Reader

如何从海量的反馈中快速提取有价值的信息，一直是设计师面临的挑战。本文通过一个真实的案例，探讨了DeepSeek如何在短短3秒内从用户差评中精准定位问题，并提出与专业设计师高度吻合的改版策略。

用户差评往往是体验优化的起点。

面对DeepSeek这样强大的AI，不禁让我思考：它真的能帮设计师从吐槽中提取有效建议吗？这些建议能真正落地吗？

为了验证这一点，把一个真实的差评案例直接抛给DeepSeek，将生成的结果和设计师真实的方案相比较。

一、背景

该需求场景为58同城B端商家常用的发布页帖子列表，该页面不仅承载用户发布、编辑、删除等常用功能，并且还是商家选购商业产品的核心环节，间接影响黄页收入，页面经过几次改版，效果都不理想，有很多商家反馈，难用，找不到地方。

二、DS提问公式

在把问题喂给deepseek之前，需要用到正确提问的万能公式，问题背景+条件限制+目标，如果需要答案更精准可以在目标里加入身份（以xx身份提问）+目标的框架（以XX结构解决），例「请以设计师的身份用star法则撰写年终总结」。

运用本次需求的场景里就是👇

三、定义问题

先看设计师分析的版本，从核心功能、基本架构、用户疲劳三个方向分析。

再来看DeepSeek的分析，核心回答的方向基本一致，一些细节也能基本囊括。

四、设计方案

设计师版本根据定位的问题依次解决。

DeepSeek在不了解页面全部内容情况下，能根据差评找到用户痛点进行解决，跟设计师版本很多改版策略十分相似，可以说是囊括了设计师版所有解决方式。

五、总结

DeepSeek不仅能精准定位问题，给出的方案竟然和设计师深思熟虑后已上线的获得良好数据反馈改版策略高度吻合。deepseek在体验设计中真能给出许多有建设性的意见，D老师的体验迭代之术早已出神入化！

但是！D老师也不是完全可靠的，在重新生成的次数里，也出现过十分荒唐的方案和看似合理其实不合理的方案。

乍一看还挺有意思，但长按一秒这种较重的交互不适合用于常用功能并且以效率为目标的B端场景，我们的用户年纪偏大，对上滑关闭式交互并不熟悉。

所以虽然DeepSeek很强大，但生成的所有建议还需设计师去筛选和验证。