09:3018:40
下一步：14:30 前完成值机，确认行李规则
02 / Three-stage progression
不是三个项目，而是一条问题推进路径。
Stage 01 / Fulfillment service
重构履约服务
用户买完票后，真正需要下一步。
用户焦虑的不是订单。
是下一步。
原问题
信息完整，但行动路径不清楚。
设计取舍
出行安排提前，订单信息后置。
落地判断
履约服务是连续链路，不是信息展示。
真实限制：航变
中转衔接
行李规则
值机时间
服务兜底
signal买票后交易结束，服务刚开始。
gap信息完整但行动顺序不明确。
risk时间 / 行李 / 航变任何一项都可能打断旅程。
rule行动优先先告诉用户下一步。
Information hierarchy：从信息堆叠到出行安排
Before：订单信息
航班信息
订单费用
退改规则
服务入口
用户自己判断下一步
After：出行安排
出行安排：下一步该做什么
风险提示：是否可能误机
服务兜底：值机 / 中转 / 航变
订单信息：作为辅助确认
行前准备值机选座安检登机航班抵达
+19PTNPS 用户评分上涨。
-1186咨询量下降。
服务链路从信息展示走向服务组织。
01 → 02
02
用户真正缺的，
不是信息，
而是判断。
Stage 02 / AI decision
定义 AI 决策范式
AI 不只是给答案，而是解释判断。
用户不缺信息。
缺判断依据。
原问题
搜索能筛条件，但不能组织判断。
设计取舍
推荐理由、风险解释、多维比较前置。
落地判断
AI 决策必须可感知、可理解、可托付。
判断维度：价格
时间成本
中转风险
退改规则
个人偏好
signal条件太多价格、时间、风险互相牵制。
gap搜索能筛选但不能替用户判断。
risk黑盒不可信用户需要知道为什么。
rule理由先于推荐解释决定信任。
Reasoning flow：从一句话需求到可理解推荐
自然语言输入想找更稳妥的行程
AI 理解需求时间 / 价格 / 中转 / 风险
AI 理解偏好更少折腾 / 更高确定性
推荐逻辑多维度比较，而不是单点排序
风险解释把延误、衔接、规则说清楚
规划 / 预订 / 履约关键判断贯穿完整旅程
+16%订单贡献提升。
+14%AI 使用完成率提升。
可信任推荐变成可理解判断。
02 → 03
03
如果 AI 能帮助用户决策，
它是否也能帮助设计师。
Stage 03 / AI workflow
AI 协同工作流
让真实问题更快进入原型验证。
反馈到方案，链路太长。
需要闭环。
原问题
反馈、规范、生产、评审分散。
设计取舍
workflow 只服务于验证，不抢主线。
落地判断
AI 连接问题、规则、原型和评审。
服务引导
中转指引
体验看板
规范调用
评审闭环
signal反馈分散问题难进入同一视图。
gap讨论不等于验证需要可体验原型。
risk生成会跑偏必须调用规范与评审。
rule验证优先原型回到问题本身。
Validation loop：从用户反馈到修改闭环
用户反馈服务引导 / 中转指引 / 履约问题。
问题提炼把反馈变成可设计问题。
规范调用组件、文案、页面结构。
HTML 原型快速进入可体验状态。
gstack review交互、视觉、响应式。
修改闭环回到问题继续优化。
服务引导真实问题进入原型。
中转指引具体场景验证。
体验看板问题、方案、评审闭环。
Impact
三个阶段，最后都回到真实结果。
+19PT履约服务阶段，NPS 用户评分上涨。
-1186服务链路更清晰，用户咨询量下降。
+16%AI 决策阶段，订单贡献提升。
+14%AI 使用完成率提升，决策效率提高。
About
这条主线来自真实项目推进顺序
先从真实履约服务问题出发，重新组织订单后的出行服务链路。
再把 AI 引入复杂出行决策，让用户理解为什么推荐、风险是什么、为什么更适合。
最后把 AI 放入真实设计流程，让反馈、规范、原型和评审形成闭环。