導讀：
隨着科技的飛速發展，人工智能（AI）已經成為推動各行各業創新的重要力量。特別是在用户體驗方面，AI 技術的應用不僅解決了許多傳統問題，還帶來了全新的交互方式和更高的用户滿意度。本文將從快手電商B端用户體驗現狀，快手電商提升體驗的探索之路，未來展望3個方面，探討 AI 在提升用户體驗方面的巨大潛力及探索實踐。

一、快手電商用户體驗的演進與現狀

早在2018年，快手便敏鋭地洞察到直播電商的潛力，率先在平台上開啓了這一新興業務。時至今日，電商已成為快手不可或缺的一部分，平台持續投入資源，為用户創造更加安心、便捷的購物環境，同時也助力主播和商家實現更順心的銷售體驗。相較於傳統貨架電商平台，快手電商更加倡導好內容與好商品的深度融合與高效鏈接，不斷為用户帶來更加豐富、多元的消費體驗。

AI時代背景下，用户體驗的變遷

隨着大模型技術的迅猛發展，AI掀起了一股創新浪潮，據公開數據顯示， 截止2024年前8個月，移動互聯網的AIGC賽道的流量已實現翻倍增長，市場滲透率超過5%。與此同時，企業數字化轉型的深化為AI技術的落地應用奠定了堅實的基礎，各大電商平台正加速推進AI與電商的融合，以智能化技術為引擎，驅動業務創新與效率提升。

在AI時代背景下，用户體驗變遷不僅侷限於市場需求的個性化和實時互動層面，更體現在技術需求的智能化交互和數據分析，以及跨行業應用的拓展和用户體驗設計的根本性變革之中。這些變化為企業帶來了新的機遇與挑戰，促使企業在設計和提供產品和服務時，必須更加註重用户體驗，以滿足用户的多樣化需求，從而在激烈的市場競爭中脱穎而出，實現核心競爭力的顯著提升。

                    各大電商平台的AI 落地情況

快手電商用户體驗現狀

對於快手而言，優化用户體驗始終是至關重要的戰略任務。用户體驗（User Experience, UE）是指用户在使用產品或服務過程中產生的主觀感受和反應。它廣泛涵蓋了用户與產品或服務互動的各個方面，諸如可用性、易用性、情感共鳴及滿意度等。構建良好的用户體驗對於提升用户滿意度、增強用户忠誠度至關重要，進而能夠為企業帶來更為豐厚的收益。

然而，當前快手電商用户體驗的現狀面臨諸多挑戰，包括頁面佈局缺乏一致性、操作流程效率低下、性能表現與穩定性體驗有待加強等。這些問題不僅削弱了用户的滿意度，還可能加劇用户流失現象，進而影響企業的市場表現。因此，亟需實施有效的解決方案，以應對這些挑戰。

                            優化用户體驗的價值

二、快手電商提升體驗的探索之路

圍繞用户體驗這一核心要素，快手製定了電商的統一規範與標準，並構建了一套全面的用户體驗度量體系。同時，憑藉先進的大模型技術，快手自研智能巡檢平台，該平台能夠自動化、智能化地對電商業務進行全面檢測，並即時生成問題報告，為後續的調整與優化工作提供了堅實的數據支持與有力保障。

建立統一的設計規範及用户體驗標準

面對快手電商業務的快速發展，現有設計規範與組件功能、樣式的滯後性已顯而易見，導致部分設計無法有效支撐業務的實際需求。為了解決這個問題，我們緊密結合當前業務狀況，借鑑行業內的最佳實踐，制定出一套全新的、適用於快手電商的設計規範範，包括但不限於：導航新開規則，頁面內容區樣式規範，提升頁面一致性和屏效比。

這套規範的制是一個持續迭代和優化的過程。密切關注用户反饋和業務需求的變化，及時調整和優化設計規範，以確保其始終能夠支撐快手電商的快速發展。同時，我們在內部積極推廣這套規範，提升團隊的設計能力和效率，共同推動快手電商的設計水平邁上新的台階。

構建度量

在深入參考行業內B端平台現行的體驗度量模型的基礎上，結合快手電商當前的發展階段與實際落地可行性，最終確定了CPS度量模型，該模型涵蓋以下四大核心指標：滿意度體驗（S）、頁面一致性體驗（C）、性能體驗（P）及穩定性體驗（S），並通過以下權重計算體驗分數：體驗分數 = 40% 滿意度 + 20% 性能體驗 + 20% 穩定性體驗 + 20% 一致性體驗。

• 性能體驗：這一指標聚焦於平台在速度、響應時間、資源利用效率以及數據處理能力等方面的綜合表現。良好的性能體驗能夠提升用户滿意度和工作效率，有效減輕用户的挫敗感和不滿。
• 穩定性體驗：它衡量的是平台在各種複雜情境下維持穩定運行的能力，確保能夠持續提供可靠服務。穩定性體驗的優化意味着用户能夠順利完成各項任務，不受系統故障、性能波動或其他技術難題的干擾，從而增強用户的信任與依賴。
• 頁面一致性：此指標關注平台各頁面在設計風格、佈局結構、交互邏輯以及內容呈現等方面的一致性。高度一致的用户界面能夠提升用户的熟悉感與操作流暢度，大幅降低用户的認知負擔，促進更高效的信息獲取與任務執行。
• 滿意度：作為直接反映用户對產品或服務認可程度的指標，滿意度通過系統的調研評分與用户反饋進行綜合評估。不斷提升用户滿意度是增強用户粘性、推動業務持續增長、提升市場競爭力的關鍵所在。

度量指標之間有着密切的相互影響關係，具體如下：

• 性能體驗好的系統能夠給用户帶來更好的使用體驗，用户可以更加流暢地完成任務，從而提高任務效率，提高用户的滿意度；
• 頁面一致性好的系統能夠讓用户更加容易地理解和掌握易用性，提高用户的工作效率和滿意度；
• 穩定性好的系統，可以讓用户更加平穩的完成在平台操作，從而提升用户的滿意度與工作效率；

智能巡檢平台

智能巡檢平台的演進之路

快手小店是快手官方推出的購買產品的服務程序，以快手小店為例，其包含超過200個頁面。如果僅依靠人工來測試用户體驗，雖然可以發現一部分問題，但也明顯存在侷限性，包括但不限於效率低下、覆蓋率不足、主觀性強、難以量化、響應速度慢以及體驗多樣性難以覆蓋等問題。這些問題不僅增加了項目成本，還可能遺漏潛在問題，影響用户體驗和平台競爭力。

為了克服這些侷限，我們提出了採用智能巡檢能力來完成用户體驗巡檢的解決方案。智能巡檢通過自動化、智能化的方式，能夠顯著提高測試效率，確保測試的全面性和客觀性，從而及時、準確地檢測出用户體驗問題。

智能巡檢的優勢主要體現在以下幾個方面：

• 高效性：智能巡檢能夠自動化地執行測試任務，快速遍歷平台內的各個功能和頁面，大大縮短了測試周期，提高了測試效率。
• 全面性：智能巡檢能夠覆蓋所有可能的用户路徑和操作，包括邊緣情況和複雜場景，從而確保測試的全面性，減少遺漏問題的風險。
• 客觀性：智能巡檢基於預設的測試標準和規則進行執行，避免了人工測試中的主觀性，確保了測試結果的客觀性和一致性。
• 量化性：智能巡檢能夠收集大量的用户數據和行為分析，對測試結果進行量化和標準化處理，從而便於進行深入的用户研究和問題定位。
• 快速響應：智能巡檢能夠實時反饋測試結果，幫助團隊快速響應用户反饋和市場需求，縮短問題修復和驗證的週期。
• 多樣性覆蓋：智能巡檢能夠模擬不同用户的使用習慣和期望，覆蓋所有可能的設備和網絡環境，從而確保在特定環境下的問題也能夠被及時發現。

巡檢技術架構

智能巡檢平台旨在成為應用生命週期管理中的重要組成部分通過提供自動化、全面化、智能化的巡檢服務，用於定期或按需對平台或應用進行全面的視覺走查、質量監控、健康檢查和性能評估，做到提前發現問題，快速治理問題，幫助設計、研發、測試等羣體，保障服務質量，降低故障風險，提升告警有效率，提升用户滿意度。

更進一步地，智能巡檢平台融入了藉助Kwaipilot大模型（快手自研代碼生成大模型）與垂直域知識庫檢索，為持續優化應用提供數據支撐和決策依據，最終建設成為符合行業標準的最佳實踐，推動應用向更高水平發展。

                        智能巡檢平台技術架構圖

在該架構圖中，主要包括4部分，分別為基礎能力，核心處理流程，可擴展的策略設計，應用層。其中，應用層較為簡單，此處不再贅述。

（1）基礎能力
基礎能力模塊涵蓋了觸發方式，策略管理與數據清洗三大核心服務。其特色與創新之處在於它們與研發流程的緊密關聯以及與用户反饋的高效打通。在快手電商業務場景中，很多商家通過客服渠道或平台功能，向我們反饋他們在經營過程中遇到的各類體驗問題。為了迅速響應並驗證這些反饋的有效性，我們會在收到輿情反饋後，立即啓動智能巡檢任務，從而驗證問題是否為程序bug。一旦驗證其為有效反饋，則會將輿情反饋第一時間觸達給研發，從而及時止損。

（2）核心處理流程
根據不同的觸發方式，平台智能地分配並執行相應的巡檢任務。這些巡檢任務不僅多樣，而且各具特色，涵蓋了穩定性、性能和一致性等多個維度。例如：404，白屏等穩定性策略，首屏，資源大小等性能策略，token，UI對比等一致性策略。當巡檢任務執行結束後，我們會將得到的結果作為輸入，送入工作流系統（包括了知識庫搜索，大模型分析）。經過大模型分析與數據處理後，從海量數據中提煉出有價值的信息，並經過精心處理後，將最終結果存儲至數據庫中，實現數據的持久化保存。

（3）可擴展的策略設計
策略設計包含了4個核心配置：類型，數據，功能及處理結果。之所以將策略設計為可擴展性，其背後思考為：

• 靈活適配：可擴展的設計允許用户根據需要選擇與配置不同的巡檢策略，而不必重新部署整個平台，這種靈活性使得平台能夠更好地滿足不同用户與場景的需求。
• 快速迭代：新的巡檢策略可以被獨立開發與測試，然後無縫集成到巡檢任務中，從而被平台消費，加快了功能的迭代速度。
• 穩定性增強：每個策略都可以獨立插拔與運行，即使某個策略出現問題，也不會影響巡檢任務的執行，提高了平台的穩定性與可靠性。

而為了實現可擴展性，我們也從4個方面重點設計：

• 插件化架構：採用插件化架構，將每個巡檢策略封裝成獨立的插件。每個策略負責特定的功能，如404，白屏，資源體積大小等。
• 標準接口：定義統一的標準接口，確保所有策略可以無縫集成到每個任務中。這些接口應包括初始化、策略執行、結果返回等基本操作。
• 動態加載：支持動態加載和卸載策略模塊，使得用户可以在運行時根據需要啓用或禁用特定的巡檢任務。
• 配置管理：提供靈活的配置管理工具，允許用户輕鬆配置和管理各個策略模塊的參數和屬性。

可擴展的策略設計和可插拔的架構是巡檢平台成功的關鍵。通過這種方式，巡檢平台不僅能夠靈活適應不斷變化的需求，還能夠提供高效、可靠和易於管理的巡檢服務。這種設計不僅提升了用户體驗，還為企業帶來了更高的運維效率和更低的維護成本。

                            策略設計方案

巡檢度量動線

在成功構建智能巡檢平台之後，至關重要的一步是對其產生的結果進行量化評估，並將這些經過精確分析的數據及時反饋給產品與產研團隊。以下展示的是巡檢度量流程圖：

                            巡檢度量流程圖

首先，巡檢與研發流程相關聯，當研發做變更及發佈時，會自動觸發流水線，開啓巡檢的自動化任務；

在自動化任務中，會包括4大類：UI一致性任務，性能巡檢任務，穩定性巡檢任務與滿意度數據：

• UI一致性任務，將無頭瀏覽器對線上頁面的截圖與設計稿做對比，得到UI還原度結果A；同時，也會對頁面的token做校驗，得到token準確率B。然後將A與B做加權求和，得到一致性結果；
• 性能與穩定性數據：利用無頭瀏覽器實時跑一次頁面，拿到對應的結果；
• 滿意度數據：會拿到過去通過滿意度調研問卷獲取到的數據。

將上述4個值按照體驗度量公式，計算得到體驗評分，並將分數與各任務結果作為輸入，提供給體驗度量工作流（2.3.4中詳述）。

在工作流獲取到輸入後，就會根據歷史優化結果，設計及交互規範，大模型分析，從代碼，視覺等層面給出優化建議，同時也會產出體驗與工程相關的報告，最終落庫。

工作流搭建

在該工作流中，我們規劃了8大步驟：

（1）接受輸入：接受輸入是工作流的第一步，目的是收集用户的輸入數據，這些數據可以是多種形式，如文本、語音或圖像。目前，我們的巡檢平台利用無頭瀏覽器及公司其他基建平台獲取到問題，以文本與圖片形式作為工作流的輸入。

（2）輸入格式化：輸入格式化是為了將用户輸入的數據轉換為統一的形式，便於後續處理。對於文本輸入，可以去除多餘的空格、標點符號等一系列操作，確保文本的標準化；對於圖像輸入，可以調整圖像大小、格式化圖像數據，確保圖像的質量和一致性。

（3）問題分類：問題分類是根據用户輸入的內容，將其分類到不同的類別中，例如性能體驗問題，穩定性體驗問題，一致性問題等，以便後續處理。此外，還利用大模型，對用户輸入的文本進行分類，將問題分為技術問題、產品諮詢等類別；通過提取用户輸入中的關鍵詞，幫助確定問題類別。

（4）知識庫檢索：該流程會在自建知識庫中進行知識庫構建、索引構建、查詢處理、檢索算法、結果輸出。

（5）大模型分析：目前我們使用GPT-4o對問題進行深入分析，生成更準確的答案。

（6）代碼執行與處理：代碼執行與處理是針對需要執行代碼的任務，自動執行代碼並處理結果。首先解析用户輸入中的代碼片段，確保語法正確；然後在安全的環境中執行代碼，捕獲輸出和錯誤信息；最後處理代碼執行結果，生成用户友好的輸出，確保用户能夠理解和使用這些結果。

（7）格式化輸出：格式化輸出是為了將處理結果轉換為用户容易理解的形式：將答案或建議格式化為自然語言文本，使其更加清晰易懂；對於數據密集型結果，可以生成表格或圖表展示，幫助用户更好地理解數據；對於圖像對比，一方面我們會做token比對結果的處理，一方面會對圖片一致性做對比。

（8）結果輸出：通過以上步驟，可以構建一個基於 AI 的用户體驗提升工作流，從接受用户輸入到輸出處理結果，每個環節都經過精心設計，確保用户獲得高效、準確和個性化的服務。

                            工作流模型圖

通過這一系列經過深思熟慮與精細規劃的步驟，我們成功打造了一個以AI為核心驅動力的用户體驗優化工作流。從最初接收用户輸入的那一刻起，直至最終輸出處理結果，每個環節都力求極致，全方位滿足用户的多元化需求。

在此基礎上，我們進一步結合了實際業務場景與度量流程，通過深度整合與智能優化，最終形成了一條高效、精準的智能巡檢動線。這條動線不僅全面覆蓋了用户體驗的各個方面，更實現了從問題發現、分析診斷到優化建議的全鏈條智能化處理，為提升產品質量、優化用户體驗提供了強有力的支持。

                            智能巡檢動線

收益分析

智能巡檢平台是為確保平台的穩定性而開發的一項重要工具。該平台通過自動化的方式持續監測視覺、系統穩定性以及性能等關鍵指標，有效提升了產品的整體質量和用户體驗。在平台接入方面：目前已經接入2500+套頁面，共完成2w+次自動化巡檢，累計統計出異常指標 3k+ 個；在穩定性方面：目前已經攔截線上告警500次，同時確保產品質量，減少因UI不一致、性能問題等導致的用户流失，穩定性提升 60%。另外，基於自建的無頭瀏覽器實現了token比對、域名逃生巡檢等核心能力；此外，結合巡檢能力，計算出頁面的體驗分數；同時，引入AI的分析能力，對巡檢出的問題可以做快速的分析及提供建議。這些成果不僅有助於提升產品的穩定性和用户體驗，還為團隊的技術積累和未來發展奠定了堅實的基礎。

三、未來展望

AI 技術在提升用户體驗方面展現了巨大的潛力。從當前體驗問題的分析到 AI 時代的用户體驗特點，再到具體的應用案例，我們可以看到 AI 在個性化推薦、智能客服、智能搜索、智能導航、智能表單填寫和智能巡檢等多個領域的廣泛應用。這些應用不僅解決了傳統用户體驗中的許多痛點，還為用户帶來了更加智能化、個性化和高效的交互體驗。然而，AI 技術的應用也面臨着一些挑戰，如數據安全和隱私保護、算法的透明性和可解釋性等。未來，我們需要繼續探索和完善 AI 技術，確保其在提升用户體驗的同時，能夠更好地保護用户權益，推動社會的可持續發展。

總之，AI 技術正在深刻改變用户體驗的設計和管理，為用户帶來更加美好的數字生活。我們有理由相信，隨着 AI 技術的不斷髮展和應用，未來的用户體驗將更加智能、個性化和高效。

本文作者：李東東