文章

HCDE 351 | 期末项目:纺织废弃物管理——Community Closet

这篇过程记录记录了 Community Closet 系统的设计:一个衣物租借平台,让用户从社区里的其他人那里租衣服,而不是买新衣服,从而减少纺织废弃物。

产品概述:

这篇过程记录记录了 Community Closet 系统的设计:一个衣物租借平台,让用户从社区里的其他人那里租衣服,而不是买新衣服,从而减少纺织废弃物。这个系统结合了移动应用、实体自助站和配送系统,让用户可以轻松地租借、上架、取走和归还衣物。

这个原型的目标,是通过多种原型方法,探索这个概念的易用性、吸引力和可行性。我们模拟了在手机界面上浏览衣服、到自助站取衣服,以及整个租借流程中的交互,想了解用户是否觉得这个系统直观、可信,并且能有效应对过度消费衣物的问题。

在这个项目里,我练习了快速原型和以用户为中心的设计:和队友一起定义关键场景,用不同的媒介(视频、移动端和实体)制作原型,并通过用户测试评估人们如何与系统交互。这些原型让我们能以相对低的成本快速检验想法,同时仍然模拟出真实的用户体验。

在这篇记录里,我会讲我们团队如何从发现的可持续问题出发形成概念,如何设计和制作原型,以及如何组织测试、收集用户反馈。我也会反思关键的设计决策、背后的理由,以及这些选择如何服务于整体目标:在提供便捷、有吸引力的衣物租借体验的同时,减少纺织废弃物。

构思:

这个设计的目标,是提出一个系统层面的概念,应对纺织品过度消费的问题。**我们的项目对应联合国可持续发展目标 12:确保可持续的消费和生产模式。** 具体来说,我们的设计目标是让衣物在社区内被共享和再利用,而不是买来穿几次就丢掉,从而减少纺织废弃物。

头脑风暴时,我们聚焦在日常生活中衣物过度消费的问题上。很多衣服是为了特定场合买的,只穿一两次就被收起来或扔掉。虽然已经有二手店、捐赠这样的方案,但每年仍有大量纺织废弃物被送进垃圾填埋场。

我们探索了几种可能的思路,包括换衣活动、社区捐赠网络和线上转售平台。但我们发现现有方案有两个主要局限:很多平台仍然依赖反复的购买和转售;而运输这样的物流环节又会带来额外的环境成本。

产品:

基于这些讨论,我们提出了 Community Closet 的概念:一个让人们在本地社区内租借和共享衣物的系统。用户可以通过移动应用浏览和租借衣服,实体自助站则作为本地的投递和取件点,减少运输带来的浪费。在一些场景下,也可以为附近的用户提供无人机配送。

这个系统设计希望让同一件衣服能在一段时间内被多个用户穿着,减少重复生产的需求,从而应对更广泛的纺织废弃物问题。

系统:

系统示意图

我们的系统由一个 App(数字体验)和我们设计的包裹 / 自助站系统(实体体验)连接而成。我们通过这样一些问题,让用户体验超越数字体验本身:什么是最理想的收包裹方式?寄包裹呢?(无人机)哪种配送方式是可持续的(本地配送 vs 区域配送)?对用户来说哪种方式更划算?(自助站投递)最终我们设计出这样一个系统:用户通过 App 决定想要什么,以及如何收发包裹,可以走无人机,也可以走自助站。App 还和自助站打通,用户可以用自己的设备登录,让体验更加顺畅。

评估方法:

移动应用原型原型方法:视频场景原型,展示系统的完整生命周期,包括下载 App、租借衣服,以及通过自助站或无人机配送收到衣物。评估方法:参与者看完视频后进行半结构化访谈。评估目标:了解这个概念的吸引力,包括用户是否觉得这个想法有吸引力、是否会考虑使用这个系统,以及他们可能有哪些顾虑(比如卫生、信任、衣物质量或物流)。自助站纸板原型原型方法:用 Figma 制作的可交互移动端界面原型,模拟浏览衣服、上架和租借的流程。评估方法:有主持人引导的可用性测试,参与者用 Figma 原型完成指定任务。评估目标:评估界面的易用性,包括用户能否轻松地在 App 中导航、上架衣服、租借衣物,并理解价格和租期。视频原型原型方法:衣物投递和取件自助站的纸板原型。评估方法:基于场景的交互测试,用户亲手操作自助站,模拟投递或取回衣物。评估目标:评估实体交互的可行性,包括指引是否清晰、是否易用,以及自助站的尺寸和结构能否支撑预期的交互。行为原型原型方法:模拟真实世界的交互,用户通过移动端界面下单,再用二维码从自助站取走衣物。评估方法:行为层面的用户测试,观察用户的操作并追问。评估目标:了解用户如何走完端到端的系统流程,找出数字界面和实体取件流程之间让人困惑的地方。

原型:

在上面几节里,我讲了我们如何明确要为什么场景做设计,然后探索想法,并按照联合国可持续发展目标和设计目标推进到最终的设计。这一节我会简单讲讲,四个原型如何帮助我们做设计决策、推动项目前进。

移动应用原型

在设计这个移动应用时,我们最初想在 Figma 里做一个高保真原型。但经过团队讨论、并咨询教学团队之后,我们决定用 AI vibe coding 做一个只有前端、没有后端的可交互高保真原型。这让用户可以模拟输入,测试体验也更真实。我们用 FigMake 制作了高保真原型,通过反复和 AI 确认需求,最终做出了这个包含 2 条主要用户流程的高保真原型,支持用户的租借和归还流程。

移动应用:首页

我们做了一个好看的首页,让用户浏览想租的衣服,上面标有价格和衣服的详细信息。这样信息保持透明,用户就能一直走在顺利的路径上。

移动应用:租借

这里是用户租衣服的地方。他们可以选择租期和取件方式。为了更好地帮助忙碌的人坚持可持续的目标,我们还提供了无人机配送选项(我们尽量不用会消耗化石燃料、产生温室气体的汽车)。我们也给用户一个选项:把自己很少穿的衣服寄出来,赚取积分,租别人的衣服时可以用。这样我们鼓励用户去穿已经被生产出来的衣服,而不是去找新衣服。这贴合了联合国的可持续发展目标,也贴合我们的设计目标。

移动应用:上传

就像上面说的,这里是人们为自己的衣服建立档案、供别人租借的地方。他们可以填写衣服的详细信息,设定购入价格和每日租金。

下面是 FigMake 的链接,你可以亲自试试这个用户流程:(如果链接打不开,请试试下面说明里的那个)

https://www.figma.com/make/OMAdyKXqH4eE9j8sJjw1Zb/Clothing-Rental-App?t=rVGSCkvCTKpOFIz4-1

自助站纸板原型

与此同时,我们也开始设计自助站。在我们的设计里,自助站由两部分组成:操作机和储物柜。

界面和自助站设计草图

成功预订或上传衣服后,用户会通过邮件收到一个条形码,然后可以来到每个社区设置的自助站,选择对应的服务(投递 / 取件),扫描条形码打开储物柜。如果是投递,打开柜门后,显示屏会引导用户把衣服放到正确的位置,然后提醒用户关上柜门;如果是取件,打开柜门后我们会告诉用户衣服就在里面,并提醒他们取出后关上柜门。这个设计让我们更贴合设计目标。

储物柜纸板原型展示

这就是我们在用户测试(行为原型阶段)中用到的储物柜。

视频原型

完成移动应用的设计之后,我们基于前面的 2 条用户流程设计了两个使用场景。

故事板草图

视频原型

行为原型

同时,为了测试用户与移动应用和自助站的交互,我们基于视频原型设计了三个关键的交互测试场景:租借衣服、上传衣服和取衣服。

最终视频演示

综合以上四个原型,我们完成了最终的视频演示,简要展示了我们的产品概念以及实现方式。

反馈:

课上,我们进行了一次小组反馈讨论。以下是我们收到的反馈:

哪些地方做得好?

这个项目提出了一个点对点的衣物租借系统,鼓励衣物再利用,与联合国“负责任的可持续消费”这一可持续发展目标高度契合。团队很好地设计了一个把移动端界面和实体自助站结合起来的完整系统,让这个概念显得实际、扎根于真实的使用场景。

移动端原型做得精致、用心,有效地展示了用户如何浏览、上架和租借衣服。团队用了多个原型(移动端 UI、纸板自助站模型和视频原型)来探索系统的不同方面,这有助于呈现整体的用户体验和设计概念。总的来说,这个项目成功传达了设计目标,也在应对一个复杂系统上付出了有意义的努力。

哪些地方可以更好?

概念虽然很强,但实体原型还可以进一步完善,更好地模拟系统在实际中如何运作。纸板自助站原型有些简单,没有完整展示衣物投递、取件流程,以及押金 / 归还机制这些交互。扩展实体原型,或者做一个数字化的自助站界面原型,能更有效地评估自助站的易用性。

另外,系统的物流可以讲得更清楚,尤其是配送如何运作。比如,设计里同时提到了配送和自助站取件,但这两种方式如何配合并不完全清楚。聚焦一种主要的配送方式,或者讲清楚两者之间的关系,能让系统更容易理解。

最后,视频原型可以更清楚地展示用户与自助站的交互,把移动端体验和整个系统中的实体交互连接起来。

收获:

同学和助教的反馈都表明,我们的设计确实贴合了设计目标,回应了痛点,也遵循了我的场景设定。但这个设计还有一些小问题,可能会、也可能不会影响它的功能。如果做到下面几点,它会更好:

  • 进一步完善实体自助站原型,更好地模拟用户在系统中如何投递和取走衣服。
  • 在视频原型里更清楚地展示自助站的交互,表现用户如何从移动应用过渡到自助站。
  • 给实体原型加入更多功能细节,比如押金系统,或者更清晰的交互步骤。

致谢:

特别感谢我的组员 Rachel Berg、Stephanie Nguyen,助教 Nichole Sams 和授课老师 Brock Craft,以及 HCDE 351 2026 年冬季学期所有同学给出的宝贵反馈。

感谢阅读!: )

技术附录:

AI 使用说明:

  • 我们用 ChatGPT 修改语法和错别字;
  • 我们用 NotebookLM 帮我整理用户反馈;
  • 我们和 ChatGPT 讨论了根据收到的反馈,应该改进哪些地方。
  • 我们用 FigMake AI 帮我们制作移动应用原型。

写作参考:

评论