AI Homework Experience
AI 的作業學習體驗
- 01團隊目標
整合 GPT、Gemini 的 AI 英語學習體驗優化。
- 02角色與產出
在這個專案中，我和 5 位前端、後端、全端工程師及英文老師合作，負責使用者體驗研究、利害關係人需求訪談與流程規劃。
- 03專案挑戰
運用 ChatGPT 與 Gemini 的特性與模型能力，評估並對照商業模式，提出高效率的產品策略與方案。
- 04設計驗證
內部驗證可行性，市場驗證價值，訪談優化方向。
- 05專案的優化
優化「家庭作業」舊有功能，整合寫作練習與英文朗讀（提供寫作題目與文章朗讀練習，由教師進行批改與回饋）；導入 AI 批改與對話功能，提升學習互動、參與度與作業完成率。以 MMF（可銷售原型）快速上線，進行 4 個月實測，觀察使用行為；確認市場適配後，優化改版功能。
專案背景
公司規劃將 AI 技術整合至既有產品架構中，讓使用者能與 AI 進行即時互動與溝通，提升學習沉浸感與網站停留時間，創造額外產品價值。同時，優化既有家庭作業，重新設計三大核心功能：
- 寫作優化 — AI 即時批改與修正建議
- 朗讀優化 — 語音辨識與發音分析與修正建議
- 情境對話 — 以情境任務引導學習動機
透過互動式學習提升使用者參與度與學習動機，進而強化產品黏著度與提高整體商業價值。
設計流程
- 01了解問題及痛點
內部的利害關係人訪談、確認需求、競品分析
- 02設計流程
定義最小 MMF，快速推向市場驗證。
- 03假設與解決方案
設定假設和解決方案，進行內部測試
- 04MMF 驗證
在產品上市場進行測試，進一步分析與持續迭代
需求
產品設計初期以「需求釐清、市場分析、技術盤點」為核心策略，透過利害關係人訪談與競品分析確認定位，整合既有 AI 能力規劃使用者流程與商業模式，並研究 AI 語音整合以提升互動體驗與使用者黏著度。
需求釐清重點：
- 商業目標與優化動機
- 了解目前使用者使用行為
- AI 帶來的價值增幅
- 技術整合可行性
客群洞察
年輕職場人士
穩定學習
年長者目標用戶
22–35 歲的年輕族群與 64 歲以上長者，共同特點為具英語學習需求，並偏好可隨時進行的彈性學習模式。
透過與業務及教學部老師進行訪談，發現以下問題：
- 英文程度差異大，需分級內容設計
- 全英文理解門檻高
- 需要即時查單字功能
我們假設與解決方案
- 操作流程使用要簡單
- 可以依照不同使用者等級，顯示不同的對話內容和難易度
- 提供邊學習邊查詢單字功能
- 讓使用者登入後發現新功能提示，明顯使用入口
- 增加使用者的使用時間
定義快速進入市場的 MMF，進行數據收集與行為驗證
- 確保使用者每個不同英文程度都能使用
- 滿足使用者需求與 AI 產品的增加使用體驗
- 提供多元語音選擇，觀察其對參與度與使用頻率的影響
第一版 MMF
優點
- 選擇四種音調：規劃四種音腔讓使用者好選擇，搭配學習
- 不同等級區分：不同英文等級對應不同聊天難度
- 流程簡單：以循序漸進的簡單提問，引導學員一步步進入聊天情境
缺點
- 內容單一：缺乏情境與主題上的多樣性
關鍵收穫
發現學員想要更多情境的對話與練習。
4 個月累積使用者已突破 800 人。
二次優化
- 整合現有作業功能進行優化，導入 AI 模型（如 GPT、Gemini），以降低人力成本並提升即時回覆效率
- 新增多樣化生活與職場情境（如日常聊天、旅遊、面試、會議等）
- AI 依使用者程度調整對話難度，提供多元情境互動練習
- 依不同等級生成對話情境，在限定對話中進行互動；對話結束後提供溝通建議與調整方向
- 透過 Gemini 模型導入朗讀功能，使用者可透過錄音進行練習，AI 會辨識內容並提供回饋
學習與反思
在規劃 AI 情境對話功能時，不僅專注於學習體驗設計，也參與 AI 技術選擇與產品決策。由於 AI 模型成本會直接影響產品的長期營運，因此在方案評估階段，需要同時比較不同模型的能力與價格，思考如何在控制模型成本的前提下，仍提供自然且有效的對話體驗。我與工程師與營運團隊持續協作，透過敏捷方式先推出 MMF 驗證使用行為，再依據數據迭代優化對話流程，並參考客戶訪談與老師回饋。
這次經驗讓我更深刻理解，AI 產品設計不只是功能開發，而是需要在使用者體驗、模型成本與公司策略之間做出平衡決策，並透過跨部門合作與數據驗證持續優化產品方向。