即刻App年轻人的同好社区
下载
App内打开
少楠Plidezus
821关注89k被关注183夸夸
互联网领域优秀贡献者
AS IT IS / 如其所是
一些文字在 Shaonan.blog
少楠Plidezus
09:03
前几天看到一篇 1987 年的论文《Paradox of the Active User | 活跃用户悖论》很有意思,现在不写产品沉思录了,就在即刻写写。

为何大多数人学习新工具很难,且最终停留在相对平庸的水平?以前觉得可能是产品设计有问题,但这篇论文的则提供了另一个悖论视角:

动机悖论:人们实用工具目标是产出结果,所以没有动机仔细研究系统的动机;故,哪怕有新流程,他们仍会用熟悉的方式,不去用新流程(比如老爷子开车就爱看后视镜,哪怕车机雷达更清晰)。

同化偏向:人们习惯于用已有知识来解释新情境。但新旧信息之间并非一一对照,故会导致学习者看不清问题,导致做出错误的比较和结论,无法发挥新功能的价值(比如经典句式:不就是 xxx 么)。

⭐️但这都指向,用户并不是一张白纸,而是另外另一个领域的专家(最重要的一句启发):
- 专家用工具是为了推进工作,而不是学如何操作;
- 专家有大量关于领域的知识,习惯于用其解释未知,所以可能会有很多误判和低效;

大概的路径就是:急着干活 → 更依赖已有经验去猜 → 猜错了又没动力去学。

解决方案见配图,暂不展开。

——

隔了一夜,总感觉这个理念在哪里见过,后来想起来是克里斯坦森 2016 年的《与运气竞争》中提到的 JTBD 理论,即用户是来雇佣产品完成任务,不是来购买产品的。

🧐但究竟有何异同,继续分析了下:

相同点
1. 分析单位转移:从「产品」移动到「人的处境」,产品是手段,用户并不是为产品而来;
2. 对按照属性和功能组织方式的不信任(Carroll 批评功能手册、克里斯坦森批评按照人口属性分);
3. 都不太相信直接问用户想要什么,需要在真实的世界中观察;

不同的地方
1. 关注时刻(进门 vs 进门后)
—— JTBD 关心的是雇佣的那一刻,为何买,为何换,和谁竞争,该做什么;
—— Carroll 关心的是雇佣之后,怎么学,学到哪里瓶颈;

2. 目标信任度
—— JTBD:任务是稳定的,可被发现的;
—— Carroll:认为用户未必知道理解有偏;

3. 要不要改变用户
—— JTBD:不改变,去适配,用户不需要成长;
—— Carroll:关心让用户学会原来不会用的东西,避免其停留在平庸的平台上;

JTBD 关心的是进展,但 Carroll 证明的是人们关心短期把活干完,会妨碍长期进展。

以上,没有对错,都是选择。

PS:可以尝试把这个论文丢给 AI,然后让它审视自己在做的产品功能,会有不少启发。

附上论文地址,案例有点老,可以着重看那本手册的设计,会对产品帮助文档设计,甚至内容运营有启发。 research.cs.vt.edu
318
少楠Plidezus
1天前
想了想最近消费/用过 AI 生成的东西(相处至少 10 小时以上吧)
1,《持械入宋》和 B 站几个小短片
2,@一泽Eze 做的 chatmemo,备份 AI 对话记录
3,claude 的文档工具
4,一些设计用的 skill,很高频调用

文字好像一篇都没看过?(也可能自己不知道?)

你最近用过/消费过什么 AI 生成的产品/内容?
166
少楠Plidezus
2天前
挺有意思的观点
确实有点倦怠这些奇观了
我是说,塞尔达天下第一😎

莫唯书Mark: Fable 5.2是一场昂贵的赢学表演 当Claude Fable 5.2用几千行代码渲染出逼真的午后光影,花几十个小时搭出一个能跑的浏览器Excel,甚至生成一段看似精妙的视频时,你实际看到的是一场华丽的赢学表演。 只要你把目光从那些高光Demo上移开,翻开它背后的账单和实测记录,就会发现所谓的“代码吞噬一切”背后其实是一个昂贵的笑话。 Fable 5.2到底有多烧钱?开发者拿它复刻了一个《战争机器》风格的游戏关卡,模型在44小时内消耗了86亿Token,折合API成本将近1.5万美元。 做一个《糖豆人》仿品,花71小时,约1.3万美元。克隆一个浏览器版Excel,近50小时,约1.2万美元。 Anthropic表面上把Token单价打了八折,但独立评测机构Artificial Analysis发现,Fable 5.2比前代话痨得多。单任务的输出Token量暴涨,导致总成本不降反升。 更讽刺的是当你把算力拉满开到最高Max档位时,任务得分反而比低档位更差,平均任务成本却从14.19美元飙升到了44.70美元。 再看看网上那些刷屏的视觉奇观,原作者自己都吐槽说Pro订阅的额度跑到第五版就被截断了。 模型画出来的鹈鹕翅膀黑色飞羽被压得太扁,羽毛过渡没做完,喙尖比例不对,水面波纹也差强人意。它能画出很漂亮的局部,但完整性和物理一致性需要人类反复盯着改。 它做的游戏克隆里的角色会在相邻帧突然放大数倍,碰撞根本不稳定。你看到的大多数游戏演示充其量只能算一个小关卡。 Demo和成品之间还隔着物理一致性、碰撞检测、状态管理和长期可维护性这几座大山,而这些恰恰是Fable 5.2的盲区。 更让人笑掉大牙的是它在物理世界的表现,RoboDojo测试里Fable 5.2从上一代的27.6%跳到了64.9%,仿真控制分数确实有质的飞跃。但所有数字都是Anthropic内部跑的,没有第三方复现。 两周前有团队在真实机械臂上跑同一套任务,结论是精度和效率根本撑不起实际的动作预算。 测试团队让它去插充电器,插头明明已经顶歪卡死,但它完全感觉不到阻力,顺着视觉指令一路死磕,当场把几十万的硬件给怼坏了。 语言只是人类用来描述世界的一个粗糙坐标系,Fable 5.2能生成逼真的视觉内容是因为它记住了海量人类生成的代码和图像。 它能控制机器人,是有别人写好的底层运动学库。拧个魔方或许没问题,但真把它扔进复杂的工厂里,要面对的整个工业自动化的鸿沟。 所以Fable 5.2到底杀死了什么比赛?它只杀死了在聚光灯下做出惊艳奇观的公关路演秀。 而代价是1.5万美元一个的游戏关卡,是单任务成本翻倍,是仿真分和真机的鸿沟,是一个在电视上完美、在无人监督的第30小时开始胡言乱语的系统。 Anthropic冲刺IPO的前夜放出它,需要的是一个能撑起万亿估值的故事,而非一个能被大多数日常任务无脑调用的工具。 那些被各种视觉奇观闪瞎了眼的人,看到的只是别人花钱截出来的高光集锦,而真实的商业世界终归是要算总账的。

12
少楠Plidezus
3天前
@unique-青 看完《后会友期》,做了一个 flomo 洞察视角,发现还挺准的👀

只要经常写日记,就可以试试(放在评论区)
61
少楠Plidezus
5天前
秋天的猫咪🐱
50
少楠Plidezus
5天前
车里起雾了,老婆带娃画画
于是有了我们这一家
41
少楠Plidezus
7天前
年更目标达成✌️
感谢@雨白Rosie 这个嘴替
感谢 @知行小酒馆 的制作人,把特别发散的对话收拾的逻辑清晰。
感谢@毛远 试听审稿
31