在大模型、智能助手、数字人、多模态交互快速进入金融业务场景之后，产品体验的评估方式正在发生变化。
过去评价一款数字产品，更多关注页面是否清晰、流程是否顺畅、任务是否高效完成。但到了数智化阶段，用户面对的不再只是一个固定页面，而是一个具备生成能力、理解能力、推荐能力甚至主动交互能力的智能系统。
这也带来了一个新的问题：
数智产品到底好不好用，应该怎么评估？
在本届 TID质量竞争大会 上，工商银行业务研发中心用户体验部总经理高明将带来主题分享：
《数智产品用户体验评估模型（ETS.AI）的研究与实践》
本次分享将围绕金融数智产品体验评估的新挑战、ETS.AI模型的构建方法，以及模型在真实产品中的应用实践展开，呈现大型金融机构在AI产品用户体验评估方面的系统化探索。
分享嘉宾
高明
工商银行业务研发中心用户体验部总经理。
高明长期从事金融产品研发工作，拥有17年金融产品研发、用户体验设计及团队管理经验。她始终面向用户与基层，致力于打造更加人本、灵动、极致的产品体验，并持续推动用户体验能力赋能金融产品研发及全行体验提升。
在金融科技快速发展的背景下，用户体验已经不再只是产品设计环节的局部优化，而是连接业务价值、技术能力和用户感知的重要质量维度。
为什么数智产品需要新的体验评估方法？
数智化时代，产品形态正在从传统数字产品，逐步走向生成式、智能化和沉浸式交互。
用户不再只是点击按钮、填写表单、完成流程，而是开始与AI对话、让系统生成内容、通过多模态输入表达意图，并期待产品能够理解上下文、给出更符合场景的响应。
这意味着，用户体验评估的对象发生了变化。
传统体验评估工具更擅长分析界面布局、操作路径、任务完成效率和满意度，但面对数智产品时，仅靠这些指标已经不够。
例如：
AI回答是否真正理解了用户意图？
多模态交互是否自然、连贯、低负担？
智能推荐是否可信、可解释、可控？
用户在使用AI能力时，是否感到安全、稳定、可靠？
产品是否能在复杂金融场景中建立用户信任？
这些问题都不是单纯依靠传统可用性测试可以完全回答的。
这也是ETS.AI模型提出的重要背景。
ETS.AI：从用户体验视角评估数智产品
ETS.AI从用户体验视角出发，面向数智产品建立多维度评估框架，用于判断AI智能产品在真实使用过程中的体验状况，并帮助研发团队定位后续优化方向。
它的价值不只是给产品打一个分数，更重要的是通过系统化指标，把“用户觉得不好用”进一步拆解成可分析、可定位、可改进的问题。
通过ETS.AI模型，团队可以更清楚地回答：
哪些体验问题来自交互设计？
哪些体验问题来自AI理解与生成能力？
哪些问题与安全感、信任感和效能感有关？
哪些问题影响了用户与智能产品之间的认知连接？
对于金融类数智产品来说，这一点尤其重要。
金融产品天然具有高敏感、高信任、高合规、高准确性的特点。用户不仅关心产品能不能用，更关心它是否可靠、是否安全、是否值得信任。
因此，数智金融产品的体验评估，不能只看“智能不智能”，还要看“稳不稳、准不准、能不能让用户放心”。
ETS.AI模型的四大核心维度
本次分享中，高明将介绍ETS.AI模型的创建、检验与应用方法。
ETS.AI是在原有ETS模型基础上的升级，面向数智产品构建了全新的体验评估模型。模型基于体验设计三层次理论，并通过探索性因子分析，提炼出四大核心维度：
- 交互设计
交互设计关注用户与数智产品之间的操作体验。
在传统数字产品中，交互设计更多关注页面结构、流程引导、按钮反馈和任务路径。而在数智产品中，交互设计的评价范围进一步扩大。
它不仅要看页面是否好用，还要看用户与AI交互时是否自然、顺畅、低成本。
比如：
用户是否容易表达需求？
系统反馈是否清晰？
对话过程是否连贯？
用户是否知道下一步该怎么操作？
当AI输出不符合预期时，是否有补救机制？
好的数智产品，不应该让用户不断猜测系统能做什么，而应该让用户在交互过程中逐步建立清晰预期。
- 模态融合
随着语音、图像、文本、视频等多模态能力的发展，数智产品的交互方式正在变得更加丰富。
模态融合关注的是不同交互方式之间是否能够自然协同。
例如，用户通过文字输入问题，通过图片补充信息，再通过语音继续追问，系统能否理解这些信息之间的关系，并保持上下文一致？
对于金融产品而言，多模态能力可能出现在智能客服、远程服务、业务办理、风险提示、智能投顾辅助、运营分析等多类场景中。
但模态越丰富，并不代表体验一定越好。
真正关键的是：
多模态能力是否降低了用户理解成本？
是否让业务办理更高效？
是否避免了信息割裂和重复输入？
ETS.AI通过“模态融合”这一维度，帮助团队评估数智产品是否真正实现了多模态体验的有效融合，而不是简单堆叠技术能力。
- 安全效能
对于金融行业来说，安全效能是数智产品体验评估中无法绕开的核心维度。
AI产品的体验好坏，不仅取决于它是否回答得快、功能是否丰富，也取决于它是否稳定、可信、可控。
尤其在金融业务场景中，用户对于信息准确性、隐私保护、风险提示和结果可靠性都有更高要求。
安全效能关注的问题包括：
AI生成内容是否可靠？
关键金融信息是否表达准确？
用户隐私与敏感数据是否得到保护？
系统在不确定场景下是否有边界提示？
产品是否能够增强用户的安全感和信任感？
数智产品如果缺少安全感，即使功能再先进，也很难真正进入高价值业务场景。
这也是金融机构推进AI产品落地时，需要特别关注的质量底座。
- 认知联接
认知联接是数智产品区别于传统数字产品的重要体验维度。
传统产品更多是用户主动操作系统，而数智产品则更强调系统对用户意图、任务目标和上下文的理解。
用户会期待AI“不只是执行指令”，而是能够理解自己为什么提出这个问题、真正想解决什么问题，以及当前场景下最合适的响应方式是什么。
认知联接关注的是用户与智能系统之间是否形成有效理解。
例如：
系统是否能理解用户真实意图？
AI回答是否符合用户当前任务场景？
产品是否能降低用户认知负担？
用户是否愿意继续信任并使用智能能力？
系统输出是否让用户感觉“懂我、可信、能帮上忙”？
对于数智产品来说，认知联接越强，用户越容易把AI能力纳入自己的工作流和业务流程。
这也是AI产品从“能用”走向“好用”，再走向“愿意长期使用”的关键。
双轨应用：覆盖研发到运营的完整体验评估路径
ETS.AI模型不仅用于单点测评，也具有适用于研发至运营各阶段的双轨应用方法。
一方面，它可以在研发阶段帮助团队提前发现体验问题。
在产品设计、原型验证、功能研发、测试评审等环节中，ETS.AI可以作为体验评估工具，帮助团队判断产品是否具备良好的交互基础、智能体验、安全感和认知连接能力。
另一方面，它也可以在运营阶段持续跟踪产品体验表现。
数智产品上线之后，用户使用行为、反馈内容、满意度变化和业务转化情况都会持续变化。通过ETS.AI模型，可以更系统地识别产品体验短板，支持后续迭代优化。
这意味着，ETS.AI并不是一次性的评测表，而是一套贯穿产品生命周期的体验质量工具。
它让用户体验评估从“上线前检查”走向“研发、测试、运营、迭代全流程闭环”。
从通用数智产品到金融数智产品的应用实践
在本次TID质量竞争大会分享中，高明还将介绍ETS.AI的实际应用情况，包括对多种通用类数智产品与金融类数智产品进行对比评估。
这部分内容值得重点关注。
因为通用类AI产品和金融类AI产品在体验要求上并不完全相同。
通用类数智产品往往更强调开放性、创造性、响应速度和交互灵活性。
金融类数智产品则更强调严谨性、安全性、合规性、解释性和业务可信度。
同样是AI产品，用户对它们的容错空间完全不同。
在普通生活场景中，AI回答稍有偏差，用户可能只是重新提问。但在金融业务场景中，一次不准确、不清晰或不可信的智能交互，都可能影响用户判断，甚至影响业务风险。
因此，金融数智产品的体验评估模型，必须同时兼顾用户感受、业务价值、技术能力和风险边界。
ETS.AI的研究与实践，正是对这一问题的系统回应。
用户体验，正在成为数智产品质量的重要组成部分
在AI技术快速落地的今天，很多团队关注模型能力、响应速度、知识准确率、调用成本和系统稳定性。
这些当然重要。
但如果站在用户视角来看，真正决定数智产品能否被长期使用的，往往还包括：
用户是否理解它？
是否信任它？
是否愿意把任务交给它？
是否觉得它真的提升了效率？
是否在关键场景中感到安全？
这也是用户体验评估在数智化时代被重新重视的原因。
数智产品的竞争，不只是模型能力的竞争，也是体验质量的竞争。
对于金融行业而言，这种竞争更加明显。金融产品面对的是海量用户、复杂业务、高敏感数据和强监管环境。AI能力能否真正进入业务深水区，体验评估和质量治理将成为关键支撑。
在TID质量竞争大会，看见数智产品体验评估的新方法
作为软件质量与工程效能领域的重要交流平台，TID质量竞争大会 持续关注AI时代质量体系、研发效能、测试工程、用户体验与数智化转型的前沿实践。
高明带来的《数智产品用户体验评估模型（ETS.AI）的研究与实践》，将从工商银行真实实践出发，分享大型金融机构如何面向数智产品构建用户体验评估模型，如何通过ETS.AI识别体验问题、指导产品优化，并推动体验能力更好地服务金融产品研发和运营。
当AI产品越来越多地进入真实业务场景，如何评价它们是否真正好用、可信、稳定、可持续，已经成为每一个研发团队、测试团队、产品团队和体验团队都需要回答的问题。
而ETS.AI的研究与实践，或许正为数智产品体验评估提供了一条值得参考的路径。
在本届 TID质量竞争大会，让我们一起关注数智产品用户体验评估的新挑战、新模型与新实践。
