WiDS Taipei 2025｜產品設計驅動演算法 — Giny Chiu

講者介紹 - Giny Chiu

📍Dcard 資深產品經理 Giny 負責社群的讀者體驗設計，從 AB Testing 到推薦演算法，和
資料科學家、MLE 團隊密切合作。專注於產品設計，憑藉對個人化推薦技術的深入探索，持續優
化用戶體驗，讓社群內容變得更貼近每位使用者的需求。

📍講者簡介影片: https://www.instagram.com/reel/DJd7bcVttFl/?utm_source=ig_web_copy_link&igsh=MzRlODBiNWFlZA==

當首頁不是展示，而是櫥窗

「大家好，我負責讀者的首頁體驗與個人化推薦功能。我們的任務不只是推內容，而是打造一個既能精準觸達使用者，同時公平展現創作者心血的平台。今天，就讓我帶大家回顧這段跨部門協作、設計推動演算法的故事！」

一、背景 & 問題提出

• Dcard 是什麼？

兼具匿名與實名的社群平台，支援文字圖文、短影音、投票等多元貼文形式。首頁推薦依據使用者歷史行為，將有可能感興趣的內容推送給他。

• 問題是什麼？

最容易被注意到的內容，不一定是最有興趣的內容。

舊版列表樣式讓大圖文貼文過度凸顯，儘管內容形式多樣（例如圖片、Vlog、投票等），但排版設計導致使用者「先到先看的都是大圖貼文」，進而收割較多互動，而不見得是使用者真正感興趣的內容。

二、設計導演算法，如何走出兩難

我們要同時解決的不只是美觀，還有公平與效率（我們稱之為「坪效」＝閱讀、互動 / 曝光面積）：

• 公平：小圖文貼文雖然互動效率高（少曝光換取互動），卻因版面曝光少，導致總互動低。
• 效率：大圖雖然曝光率高，但暴露空間浪費，未必以有限版位創造最大效用。

📌 舉例說明

在舊指標下：表面看起來大圖最優，但若考慮版位倍數後效率卻拋離小圖。

單位曝光互動率：小圖 169；大圖實際效率為 478/4 ≈ 120

顯示小圖文在公平與效率間更佳。

三、三年 A/B Testing：在有限空間裡呈現內容的核心資訊

1. 首先定義核心資訊，接著把核心資訊拆解不同變因做測試。

從 2022 起，我們進行了多次實驗，挑戰各種介面改法：

• 大圖＋兩小圖縮排：保留重點，但訊息殘缺，資訊被裁切
• 左右滑動圖片條：攤開圖片且用滑動讓使用者快速瀏覽內容
• 完整資訊解構：將「看板名稱」「作者」「互動數」「文字片段」「圖片/影片預覽」逐區分組
• (近期測試）微調圖片高度 & 尺寸：維持足以辨識內容，卻不佔據過大版位

2. 觀測指標 — 改變用戶行為也需要改變指標體系。

3. 新樣式改變用戶行為：比以往在列表停留更多時間，產生更多互動，會點擊圖影，快速預覽。

四、成果指標：如何證明這是「好的設計」？

我們定義一個讀者漏斗（Funnel)：

有效曝光（曝光面積） → 有效閱讀（列表停留時間、縮圖預覽次數） → 互動（新增列表按讚數、追蹤數、進看板次數）

並設計對應指標：

‧ 曝光區域面積：納入版面佔位大小

‧ 列表停留時間：新的用戶行為

‧ 互動與閱讀率 (ETR)

‧ 縮圖預覽次數

🏆 成果亮點

• 有效閱讀＋4%
• 互動：按讚+28%、留言+18%、進板+18%、收藏+17%、分享+7%
• 曝光單位、文章閱讀數雖減少，但變更版型後更精準帶動互動

五、演算法也同步進化

由於行為定義變了，我們也同步更新推薦演算法設計：

1. 新增行為特徵：包括圖片點選率、列表停留時間，以反映新版型作用

2. 調整預測目標：由傳統點閱率 CTR → 著重互動與停留時間的模型

3. 強化多模態內容理解：用 embedding 等技術處理圖片/影片，讓系統明白內容語意

這樣推薦才不只是畫面上的「美」，而是真正將使用者心聲放大。

🧠 精華總結：當「介面樣式」成為產品觸發點

1. 重新定義列表的角色

2. 找出如何呈現核心資訊

3. 改變指標體系

4. 調整推薦系統

“我們設計的是一個推薦產品，不只是排版，而是整個從使用者理解 → 行為設計 → 演算法預測的閉環。”

“每次改變都是在重新思考我們覺得重要的事情。”

｜Ｑ＆Ａ

1. 坪效是很棒的概念，想請教如何激盪這樣的概念，以及如何跟團隊溝通、獲得認同？

找出一個容易理解並具象化的指標，可應用在設計上，並對算法是有效的。

前期溝通是關鍵，從 設計師、資料工程師、ML 團隊到老闆，所有人都需理解「屏效」「公平」的核心概念。

2. 介面樣式調整聽起來是一個大專案，請問花了多少時間，以及最挑戰之處？

因爲沒有全面理解樣式改動對用戶及整個指標體系的影響，2022上線第一版時，指標掉太多，早上上線下午就下線。最挑戰地方是內部溝通，需要整體去觀測，包含新指標和廣告團隊等等。資料指標要同步再教育，新樣式上線前，先說明預期哪些指標會變，包含上升、下跌，避免實驗數據崩盤即下線慌張情形產生。

3. 數據產品經理與UX產品經理等質性研究的差異、分工是什麼？

數據 PM 著重於量化分析，用數據驗證使用者行為與產品成效；而 UX PM／質性研究則透過訪談與觀察，深入了解使用者動機與痛點。兩者分工互補，數據幫助我們知道「發生了什麼」，質性研究則揭示「為什麼會發生」，共同協作能打造更貼近用戶需求的產品。

Giny 分享的三年專案，證明了產品設計不是孤立的美學工作，而是要與資料、演算法、使用者形成緊密迴路。每次改動背後，是一次對「什麼才是好內容」「何種互動才有價值」的再思考，這樣的設計不只影響 UI，也重塑了平台底層邏輯。