技術規格
可包含但不限於分辨式AI、生成式AI、Edge AI 等
分辨式AI
( Discriminative AI )
分辨式AI用來分類和識別數據,學習輸入和輸出之間的映射關係。常用於圖像、語音辨識及垃圾郵件過濾等分類任務,代表模型有Logistic回歸和CNN。
生成式AI
( Generative AI )
生成式AI通過學習數據結構來創造新數據,如圖像、文字、聲音、影片、語音生成。常見技術包括GAN和GPT,應用於自動生成內容或創造合成數據。
邊緣AI
( Edge AI )
Edge AI在設備端或靠近數據來源處進行運算,不依賴雲端。適合即時處理和隱私保護的應用,如自駕車、智慧家居、醫療穿戴設備。
入圍秘訣
打造完美用戶體驗的方法

想要打造具有價值的AI解決方案,前期的準備工作將會決定成敗,以下提供如何執行用戶體驗研究的方法與評估機制,供參賽隊伍參考!

用戶研究
可用方法
  • 深度訪談與團體焦點訪談(與目標用戶進行一對一或一對多的詳細對話)
  • 問卷調查(設計結構化問卷收集大量定量和定性數據)
  • 觀察研究(在真實或模擬環境中觀察用戶行為)
  • 使用者日記(讓用戶記錄他們在一段時間內的體驗和想法)
評估機制
  • 用戶滿意度量表
  • 情感反應評估
設 計
可用方法
  • 用戶畫像與同理心地圖(創建代表性用戶角色和他們的體驗旅程)
  • 用戶流程圖(繪製用戶完成任務的步驟和決策點)
  • 原型設計
評估機制
  • 任務完成指標(完成率、完成時間、錯誤率)
  • 任務難度評分(SEQ)讓用戶對剛完成的任務難度進行評分(1-7分的量表,1表示非常容易,7表示非常困難)
測試與優化
可用方法
  • 可用性測試(在受控環境中觀察用戶使用產品 或 透過網路遠程觀察用戶使用產品
  • A/B測試(比較兩個或多個設計版本的性能)
評估機制
  • 淨推薦值(NPS)測量用戶推薦產品的意願(透過各種管道搜集推薦)
  • 轉化率和參與度指標(轉化率、使用時長、重複使用率)
持續改進
可用方法
  • 用戶反饋收集(通過各種渠道持續收集用戶意見)
  • 數據分析(分析用戶行為數據和業務指標)
評估機制
  • 用戶滿意度趨勢(跟踪用戶滿意度隨時間的變化)
  • 用戶流失率(測量停止使用產品的用戶比例)
  • 功能使用頻率(分析不同功能的使用情況)
  • 用戶支援指標(分析用戶請求支援的數量和性質)