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。