用户体验新范式：AI 如何重新定义产品设计架构 - 链载Ai

我们在服务众多企业数字化转型过程中，我们与客户对于数字产品设计中的架构仍然存在一些争议，一些概念也比较容易混淆。其中，包含我们经常所涉及的二个概念：一方面是信息架构，另一方面是系统设计。作为产品设计师而言，在职业晋升和设计岗位通常至少会涉及到其中的一项。对于一款产品或服务，我们认为这个二方面都是非常重要的因素，但是，当更多人谈及它们的时候，往往所指的概念似乎又不太一致。很多客户所指的与信息组织和获取方式的相关内容，通常指的是类似：网站的地图、导航、内容分类法、用户流程或数据索引等概念（这些来自于我们所服务的客户）。

其中，无论是信息架构还是系统设计，似乎都无法清晰阐述我们产品设计的工作、流程、成果或心智模型。就在几年前，我们为一家在市场上首批开发 AI 推荐引擎的公司提供产品设计咨询服务，这个团队特意让我们关注后台的 “信息架构”。这样做没有错，但是，经过多次探讨之后，我们发现他们真正在意的是产品（服务）板块在导航中的分组与呈现方式。我们让这个团队做了进一步的调研，他们也乐于对此进行了一次更新。看似这是很小一次产品迭代，你可能会认为就这样的工作，重要吗？当然重要。这是算作一次产品架构工作吗？嗯！在某种程度上也算。如果我们将信息类产品的架构视为组织信息获取方式的一种手段，那么，导航只是其中一小部分工作。导航对于（类似TikTok、Airbnb、Shazam 或 Headspace 等）这些类型的产品而言，重要性可能大大降低，但是，它们同样需要对信息获取进行架构，对吧？

为信息类产品赋予合适的结构，并为用户提供获取信息合适的方式，是产品和设计团队最重要的工作之一。这个定义看来是普遍被认可的。其中，培养用户理解产品的心智模型，并且影响用户高效达成所需目标。架构的质量会转化为一系列产品性能指标的成果。事实如此，在和我们合作的企业产品之前，并没有发现某个产品组织方式的框架是很清晰的。这样也使得他们在团队内部以及和我们讨论的过程中，有很多信息障碍。

为此，我们提出一种思考产品设计架构的方式，以及用户行为如何通过信息获取机制塑造产品架构。接下来，我们一起模拟其中的一种用户行为，分析几个知名产品的架构作为示例，并展示该模型如何帮助我们理解产品以及发现机会（洞察痛点和亮点）。理解产品以特定方式组织的方式和原因，这样更有助于我们看清 AI 技术能否以及如何重塑当前的数字产品格局。

不同的产品辅助用户达成不同的目标。通常，一款产品会具备满足不同需求和使用场景的功能。其中，产品组织、提供访问以及展示信息的方式构成了其产品设计架构。这一点对于预订系统、社交网络、个人网站或生产力工具而言，差异很大。

例如，在 Airbnb 的网站上，用户首先看到的是醒目的筛选栏和各类推荐的房源。这能让用户依据特定标准筛选出合适的住宿地点。在 Instagram 上，没有筛选栏，只有无限且统一的照片流。用户通过滑动浏览故事或帖子，探索朋友们生活中的趣事。在设计工作室 Verve 的网站上，有公司的品牌宣言和案例研究。用户试图了解这家公司是做什么的，以及它是否适合自己的需求。

如果归结到最基本的要素，产品不过是用户与数据库之间的界面层。Airbnb只是一个住宿信息数据库，Instagram 是照片和视频数据库，Verve 工作室网站则是宣言和文章的数据库。它们将信息包装成用户界面的形式，使用户能够以合适的方式获取相关信息。

用户使用产品时，有很多的目标和场景。因此，这些产品有着截然不同的界面，以帮助用户达成不同的目标。一般来说，界面的选择取决于用户获取信息时的行为。

我们服务和研究了上百款数字产品，也阅读了几十篇关于用户搜索信息行为的研究论文，发现信息类产品中，有八种核心用户行为：

用户行为定义并塑造了产品界面的样子。Airbnb、 KLM Airlines 和 Zalando 售卖的东西截然不同，但在很多方面却很相似。用户通过这些产品获取符合特定要求的内容、查看选项，并从现有选项中做出选择。它们主要是为了满足相同的 “匹配提取” 行为，让用户找到合适的选项。Airbnb、Instagram 和 Verve 之间显然差异很大，因为用户行为不同，产品也就必须有不同的界面。如果你想进一步探讨这个话题，你可以暂停一分钟，先看一看相关的产品，比如 Pinterest、Notion、Shazam、Flo、Wolff Olins、Duolingo 和 Headspace 等，这些产品是如何让用户获取信息的。

每种用户行为都有一系列自然适配它的界面机制。如果用户在找酒店，我们会让他们按位置和日期筛选，然后，再通过价格区间和位置偏好来优化搜索结果。如果想打发十分钟时间的用户，可能就只是滚动浏览内容，希望看到足够有趣的东西。筛选、搜索、导航、历史浏览记录列表、图表、列表展示、描述以及流程步骤等，这都是界面机制，它们以特定方式组织信息，使用户能够获取信息。它们是中间层，让用户从另一端数据库的海量选项中获取相关信息。

我们回到 Airbnb、Instagram 和 Verve 的例子。如果 Instagram 让用户用 Airbnb 的方式查找信息，Verve 用 Instagram 的方式，Airbnb 用 Verve 的方式，同样的用户还能像平常一样在这些产品中获取所需吗？思考背后用户行为为什么会这样呢？

我们将仅以“匹配提取”这一类用户行为为例进行分析。当用户有特定标准和目标，并需要找到与之契合的项目时，就会产生这种行为。例如，当他们试图寻找住宿、航班、优质的数据科学课程，或者客厅用的椅子时。

对于“匹配提取”这个目标，用户需要依据特定标准缩小范围，查看结果，并最终选择一个选项。在大多数情况下，他们会看到几个各有利弊的选项。用户应该能够优化标准，并从不同角度了解可用选项。产品应助力用户做出最终选择。筛选和对比是支持“匹配提取”行为的两种机制，除此之外还有其他的机制。

毫不意外，筛选是这里最基础的机制。它是缩小信息范围的一种常用方式。根据筛选标准的相关性，筛选器可能有不同的外观和位置。它们可能会在页面上最先展示给用户，也可能会被折叠到一个筛选菜单中，仅在用户有需要时才打开。

用户通过筛选和排序来优化他们所看到的内容。筛选有助于将范围缩小到一个更易于浏览，从而不需要进一步筛选的程度。排序则有助于呈现更相关的选项。

快速定位到特定类别很重要，并且类别数量不是特别多的时候，展示整个组织结构可能比使用筛选器更好。菜单能让用户看到多层次的信息层级，并直接深入到最相关的类别。从本质上讲，这与筛选很类似，但是，用户能一次性看到整个 “菜单”。通过这种方式，用户还能熟悉有哪些可用选项。

用户经过筛选、浏览，会找到几个足够好但各有优势的选项。对比功能能帮助他们将这些选项放在一起比较，进而做出选择。

用户行为和机制塑造了产品的组织方式，这种逻辑在较低功能层面同样适用。比如，客户可能在寻找一家创意工作室来打造产品标识和包装。一般来说，工作室和个人网站围绕 “理解” 这一用户行为构建，以便访客了解相关信息。其中，诸如 “过往作品” 这类页面上，“匹配提取” 会成为主要行为。你能在Pentagram（五角设计公司）、Dumbar（邓巴设计公司）和 Verve 的网站上看到类似的界面示例。

“匹配提取” 是最为普遍的用户行为之一。大多数预订系统和电商平台都基于此来定义其产品设计架构，从 Booking.com 到个人网站皆是如此。产品必须给予用户足够的灵活性，使其能够找到符合自身标准的信息；还需具备可控性，让用户能从不同角度查看可用选项，并辅助他们做出决策。如果这一切做得好，用户就会觉得自己能够轻松找到所需的内容，并轻松做出选择。

在实际情况中，几乎所有产品都必须支持多种不同用户行为的组合。我们就以 Airbnb 和 Shazam 这两款产品为例进一步探讨。

在产品主要层面，Airbnb明确侧重于需要两种用户行为来实现价值：匹配提取和探索。比如，寻找在特内里费岛度周末住宿的用户，会通过主要的筛选功能开启搜索流程。其中，对于那些乐于探索的用户而言，Airbnb则会展示推荐房源或特色房源列表。

了解Airbnb所服务的用户行为后，就更容易理解其首页结构的变化，也能发现其中的机会。Airbnb是一家多产品公司，这样也就使其需要应对的情况更为复杂，这样也就让我们更有兴趣去观察这家以高品质体验著称的公司是如何设计产品架构。在过去的 10 年里，Airbnb 产品的演变很有趣，我们特意关注其 2016 年、2022 年和 2025 年版本之间的差异。

在所有版本中，Airbnb都同样重视 “匹配提取” 的用户行为，始终将主要筛选功能置于页面顶端。紧接着下方就是用于 “探索” 的功能。从架构上看，这些年份的主要区别在于Airbnb提供的探索内容以及展示方式。这里有个设计小细节，我稍后会讲到。

2023 年和 2025 年的页面尽管内容不同，但看起来非常相似。2023 年，Airbnb 推出了诸如国家公园、城堡或海滨等地的房源分类。它们基本上属于特色分类，其中，为了便于用户探索，Airbnb让用户在页面顶部进行切换，房源展示则采用基本统一的网格形式。2025 年，Airbnb改变了展示内容，布局变成了更常规的推荐房源类别列表，比如 “巴黎热门房源” 或 “本周末伦敦可预订房源”。

2025 年，Airbnb推出了一项新的 “服务” 产品。我不确定这是否是有意为之，但与 2016 年推出“体验” 产品相比，Airbnb在引导用户探索新价值方面采取了截然不同的方式。

2016 年，Airbnb在首页设置了 “体验” 和 “房源” 的入口板块。虽然某些地方略显简单，但能让用户有个总体了解。2025 年，首页的变化仅限于不同的特色和推荐房源类别，且仍以 “房源” 为主。这让用户感觉 “服务” 像是一次谨慎的尝试，而不是一款可能会分散用户对主营业务注意力的新产品。

另外，值得注意的是，2016 年Airbnb在首页顶部有一个很大的品牌宣传板块，这意味着当时他们在努力让用户了解Airbnb是做什么的。

到 2017 年，传达的信息有了很大变化；2018 年，相关展示大幅缩减；到 2020 年的年中，这个标题完全消失了。我们认为这可能是两个因素共同作用的结果。一方面，他们或许认为不再需要关注这种用户行为；另一方面，他们试图将品牌重塑为一家 “全方位旅行服务” 公司，或许这似乎并没有成功。

我们从用户行为的角度审视产品架构，很容易会发现Airbnb可能错失了一个顺理成章的机会。他们的产品围绕端到端的 “匹配提取” 行为构建。在这种情况下，就像收藏夹这类有助于用户做出选择的功能，理应成为 “用户操作面板” 的一部分。

如今，用户能够找到合适房源，但做出最终选择这一环节却比应有的复杂程度更高。

Shazam 是一款识别音乐的产品。当用户听到一段好听的旋律，想知道是哪位歌手演唱的，就会打开 Shazam，它便能找出演唱者和歌曲。它满足用户搜索歌曲并再次找到该歌曲的需求。这些用户行为自然而然地决定了其产品架构。为了提高用户参与度，Shazam 还尝试引导用户探索相似的歌手和歌曲。

Shazam的架构很简洁，很聚焦。搜索按钮占据了整个首屏。它和我们常见的搜索方式有点不同，因为它是以声音而非文本作为输入。下方是过往通过 Shazam 识别过的歌曲列表和推荐歌单。按时间顺序排列是支持 “返回” 行为的最基本机制。推荐内容则是一种非常基础的 “探索” 机制，它为用户创造了进入更多消费新流程的机会。

不过，情况并不是一直如此简单明了。将如今苹果旗下的Shazam与大约 10 年前的版本进行对比，会发现一些有趣的事。

这两种架构差异非常明显，因为它们服务于不同的商业目标。当前的架构非常简洁，优化了用户转化为Apple Muisc音乐用户的流程。Apple 在 2020 年收购 Shazam，将其作为自然的引流渠道。此外，Shazam还是用户偏好数据的优质来源。

相比之下，“旧” 架构则复杂得多。Shazam曾试图创造更多价值，使其足以成为一款独立产品。四个产品板块中有三个，包括首页，都是围绕 “探索” 行为构建的，设有社交动态、热门榜单和各国排行榜等。

我们认为Shazam当前的设计架构是一个知道何时该适可而止的优秀产品范例。它让产品专注并提供与产品承诺清晰匹配的价值。在这里，支持其他行为并无意义。用户无需在此进行 “匹配提取”“流程推进” 或 “控制” 任何东西。核心的 “返回” 行为已有其他机制，比如：收藏列表，若再增加其他机制只会让事情变得不必要的复杂。简单往往比复杂更难实现。机制范围的选择可能与选择正确的机制同样重要。如果你感兴趣，有一位设计师做过关于 Shazam 架构重塑的案例研究（前往知识库）

大多数产品会针对特定的主要行为优化其架构，并为一些辅助行为实施相应机制。最重要且往往最有趣的是，产品如何对用户行为进行优先级排序，以及以何种方式组合界面机制。哪些内容会被展示和优化，哪些会保持隐藏或开发不足？

很多关于用户行为和信息获取机制的理念，都建立在过去 30 年我们所熟知的信息类产品经验之上。“在智能代理时代，商业应用将会崩塌。” 这不是一句危言耸听话，而是对于 Ai 技术变革产品的警示。那么，这是否意味着我们关于产品设计架构的讨论变得无关紧要了呢？随着 AI 的广泛应用，界面机制将如何变化，又会带来哪些机会呢？

...

AI 的影响

最初，我们探索 AI 产品设计还在 10 年前，我们都相信巨大变革即将来临，然而，目前 AI 应用仍然处于初步发展阶段。那么，AI 真的会彻底重塑我们获取信息的方式吗？哪些界面机制和用户行为会消失？哪些会演变？哪些又会保持不变呢？是不是会有些产品会变得无关紧要，或者必须进行变革呢？重新设计现有产品又存在哪些机会呢？

在讨论 AI 产品设计之前，首先，我们总体谈谈 AI 产品与用户交互的几点粗浅看法：

再简单说说大语言模型的工作原理。它们接收模糊的输入和上下文信息，然后基于其训练所依据的海量信息模式生成最有可能的输出。输入、上下文和信息库都是变量。用户可以询问“昨天展示的 [内容]”，或者 “为什么月活跃用户数（MAU）下降了”，并得到可靠的答案。

从产品角度来看，用户行为和现有界面机制有两个重要特征：用户对信息标准的具体程度，以及用户获取信息需要付出多少精力。如果用户要搜索 Figma 中最新的功能设计，这个对信息标准就非常具体，用户可以进行搜索、浏览结果，可能还得查看几个文件。如果，在一个 50 人的设计空间里尝试这样做，就会深知这可能非常棘手。标准虽然很具体，但是需要付出较大的精力。如果，有一位用户正在刷 TikTok，完全没意识到一分钟后会看到的搞笑视频恰恰是自己所需要的。此时，标准是非常模糊的，但，所付出精力会少很多。

用户的标准越具体，获取信息所需的工作量越大，此时，AI 就越有可能改进产品机制。

最大的变化很可能是发生在搜索行为的机制上，而且，我们已然正在经历这种变化（浏览器的搜索首当其冲）。当涉及处理模糊请求并即刻在各种条件下生成最有可能的答案时，AI 的表现还是很好的，这基本上就是大语言模型（LLMs）的定义和价值。在过去一段时间内，那种需要输入恰当的请求、在搜索结果的干扰信息或文档内容中费力筛选的过程如今已经成为历史。不仅如此，大语言模型还能够 “理解” 以往无法获取的信息。现在用户只需询问 “和好友一起徒步旅行的照片” 或者 “客户抱怨账单的微信消息” 即可。

AI 切实具备不仅改变产品内局部搜索机制，而且还影响那些围绕搜索行为构建的整个产品的能力。搜索引擎负责在互联网上搜索信息，其他类似服务则在单个产品内部执行同样的操作。

对于其他行为和界面机制而言，目前看来，AI 所带来的影响可能还相对较小一些。例如，对于“匹配提取”行为，通过接受自由格式的输入来筛选或优化列表，相关机制可以得到改进。控制行为所具备（比如：控制面板和图表等）能使信息有序呈现的机制，AI 可以帮助用户深入挖掘并查看细节。另一方面，对于那些标准模糊，并且所需精力本就较少的行为，（比如探索行为）AI 的影响可能并不显著。放心，TikTok还是老样子。

我们认为，AI 不太可能将主要提供信息访问的产品进行大改版。但是，这并不适用于创作类工具和后端协同机制。对于创作类工具而言，变革的幅度还是非常巨大的，甚至可能改变产品和用户角色。接下来，会有更多产品的推荐引擎能够更好地 “了解” 用户。可能用户会察觉不到，但是，在决定向用户展示什么内容的后端侧面，改进也已然在开始。

AI 任然令人兴奋，它的颠覆性和发展速度也会让我们感到一些恐惧。不过，AI 也带来了很多产品的新机遇，让产品使用起来更具有人性化和自然感。在任务执行的心智模型层面也会引发一系列的转变。不过，要实现这种程度的变革通常需要耗费大量时间。用户习惯了以特定方式做事，也就更容易期望通过熟悉的机制与产品进行交互。如果，我们要理解和探索所有的机遇还需要一些时间，但是，有趣的是，其中一些机遇会不知不觉中，非常自然的被采用。

产品设计架构是将产品作为一个连贯系统进行设计、实现预期价值的关键部分。这就好比开发者的系统架构，然而，设计师往往缺少这样的架构概念。我们能够理解并设计连贯的架构能力，对产品发展和团队影响很大，也很重要，也是设计师晋升到高级别所需的核心技能。

用户行为和界面机制，对设计师和产品团队而言，是一种思维方式、心智模型、工具以及通用语言。它们有助于从更高层面看待问题，构建合理的架构，并将战略转化为运行良好的产品。从用户行为角度描述用户，以及从架构层面描述产品的工具，能让团队更具目的性。

从我个人经验，这种视角能显著提升速度、质量、阐释能力以及对解决方案的信心。从典型的界面机制入手，平衡涵盖不同行为的架构，看到变化带来的影响，并确保不遗漏关键要素，都会变得容易得多。

界面机制可能看似是限制，也可能是机遇。在任何团队，设计师都应该理解自家产品的架构原理，尝试并验证各种解决方案。这里也希望产品设计架构、用户行为和界面机制的理念及通用原则，能让这项工作变得更轻松、更具深度与目的性。