公益小事 – Xiang Peng

公益小事

2017年｜类型：小程序｜标签：设计主导｜角色：产品策划、交互设计

背景

需求方原意指在通过 H5 来推广“光盘行动”，并在H5中连续五天完成拍照打卡的任务，获得一定形式的奖励。但在H5 和打卡拍照上存疑：

H5 还是微信小程序？

H5 具有短时性、爆发性的传播特点。随着营销手法以及创意的不断推陈出新，H5的传播会在一定时间内达到顶峰，随机开始急速下滑。面对“长期”、“习惯”这类字眼时，H5 显然不具备这类优势。

主打无需安装、触手可及、用完即走、无需卸载的小程序。通过餐桌的二维码“触手可及”，“用完即走”对于目标产物而言是先验概念，可以让用户在线下触达后随即完成任务，逐渐培养员工珍惜粮食的习惯。这个目标产物是去运营化的。

人工识别还是机器识别？

人们因为食物的美好而拍摄，而赞美食物。这个行为是在用餐前的。用户在用餐后完成拍照、上传，过程中拍摄的画面难免不堪，就会有失体统、不够优雅。用户在任务完成度上难免打折扣。我们兴许可以尝试把这个过程的焦点转移，将不堪地画面极大地转移至机器来处理，通过机器学习的图片分类器来完成。对图像进行分类训练，实现“餐盘是否清光／食物残留度”的预测。将用户原始数据交由机器处理，反馈全新的数据给用户。

为此，我们重新定义了设计挑战：设计一款以“光盘行动”为命题的公益产品，培养 TEG 员工珍惜粮食的习惯和意识。

问题

大家印象中的光盘是洁白无瑕的，但现实却比较残酷。人们会赞美食物而在餐前拍摄食物。但餐后拍，似乎有失体统、不够优雅。

用户在长期拍摄的意愿上遭到了动机缺乏和审美黑洞的双重挑战。

设计目标

刺激用户愿意拍、坚持拍。

设计策略

有失体统，我们尝试把这个过程的焦点转移，将不堪画面极大地转移至机器处理，对图像进行分类训练，实现食物残留度的预测。

动机缺乏，我们采用积分奖励的形式，每餐首次光盘及其正负反馈都可以积分。

机器学习

在三周内共采集 5001 个样本，人为判定是否为光盘。模型训练精确度已经达到 98.7%，后续将引入用户反馈训练模型。

设计难点

拍摄他物的拒识；
用户输入数据过于难堪；
用户反馈数据反哺机器学习；
积分与兑换机制；
用户三餐时段首次参加和非首次参加；

设计方案

引导用户拍摄、调整位置，有效引导用户输入合适的照片。

引导拍摄

通过 CUI 设计建立与用户的沟通与引导，反馈结果不直接使用用户输入的图片，而采用基于“光盘率”带有词矢量的卡片。

使用 CUI

为预测结果提供用户正负反馈。

提供正负反馈

建立低成本、低难度的积分规则。

使用积分兑换

通过 CUI 建立不同场景下的用户体验。下以两种场景为例，左为同餐段再次拍摄，右为重复提交相同的照片。

同时段多次拍摄

提交重复照片

专利

发明名称：一种图像识别的方法及相关设备
发明人：郑永森；朱晓龙；彭翔；陈晓畅
申请号：CN201710844628.3
申请日：2017.09.15

效果

2017年8月7日至2017年12月31日累计去重访问人数 4411 人。在世界粮食日当天，访问人数 994 人，光盘数 1026 个，日平均光盘率 82%，增长 11 个点。

下一步计划

产品方向：提升产品影响力。
产品策略：设计上在小程序内提前埋点，沉淀用户数据，建议季度性通过H5的形式传播用户数据。以此扩大产品影响力。

写在最后

这是我第一次主导一款产品的设计，从所服务的用户来看，是一个非常小的项目。但其中饱含了对公益的探索、对形态的尝试、对技术的试验。是这份无畏，让一个应届生从科技向善中找到了职场的第一份自信。

当初还有另外的挑战，2017年1月，微信小程序正式发布，没有可借鉴的设计经验。2017年也是 AI 开始风生水起的一年，新技术带来了更多的设计挑战，将图像训练运用至产品设计，随之而来的召回场景，拒绝识别场景、用户反哺场景等等。除此之外，我们还尝试写了 CUI 的脚本。这些都为后来为机器学习而设计提供了经验。