发帖
雷达卡
##### 报告A1
**在技术的支持下，每个家庭都接入智能成为了可能，伴随着5G的商用，万物互联的趋势也越加明显，各大厂商都在积极加入智能家居网络入口的争夺。**
##### 报告A2
**智能家居目前主要存在的问题是消费者对智能产品的接受程度有限，并且各智能平台也未完全打通。**
##### 报告A3
**智能家居平台的4个要素，家、用户、设备、场景（场景联动）。当下任何一个智能家居平台，都需要同时覆盖这4个要素，这4个要素中前3个要素是基础，场景是点睛之笔。**
- 洞察1 人均收入有了进一步的提高，互联网用户多，需装修的新房基数大，核心技术也得到了进一步的发展，智能家居的蓬勃发展是顺理成章。
- 洞察2 2017年智能影音数码大致占据了一半的智能家电销售额，消费者第二愿意选择的智能设备是冰箱、空调和洗衣机。而智能电视的增长已较为缓慢，市场还存在较大比例的非智能冰空洗，未来在冰空洗等白电产品的市场会有比较大的增长。
- 洞察3 安装便捷，价格较低使得后装智能家居更容易与消费者接触，但后装系统更多的是基于单品的组合，需要消费者有一定的动手能力。
- 洞察4 中国有非常多的库存房可供智能化的改造，而现在大多数人接触的还是后装市场，前装市场还有非常大的市场潜力。
- 洞察5 让每个人都能享受科技的乐趣，一是通过降低用户配置的成本，二是在前装市场就部署好智能家居。
- 洞察6 无论是科幻作品里的机器人，还是巨头公司已经落地应用的对话类机器人产品，世界无时无刻不在告诉你，那个理想中的智能机器人在不远的将来会出现在你的生活中，并为你提供便利。
根据用户研究及自己的观察/访谈/调研，我们初步有以下发现。
##### 报告B1
**体验过iPhone的Siri，天猫精灵、小爱同学、甚至是某款APP里面的对话机器人功能的用户，可以发现，这些产品大多非常鸡肋，有时候用起来感觉它简直是“智障”，完全达不到“智能”的类人水平。于是，不少业内的同学开始开玩笑说：人工智能，有多少人工，就有多么智能。**
##### 报告B2
**米家、华为智能家居、海尔智家拥有着类似的消费群体，重合度较高，覆盖了各个年龄层。20~29岁是智能家居的主力军，在较低的年龄段里，偏向米家的更多，较高年龄段中消费者更加倾向于选择老牌的海尔。同时，男性更加热衷于去了解智能家居。**
##### 报告B3
**无论机器学习还是深度学习，均无法获得人类从小到大学习到的常识+推理能力，而这些能力不仅是来源于简单的文本、对话，还有更复杂的社会环境、法则、生活认知等等。
于是乎，单一的任务比如围棋高手AlphaGo可以达到超人类的水平，因为它的学习内容相对单一，而对话类机器人产品则复杂的多，想要对话机器人更符合用户预期并且显得“智能”，那就需要AI产品经理在产品设计之前了解更多**
- 洞察1 根据易观分析的数据，在12个智能家居终端品类中，无线路由器、智能电视和智能音箱三个品类销量远超其他品类，说明智慧家庭的影音娱乐需求拉动了智能家居市场整个出货量的上升，在其他品类中，智能门锁的销量排在第四位。说明智能家具首要以实用娱乐为主，第二次要的是安全。
- 洞察2 房间能的智能家具需要独立保持工作，不能进行混乱。比如智能窗帘现在的设定需要阳光进入大厅，能智能空调需要保持室内温度，此时就需要一个界定值，由用户去控制谁的优先级高，谁的优先级低，优先级高的家居享有窗帘的控制权。
- 洞察3 产品能够解决实际问题。如果用户没有需求，就不要试图利用技术去创造出一个需求。消费者购买产品是为了解决自己的问题，不是为了让产品能够「智能地」联网。所以不要因为智能而去智能，对用户实用有用的才是智能。
- 洞察4 智能家居的一个重点便是互联网，但仅仅是在家电中内置一个WIFI芯片、实现手机远程操控，实际上还算不上真正的“智能”。比如一些智能硬件开发的洗衣机、烘干机，可以通过手机应用程序远程洗衣，但是不要忘记：要想洗衣、首先你得把衣服从脏衣篮中放到洗衣机里，显然大部分人家中没有一个机器人。那么，如果你已经可以把衣服放到洗衣机中，那么为什么不能直接在操作面板上操作呢？同理，用手机遥控慢炖锅，似乎也仅仅是个噱头。
- 洞察5 虽然短时间内我们不能期待具有AI、可以像人类般思考和学习的家居产品出现，但更好的操控性、更实用的功能、有效的联动机制及更高的安全性，都是厂商们可以努力的方向。
- 洞察6 通过互联网通讯技术、智能家居已经能够以多种现代化手段实现消费者对于家庭设备的个性化、人性化控制。但是智能家居要“破茧”，从一个独立的单元延展到更庞大的智能家居体系，必须要建立起相应的物联网标准。
综上，我们有了大致的问题意识，接下来开始准备设计思维工作坊，来开启数字化转型，解决此行业痛点。
## 数字化转型设计思维工作坊设计：参与者介绍
我们团队DigiCheese由服务设计思维者，数据科学家，数据分析师，可视化专家，后端工程师，进行夸学科团队协作，进行绿色可持续型数字化转型探索。
* 团队服务设计思维者刘启伦PS：通过跟乙方和甲方的各色成员沟通协同，共同参与产出一套设计方案，去提升用户在使用服务的时候和它进行的互动。
* 团队数据科学家黄创维PS：通过编程来强化数学和统计背景能力来进行分析数据、创造数学模型。与业务端进行交流，了解领域，分析数据以帮助业务。
* 团队数据分析师周子濠PS：明确提数的目的，进行用户数据的准备，协调新的用户数据埋点收集，并验证准确性，之后通过工具对用户数据进行处理，从而让产品功能更完善。
* 团队可视化专家朱金鑫PS：结合大数据和可视化分析，让数据说话，可以更加方便快捷了解用户痛点，从而对我们的产品和服务赋能。
* 团队后端工程师PS：
## 数字化转型设计思维工作坊设计：阶段和流程
### 挖掘阶段：理解和观察+数据挖掘
此阶段为线上工作坊，不占天数，所有成员运用线上文档及思维导图工具，交换智能家居行业用户痛点初步观察分析。
"屏幕截图.png")### 创造阶段：定义和构思
用户画像：小夏 男 毕业3年 28岁 互联网行业 平时工作朝九晚六 期望：回到家后可以放松全身，可以把在外工作一天的疲惫卸下
用户痛点：
①智能家居并不太智能，比如扫地机器人，有时候在一些角落进不去，会在一个地方一直碰壁，花费时间还清扫不干净。
②智能家居本末倒置，为了智能而去设计家居，智能家居的核心是“实用，贴心”，不是“智能”。
### 交付阶段：原型/流程+建模和价值验证
此阶段为线下工作坊,我团队将在6月13-20日，生成高保真网页原型图，在应有功能与想法融合上宣传网页后，进行上一阶段各方案的实用性测试，并加以验证与舍弃；在需求，收益，竞争分析后进行自我验证。
## 个人贡献与心得
* 个人贡献与心得：
在这一次工作坊中，个人与小组一种进行关于绿色创行工作坊的设计，并且担任服务设计思维者这一角色，通过组员之间的沟通交流，共同产出了这一次工作坊的结果，并进行进一步的优化。在个人心得方面，经过这一次的工作坊的运行，对于一个的理解也越来越深，并且在关于原型的产出方面更加熟悉，拥有一个比较完整的对于这些工作的设计和流程等这些方案，对于工作的帮助是不可小视的。
* 跨学科团队的好处是什么？
跨团队不仅仅是把不同学科背景的人员集中到一个团体中，他们是来自不同专业背景或不同职能背景的个体,跨学科团队的定义是通过各自知识能力，,整合综合思想，对于一个目标的考虑可以更加和多元，并且可以提出多种不同的看法，对一件事情可以做出更加妥善的解决方案，而且对与在工作中与到的一些问题，可以大家相互交流，能更有利于问题的解决。每个人学习了解不同的东西，既降低了学习的难度，也缩短了学习过程的时间，在讨论中团队能够碰撞出不一样的火花。
* 如何将点子和故事可视化？
在工作坊中，团队成员将自己的想法用画图的方式表达出来，然后众人开始进行讨论，并对图示进行不断地修改和更新，最后才达到我们自己想要的结果。
斯坦福设计思维手册中关于创建可视化的四个关键特性如下：
聚焦那些重要的部分——忽略不必要的内容。
要具体——不要创建模糊的画。
创建容易理解的图像——并且使其与内容关联起来。
引发兴趣——观看我们创建的图也是件愉快的事。
在团队中我们对这些步骤进行实践，并且结合自身的情况进行补充和修改，在经过连续几轮的讨论后，最后进行产品原型。
京公网安备 11010802022788号
