人物风采

校友沈博文谈“从网易云音乐到教育行业的体验创新及升级”

沈博文笑称自己是个"爱折腾"的人，毕业后先从事教书，然后投身做交互设计，再变身产品经理，到现在做产品管理。这些丰富的从业经历造就他的个人成长，通过跨领域的知识的学习和经验积累，培养了他开放性的设计思维和问题意识，同时磨练出解决综合性复杂问题的职业能力。

他的整个演讲通过三个部分，并按照他的职业的时间顺序展开，讲述了他职业生涯中那些重要的项目经历以及所获所想：

第一，从网易云音乐的交互设计谈如何塑造优秀的用户体验；

第二，优质体验背后意味着要做哪些具体工作；

第三，如何打造教育行业的用户体验升级。

（以下是以博文的第一人称视角来呈现他的演讲内容）

01 网易云音乐塑造优秀用户体验的关键点

首先谈谈我自己在网易云音乐的工作经历。

那个时候我作为产品人每个礼拜要对接处理的需求量都有一百多个，工作量非常大，这也是成熟的互联网公司里是很普遍的现象。虽然做了很多的事，但在我看来，最核心的工作可以归结为两点：一是为用户塑造良好的参与感，二是持续打造用户的个性化的体验。

为什么是这两点呢？这要从网易云音乐app的用户行为说起。

网易云音乐app有很多的功能模块，但被用户提到和用到最多的就是两个功能：音乐评论和每日的歌曲推荐。

其中，有50%的日活用户会使用音乐评论功能，而且在微博等平台上被评论最多的也是该功能。因此，用户不但会在app上听歌，而且还会很乐于去看别人的评论。另外，每日推荐歌曲功能的使用者也占到了日活用户的20%，这个比例和数量其实非常大。于是我们很自然地就要去分析一下用户为什么会对这两个功能如此热衷。

分析下来，我们得到的结论就是UGC和大数据。

对于这两个概念大家可能并不陌生。简单解释下，UGC就是用户生产内容（Use Generated Content）的模式，典型的就是音乐的用户评论区。而大数据就是通过分析用户的使用数据，来帮助用户找到更好的内容，典型的就是个性化音乐的推荐。在网易云音乐app上，还有一个很好地将这两者都结合起来的功能，就是歌单。很多用户都会出于各种理由，自己制作各种不同的歌单。

于是我们会通过运用大数据来更好的分析这些歌单，并指导我们去做更好的进行音乐推荐。

而我们觉得在UGC和大数据背后，更底层的因素就是两个：参与感和个性化。

参与感就是让用户在使用过程中有更强的融入感。最典型的就是音乐评论区的UGC部分。而个性化则主要是为用户生成个性化的内容推荐。

我们都知道，传统电台的音乐推荐方式就是让非常有经验的DJ来把控全场。但这种模式已经越来越不可持续了。当下的用户在个性化品位和偏好上越来越多样化，现在的条件下，已经很难再出现在电台推荐和CD贩卖时期的那种几乎所有人都很喜爱的歌手了。再比如现在一些很火的歌手，分析他们歌曲的播放数据会发现大都是集中在某个用户区，而并不能代表其他区的用户群体。

02 “塑造优秀体验的背后是很多具体的辛苦活”

接下来我想和大家分享的是要怎么实现这两件事（参与感和个性化）。最重要的就是设计师必须要了解一点，就是要达成目标，并不能只靠设计就能完成，而背后需要做大量的具体工作。

 1/ 关于UGC 

其实大家都知道UGC非常重要，很多产品也都会做UGC，比如大众点评的核心模式就是UGC，而且也做得非常好。如果只是从设计的角度来说，做UGC无非就是三件事：第一，设计一个好用的发布器；第二，有比较好的信息流展示；第三就是互动性设计，比如点赞、评论、分享等互动内容。

而且今天来说，要完成这些设计，也有很多样板可以作为参考。但其实如果统计所有做UGC的产品的话，你可能会发现真正做得好的并不多，如果你对比一下网易云音乐和其他音乐类产品的UGC，你就会发现用户体验和感知上的差异。

究其原因，我觉得首先就是在互联网庞大的用户群体中非常不缺两种人：一种是水军，也就是灌水用户，他们会发布大量没什么营养的内容，比如666,2333之类；另一种就是“喷子”，就是看什么都不爽，就开喷，喷起来很嗨的那种人。这两种人的存在就会导致UGC中会出现大量的“垃圾信息”。垃圾信息的堆积会拉低用户体验。

我们常会说一个词叫做“调性”，比如说网易的产品有很好的调性。我觉得保持好的调性就是做出一种选择。对于网易云音乐来说，保持调性最重要的选择就是删除垃圾评论。我觉得可能没有哪个软件比网易云音乐删评论删的更狠的了，我们后台的反馈每天都会有人骂，因为他的评论被删掉了。我们在删除评论方面创造了很多“正则表达式”，比如说假如你在云音乐的评论区发一段没有任何意义的数字，过段时间这个评论就没了。

我觉得很多时候这样做是必要的，这就涉及到你在做事的时候的内容管理理念是什么。一个好的体验不只是把功能设计的流畅就行了。内容是体验过程中非常重要的部分。

我们当时确定的理念就是“保护在音乐下抒发感情，分享见解用户的体验”，因为这些用户是我们最重要的用户。做大体量的C端产品时，服务好所有的用户是不可能的，甚至是相互矛盾的。

UGC不能等同于纯粹的言论自由。比如说保护那些喷子的用户体验重要吗？我们觉得不重要，而且他们还会伤害到我们认为最重要的用户的体验。当我们在做出抉择的时候我们就可以非常有勇气的去决定该做什么，不该做什么，以及应该怎么去管理内容，包括理直气壮的删除垃圾评论。有的同行在删除垃圾评论的时候会很犹豫，担心这些用户会骂，其实这也很简单，只要把他骂的内容也一并删除就可以了（笑）。

不过用户评论是一个生产量极大的东西，每天可能都有几百万条评论用户评论，如果这些都靠我们后台去管理肯定是不行的。

于是我们花了很多时间在思考如何更好地做内容管理，后来我们找到的方法就是让用户参与管理。比如在用户的评论中，仅仅依靠正则表达式并不能全面的判断该条信息是不是在骂人，或是传播不良信息。于是我们就建立了一个“警员”用户群，为此我们建设了一个警员的成长路径，普通用户可以加入内容管理层，进而成长为警司。这样形成了一个金字塔的管理层级，通过这个结构来管理几百个用户运营，维护UGC的良好秩序。

在塑造参与感的过程中，我们需要考虑很多设计背后的事情，并且要想办法把这些辛苦活做的更加低成本。

 2/关于个性化推荐 

今天大数据最常见的应用就是做个性化推荐，包括淘宝、今日头条等等，主要就是通过你过去的使用行为来为你推荐内容。

实现个性化推荐最常见的一种核心算法，也是我们一直在用的算法，就叫做协同过滤。协同过滤的基本逻辑就是发现用户听歌数据之间的相似性，并依据这种相似性来判断哪些内容是该用户没听过但可能感兴趣的，并推荐给他。

​当数据量非常大的时候，协同过滤的算法效率是非常高的。协同过滤算法的背后有三个基本的步骤：第一步叫做收集（生成）用户的评分，第二步是找到评分相似的用户，第三步是根据相似性生成推荐结果。

这三步中的后面两步是靠算法工程师去搞定的，但第一步，也就是生成用户评分是关系到用户体验的重要因素，也是设计师要深入考虑的。

一个好的评分系统不应该是单维度的，而是必须建立在多维度数据的基础上才更准确。比如说如果评分只是根据用户的点击听歌行为生成的话，就很可能会产生严重的误判，比如某一天你的朋友给你推荐了一首非常脑残的歌曲，而你点击听过之后的第二天，有可能就会不断地收到类似的歌曲推荐让你不胜其烦，这就是单维度数据的弊端。我们当时主要收集的数据维度包括歌曲点赞，歌曲评论，歌曲下载，歌曲复播，加入歌单等等。

最终我们定义了很多的用户行为，并收集这些行为数据生成一个用户的综合评分，并依据这个生成推荐内容。因此，在最初选择收集和定义哪些用户行为对于后面的用户体验来说是非常关键的。

有时候好的体验看起来很简单，但背后要做的事情可能会很复杂，我们必须要学会发现那些表面看不见的关键要素。好的体验一定是建立在真实用户行为的基础上的，而不是建立在想象的基础上的。这是做用户体验的时候一定要谨记的。

03 【轨道转换】国际教育行业类产品的体验升级

在我离开网易云音乐，开始从事国际教育行业的时候，之前的这些工作经历其实给了我现在的工作很大的启迪。我开始试着把以前学到的东西运用到一个很不一样的领域中。

在做教育的时候，从业者一般都会先去研究美国等发达国家。在对中美的中学教育后我们发现，国内的中学教育在塑造参与感和个性化方面做得还很不够。在应试教育的体系下，学生不太可能影响到老师交给自己什么内容，也没有很强的个性化，可能文理分班已经算是最大的个性化了（笑）。

而美国的一些优质学校是非常关注参与感和个性化这两点的。比如美国学生可以要求老师给他们上哪些课，另外就是每个学生可以选择上不一样的课。比如你会发现有的中学生在上艺术课，有的在做机器人，有的又在做雕塑，你可以自己去定义自己的学习内容。

于是我们就考虑如何在国内的中学教育建立更多的个性化和参与感。

​我现在做的业务主要是和帮助孩子去国外读书相关，其中一件重要的事就是“背单词”。国外英语考试中最难的就是需要掌握足够词汇量。就比如号称美国高考的SAT考试，需要掌握的词汇量大概在14000——15000左右，而正常六级的词汇量也不过六七千左右。因此应试者需要背诵大量的单词。如果采访学生或辅导老师，就会得到大量的痛点，比如单词背了就忘、单词背了没有用、形近词无法分辨清楚、背了单词听力无法辨别以及单词拼写不正确等等等等。

一开始我们也找了一些第三方合作，但发现他们都不愿意把学生背单词行为相关的底层数据给我们，这样的后果就是你对学习过程的改造无法做到彻底。因此我们迫不得已来做自己的单词系统，我们这样做的核心目的是要把学习过程打造得更加个性化。

我们主要的做法就是重复从背单词到上课的增强反馈逻辑，比如在学生背完单词以后就会生成匹配的练习内容，根据练习结果我们会评估并反馈生成新的单词表，系统会不停地为用户生成适合他的词汇表，这些词汇表会不断更新，查漏补缺，并反馈给老师，老师就会针对学生的练习结果在课堂上安排内容，通过课堂上的反复练习，最后达到练习巩固，并熟练掌握单词的目的。目前我们的实验进行下来，效果还是很不错的。

我们最近一直在思考的一件事就是怎么把比较枯燥的“以应试为目的”的学习过程，尽量变得个性化和有趣一些。比如说我们会根据用户特点生成非常个性化的学习资料；还会通过AI算法和真人辅导的协同来给与更好的学习体验；我们还会从更多的维度来提供更加精准的学习内容；最后，我们还注意到学习过程中的自觉性问题，因此还是需要老师的全程陪同。

最后再分享一些我们塑造用户参与感的实践。

我个人非常喜欢来自斯坦福的 Design-thinking 思维方式，这套方法论最初来自IDEO的实践，这套方法对于解决创新中的问题具有非常大的价值。这套方法的基本流程是Empathize（同情理解）－Define（定义问题）－Ideate（设想方案）－Prototype（原型化）－Test（测试）。我们也把这套方法用于规划我们的教育体系。

比如一开始我们不会马上为学生生成学习资料，而是先进行调研，了解这个学生的信息，包括喜好，家庭背景等，这些信息会同步给老师。之后我们会根据了解的信息开展头脑风暴，设想用户未来可以学习和可以做的事情，并对结果做评分，根据评分来形成一些针对性的规划，让学生去完成一些事情，这个过程中学生会很嗨。因为对他来说，这些内容不是别人强压给他的，而是根据他自己的特点由老师给出的方案，并且他们也拥有对方案的投票选择权，这可以给学生们更强的参与感，也保证了结果的个性化程度。

以上就是我们在塑造参与感方面做的一些探索，总结下来就是通过调研来匹配资源，逐渐从发现人的需求，到把这些需求转化为优化资源匹配的算法。这个过程比较像把之前在互联网做的事情慢慢用到别的行业。

最后我还想强调一下，做教育其实和以前在做互联网的时候还是很不一样的。在互联网行业有一个常用的词叫做UX（User Experience），即用户体验。但是在教育行业还有一个非常重要的词就是LX（Learning Experience），直译就是学习体验。我觉得英文的表达还是过于抽象了，在我们内部我们把它们直观的叫做过程体验（UX）和结果体验（LX）。这两样缺一不可，缺了一个，就不能称之为教育。

在我看来，很多目前的在线教育产品其实不是在做教育，而是在做出版，因为出版是不太需要考虑结果体验的，而教育却是必须要考虑结果体验的。

很多人来参加教育都是需要一个结果的，但是目前的不少学习类app都是不对结果负责的，比如他们会提供一些商业内参等内容，但他们考虑的只是UX的部分，至于你学习完以后是不是真的在商业上能做的好，他们是不会负责的。

好的教育是要为结果负责的。我们不能只是创造一个让学生来了天天很开心的地方，比如来上课就送小礼物，课上饮料、点心不限量供应，老师就在台上讲段子之类。这个过程可能很开心，但是一个学期下来你可能什么都没学会。所以说教育难就难在怎样在UX和LX之间做一个很好的平衡，因为有时LX的提升可能带来UX的下降。我们需要保证把两件事情都做好，两者之间是一种螺旋上升的过程。只有结合好两者才是真正在做教育。

从事教育的这一年多，我们主要就是想要用这个新的系统设计模型，去定义新的教育者角色和教育方式，做出兼顾过程体验和结果体验的教育，我们认为这样才是真正有意义的教育。

谢谢大家！

后 记

博文老师的分享有很多精彩的干货内容。复盘一下，对于学习和从事设计的人来说，我认为至少有以下四点是非常值得学习的：

一、用抽象思考应对复杂问题。

抽象思考可以帮助我们从纷繁现象和数据中提炼出最核心的要素。比如博文老师及其团队在网易云音乐工作期间，在面对大量要处理的具体需求的时候，并没有被带乱节奏，变成头痛医头，脚痛医脚的救火队，而是从用户体验的视角出发，定义出两个最核心的概念：提升用户的参与感和个性化，接下来围绕这两个核心概念来安排工作的轻重缓急。这样整个团队就有了统一的使命感和价值观，可以汇聚力量解决最重要的问题，从而高效的提升产品的用户体验，并避免在非关键的问题上过多消耗宝贵的资源。

二、把抽象的理念转化为决策力和执行力。

博文老师的团队在推进产品的UGC体验的过程中就做了非常好的示范。他们首先把工作理念凝练为“保护在音乐下抒发感情，分享见解用户的体验”，在此基础上推演出的决策就是筛选判断出“垃圾信息”并果断予以删除，执行方式首先是通过“正则表达式”来完成，在UGC内容产量剧增的情况下，又进一步通过培养警员用户群体来维护UGC的秩序，贯彻最初的理念，而且还进一步增强了用户的参与感。

三、用洞察把抽象的数据还原为具体的事实。

比如在做个性化推荐方面，如果开发者和设计师不能洞察抽象数据可能对应的具体用户行为，以及这些行为背后可能对应的多样化情境，就很可能会犯严重的判断错误，用单一的数据生成简单粗暴的推荐内容。博文老师及其团队清醒的洞察到单一数据背后的陷阱，将多维数据和协同过滤算法结合，从而让算法模型能够尽可能精准的还原真实的用户需求。

四、培养深度思考和终身学习的习惯。

博文老师在转行做教育的时候，迅速发现了互联网和教育行业的共性和差别，并精准的提炼出新的工作理念，即在推进个性化学习和提升参与感的同时，达到结果体验和过程体验的平衡。这些都离不开他平时养成的深度思考和终身学习的习惯。

博文老师的分享还有很多值得思考和挖掘的地方，欢迎你分享自己的的体会和观点!

关于创新论坛及主题演讲：

      2019上海交通大学第四届创新设计论坛暨《机械设计与研究》创刊35周年纪念活动于11月20日至11月22日在中国上海举行。由上海交通大学主办、设计学院和《机械设计与研究》编辑部承办。

       鱼缸团队负责主持此次论坛的体验赋能设计分论坛。并邀请了来自各行业的多位重磅嘉宾做主题演讲。

撰文整理：陈世栋（扬州大学工业设计系）

文案编辑：邹峰、胡弋

视觉编辑：朱毅

责任编辑：邹峰