專案背景
優質內容為什麼沒有被順利啟動?
NTC 的核心價值在於提供多元且專業的訓練內容。對想開始運動、進行居家訓練,或尋找彈性課程的使用者來說,這類 App 理應能降低開始運動的門檻。
但在初次使用 NTC 時,我觀察到一個矛盾:App 內的課程內容專業且具有吸引力,使用者卻需要花不少時間理解「App 架構與選單分類背後的邏輯」。真正造成理解成本的關鍵,在於分類命名與資訊架構沒有清楚傳遞每個入口的功能定位。例如,同一類訓練內容可能同時出現在不同入口之中;而「運動計畫」與「計畫」這類語意相近的命名,也容易讓使用者難以在點擊前建立預期。
因此,使用者很難直接受惠於介面設計背後的架構邏輯,反而需要透過反覆點擊、返回與比對,自己推敲 App 的資訊架構。這些由介面設計造成的判斷成本,會在使用者真正開始運動前形成阻礙。本次體驗優化的目標,是重新釐清既有內容、功能入口與使用路徑之間的關係,讓使用者能更快建立對選單內容與功能入口的預期、找到適合自己的課程,並順利開始居家訓練。
使用者研究
從 451 則評論到 6 位使用者訪談,釐清開始訓練前的體驗斷點
為了避免只憑主觀感受判斷問題,我先從 Google Play 上的使用者評論切入,分析 451 則評論內容,整理使用者對 NTC 的正面評價與常見痛點。
在這個階段,我使用 Python 與 AI 工具協助整理大量非結構化評論,將負面回饋初步歸納為幾類問題:導航與資訊架構、技術流程阻礙、功能自定義需求,以及課程搜尋相關困難。這個步驟讓我在深入訪談前,先掌握問題分布與主要風險點。
評論分析顯示,多數使用者對 NTC 的運動內容表示正面肯定,約 82% 的正向評論提及課程內容、訓練品質或品牌信任感。這表示使用者對課程本身仍有正面評價,主要挫折來自 App 架構與介面在使用過程中增加的理解成本。
任務式訪談 — 6 位首次使用者
因此,我進一步邀請 6 位首次使用者進行任務式訪談,觀察他們在真實操作中的路徑、停頓點、返回行為、情緒變化與即時想法。
訪談任務:請從首頁找到一堂自己感興趣、今天願意開始訓練的課程,並點選開始訓練。
透過這個任務,我希望更具體地理解痛點如何在操作過程中發生:使用者在哪裡停下來、為什麼需要返回、哪些命名讓他們無法預期內容,以及哪些資訊架構讓他們必須反覆比對入口差異。
研究收斂
Persona 與 User Journey Map
在完成評論分析與任務式訪談後,我將研究資料收斂成 Persona 與 User Journey Map。Persona 用來聚焦本次優化的核心使用情境:首次使用 NTC、已有運動意願,並希望快速、有效率地開始居家訓練,在工作之餘維持規律的運動習慣。
接著,我將受訪者從開啟 App 到開始運動的操作過程整理成 User Journey Map。這張旅程地圖聚焦在使用者「開始訓練前」的體驗路徑,幫助我釐清他們在理解入口、探索課程、判斷課程與進入跟練時遇到的阻礙。
洞察與問題定義
根據評論分析、任務式訪談與 User Journey Map 的收斂結果,我將 NTC 的主要體驗斷點定義為:使用者在開始運動前需要自行判斷過多資訊,導致探索路徑變長、認知成本增加,進而影響開始訓練的意願。
「NTC App 給我的感覺更像是一個資料庫,我需要自己去找出可用的素材。」— 受訪者
「我會一直暫停確認下一個動作,這樣其實蠻打斷節奏的。」— 受訪者
因此,本次體驗優化的核心方向是:重新整理資訊架構與功能入口,讓使用者能更快理解內容、選擇課程,並順利進入跟練狀態。
設計策略
針對使用旅程中的三大痛點,我將這次優化的重點聚焦在「降低開始運動前的理解與判斷成本」,並收斂為三個具體設計策略。
| 原始命名 | 調整後命名 | 調整原因 |
|---|---|---|
| 居家 | 探索 | 讓使用者理解這是瀏覽、發現課程與內容的入口,而非僅限於居家運動。 |
| 運動計畫 | 訓練 | 移除與「計畫」重疊的語意,讓入口更直接對應找課程、開始訓練的任務。 |
| 活動 | 訓練紀錄 | 將模糊的「活動」改為更接近歷程、成就與紀錄概念的命名。 |
| 計畫 | 計畫 | 當「運動計畫」改為「訓練」後,「計畫」本身的語意變得清楚,因此保留原命名。 |
| 新增提示 | 出現時機 | 設計目的 |
|---|---|---|
| 當前動作倒數 | 跟練過程中持續顯示 | 顯示目前動作剩餘秒數,讓使用者知道這一組動作還要持續多久。 |
| 整體訓練進度條 | 整堂課程中持續顯示 | 顯示整體課程完成進度,讓使用者掌握目前訓練進展與剩餘段落。 |
| 下一動作預覽 | 目前動作結束前 5 秒 | 提前提示下一個動作,讓使用者在換動作前先做好準備,減少停頓與倒退重看的機會。 |
Prototype — 可互動的完整流程
在完成資訊架構與關鍵畫面設計後,我進一步將再設計方案轉化為 High-Fidelity Prototype,呈現使用者從探索課程、快速開始到進入訓練影片的完整操作流程。
立即體驗 Prototype →設計驗證
完成設計策略與 High-Fidelity Prototype 後,我再次使用與前期訪談相同的任務進行驗證:請受試者從首頁找到一堂自己感興趣的課程,並點選開始訓練。這次重點放在比較再設計前後的任務完成時間、停頓點與返回行為。
輔助觀察指標
除了記錄任務完成時間,我也同步觀察以下行為作為輔助依據:停頓(使用者在介面前猶豫不動的時刻)、返回上一頁的次數(迷路或確認失敗的訊號)、反覆切換分類的頻率(導航命名是否仍造成混淆),以及完成後是否需要額外尋找下一步。這些觀察補充了時間數字無法呈現的情境細節。
測試結果
| 觀察指標 | 再設計前 | 再設計後 | 變化 |
|---|---|---|---|
| 找到感興趣課程並開始所需時間 | 2 分 12 秒 | 58 秒 | ↓ 縮短約 56% |
重新整理資訊架構與導航命名後,受試者完成任務的時間明顯縮短,停頓與返回次數也有所減少。雖然測試樣本不大,結果僅供初步參考,但這些方向性的改善支持了設計決策的有效性,也指出後續迭代可以繼續深化的面向。
設計反思
這次優化讓我更清楚看見,介面的價值不只在於視覺呈現,更在於能否讓使用者順利完成整段任務路徑。當認知成本在每一次判斷、返回與比對中累積,就可能成為使用者持續使用的阻礙。當使用者的操作路徑與我的設計預期不同時,我需要時時回頭檢視:設計是否為使用者帶來更清晰的方向,或是在無形中增加了不必要的理解負擔。
這次易用性測試偏向初步驗證,樣本數有限。未來希望納入更多不同運動程度、使用背景與操作習慣的受試者,並加入更細緻的量化指標——例如導航點擊次數、返回頁面頻率與任務完成率,讓設計決策建立在更扎實的數據基礎上,而不只依賴任務時間縮短這個單一指標。
在這次專案中,我嘗試用 Python 搭配 AI 工具自動化處理 Google Play 評論,將大量非結構化的使用者回饋初步轉化為可分析的問題類型。這個過程讓我看見 AI 作為研究前期輔助的價值——它能快速整理規模,但真正的設計判斷仍然來自對使用情境的理解,以及與真實使用者的對話。未來我希望進一步整合 AI 輔助訪談逐字稿分析、關鍵字萃取與行為模式歸納,讓研究流程更有效率,同時保持對使用者行為的直接觀察。
在整個再設計過程中,最深刻的一課是:我必須學會放下自己對介面的設計預設。當受試者的操作路徑與我預期不同時,我需要先回頭檢視設計是否真的傳遞了正確的方向感。這次專案讓我更習慣用觀察代替假設,用數據和行為模式支持設計決策,減少只依賴直覺推進流程。這也是我在這個專案中最重要的學習:設計需要透過觀察、驗證與修正,讓產品更貼近真實的使用情境。