导读：随着科技的飞速发展，人工智能（AI）已经成为推动各行各业创新的重要力量。特别是在用户体验方面，AI 技术的应用不仅解决了许多传统问题，还带来了全新的交互方式和更高的用户满意度。本文将从快手电商B端用户体验现状，快手电商提升体验的探索之路，未来展望3个方面，探讨 AI 在提升用户体验方面的巨大潜力及探索实践。
一、快手电商用户体验的演进与现状
早在2018年，快手便敏锐地洞察到直播电商的潜力，率先在平台上开启了这一新兴业务。时至今日，电商已成为快手不可或缺的一部分，平台持续投入资源，为用户创造更加安心、便捷的购物环境，同时也助力主播和商家实现更顺心的销售体验。相较于传统货架电商平台，快手电商更加倡导好内容与好商品的深度融合与高效链接，不断为用户带来更加丰富、多元的消费体验。
AI时代背景下，用户体验的变迁
随着大模型技术的迅猛发展，AI掀起了一股创新浪潮，据公开数据显示， 截止2024年前8个月，移动互联网的AIGC赛道的流量已实现翻倍增长，市场渗透率超过5%。与此同时，企业数字化转型的深化为AI技术的落地应用奠定了坚实的基础，各大电商平台正加速推进AI与电商的融合，以智能化技术为引擎，驱动业务创新与效率提升。
在AI时代背景下，用户体验变迁不仅局限于市场需求的个性化和实时互动层面，更体现在技术需求的智能化交互和数据分析，以及跨行业应用的拓展和用户体验设计的根本性变革之中。这些变化为企业带来了新的机遇与挑战，促使企业在设计和提供产品和服务时，必须更加注重用户体验，以满足用户的多样化需求，从而在激烈的市场竞争中脱颖而出，实现核心竞争力的显著提升。
各大电商平台的AI 落地情况
快手电商用户体验现状
对于快手而言，优化用户体验始终是至关重要的战略任务。用户体验（User Experience, UE）是指用户在使用产品或服务过程中产生的主观感受和反应。它广泛涵盖了用户与产品或服务互动的各个方面，诸如可用性、易用性、情感共鸣及满意度等。构建良好的用户体验对于提升用户满意度、增强用户忠诚度至关重要，进而能够为企业带来更为丰厚的收益。
然而，当前快手电商用户体验的现状面临诸多挑战，包括页面布局缺乏一致性、操作流程效率低下、性能表现与稳定性体验有待加强等。这些问题不仅削弱了用户的满意度，还可能加剧用户流失现象，进而影响企业的市场表现。因此，亟需实施有效的解决方案，以应对这些挑战。
优化用户体验的价值
二、快手电商提升体验的探索之路
围绕用户体验这一核心要素，快手制定了电商的统一规范与标准，并构建了一套全面的用户体验度量体系。同时，凭借先进的大模型技术，快手自研智能巡检平台，该平台能够自动化、智能化地对电商业务进行全面检测，并即时生成问题报告，为后续的调整与优化工作提供了坚实的数据支持与有力保障。
建立统一的设计规范及用户体验标准
面对快手电商业务的快速发展，现有设计规范与组件功能、样式的滞后性已显而易见，导致部分设计无法有效支撑业务的实际需求。为了解决这个问题，我们紧密结合当前业务状况，借鉴行业内的最佳实践，制定出一套全新的、适用于快手电商的设计规范范，包括但不限于：导航新开规则，页面内容区样式规范，提升页面一致性和屏效比。
这套规范的制是一个持续迭代和优化的过程。密切关注用户反馈和业务需求的变化，及时调整和优化设计规范，以确保其始终能够支撑快手电商的快速发展。同时，我们在内部积极推广这套规范，提升团队的设计能力和效率，共同推动快手电商的设计水平迈上新的台阶。
构建度量
在深入参考行业内B端平台现行的体验度量模型的基础上，结合快手电商当前的发展阶段与实际落地可行性，最终确定了CPS度量模型，该模型涵盖以下四大核心指标：满意度体验（S）、页面一致性体验（C）、性能体验（P）及稳定性体验（S），并通过以下权重计算体验分数：体验分数 = 40% * 满意度 + 20% * 性能体验 + 20% * 稳定性体验 + 20% * 一致性体验。
-
性能体验：这一指标聚焦于平台在速度、响应时间、资源利用效率以及数据处理能力等方面的综合表现。良好的性能体验能够提升用户满意度和工作效率，有效减轻用户的挫败感和不满。
-
稳定性体验：它衡量的是平台在各种复杂情境下维持稳定运行的能力，确保能够持续提供可靠服务。稳定性体验的优化意味着用户能够顺利完成各项任务，不受系统故障、性能波动或其他技术难题的干扰，从而增强用户的信任与依赖。
-
页面一致性：此指标关注平台各页面在设计风格、布局结构、交互逻辑以及内容呈现等方面的一致性。高度一致的用户界面能够提升用户的熟悉感与操作流畅度，大幅降低用户的认知负担，促进更高效的信息获取与任务执行。
-
满意度：作为直接反映用户对产品或服务认可程度的指标，满意度通过系统的调研评分与用户反馈进行综合评估。不断提升用户满意度是增强用户粘性、推动业务持续增长、提升市场竞争力的关键所在。
度量指标之间有着密切的相互影响关系，具体如下：
-
性能体验好的系统能够给用户带来更好的使用体验，用户可以更加流畅地完成任务，从而提高任务效率，提高用户的满意度；
-
页面一致性好的系统能够让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满意度；
-
稳定性好的系统，可以让用户更加平稳的完成在平台操作，从而提升用户的满意度与工作效率；
智能巡检平台
智能巡检平台的演进之路
快手小店是快手官方推出的购买产品的服务程序，以快手小店为例，其包含超过200个页面。如果仅依靠人工来测试用户体验，虽然可以发现一部分问题，但也明显存在局限性，包括但不限于效率低下、覆盖率不足、主观性强、难以量化、响应速度慢以及体验多样性难以覆盖等问题。这些问题不仅增加了项目成本，还可能遗漏潜在问题，影响用户体验和平台竞争力。
为了克服这些局限，我们提出了采用智能巡检能力来完成用户体验巡检的解决方案。智能巡检通过自动化、智能化的方式，能够显著提高测试效率，确保测试的全面性和客观性，从而及时、准确地检测出用户体验问题。
智能巡检的优势主要体现在以下几个方面：
-
高效性：智能巡检能够自动化地执行测试任务，快速遍历平台内的各个功能和页面，大大缩短了测试周期，提高了测试效率。
-
全面性：智能巡检能够覆盖所有可能的用户路径和操作，包括边缘情况和复杂场景，从而确保测试的全面性，减少遗漏问题的风险。
-
客观性：智能巡检基于预设的测试标准和规则进行执行，避免了人工测试中的主观性，确保了测试结果的客观性和一致性。
-
量化性：智能巡检能够收集大量的用户数据和行为分析，对测试结果进行量化和标准化处理，从而便于进行深入的用户研究和问题定位。
-
快速响应：智能巡检能够实时反馈测试结果，帮助团队快速响应用户反馈和市场需求，缩短问题修复和验证的周期。
-
多样性覆盖：智能巡检能够模拟不同用户的使用习惯和期望，覆盖所有可能的设备和网络环境，从而确保在特定环境下的问题也能够被及时发现。
巡检技术架构
智能巡检平台旨在成为应用生命周期管理中的重要组成部分通过提供自动化、全面化、智能化的巡检服务，用于定期或按需对平台或应用进行全面的视觉走查、质量监控、健康检查和性能评估，做到提前发现问题，快速治理问题，帮助设计、研发、测试等群体，保障服务质量，降低故障风险，提升告警有效率，提升用户满意度。
更进一步地，智能巡检平台融入了借助Kwaipilot大模型（快手自研代码生成大模型）与垂直域知识库检索，为持续优化应用提供数据支撑和决策依据，最终建设成为符合行业标准的最佳实践，推动应用向更高水平发展。
智能巡检平台技术架构图
在该架构图中，主要包括4部分，分别为基础能力，核心处理流程，可扩展的策略设计，应用层。其中，应用层较为简单，此处不再赘述。
（1）基础能力
基础能力模块涵盖了触发方式，策略管理与数据清洗三大核心服务。其特色与创新之处在于它们与研发流程的紧密关联以及与用户反馈的高效打通。在快手电商业务场景中，很多商家通过客服渠道或平台功能，向我们反馈他们在经营过程中遇到的各类体验问题。为了迅速响应并验证这些反馈的有效性，我们会在收到舆情反馈后，立即启动智能巡检任务，从而验证问题是否为程序bug。一旦验证其为有效反馈，则会将舆情反馈第一时间触达给研发，从而及时止损。
（2）核心处理流程
根据不同的触发方式，平台智能地分配并执行相应的巡检任务。这些巡检任务不仅多样，而且各具特色，涵盖了稳定性、性能和一致性等多个维度。例如：404，白屏等稳定性策略，首屏，资源大小等性能策略，token，UI对比等一致性策略。当巡检任务执行结束后，我们会将得到的结果作为输入，送入工作流系统（包括了知识库搜索，大模型分析）。经过大模型分析与数据处理后，从海量数据中提炼出有价值的信息，并经过精心处理后，将最终结果存储至数据库中，实现数据的持久化保存。
（3）可扩展的策略设计
策略设计包含了4个核心配置：类型，数据，功能及处理结果。之所以将策略设计为可扩展性，其背后思考为：
-
灵活适配：可扩展的设计允许用户根据需要选择与配置不同的巡检策略，而不必重新部署整个平台，这种灵活性使得平台能够更好地满足不同用户与场景的需求。
-
快速迭代：新的巡检策略可以被独立开发与测试，然后无缝集成到巡检任务中，从而被平台消费，加快了功能的迭代速度。
-
稳定性增强：每个策略都可以独立插拔与运行，即使某个策略出现问题，也不会影响巡检任务的执行，提高了平台的稳定性与可靠性。
而为了实现可扩展性，我们也从4个方面重点设计：
-
插件化架构：采用插件化架构，将每个巡检策略封装成独立的插件。每个策略负责特定的功能，如404，白屏，资源体积大小等。
-
标准接口：定义统一的标准接口，确保所有策略可以无缝集成到每个任务中。这些接口应包括初始化、策略执行、结果返回等基本操作。
-
动态加载：支持动态加载和卸载策略模块，使得用户可以在运行时根据需要启用或禁用特定的巡检任务。
-
配置管理：提供灵活的配置管理工具，允许用户轻松配置和管理各个策略模块的参数和属性。
可扩展的策略设计和可插拔的架构是巡检平台成功的关键。通过这种方式，巡检平台不仅能够灵活适应不断变化的需求，还能够提供高效、可靠和易于管理的巡检服务。这种设计不仅提升了用户体验，还为企业带来了更高的运维效率和更低的维护成本。
策略设计方案
巡检度量动线
在成功构建智能巡检平台之后，至关重要的一步是对其产生的结果进行量化评估，并将这些经过精确分析的数据及时反馈给产品与产研团队。以下展示的是巡检度量流程图：
巡检度量流程图
首先，巡检与研发流程相关联，当研发做变更及发布时，会自动触发流水线，开启巡检的自动化任务；
在自动化任务中，会包括4大类：UI一致性任务，性能巡检任务，稳定性巡检任务与满意度数据：
-
UI一致性任务，将无头浏览器对线上页面的截图与设计稿做对比，得到UI还原度结果A；同时，也会对页面的token做校验，得到token准确率B。然后将A与B做加权求和，得到一致性结果；
-
性能与稳定性数据：利用无头浏览器实时跑一次页面，拿到对应的结果
-
满意度数据：会拿到过去通过满意度调研问卷获取到的数据
将上述4个值按照体验度量公式，计算得到体验评分，并将分数与各任务结果作为输入，提供给体验度量工作流（2.3.4中详述）。
在工作流获取到输入后，就会根据历史优化结果，设计及交互规范，大模型分析，从代码，视觉等层面给出优化建议，同时也会产出体验与工程相关的报告，最终落库。
工作流搭建
在该工作流中，我们规划了8大步骤：
（1）接受输入
接受输入是工作流的第一步，目的是收集用户的输入数据，这些数据可以是多种形式，如文本、语音或图像。目前，我们的巡检平台利用无头浏览器及公司其他基建平台获取到问题，以文本与图片形式作为工作流的输入。
（2）输入格式化
输入格式化是为了将用户输入的数据转换为统一的形式，便于后续处理。对于文本输入，可以去除多余的空格、标点符号等一系列操作，确保文本的标准化；对于图像输入，可以调整图像大小、格式化图像数据，确保图像的质量和一致性。
（3）问题分类
问题分类是根据用户输入的内容，将其分类到不同的类别中，例如性能体验问题，稳定性体验问题，一致性问题等，以便后续处理。此外，还利用大模型，对用户输入的文本进行分类，将问题分为技术问题、产品咨询等类别；通过提取用户输入中的关键词，帮助确定问题类别。
（4）知识库检索
该流程会在自建知识库中进行知识库构建、索引构建、查询处理、检索算法、结果输出。
（5）大模型分析
目前我们使用GPT-4o对问题进行深入分析，生成更准确的答案。
（6）代码执行与处理
代码执行与处理是针对需要执行代码的任务，自动执行代码并处理结果。首先解析用户输入中的代码片段，确保语法正确；然后在安全的环境中执行代码，捕获输出和错误信息；最后处理代码执行结果，生成用户友好的输出，确保用户能够理解和使用这些结果。
（7）格式化输出
格式化输出是为了将处理结果转换为用户容易理解的形式：将答案或建议格式化为自然语言文本，使其更加清晰易懂；对于数据密集型结果，可以生成表格或图表展示，帮助用户更好地理解数据；对于图像对比，一方面我们会做token比对结果的处理，一方面会对图片一致性做对比。
（8）结果输出
通过以上步骤，可以构建一个基于 AI 的用户体验提升工作流，从接受用户输入到输出处理结果，每个环节都经过精心设计，确保用户获得高效、准确和个性化的服务。
工作流模型图
通过这一系列经过深思熟虑与精细规划的步骤，我们成功打造了一个以AI为核心驱动力的用户体验优化工作流。从最初接收用户输入的那一刻起，直至最终输出处理结果，每个环节都力求极致，全方位满足用户的多元化需求。
在此基础上，我们进一步结合了实际业务场景与度量流程，通过深度整合与智能优化，最终形成了一条高效、精准的智能巡检动线。这条动线不仅全面覆盖了用户体验的各个方面，更实现了从问题发现、分析诊断到优化建议的全链条智能化处理，为提升产品质量、优化用户体验提供了强有力的支持。
智能巡检动线
收益分析
智能巡检平台是为确保平台的稳定性而开发的一项重要工具。该平台通过自动化的方式持续监测视觉、系统稳定性以及性能等关键指标，有效提升了产品的整体质量和用户体验。在平台接入方面：目前已经接入2500+套页面，共完成2w+次自动化巡检，累计统计出异常指标 3k+ 个；在稳定性方面：目前已经拦截线上告警500次，同时确保产品质量，减少因UI不一致、性能问题等导致的用户流失，稳定性提升 60%。另外，基于自建的无头浏览器实现了token比对、域名逃生巡检等核心能力；此外，结合巡检能力，计算出页面的体验分数；同时，引入AI的分析能力，对巡检出的问题可以做快速的分析及提供建议。这些成果不仅有助于提升产品的稳定性和用户体验，还为团队的技术积累和未来发展奠定了坚实的基础。
三、未来展望
AI 技术在提升用户体验方面展现了巨大的潜力。从当前体验问题的分析到 AI 时代的用户体验特点，再到具体的应用案例，我们可以看到 AI 在个性化推荐、智能客服、智能搜索、智能导航、智能表单填写和智能巡检等多个领域的广泛应用。这些应用不仅解决了传统用户体验中的许多痛点，还为用户带来了更加智能化、个性化和高效的交互体验。然而，AI 技术的应用也面临着一些挑战，如数据安全和隐私保护、算法的透明性和可解释性等。未来，我们需要继续探索和完善 AI 技术，确保其在提升用户体验的同时，能够更好地保护用户权益，推动社会的可持续发展。
总之，AI 技术正在深刻改变用户体验的设计和管理，为用户带来更加美好的数字生活。我们有理由相信，随着 AI 技术的不断发展和应用，未来的用户体验将更加智能、个性化和高效。
本文作者：李东东
