豌豆荚Design Hackathon 工作法分享

简介: 提起豌豆荚,相信安卓用户都并不陌生,截止近日,豌豆荚已经收录超过100W款不重复的应用和游戏,同时在视频领域也拥有超过1000万的用户积累,作为国内最早的「应用搜索」也是第一个战略进阶为「手机上内容发现和获取的入口」的产品,豌豆荚绝对是安卓平台里的一个非常经典的成功案例。

提起豌豆荚,相信安卓用户都并不陌生,截止近日,豌豆荚已经收录超过100W款不重复的应用和游戏,同时在视频领域也拥有超过1000万的用户积累,作为国内最早的「应用搜索」也是第一个战略进阶为「手机上内容发现和获取的入口」的产品,豌豆荚绝对是安卓平台里的一个非常经典的成功案例。


那么你们知道豌豆荚是怎么工作的吗?他们的产品又是经过什么样的步骤研发设计出来的吗?这一切还要从一个名为“Design Hackathon ”的头脑风暴讨论法说起。日前,笔者就受邀参加了豌豆荚的一次“Design Hackathon ”头脑风暴活动,和豌豆荚的App相比,笔者更希望把这种工作方法分享给大家。别管你是还在学校的学生,需要组织一个别出心裁的活动,亦或是已经走入工作岗位,需要做一个项目,都不妨试试这个方法。


什么是“Design Hackathon ”?

image.png

“Hackathon”,即「黑客马拉松」,是一个流传于程序员和技术爱好者中的活动。在该活动当中,大家相聚在一起,以合作的形式去编程,整个编程的过程几乎没有任何限制或方向。Design Hackathon 类似用「黑客马拉松」的思维做产品设计,它将所有的产品设计师、视觉设计师甚至工程师聚在一起,在一定的时间内,以头脑风暴的方式,最大范围地搜集产品的各种可能性,然后抽象地整理出这些想法背后所隐藏的核心概念和产品需求,快速梳理出正确的产品设计方向,之后将想法转化成可视的手稿和线框图,最终变成产品雏形。


什么时候可以举办这样的活动

Design Hackathon 非常适合产品或者项目的定义阶段。在产品定义阶段,设计方 向和目标尚模糊,产品发展形态的可能性非常多。如果仅仅采用传统的设计 手段(比如单人决策),非常容易走向片面和狭隘的方向,既可能出错,也 会丧失许多机会。Design Hackathon 将所有与产品相关的人员聚在一起, 利用头脑风暴法,快速产生海量想法和点子,让产品设计从个人经验和竞品预设的桎梏中脱离出来,搜集最大范围的产品可能性。


什么样的人适合参加这个活动

Design Hackathon 参与人员并不局限于产品设计师和交互设计师,而 是可以拓展到工程师等其他产品相关人员。不同背景和角色的人通过讨论和 互动,能够相互激发灵感,获得丰富的创意。在产品的设计过程中,设计师、 工程师和高层领导者由于背景和理解问题的角度不同,常常会产生分歧和争 议,使产品设计的时间周期变得不可预测。Design Hackathon 可以让整个产品团队都加入其中,在平等、专注且高效的状态下,通过分类 的方法,将所有人思考的亮点条理化,汇聚到最终的产品设计中。(当然,如果你是一个学生,你可以策划一个活动,所有骨干同学都可以参加,但是注意不要很多人)

image.png


物料准备

作为一个办公室内的活动,Design Hackathon并不需要进行太多的物料准备。我们需要准备的有:

  • 大白纸若干,推荐使用A3+起
  • 便携的次贴若干
  • 每个人有一支写字的签字笔,一个组最少一个马克笔


1. 明确解决问题的方式:

在开始一切之前,我们首先需要明确自己要解决的问题是什么。我们可能是需要设计一个全新的产品,但我们对这个产品只有模模糊糊的想法,譬如想做一个视频产品,或者想做一个即时聊天产品。我们已经了解到一些用户遇到的困难和问题,但是这个产品具体以什么样的方式解决这些问题,呈现成什么样,应该有哪些功能和特点,我们并不清楚。


解决任何一个问题的方式都是多种多样的,我们可以使用「How might we……」的句式,从各个不同的角度分解问题,找出所有可能解决问题的 方式。在这个阶段,我们需要的是开阔思路,追求的是全面的、打破常规的 思维和方向,不需要评价它是不是严谨,是不是可实现,更不需要提出具体的解决方案,解决方案将会在后续阶段补充。


例如:我们的问题是如何让访问数字尾巴的用户觉得访问更流畅

那么,我们需要使用「How might we……」的句式,从所有可能的角度来分解这个问题:


  • 如何让图片压缩算法更好(大部分的浏览缓慢都是多图惹的祸)?
  • 如何让每个用户更轻易地获取自己需要的帖子,而不用点开不喜欢的帖子之后再关闭(如何进行推荐)?
  • 如何能根据来访者的网速、甚至设备进行展示页面的优化(如果能做到按设备或者网速优化,是不是效果会好)?
  • 等等......

image.png

▲当天活动主题,如何帮助用户更好的发现和消费内容。

image.png

▲活动开始之前的预热,由主持人帮助大家开拓思维。


2. N × 5 × 5的头脑风暴:

我们需要尽力去想各种可能的解决方案或 idea ,不要限制自己的思维。 可以采用类似 N × 5 × 5 的方式。N 表示所有参与头脑风暴的人总数,这个式子表示需要每人在 5 min 的时间内写下 5 个想法,然后将这 5 个想法传给下一个人,同时接收上一个人传来的 5 个想法,再写一轮,如此类推, N 轮过后,每个人手中都会有 5 × N 个想法,所有人共有 5 × N × N 个。 所有人都要写,但是相互之间不要交流。这样, 每个人既会受到他人的激发, 又不会受他人想法的限制。

image.png

▲第一轮,A写下5个解决这个问题的办法。

image.png

▲第二轮,A拿到D的纸、B拿到A的,C拿到B的,以此类推,然后看了别人的创意之后,看看能不能激发出自己的创意,再写五个。


头脑风暴中,需要所有人遵守几项原则:

  1. 不要关心老板或者领导的意见;
  2. 不要限制自己的想法,因为往往到了下一阶段的执行,现实条件会给你
    限制的;
  3. 不要放弃捷径,站在巨人的肩膀上;
  4. 不要讲太过于抽象的东西,譬如「做一个更好的产品」
  5. 事先设定一个时间限制,不可草草结束或无限拉长时间。

3. 卡片分类和完善

通过上一步的头脑风暴,我们会搜集到 100 - 200 个idea,甚至更多。这些 idea 都是感性的、灵光一闪的、零散的。这一步,我们需要将这些 idea 组织起来,抽象出其中暗含的核心功能或需求。我们需要对搜集到的所有idea 进行分类,大概分成 5 - 7 类, 每个类别都需要有一个概括性的标题。分类没有一定 的规则, 不需要特别严谨, 由主持人组织大家讨论进行。 每类下包含 idea 的数量应该差不多。如果有某个类别所包含的 idea 数量明显少于其他组,则需要大家一起思考,为这个分类再做补充,直到所有类别下 idea 的 数量大致相等。

譬如,关于如何让用户更简单的获取内容,我们可能产生了很多的想法,这其中有一些是关于让用户随时获取内容的,有一些是基于地点的让用户获取相关内容的,还有一些是关于SNS推荐的。

image.png

▲把所有的想法都贴在墙上,贴的时候要念出来创意。


4. 方案设计

分类过后,这些头脑风暴产生的零散想法之间就有了关联,每一个类别下的想法,对应的就是一类功能或需求。截至此阶段,设计师们也会开始产生一些具象化的内容。这一步,我们需要发动所有的设计师参与和贡献:将所有的设计师分组,每一组设计师领走一个类别的卡片;根据这些卡片上的信息,设计师可以开始绘制草图和线框图,也可以出一个故事板。 对于每个组,绘图的过程和方式比较灵活,可以是每位组员分工做,根据所拿到的 idea 做不同方面的草图,也可以是组员一起讨论出一个草图。 对 idea 的取舍由设计师自己确定。 当所有的组都完成了草图或故事板后, 主持人可以进行简单的点评, 之后, 这些成果就可以交给具体负责产品的设计师做正式的产品设计了。

image.png

▲把分类后的创意贴到白纸上,然后讨论出一个或者两个设计的大方向,进行设计。

image.png

▲以App设计为例,当场需要结合创意设计线稿。

image.png

▲一个简单的App的功能设计线稿。

image.png

▲豌豆荚的工程师在带领大家总结。


写在最后:

Design Hackathon遵循了「从发散到抽象再到具体」的思维过程。「发散」保证了我们不会错失有关产品设计的各种可能性和细节,「抽象」帮助我们整理出想法中的产品逻辑和需求层次,而「再具体」的过 程则保证我们所有的想法和需求都能落地成为可见的设计。通过 Design Hackathon 的方式,我们能够快速、准确地整理出一条正确的产品设计方向。当然,正如题目所说,这样的头脑风暴适用于设计产品但不局限于设计产品,它更多的是一种工作讨论的方法。当我们在头脑风暴的时候少一些质疑和争论,而是站在巨人的肩膀上,取人所长,相信会对我们的工作产生非常大的帮助。

相关文章
|
3月前
|
存储 缓存 弹性计算
[高可用架构] 阿里云架构实战:电商系统上云踩坑 + 配置详解
本文分享某电商从自建机房迁移至阿里云的实战经验:直面流量波峰抖动痛点,通过解耦计算(ECS g7)、存储(RDS MySQL 8.0)、缓存(Redis集群)、静态资源(OSS)构建高可用架构;深度调优内核、PHP-FPM、数据库与网络参数,QPS提升近2倍,成本降低35%,实现两周零中断迁移。(239字)
348 2
|
索引
Layui 内置方法 - layer.prompt_(输入层)
Layui 内置方法 - layer.prompt_(输入层)
1649 0
|
安全 OLAP 数据库
拒绝等待!阿里云瑶池数据库 x Qwen3,构建增强式RAG
阿里云瑶池 Dify on DMS + AnalyticDB 现已支持通义千问 Qwen3 全系列模型的私域部署,并提供独占模型服务,实现高效安全的 GraphRAG 业务应用及大模型应用开发解决方案。
|
机器学习/深度学习 人工智能 自然语言处理
GraphAgent:自动构建知识图谱,能够处理结构化和非结构化数据,并通过知识图谱展示复杂关系
GraphAgent 是香港大学和香港科技大学联合推出的智能图形语言助手,能够处理结构化和非结构化数据,并通过知识图谱展示复杂关系。
1171 9
GraphAgent:自动构建知识图谱,能够处理结构化和非结构化数据,并通过知识图谱展示复杂关系
|
算法 NoSQL 关系型数据库
九种分布式ID解决方案
在复杂的分布式系统中,往往需要对大量的数据进行唯一标识,比如在对一个订单表进行了分库分表操作,这时候数据库的自增ID显然不能作为某个订单的唯一标识。除此之外还有其他分布式场景对分布式ID的一些要求:
1738 0
|
人工智能 中间件 程序员
大模型上下文协议 MCP 带来了哪些货币化机会
本文探讨了MCP(Model-Calling Protocol)的兴起及其对AI生态的影响。自2月中旬起,MCP热度显著提升,GitHub Star和搜索指数均呈现加速增长趋势。MCP通过标准化协议连接大模型与外部工具,解决了碎片化集成问题,推动AI应用货币化及生态繁荣。文章分析了MCP与Function Calling的区别,指出MCP更适用于跨平台、标准化场景,而Function Calling在特定实时任务中仍具优势。此外,MCP促进了 supply端(如云厂商、大模型、中间件服务商)和消费端(终端用户)的变革,尤其以Devin和Manus为代表,分别改变了程序员和普通用户的交互方式。
1486 37
大模型上下文协议 MCP 带来了哪些货币化机会
|
人工智能 安全 机器人
使用PAI LangStudio创建RAG知识库及联网搜索聊天机器人
本文介绍如何基于阿里云PAI的LangStudio与LLM构建支持RAG与联网搜索的聊天机器人。内容涵盖SerpAPI注册、模型部署、连接配置、知识库创建及应用流设计,实现结合知识库与网络搜索的智能问答,并集成AI安全护栏,提升企业应用安全性与开发效率。
|
数据采集 网络安全 UED
揭秘豆瓣网站爬虫:利用lua-resty-request库获取图片链接
本文探讨了如何使用Lua的lua-resty-request库和爬虫代理IP技术从豆瓣网站高效获取图片链接。通过定制请求头部和代理服务,可以应对反爬虫机制,提高爬虫的稳定性和匿名性。示例代码展示了一种方法,但实际应用需考虑版权和法律法规。
870 2
揭秘豆瓣网站爬虫:利用lua-resty-request库获取图片链接
ly~
|
人工智能 搜索推荐 自动驾驶
人工智能的应用
人工智能在多个领域广泛应用,包括:医疗领域的疾病诊断、药物研发和医疗机器人;交通领域的自动驾驶和智能交通管理;金融领域的风险评估、金融诈骗检测和投资决策;教育领域的个性化学习和智能辅导;工业领域的质量检测和生产流程优化;家居领域的智能家居系统,如智能音箱和智能灯具等,极大提升了各行业的效率与服务质量。
ly~
1572 1
|
自然语言处理 Java Maven
elasticsearch学习二:使用springboot整合TransportClient 进行搭建elasticsearch服务
这篇博客介绍了如何使用Spring Boot整合TransportClient搭建Elasticsearch服务,包括项目创建、Maven依赖、业务代码和测试示例。
897 0
elasticsearch学习二:使用springboot整合TransportClient 进行搭建elasticsearch服务

热门文章

最新文章