履约体验
从订单信息到服务链路
经历与能力结构
三阶段作品主线来自真实业务项目的连续推进。
阿里巴巴集团｜电商事业部｜体验设计专家
腾讯科技有限公司｜视觉设计师
长沙理工大学｜产品设计
Three Tracks
三条主线
通过三个阶段呈现我的能力升级路径。点击阶段卡片，在当前页面展开真实项目详情。
01｜2023–2024
重构履约服务
从信息堆叠，到服务链路。
02｜2024–2025
定义 AI 决策范式
从服务清晰，到判断清晰。
03｜2025–2026
AI 协同工作流
从用户判断，到设计验证。
PART 1
重构履约服务
交易结束，代表履约的开始。
我主导履约阶段体验重构，把订单页从信息展示，重新组织为用户能理解、能行动的出行服务链路。
项目时间2023–2024
我的角色体验设计专家 / 主导体验重构
核心问题用户买完票后不知道下一步该做什么。
最终结果NPS +19PT / CPO -1186
问题定义
原订单页承载了大量信息，但用户在履约阶段真正焦虑的是行程确认、特殊服务、退改问题和异常处理。
业务为什么要做？
国内8.5%业务重视的履约服务指标
国际21%业务重视的履约服务指标
用户卡在哪里？
不是信息不够，而是不知道哪些信息会影响出行、哪些动作必须马上完成。
行程确认特殊服务退改问题异常处理
我的设计判断
履约体验的核心不是“展示更多订单信息”，而是建立用户能理解的必经路径和必须完成的关键动作。
必经
行程维度的服务引导，回答“下一步要做什么”。
必做
订单维度的关键动作，回答“会不会影响出行”。
方案拆解
把原本堆叠的订单信息拆成出行安排和订单信息，让行动路径优先于辅助信息。
Before
→订单信息堆叠
用户需要自己判断下一步和风险。
After
出行安排 + 订单信息
服务链路和辅助信息分层呈现。
Strategy 01
突出必经，让服务更清晰
解决的问题：用户不知道背后下一步要做什么。
设计动作：用行前准备、值机选座、安检登机、航班抵达组织阶段路径。
产生的价值：用户可以沿着服务链路完成出行准备，而不是在订单信息里寻找线索。
Strategy 02
突出必做，让服务更可控
解决的问题：用户不知道哪些异常和动作会影响出行。
设计动作：把上线证明、改签费用确认、异常识别、关键动作前置。
产生的价值：把不确定风险转化为用户可以立即处理的动作。
关键画面
网页只保留能说明结构变化的核心画面，完整推导放在 PDF。
结果数据
数据验证了“清晰路径 + 关键动作前置”对服务体验和咨询量的改善。
NPS +19PT用户评分上涨，说明履约阶段的可理解性和服务感知增强。
CPO -1186同比用户咨询量下降，说明用户能更快找到下一步处理方式。
能力沉淀
- 复杂履约链路的信息重构能力
- 从订单展示转向服务链路的产品判断
- 用结果指标验证体验重构价值
PART 2
定义 AI 决策范式
AI 加入后，新的挑战不是“能不能推荐”，而是用户是否愿意相信。
这个阶段聚焦复杂出行选择：让推荐从黑盒答案，变成用户能感知、能理解、能验证的判断过程。
项目时间2024–2025
我的角色AI 决策体验设计
核心问题用户面对大量结果时缺少判断依据。
最终结果订单贡献 +16% / 完成率 +14%
问题定义
传统搜索让用户反复筛选和比较，但价格、时间、风险之间的权衡仍然要由用户自己完成。
用户不缺信息，缺判断依据
用户需要反复调整条件
面对大量结果难以判断
需要在价格、时间、风险之间权衡
我的设计判断
AI 推荐不能只给答案。用户要知道推荐基于什么、风险在哪里、为什么更适合自己。
传统搜索
→用户筛选、用户比较、用户判断
机器提供固定结果，用户自己完成决策。
AI 搜索
理解意图、生成方案、解释理由
AI 帮助组织候选方案，并输出可理解的判断机制。
Principle 01
让 AI 决策可感知
解决的问题：用户不知道 AI 是否理解了自己的真实需求。
设计动作：把一句话需求转化为可见的偏好与条件。
产生的价值：用户能确认 AI 正在按自己的意图推进决策。
Principle 02
让 AI 决策可理解
解决的问题：用户不理解为什么推荐这个航班。
设计动作：展示推荐理由、风险解释和多维比较。
产生的价值：推荐从黑盒答案变成可以理解的判断链路。
Principle 03
让 AI 决策可被信任
解决的问题：用户会追问价格、风险和适配原因。
设计动作：围绕“为什么推荐、是否最低、是否有风险”补足解释层。
产生的价值：用户可以验证推荐，而不是被动接受结果。
关键画面
保留 AI 决策链路中最能说明“判断如何被说清楚”的画面。
结果数据
数据说明用户愿意使用 AI 决策，并且这种理解型推荐能转化为实际订单贡献。
订单贡献 +16%订单贡献量提升，说明 AI 推荐不只是曝光能力，也推动真实决策。
完成率 +14%AI 使用完成率提升，说明解释机制降低了用户中途放弃。
能力沉淀
- 复杂选择场景下的信息判断结构设计
- AI 推荐信任机制与解释机制设计
- 从搜索效率转向决策质量的体验判断
PART 3
AI 协同工作流
让真实问题更快进入原型验证。
这个阶段不是展示 AI 工具，而是把用户反馈、设计规范、HTML 原型和 Review 校验接进真实设计链路。
项目时间2025–2026
我的角色AI 工作流设计 / 原型验证
核心问题反馈到方案的链路太长，真实问题难以及时验证。
最终沉淀输入、分析、生成、校验、输出闭环
问题定义
AI 内容实时生成、UI 状态动态变化后，传统“需求 → 设计稿 → 开发 → 上线”的流程很难快速响应真实反馈。
过去
→需求 → 设计稿 → 开发 → 上线
设计主要交付页面，反馈进入方案较慢。
现在
持续反馈与动态状态
AI 生成内容、页面状态和用户问题需要更快进入验证闭环。
我的设计判断
AI 工作流不是单纯提效，而是让真实问题被结构化、生成方案、接受规则校验并持续优化。
输入层
用户反馈 / 业务问题 / 真实页面
分析层
AI 提炼问题 / 识别体验断点
生成层
设计规范 / Codex / HTML
校验层
gstack Review / 一致性检查
输出层
设计稿 / HTML 原型 / 持续优化
入境卡优化
证明什么：AI 可以把字段多、易漏填的表单问题转成可被引导的填写过程。
中转指引优化
证明什么：AI 能把托运、入境、路线等复杂规则整理为用户下一步行动。
服务体验看板
证明什么：AI 能帮助设计师更快发现体验断点并形成后续方案。
关键画面
保留能说明“工作流跑起来”的结构图和真实输出。
能力沉淀
- AI 参与设计生产流程的系统搭建能力
- 把用户反馈转化为可验证原型的闭环能力
- 从页面交付转向规则、系统与校验机制定义
Other Works
其他项目
以下项目作为主线之外的能力补充，展示平台体验、品牌视觉、专利创新与设计治理等经验。
腾讯安心平台小程序
项目背景、品牌升级、小程序体验优化与项目成果。
收录于完整作品集 PDF
视觉 / 品牌 / 活动探索
神奇宝贝在哪里、用户声音设计团队培训。
收录于完整作品集 PDF
专利与创新
一年内完成个人专利 12 项，推动团队专利 20 项+。
收录于完整作品集 PDF
团队协作 / 设计治理
设计语言组件、协同团队管理、AI 智能工程链路、分工进化。
收录于完整作品集 PDFContact
Let’s Talk
网页展示核心主线与精选项目，完整项目过程、更多页面细节与设计推导可查看 PDF，也欢迎进一步联系。
电话：18210808657