Search Experience 图库搜索
围绕真实的回忆路径,重构入口、表达、结果组织与主动召回四层链路,让 AI 搜图从「返回图片」走向「陪用户回忆」。
- ✦ 角色
- 主设计
体验策略 - ✦ 周期
- 2025
4–6 - ✦ 使用率
- 10.25%
→ 17.6% - ✦ NSS
- 63.28
→ 71.58
围绕真实的回忆路径,重构入口、表达、结果组织与主动召回四层链路,让 AI 搜图从「返回图片」走向「陪用户回忆」。
Background Problem 问题与背景
手机拍摄与存储成本持续下降,用户相册规模呈指数级膨胀,「找不到那张图」正在从偶发痛点变成日常困扰。图库搜索是用户高频但低满意度的入口:调用量大、放弃率也高。
业务方最初提出的命题非常明确——「让搜索更准」。但经过初期的用户问卷与打点数据分析,我们发现超过70%的用户都不习惯使用搜索搜图,或者仅用搜素寻找证件类图片,这造成用户都不太习惯于点进搜索。
需要重新定义问题,并证明其合理性。确认,树立目标与判定体验的标准。
产品团队急于增加显性化的“AI搜索”,但现在看来基础体验还不达标,可能舍本逐末。
我们需要尽快且详细得完成体验设计,推动周边支持。
如何在关联路径中嵌入AI搜索体验,不打破习惯,并帮助体验提升,帮助算法兜底,这是很关键的思考。
重要的不只是提升最终结果的「准确度」
在每个环节上都应该提供帮助和引导,
每一步的「准确度」都在影响着最终结果
User Research 用户调研
为了提升调研效率,我们通过用户邀请问卷对用户进行分类筛选。 我们重点研究照片量大、回忆需求强、经常需要找图的人群,因为他们最能暴露当前搜索体验的问题,也最能从优化中受益。
关注点: 性别、年龄、照片数量、使用频次、兴趣爱好、职业
我们通过结构化引导的方式,从 What、 How、 Why、 Want 四个角度,一步步让用户还原他们搜索的行为,了解其中遇到的问题以及用户的期待。在这个过程中,我们不会去强调“搜图”“搜索”,而是用找素材来代替,淡化“搜”的固定行为。
包含年轻人和中年群体
高频查看和管理照片
照片量普遍较大
有明确找图需求
热爱记录日常生活
家庭 / 宠物 / 日常碎片
经常旅行,拍照量大
风景 / 行程 / 同伴
活跃于社交平台
经常找图分享生活
通过图片存档信息
经常拍票据/课件等内容
回溯最近一次找图经历
复盘完整的找图过程
还原记忆如何在脑中形成
共创理想的找图体验
“篮球赛合影,没有拿篮球,只是穿了篮球服,这种就比较难描述,懂了篮球但搜不到”
“搜了几个关键词都没有搜到,可能我要描述的更加细致,比如女儿流着齐肩发微笑的在那边,但是也不确定能不能收到书比较麻烦,就没有尝试”
“很多在外面游玩时的照片,应该拍了一张有些非常类似,有一张拍的很有相机拍的质感,想找找不到了,想要选择一张最佳质量的照片。”
“第一次搜出来了以后还能从结果里筛选”
“能帮我整理好结果”
User Research · 用户调研
历经 12 场深度访谈,我与用研团队将 200+ 条用户观点进行亲和聚类,收敛出 4 个关键的表层现象;再从现象间的细微异同出发,向内推导根因,最终凝练为 3 项核心洞察。在此过程中,我作为项目推动者,积极整合周边资源,梳理研究关键路径,在有限的时间内推动结论落地,并逐步引导项目组对齐新的目标方向。
通过问题观点聚类,总结出4个关键问题
现象背后的本质原因
对问题本质的理解与提炼,指导设计方向
更多用户第一习惯还是上下滑动、来回缩放
输入一两个字后没有合适结果,就删除或退出,不再尝试
搜索后得到大量图片,仍然需要不断滑动、逐张查看
很多重要回忆从未被主动搜索到,都是最后翻找才想起来
用户不知道该搜什么,担心搜不对,不如直接翻找查看靠谱
记忆/回忆是模糊、渐进、聚焦的过程
用户需要的是结构化的事件线索
系统被动等待,无法帮助用户想起
回忆是模糊的、场景化的、情绪化的
长期失败降低了用户的预期,形成了不进行搜索的习惯
完成分享、整理、表达和记录的体验闭环
Analysis · 结果分析
为了让设计动作对齐「回忆」而非「检索」,我把搜图体验拆解为 4 个连续阶段,作为整个项目的结构脚手架。后续每一个设计策略都对应其中一个阶段的核心阻碍。同时我们也把原来的单一目标——提升搜索效率,拆解成每个阶段的详细使用成本,帮助我们针对性得提升体验。
01
想找,但不知道从哪开始
衡量是否首次开始这次回忆
从“点开搜索框”到“被邀请带入”
02
试图描述,但说不清
能否轻松说出线索
从“准确输入”到“看见·认出·点选”
03
结果返回,但难以认出
能否快速认出目标事件
是否还需继续大量人工筛找
04
找到了,但事情还没完
找到后是否可以便捷使用图片
从“搜到”转换为“完成”
在用户原有的、习以为常的查找过程中嵌入搜索线索,引导用户进入搜索。
允许系统 AI 调用图片搜索助手,结果数据互通,将结果运用到更多场景。无需在图库里单独承载一个显性化搜图助手。
STRATEGY · 设计策略
用户对搜索框已经形成心理防御,它意味着「我必须准确表达」。而记忆本身是模糊的,这种心理门槛让大量搜索行为在第一秒就被劝退。在这次改造中,我尝试将搜索回忆化,邀请用户和系统一起回忆。
在搜索入口界面中,主要优化了 3 个功能,改善了搜索框、搜索卡片的体验,从以前一尘不变、内容重复,优化成根据用户相册内容生成的回忆引导。
优化后,搜索框暗纹词不再是一个动作指令,改为一句邀请。同时显性化语音输入按钮,帮助用户更轻松得开始搜索。
用近期回忆卡片代替分类相册。
包含事件、截图、修图等场景,通过小卡片的形式,提升界面精致度、可视化程度。
「那年此时」以照片封面卡片 + 大标题的形式,将往年同一时间段里那些值得被记起的重要时刻,重新带回到用户眼前。
我们不会让用户在无尽的卡片中反复滑动寻找,浪费时间,所以每次推荐仅展示 3 - 6 张,有新事件触发时刷新,大小错落排布,让每一张都有自己的呼吸空间,也让回忆多一分被郑重对待的仪式感。
此卡片生成的规则,也将被用于搜索后的各种事件卡片中。
为了更好地实现回忆大卡,让它在更多的用户照片类型上生效,确保其通用性和个性化,我制定了一系列的布局、命名、字体匹配规则,让它可以使用到图库的更多场景中。
优先“满屏”
其余格式可选
优先“半屏”
其余格式可选
优先“对角”
避免“半屏”
优先“满屏”
其余格式可选
优先“满屏”
其余格式可选
优先“满屏”
其余格式可选
优先“对角”
其余格式可选
优先“对角”
其余格式可选
STRATEGY · 设计策略
用户记忆是压缩的、情绪化的,常常只有一个模糊线索(「海边那张」「有点伤感那个」「我好像拍
过...」),而当前系统要求一次性输入结构化关键词——本质上是把「把记忆翻译成搜索语言」这件最难的
事甩给了用户。
于是我开始思考,如何帮助用户把记忆翻译成机器可以理解的照片标签。经过几轮方案推导后,我们最终
选择通过胶囊的方式,一步步引导用户回忆。
STRATEGY · 设计策略
传统搜索结果的问题不是「搜不到」,而是搜出来之后用户仍然要继续翻。系统返回的是「视觉相关结果」,但用户真正想找的是「我记忆中的那个事件」。
结果组织方式比搜索准确率更重要。用户记忆是「事件化、关系化、时间化」的,结果页就应该顺着这套结构来组织,而不是用平面图片流让用户继续做二次筛选。
在记忆地图主体之上,系统将主动推出最多 8 张的「最优推荐」,方便用户选取。比如搜索“晓雯的婚礼”,将会推荐其婚礼相关的最美的 8 张照片,减少截图、重复、效果不佳等情况的出现。
判定标准有:美学评分、事件代表性、人物-场景平衡性、用户偏好、去重。
在记忆地图的下方,我们将根据用户搜索的内容提供记忆画廊,当搜索线索较为清晰时, 会以时间地点聚类的照片宫格呈现;而当搜索线索比较模糊时,通过卡片呈现。
为了减少平铺直叙,我们把所有结果也根据美学计算分析,放大美学评分高的照片。
将照片像画廊一样展开,并增加美学算法展示的方式,在目标较为清晰的情况下能够比较好得展示结果,但当用户输入词只有单一内容,或者比较模糊时,画廊的方式仍然需要比较长时间的翻找。所以,我对记忆地图进行了场景分类,在用户输入不同内容时, 系统会根据用户的搜索意图,动态切换为最合适的一种记忆地图,而不是用同一种结构应对所有场景。
STRATEGY · 设计策略
搜索从来不是终点。用户找到图后,往往还要发朋友圈、分享给朋友、做旅行合集、提取截图信息——但这些后续动作的成本,传统搜索从不关心。
我们的方案是:在结果页根据内容类型,主动提供「下一步」入口,根据不同的搜索词场景推荐功能,如AI 精选最适合发朋友圈的一组照片、一键生成旅行合集或回忆视频、自动提取并复制截图信息。
由此,搜索从单一的「工具步骤」升级为完整的「任务工作流」:AI 不只帮你找到,更帮你把事做完。
记忆类型
场景意图
推荐能力
STRATEGY · 设计策略
即使我们在搜索流程内部做了很多,依然有大量回忆是用户不会主动发起的——他们根本想不起来「我要通过搜索来找到这张图」。对于这个想法,我们根据用户当前习惯的查找路径,设计了“回忆线索”,帮助用户在有搜索意图时能够更自然得来到搜索界面。
系统结合时间、地点、人物和使用习惯,在恰当时机主动浮现回忆入口,让用户无需主动搜索就能被唤起想找的照片。
当用户打开一张照片查看详情时,系统在详情下方主动推出一行「看看相似的」推荐,把这张照片当作「回忆的线头」,顺着它向外延展出更多关联记忆。
内容的相似性分成多种维度,通过照片匹配情况,推荐适合的相似维度:
相似人物、相似色调、
相似场景、相似构图
STRATEGY · 设计策略
图库不该是这套搜索能力的唯一出口,站在用户角度,并不是抵达图库才能有搜图的诉求;站在业务角度,若图搜能力仅仅圈在图库内,只能作为图库的子功能,搜索使用率将很难提升。
真正有价值的做法,是把图库搜索的数据与理解能力作为一种「能力」开放给系统层,让系统的全局搜索、语音助手都能直接调用图库的理解结果。图库从一个「用户必须主动进入的 App」退到幕后,变成支撑系统级搜索的「图片分析引擎」。
用户在手机全局搜索、通过系统小艺助手找图时,在以前,只能通过数据框的形式,呈现部分图搜结果,并提供跳转到图搜的连接。但现在,系统可直接调用图库的理解能力,并把整理好的内容呈现给用户。
Before 照片平铺
After
精选推荐打包
人物、地点结果卡片
用户直接对语音助手说「找一下东京旅行的夜景」「我和妈妈上个月的合照」「上次那张 WiFi 密码截图」,语音助手把请求交给图库的搜索能力解析并直达结果。
Reflection · 项目复盘
↑ from 10.31% (开发进度原因,仅部分上线)
《一种XXX的展示方式》第一作者
沉淀为通用规则,
在图库、手机系统的其他地方得到复用
在这个项目中,我坚持不应直接增加 AI 对话入口,而是把智慧的功能融入到用户本来的体验中。并通过有针对性的用户调研,快速且有效地输出设计策略,说服项目组接受。
由于项目进度与人力预算的双重限制,设计策略 1–6 目前仅实现部分落地。搜索体验强依赖算法能力,前期受制于资源,只能以难易权衡后的方案进行 Demo A/B 测试。回顾来看,若能更早关注图库内搜图的体验问题,并提前完成体验策略的系统梳理,有望帮助项目组在更早期锁定优化方向,减少后续的试错成本。
✦ PREVIOUS PROJECT · 上一个项目

































