服飾搭配在新興年輕族群中,成為一種自我表態的方式。許多人會藉由分享穿搭、搜尋穿搭的方式,掌握最新的服飾搭配技巧。尤其對於 Z 世代而言,這已經成為他們日常生活中的一部分。社群回饋的即時性,讓好友之間可以交換最新資訊和穿搭技巧,進而影響穿搭與自我風格成長。然而面對龐大的資訊量,如何讓使用者透過「回饋」找到適合自己的穿搭風格,並藉此掌握自身穿搭風格,便成為本次時行創意的目標。為了兼顧市場性、易用性、趣味性,我們將從 App 的最小可行性功能 (MVP) 展開,搭配客戶希望以 AI 作為關鍵技術,產品的設計將以建立 AI 資料庫為輔,穿搭互動為主進行設計,希冀快速打入北美市場,並持續迭代。
01Overview
Client
Outfit.ai
即時好友回饋讓穿搭更易打入北美青年市場導入 AI 在產品開發前期的 0 到 1 階段,新創公司、設計公司和學校的設計團隊需要通過分析市場上現有產品的資訊來探索產品定位、確定設計提案方向,以及定義產品的造型和功能規格。然而,目前國內外還沒有能夠同時提供市場資訊和足夠深度的產品設計元素分析資料的數據產品,這導致設計團隊仍然需要花費大量的時間和人力來進行資料收集、分析、溝通和審核分析結果。 因此,Product Data Explore(簡稱PDE)提供了一站式的產品數據整合分析服務,加速從0到1的產品開發流程,降低設計前期研究成本,提高設計團隊的溝通效率。分析讓穿搭更有系統性與成長性
02Challenge
03Concept
User Interview
深度訪談
客戶即將在北美成立新創公司,特別希望能用 AI 技術優勢,協助北美使用者提供簡便的 Outfit APP。為了協助客戶了解實際的是否有穿搭回饋的需求,團隊進行了多場深度訪談,傾聽來自目標年齡層與男女間的穿搭使用情境。團隊分析收斂出幾個重要洞察:・市場目前沒有普及穿搭 App・私人社群取代多數的分享與回饋・諮詢穿搭的本質在於使用者可以藉此找到自己的風格・在不同場合,能夠作出得體的穿搭
Persona
人物誌分析
依據深度訪談,我們發現研究族群中可分為兩種不同的 persona 在與客戶來回討論之後,我們將以 persona 2 作為主要的產品方案服務對象。
Double Diamond model
雙鑽石模型
在研究分析之外,團隊也固定每週進行工作坊,將各部門意見進行 brainstorm。聚在一起,互相提出意見、交換想法,一起製造頭腦風暴,慢慢描繪出 Oufit 與使用者的情境與未來。透過與客戶共創,定調出「快速的回饋、AI 與成長、潮流與創新」的核心價值與品牌個性,確保使用者的易用性、視覺識別、都能展現出 Outfit 的品牌個性。
04Points of Design
05Branding
多元豐富的視覺元素
呈現出有如潮流雜誌般的品牌印象
根據年輕使用者喜愛呈現個人風格為原則,提出雜誌封面的設計主張,以短影音快速達到快速回饋的機動性。透過有系統地建構出品牌形象的基本輪廓,不論是有形的識別設計或無形的氛圍塑造,我們延伸了一套完整的識別系統,幫助 Outfit 傳達的訊息能更完整的呈現。
06Solution
短影音精簡提問的使用流程 4 步內達到輸入與編輯的問題
近年來短影音的流行與快速散播的特性,幫助使用者更能短時間快速瀏覽與紀錄使用者的 #ootd,也可迅速查看使用者的提問問題。
Web Plugin 與 App #AI Lebal 更能豐富 AI 資料庫的精準度
團隊從研究結果發現,使用者在進行穿搭比較與參考時,也會出現「參考網路購物搭配圖片」的行為,藉由學習網路購物商家的服裝搭配圖片,感受不同的風格是否適合自己。因此設計團隊除了打造手機 App 之外,更設計了可以安裝在瀏覽器上的 Plugin,此 Plugin 與 App 的資料庫未來可以進行串聯,使用者可以將自己在網路購物時看到的搭配圖片存進 Plugin 中,背後的 AI 技術將會收集並累積這些個人收集的圖片資料,推算出使用者可能最喜歡的風格,更擴增此產品未來與電子商務對接的可能。
問題卡片化將問題結構後更好閱讀卡片堆疊與翻頁也不遮擋穿搭細節
限時短影音的方式翻閱穿搭問題
精簡縮放問題讓體驗更流暢
智慧式的輔助留言與重點回饋置頂
讓使用者打字更無痛與易用
智慧語言庫模型推薦關鍵字,讓使用者每打一個字與留言更智慧化,大大提升提問者收到回饋的速度,與讓回饋者能夠輕鬆的給予建議。留言回饋層級比按鈕回饋層級更高,置頂化讓使用者更易看到。
往下拖曳的互動讓投票更操作直覺
視覺化讓互動多了一絲趣味性
數據化 Dashboard 與顏色回饋讓使用者建立系統性穿搭的第一步
07Credits
Design Director
Holden Chen
UR / UX Designer
Amber Tsai
UI Designer