上午

一、思维重塑——AI与数据如何重构UED工作流

1. 从定性到定量：数据驱动的设计决策思维：量化思维、对比思维、归因思维在体验问题诊断中的应用。

2. 智能研究助手：AI在用户洞察中的落地场景：运用大模型自动分析海量用户反馈（评论、问卷开放题），进行情感极性判断、主题聚类与优先级排序。

3. OSM+UJM：构建可度量的体验指标体系：将“提升客户满意度”目标，沿用户旅程拆解为可监控、可优化的关键触点指标（如登录成功率、关键操作时长）。

【案例】某手机银行“转账流程”用户满意度提升分析

二、洞察实战——从用户行为数据到设计洞见

1. 行为数据分析：从点击流中发现体验“断点”：学习解读事件埋点数据，通过漏斗分析、路径分析、停留时长热力图，定位导致用户流失或困惑的具体页面与交互步骤。

2. 智能诊断框架应用：运用“宏观-中观-微观”分析框架（SSA模型），系统性地诊断诸如“理财产品购买流程转化率下降”这类复杂问题。

3. 竞品与趋势的AI分析：利用大模型快速收集、摘要、对比多个竞品的产品更新日志、用户评论及行业报告，生成结构化的竞品分析简报。

【案例】诊断某消费金融APP“活动页跳出率异常”

下午

三、设计提效——AI辅助的原型、验证与内容生成

1. AI辅助创意与原型生成：

•  概念可视化：通过自然语言描述快速生成用户画像卡片、用户旅程图、信息架构草图。

•  界面探索：利用生成式AI进行UI风格探索、图标与组件库的灵感激发。

2. 构建“设计验证智能体”：学习使用Coze/扣子等平台，创建一个能够模拟目标用户角色、对线框图或设计稿进行多轮提问和交互的AI Agent

3. 自动化设计报告与内容生成：使用AI一键生成设计说明文档、PRD框架，以及基于数据分析结果的PPT可视化图表。

【实战】为“养老金融专区”设计概念快速原型

四、综合演练与未来展望

1. 综合实战工作坊：以“优化手机银行‘信用卡账单查询与还款’体验”为题，小组协作，运用全天所学：

步骤1：用AI分析近一个月相关用户反馈，提炼核心痛点。

步骤2：基于现有行为数据，定位关键漏斗流失步骤。

步骤3：产出优化后的核心流程交互框架与UI风格建议。

步骤4：设计关键体验指标及验证方法。

2. 挑战与伦理边界：探讨AI在设计中的局限性（如创意同质化）、数据隐私保护及人机协同的伦理考量。

3. 趋势：从工具到智能体伙伴：展望AI智能体、多模态交互如何深度融入未来设计工作流，以及设计团队如何持续构建自身的“数据+AI”能力护城河。

【案例】从数据分析到设计落地的完整复盘——某银行理财详情页改版