先定义「好体验」
一个常见的误区，是把 AI 能力本身当成产品卖点。用户不会因为「这里有大模型」而觉得好用，只会因为「问题被更快解决了」而留下。
所以评估 AI 产品体验，我们不看演示时的惊艳程度，而看真实使用里用户是否愿意一直用下去。
五个可观察的信号
第一，用户不需要理解 AI 的机制。第二，第一次使用就能完成任务。第三，错误可以被原谅和修正，而不是让用户从头再来。第四，回答足够具体，具体到可以直接行动。第五，用户愿意把结果分享给别人。
- 不需要理解机制：界面用业务语言说话，不出现「模型」「上下文窗口」
- 首用即成功：新用户第一次提问就能得到可用结果
- 可修正：给用户编辑、重试和反馈的出口
- 可行动：回答包含明确建议，而不是一堆可能性
- 可传播：用户愿意把结果分享给同事或朋友
最常见的反面教材
很多 AI 产品把能力堆在首页：聊天、绘画、搜索、分析全部并列，用户进来反而不知道该做什么。另一个极端是把 AI 藏得太深，用户找不到入口。
好的做法是围绕一个高频任务设计：用户进来只看到一个明确的问题，做完就离开，下次需要时再回来。
用一句话验收
把产品给一个完全不了解 AI 的用户，观察他能否在 60 秒内完成核心任务。如果中途需要解释、需要看教程、需要猜测按钮含义，体验就还不够好。
AI 产品体验的终点，是让用户觉得「这件事本来就该这么简单」。
一个最简检查表
发布前用五个问题检查产品：新用户能否在 60 秒内完成核心任务？完成过程需不需要看教程？结果是否可以编辑和重试？出错时能否恢复？用户是否愿意把结果分享出去？
这五个问题会随着产品阶段变化，但每周复检一次，能避免团队在细节上打磨太久，却忘了核心体验还不过关。
团队怎么持续改进体验
体验不是上线那一刻定型的，而是每一次用户反馈、每一个异常日志、每一场访谈累积出来的。团队应该把「体验复盘」放进每周例行工作，而不是等项目结束才做。
复盘时看三类证据：用户录屏里卡住的动作、客服和反馈里反复出现的问题、数据里完成率下降的步骤。三类证据指向同一个地方时，那里就是下一个迭代点。
改进体验最怕的是靠感觉拍脑袋。先让证据说话，再让设计发挥，AI 产品才会越用越顺。
体验改进的三个抓手
第一个抓手是反馈闭环：把用户反馈从客服、评价、访谈里收集起来，每周归类，找出最高频的三个问题。第二个抓手是行为数据：用漏斗看用户在哪里放弃，用录屏看用户在哪里犹豫。
第三个抓手是竞品参照：定期体验同类产品，记录别人做得比自己好的细节。三个抓手不是三选一，而是互相印证：反馈说明「用户在意什么」，数据说明「用户实际做了什么」。
当一个痛点同时出现在三类证据里，就值得进入下一轮迭代；只出现在一类证据里，先标记观察，避免被个别声音带偏方向。