出海，是一场勇敢者的游戏。面对陌生的市场、文化差异，以及难以预测的挑战，许多创业者在风口上烧光了钱，却没能蹚出一条路。
出海，是一场勇敢者的游戏。面对陌生的市场、文化差异，以及难以预测的挑战，许多创业者在风口上烧光了钱，却没能蹚出一条路。更有甚者，辛辛苦苦打造的产品，上线后却石沉大海，反响平平。你有没有想过，巨头们为什么总能精准地踩中用户的痛点？他们的秘诀，或许并不在于雄厚的资金，而在于对人性的深刻洞察。今天，我们以设计独角兽Figma为例，拆解其如何通过"人肉"测试，打造出爆款AI产品Figma Make，为所有出海创业者，提供一份价值百万的"避坑指南"。
AI时代，创业者的"炼金术"
AI的浪潮，正在重塑整个产品构建的流程。以前，一个好的产品需要经历漫长的构思、设计、开发、测试...现在，一个想法，通过AI工具的赋能，就能快速变成可看、可感、可交互的"原型"。这无疑大大降低了创业的门槛，让"人人都是产品经理"成为可能。然而，市场也因此变得前所未有的拥挤。当所有人都拿着AI这把"锤子"时，如何才能敲出真正惊艳的"作品"？
Figma的AI产品负责人 David Kossnick给了我们一个出乎意料的答案：把人放在产品研发的中心。不仅仅是在用户体验上，更是在整个产品的开发和评估过程中。他坚信，AI的强大之处在于其可塑性，但这种可塑性也像一团迷雾，只有通过不断的实际测试，才能看清其真正的潜力。
Figma本身就是一个以人为本的典范。他们旗下的 FigJam工具，就是源于社区用户在疫情期间，将Figma当作白板和头脑风暴工具的自发行为。而Figma Slides的诞生，也始于一次内部的"病毒式传播"。这些案例无一例外地证明了，伟大的产品，永远是长在用户需求这片土壤上的。
一个"黑客松"项目，点燃了火种
Figma Make 的故事，始于一次看似无心的"黑客松"项目。当时，Figma 正在开发一项名为 Sites的大规模基础设施项目，目标是让设计师能将他们的作品直接发布成网站。这是一个浩大的工程，涉及全新的系统和渲染技术，旨在将设计元素转化为功能性代码。但就在他们紧锣密鼓地开发时，AI代码生成技术正飞速发展。
一个设计师突然灵光一现："如果我们在设计静态网站时，能用AI让组件动起来呢？"这个疯狂的想法，迅速变成了一场内部的"黑客"项目。结果令人震惊，尽管这个原型还不完善，失败率很高，但一旦成功，效果却令人难以置信。这个项目瞬间在公司内部引发了巨大的关注和兴奋。
这个项目的成功，促使团队开发了 Figma Make 的第二个核心组件——Code Layers（代码层）。简单来说，就是让用户可以直接在 Figma 画布上写代码，并将设计转换为类似 React（一种流行的网页编程框架）的代码。这就像是在一个绘画板上，你不仅可以画画，还能直接让你的画动起来，甚至能和用户互动。这三个功能，直接解决了"设计转代码"中最困难的部分。一个全新的世界，就这样被打开了。
Figma 的"四步走"产品决策树
一个原型，无论看起来多酷，能否成为一个可行的产品，需要经过严谨的评估。AI产品的难点在于其极强的可塑性，你几乎可以在产品界面的任何地方想象AI的用武之地，所以，决定"不做"什么，比决定"做"什么更重要。
下面是Figma用来评估AI项目是否值得投入更多时间和资源的"四步走"决策树：
1. 技术尚未成熟： 如果你的想法在现有技术模型上难以实现，那就停下来等待。别在不对的时间，做对的事情。
2. 需要大量定制开发： 这个问题可以归结为，你愿意投入多少人力和资源去攻克？这通常意味着需要组建专门的团队、收集庞大的训练数据集，这是一场持久战。对于To B企业或硬件创业者来说，这一点尤为重要。
3. 需要调整产品以适应技术： 如果你的想法很棒，但技术上略有不足，那就反问自己："我如何改变产品，让它更容易被AI实现？"这要求你毫不留情地砍掉非核心功能，聚焦最核心的价值。这就像是给AI一个更窄、更明确的目标，让它更容易实现你的想法。
4. 技术已经可行： 这是最理想的路径，当你的技术与产品能力完美交汇时，你需要做的就是——快！
"巨头永远比你更有钱，但他们永远没有你快。"速度，是创业者在这个时代最锋利的武器。当Figma的原型准备就绪，他们立刻将其推向用户，获得了超出预期的兴奋和反馈。
Figma 的"人肉测试"三部曲
传统的软件测试依赖用户行为追踪和数据分析，但在AI产品的世界里，这套方法行不通了。AI的输出具有"概率性"，其好坏取决于人类的创造性主观判断。为了解决这个问题，Figma 建立了一套独特的三步走"以人为本"评估流程，将人类品味融入了每个环节。
1.定义"成功"的指标
评估成功的第一步，是定义对你用户而言真正重要的指标。对于Figma Make，他们定义了两个核心指标："设计得分"和"功能得分"，每个分数从1到4。
设计得分： 评估AI生成的视觉效果是否符合预期。你给它一个草图或一个提示词，它生成的作品是否美观？你是否真的愿意使用它？
功能得分： 评估生成的产品是否真的"能用"。它可能看起来不完美，但其核心功能是否实现了？
这些主观的、以用户感知为核心的指标，直接决定了后续的测试方向。"人们常常在评估时忽略这一点——为你的产品定义'成功'的真正含义。"
2.大规模收集人类反馈
没有什么比让你的产品在最早阶段，就落入真实用户手中更有价值。Figma 采取了四层同心圆的测试圈子：
AI内部团队（30人）： 团队成员在 Slack 上分享他们的测试结果，包括提示词、作品链接和得分。短短一天，他们就收集了数百个案例，发现了不同用户对"好"的定义大相径庭。
PM和设计团队（核心用户）： 他们将测试平台搬到了 FigJam上。在这个无限画布上，他们收集了超过1000个真实用例、产品失败和成功的案例。这让他们找到了产品的核心痛点，并决定了后续的功能和设计方向。"这可能是整个项目中，最有价值的一天。"
全公司范围： 举办比赛，邀请来自不同部门的员工，用 Figma Make 创造东西。结果令人惊喜，从HR部门的猜人游戏，到销售团队的活动微型网站，甚至游戏。这帮助团队发现了产品的"外部可能性"，拓宽了视野。
外部内测用户： 最后，Figma才将产品交给外部的Alpha测试用户，并添加了内置的反馈功能。对于创业公司来说，可以通过社区、行业KOL等方式，找到第一批愿意为你的愿景买单的种子用户。
3.评估和量化数据
有了海量的定性数据，Figma 接下来要做的，就是将其结构化。他们采用了四种评估方式：
确定性评估： 像"是/否"的判断，比如AI生成的代码能否正常运行。这个可以用脚本自动化，效率极高。
品味和判断评估： 这是最关键的一环。他们雇佣了专业的测评人员，用一个内部工具，根据一套详细的品牌指南来评估AI的输出质量。这就像是Google的搜索结果评估，"我们希望确保人类的品味，能与用户的期望保持一致。"
AI作为裁判： 这是一种更高级的玩法。Figma 尝试用AI来评估AI的输出。他们会给"裁判AI"提供详细的指导和例子，然后让它去评估大量的响应。这可以极大地扩展人类评估的效率。
用户行为分析： 传统的A/B测试依然有效。将不同的模型或功能展示给不同的用户群，通过数据来判断哪个效果更好。
最后总结
Figma Make 的成功，再次证明了在AI时代，以人为本的方法论才是核心竞争力。创业者们很容易被技术的光环所迷惑，沉溺于算法和模型，却忘了最终决定产品生死的，是用户的使用体验和真实反馈。
不要闭门造车。 盲目地追逐技术风口，闭门造车，最终只会撞上南墙。Figma 的故事告诉我们，与其花时间在孤立的环境中优化一个"自己认为对"的东西，不如早点将它交到用户手中。哪怕只是一个粗糙的原型，也能让你迅速获得宝贵的洞察。真正的"金矿"，不在代码里，而在用户的大脑和使用习惯里。
不要再等待一个完美的解决方案，先用最快的方式，打造一个可用的原型，然后让你的核心用户，用他们的"品味"和"判断"来为你指明方向。记住，一个以人为本的AI产品，才能真正穿越周期的迷雾，成为下一个时代的爆款。
没有评论:
发表评论