Back to Registry
View Author Profile
Official Verified
product-design
产品设计技能 - 掌握用户需求分析、产品规划、原型设计、体验优化等核心能力
skill-install — Terminal
Install via CLI (Recommended)
clawhub install openclaw/skills/skills/alsoforever/product-design-gungunOr
🎨 product-design - 产品设计技能
Slogan: 以用户为中心,创造有价值的产品体验
📋 技能描述
提供完整的产品设计能力,从用户研究到原型设计, 帮助 AI Agent 理解用户需求,设计优秀的产品体验。
🎯 核心知识
1. 用户研究
| 方法 | 说明 | 产出 |
|---|---|---|
| 用户访谈 | 一对一深度访谈 | 用户需求、痛点 |
| 问卷调查 | 大范围数据收集 | 用户画像、偏好 |
| 焦点小组 | 小组讨论 | 用户反馈、洞察 |
| 可用性测试 | 观察用户使用 | 体验问题、优化点 |
| 数据分析 | 行为数据分析 | 使用模式、转化漏斗 |
2. 用户画像
用户画像模板:
【基本信息】
- 姓名:(虚拟)
- 年龄:
- 职业:
- 收入:
- 城市:
【行为特征】
- 使用场景:
- 使用频率:
- 偏好功能:
- 痛点问题:
【需求层次】
- 基本需求:
- 期望需求:
- 兴奋需求:
【引用语】
"我希望...因为..."
3. 需求分析
| 方法 | 说明 | 应用场景 |
|---|---|---|
| KANO 模型 | 基本/期望/兴奋需求 | 需求优先级 |
| MoSCoW 法则 | Must/Should/Could/Won't | 版本规划 |
| RICE 评分 | Reach/Impact/Confidence/Effort | 需求排序 |
| 用户故事地图 | 用户旅程可视化 | 功能规划 |
| Jobs to be Done | 用户要完成的任务 | 需求洞察 |
4. 信息架构
信息架构原则:
1. 清晰性 - 用户能快速理解
2. 一致性 - 统一的组织和命名
3. 可寻性 - 用户能快速找到
4. 可扩展性 - 支持未来增长
5. 简洁性 - 避免过度复杂
常用结构:
- 层级结构(树状)
- 矩阵结构(多维度)
- 自然结构(场景化)
- 线性结构(流程式)
5. 交互设计
| 原则 | 说明 | 示例 |
|---|---|---|
| 可见性 | 功能应该可见 | 按钮明显可点击 |
| 反馈 | 操作后有反馈 | 点击后颜色变化 |
| 约束 | 限制错误操作 | 禁用不可用按钮 |
| 一致性 | 保持界面一致 | 相同功能相同位置 |
| 容错 | 允许犯错和恢复 | 撤销/重做功能 |
6. 视觉设计
| 要素 | 说明 | 原则 |
|---|---|---|
| 色彩 | 品牌色、功能色 | 对比、和谐、可访问 |
| 排版 | 字体、字号、行距 | 层次、可读、一致 |
| 间距 | 元素间距离 | 8px 网格系统 |
| 图标 | 功能可视化 | 简洁、可识别 |
| 图片 | 内容展示 | 高质量、相关 |
🛠️ 应用能力
能力 1:需求文档 (PRD)
# 产品需求文档
## 1. 背景
- 问题描述
- 目标用户
- 业务目标
## 2. 功能需求
- 功能列表
- 功能描述
- 优先级
## 3. 用户故事
- 作为 [用户类型]
- 我希望 [做什么]
- 以便 [达到什么目的]
## 4. 功能详情
- 页面流程
- 交互逻辑
- 边界情况
## 5. 数据需求
- 埋点需求
- 数据指标
## 6. 成功标准
- 核心指标
- 目标值
能力 2:原型设计
原型设计流程:
1. 草图(Sketch)
- 纸笔或白板
- 快速表达想法
- 不追求细节
2. 线框图(Wireframe)
- 低保真原型
- 展示布局和信息
- 工具:Figma/Sketch
3. 可交互原型(Prototype)
- 中/高保真
- 模拟真实交互
- 工具:Figma/Principle
4. 设计稿(Mockup)
- 高保真视觉
- 完整设计规范
- 交付开发
能力 3:用户体验地图
用户体验地图模板:
【阶段】 认知 → 考虑 → 使用 → 复购 → 推荐
【用户行为】
【用户想法】
【情绪曲线】
【痛点问题】
【机会点】
制作方法:
1. 定义用户和场景
2. 划分体验阶段
3. 收集用户行为数据
4. 绘制情绪曲线
5. 识别痛点和机会
6. 制定优化方案
能力 4:A/B 测试设计
A/B 测试流程:
1. 提出假设
"改变 X 会提升 Y 指标"
2. 设计变体
- 对照组(A):原版
- 实验组(B):改动版
3. 确定指标
- 核心指标(如转化率)
- 辅助指标(如停留时长)
- 护栏指标(如卸载率)
4. 计算样本量
- 显著性水平:0.05
- 统计功效:0.8
- 最小可检测效应
5. 运行测试
- 随机分组
- 同时运行
- 足够时长
6. 分析结果
- 统计显著性
- 实际意义
- 决策建议
能力 5:设计评审
设计评审清单:
【目标对齐】
- [ ] 设计是否解决目标问题?
- [ ] 是否符合产品战略?
【用户体验】
- [ ] 是否易于理解?
- [ ] 是否易于使用?
- [ ] 是否满足用户需求?
【技术可行】
- [ ] 技术是否可实现?
- [ ] 成本是否合理?
- [ ] 时间是否可行?
【商业价值】
- [ ] 是否有商业价值?
- [ ] ROI 是否合理?
- [ ] 是否有风险?
【下一步】
- [ ] 需要修改的地方
- [ ] 负责人
- [ ] 截止时间
📊 实战案例
案例 1:电商 APP 购物车优化
背景:购物车转化率低
研究:
- 数据分析:70% 用户加购后未结算
- 用户访谈:运费不透明、优惠复杂
- 竞品分析:主要竞品运费明确
问题:
1. 运费计算不清晰
2. 优惠券使用复杂
3. 结算流程长
方案:
1. 购物车显示预估运费
2. 自动推荐最优优惠
3. 简化结算流程
结果:
- 购物车转化率提升 35%
- 用户满意度提升 20%
- 客单价提升 15%
案例 2:SaaS 产品 onboarding 优化
Metadata
AI Skill Finder
Not sure this is the right skill?
Describe what you want to build — we'll match you to the best skill from 16,000+ options.
Find the right skill Add to Configuration
Paste this into your clawhub.json to enable this plugin.
{
"plugins": {
"official-alsoforever-product-design-gungun": {
"enabled": true,
"auto_update": true
}
}
}Safety NoteClawKit audits metadata but not runtime behavior. Use with caution.
Related Skills
industry-compare
行业对比技能 - 同行业多公司对比分析、行业地位评估
alsoforever 4473
memory-stack
AI 记忆栈架构 - 符合 2026 前沿的 AI 记忆系统。微调+RAG+ 上下文三层设计,mirrors 人类记忆工作方式。
alsoforever 4473
excel-finance
Excel 财务模型技能 - Excel 财务模型模板、自动化报表生成
alsoforever 4473
do-it
帮助地球人做人生选择的 AI 判断技能 - 你只管 do it,判断交给滚滚
alsoforever 4473
api-integration
API 集成技能 - 掌握 RESTful API 调用、GraphQL 支持、API 认证管理等核心能力
alsoforever 4473