了好的思考材料，能減少思考發散，更快速掌握重點 1:30:36 UX(主觀) +資料科學(客觀) 的方式，進行人機合作、互補交叉驗證用戶需求 1:30:44 透過機器，如聊天機器人、GA等從互動過程中收集行為數據，幫助設計師客觀地了解使用者樣貌，與persona互補 1:31:20 運算式設計思考使產品自帶自我優化的機制，如客服聊天機器人

2024 春季班 W17 3-7 運算式設計思考 1:29:40 腦力激盪前的準備，創意思考七步模型 不是拿到便利貼就開始想 確認方向：要解決什麼問題、問題清楚瞭解了嗎、有什麼線索 準備：蒐集資料 假設、分析：徵兆、發展的狀況、趨勢 1:31:25 top-down: persona 是設計師對受眾的主觀「假設」 bottom-up: 數據歸納、分類建立出來相同行為的受眾族群 由下而上歸納出受眾的長相，找出相同族群促進轉換 → 數據驅動，行為比意見更真實 由自己的設計經驗來分享： 在設計思考運作到一個程度之後，蠻容易會落入設計開發團隊空想假設的情境，後面的迭代優化，實際上需要仰賴數據科學輔佐 也聯想到 lead product 的概念，在初期可多考慮主觀資料來開始產品服務，但隨著發展應該加入更多數據科學客觀資料，藉由數據化的 AB testing 等推動產品優化。

2024S W17-/從商菜雞/反芻 3-7運算式設計思考 效率化放大並聚焦主題 1:29:43 設計思考的偏誤--人(設計者本身) 人類創意思考活動的七個模型 1.確認方向 指出問題所在，是否清楚了解問題? 2.準備 蒐集有關資料，收集的資料與問題確切相關 3.假設、分析 剖析有關資料，看出徵兆，情況發展的趨勢 4.構想 產生各種可採用的構想 5.醞釀 暫時休息、等待靈感啟發 6.綜合 將已分析的資料綜和 7.評價 判斷獲得的幫助，評估價值、功用 1:29:57 設計者本身的背景及知識含量需足夠且能正確瞄準問題， 才能進行高品質創意思考(通靈~)，充足的思考材料、專家訪談等(主、客觀資料)， 將主觀感受及客觀既定量化數值套用至思考轉換，同時不被原先架構所侷限。 結合用戶研究及資料收集科學將主觀、客觀資料互補，交叉驗證用戶需求，更接近事實(Spotify) 數據科學和設計思維是一體的(Frog Design) ------------------------------------------------------------------------------------- 1:30:45 將設計思考加入數據運算(自動化優化、生成式增生)-使資料收集至產品產出能更加客觀 1:30:53 透過對話機器人以非結構、分時、分次，持續收集用戶偏好，驗證使用者需求 1:31:48 產品自帶[自我優化]機制-設計時將對話機器人胃納度最大化，盡可能提供各種能接受的內容， 讓目標族群極大化，並在其中找出機器人無法準確回答的問題，並更進資造庫。 (由上而下質化)傳統persona是設計師對受眾的假設vs (由下而上量化)數據驅動的persona，產品已經上線一段時間可使數據高度歸納、分類出相同行為的受眾族群 1:232:03 不管設計師設計思考或運算式設計思考目標都是為了有價值的轉換，有意義的結果，並進行解讀更迭優化產品。

2024 春季班 W17 1:29:45透過創意思考可以來發想及優化產品，再進行設計思考時因個人背景知識不同，因此要先有目標議題再進行設計思考的討論。 1:29:54 在設計思考前透過主觀、客觀的資料，可以幫助設計思考目標議題的掌握度更高。 1:30:06要大量收集到使用者實際在軟體或網站上使用的數據可以透過 : 第三方API數據、內建軟體收集數據、第三方的行為追蹤工具、伺服器日誌、社交媒體數據、客戶關係管理(CRM)系統、IoT設備、軟體開發套件SDK 等，埋在code中，以了解使用者在其上面的互動數據。 1:30:42 運算式設計思考:以資料科學技術(Computer Cognition 、Data 、Model、Machine Learn、Human-computer cooperation、Automachine)補充及優化原有的設計思考流程。 1:31:22 運算式設計思考可將優化邏輯及產品本身共生，讓產品自帶自我優化機制! Chatbot為例。

2024春季班 第17週 3-7 運算式設計思考 1:29:34 團隊在討論的過程需要一至性的基礎下才能對焦，討論的東西才會是準確，而不是團隊會議上自行腦力激盪，如果沒有針對問題的好的工具輔助團隊，而隨意團隊自由思考，很難會集中。 設計師在設計的每個階段，要更透明化，每一個階段都有對其設計的目標，且加上逐步優化的觀念，使設計有機會修正與最佳化的機會。 設計師會先針對目標問題，運用各種研究工具、研究方法，去了解使用者需求，從這些需求中找出重要的使用者需求來作為後續發展解決方案的總目標。 當找到對的問題後，用適合的方式解決，才有創意與發想，建立雛型方便溝通，到產品測試，互動測試、功能測試