盒马从17年就开始自研AIoT终端产品，到目前已经形成6个场景、将近20个产品。
这个期间产生的AIoT终端有不同的发展情况。有的被行业广泛应用到数万使用规模的，也有的还未出生便因为业务需求调整胎死腹中，又或者落地后迟迟无法被店长们普遍接受的。
大家普遍认为“Ai”是未来必经之路，尤其是最近AIGC、ChatGPT等火热更让Ai地位变得重要。然而在线下真正实际结合“Ai”去解决问题的终端产品却始终面临着落地难、价值变现周期长等问题，最终往往被嘲讽是 “人工智障”。
那为什么Ai产品落地难且成熟慢呢？**原因有两点，「难用」和「难规模化」。**
由于Ai技术有限制的，并不能完全适应各种场景，而恰恰是这些不能适应的场景导致Ai产品不能真正解决问题。另外用户上手Ai技术有学习成本甚至不信任，导致无法将产品用起来。这些原因导致了「难用」的问题。 Ai产品涉及软硬件改造，客户新增设备投入比较高。如果要对存量设备改造，需要和存量设备厂商建立合作，因此推广也难。这导致了「难规模化」的问题。下面我们将结合盒马Ai视觉秤的孵化经历，讲讲我们如何以产品设计视角克服「难用」和「难规模化」的问题。
为什么做这款产品？
在传统商超，我们发现散称商品往往需要员工通过一个记满商品和价格的纸张来帮助顾客完成商品的散称操作。在高峰期，即使员工花时间熟记商品秤码，在散称区还是经常会排长队，遇到新商品或者新员工时速度更是慢。
而真正好用的Ai产品，我们需要在不同演进阶段定位不同的体验目标：
- 试点期-降低上手门槛，追求“能用”；
- 推广期-降低运营成本，追求“即插即用”；
- 成熟期-增强异常场景适用性，追求“好用”。
初期单店试点时，由于Ai自身能力不够成熟，因此无法适应全量情况。而使用者由于不了解使用流程，或失误产生一些异常操作都是可能直接阻断使用流程。例如在Ai秤试点过程中，我们看到有用户无法区分标品和散称品这样的商品区分，而把所有商品往设备上放置来识别。另外也看到在视觉识别过程中用户手没有移开产生了遮挡影响了视觉识别。
此类体验中，我们除了让本身流程好用之外，需要重点围绕使用异常的引导展开。
- 在使用前和使用中，我们在关键视觉区提供了更标准化和易懂的流程步骤引导，让大多数用户会用。
- 而应对阻断性问题（例如异常的感知和重置引导），必要时我们可以通过Ai算法对特定异常情形识别和针对性提醒（比如针对手遮挡时，通过识别手的遮挡来提示用户把手移开）。
这个阶段的体验设计需要围绕「运营体验」展开，兼容不同的线下场景并逐步降低使用成本。
CASE 1：**兼容门店场景的素材采集和处理体验**
Ai秤在规模化过程中，我们发现不同门店的光照环境差别很大，有些门店阳光/筒灯直射秤盘在图像中产生明显的阴影，而有些秤放置在昏暗的角落，采集的图像很暗。这就对算法适应性和素材的取用有很高要求。 因此我们在产品中提供灯光补偿来降低环境因素影响，并自动处理素材亮度以符合使用需要。
CASE 2：状态感知和顺畅引导降低素材积累的费力度
「人工智能」的背后一定需要大量的「人工」，而这造成了运营成本的提高。视觉秤在启用新商品的识别时，需要积累一定数量的素材来训练Ai。但是实际在一些商家试点的时候，发现Ai秤运行不起来的原因之一是员工没有及时/没做素材采集。原本的商品上新需要的素材采集流程需要员工发起，尽管这个任务本身花不了几分钟，但零售门店的员工岗位变化快且工作内容多，因此即使培训到位也很容易被遗忘。
如何降低员工在此类任务中的费力度至关重要。因此我们设计了员工的操作体验，把商品上新所需要的任务进行串联，一步步引导从智能发现新品到素材采集、商品图维护等操作，让员工潜移默化之间就能完成商品上新。甚至当员工忘记采集时，也可以在日常检索过程中积累素材，逐步启用机器视觉。
运营一定存在作业流程，而实际作业流程中不只有标准化的显性流程，还有很多其他支线任务甚至异常流程。围绕Ai能力，我们可以在体验上通过划分整个作业流程提供更智能的状态感知和交互引导，以缩短用户上手成本和日常运营成本，让使用者更易使用好Ai产品。
在带来便利性的同时往往也会带来一些新工作项，这提高了员工的使用门槛，产生了新的工作量，且难以很快通过SOP培训来达成使用目标。围绕此类实际的运营问题，我们需要通过无感知的、顺畅的引导来辅助使用者完成Ai所需要的操作，降低培训压力，达成「即插即用」的目标。
Ai产品的体验要达到及格线往往容易，但要从合格到卓越的体验需要花费大量的时间。在解决了Ai基础数据问题和运营问题之后，随着Ai产品逐步推进到成熟应用阶段，需要基于业务场景进行细致入微的观察，并找到和解决影响识别体验影响因素。
CASE 3：洞察细微场景完成体验精进
例如超市同时会卖多个类型的苹果和橙，大部分用户在拿商品时不看具体价签牌，对于商品名不了解。当Ai秤提供多个相似品选择时，用户往往很难选择。我们借助了相似品上的果标，在算法基于果标特征加强的同时在交互上做提醒，让用户可以更方便定位对应的商品。
素材管理提醒
因此我们从立项之初就定位自助打秤场景，尽最大可能降低人力成本，让商家真正愿意去使用。
在规模化过程中对收银场景做散秤升级时，尽可能降低升级成本才可以帮助商家降低试错风险。因为门店商家往往青睐可以适配已有软硬件的插件方案，这样硬件投入低，空间动线影响小，软件上即插即用，这能整体降低商家的试点成本。
通过搭建稳定且灵活的硬件框架适配更广泛的场景和不同硬件设备十分重要。考虑不同散称场景我们定义了一系列统一硬件框架的产品线，确保操作体验、工业设计、量产成本。另一方面，尽管设备形态上有差异，但底层的素材训练都是可以通用的，因此这样也能确保素材跨设备通用。
除此之外，我们也分享了我们在推动Ai终端产品规模化的要点：专注于关键价值点形成产品策略，同时以高适配的产品形态兼容商家需求。
/ **THE END** /
若有收获，就点个赞吧
0 人点赞
