本文聚焦于部署后用户反馈在生成式 AI 系统中的作用。研究表明，系统化的反馈既能降低监控成本，又能提升用户参与度和信任度。政府法规和行业指南要求在产品上线后持续收集用户意见，但现有实践缺乏可用性指引，导致反馈渠道难以被发现、术语模糊且未能体现用户价值。
我们与 eBay 合作开展了多阶段研究。首先，对业界常用的反馈收集方案进行基准评估，发现主要问题包括：① 反馈入口不显眼，用户难以主动使用；② 反馈表述缺乏统一定义，导致数据噪声；③ 反馈流程未能体现对用户时间的尊重，导致参与率低。
基于这些洞察，我们提出了若干最佳实践：
- 将反馈入口嵌入常用交互路径，提升可发现性；
- 使用简洁、统一的术语并提供示例，降低理解成本；
- 采用分层式反馈结构，先收集高层次满意度，再引导用户提供具体改进点，以减少操作负担。
随后，我们设计并实现了原型反馈工具。该工具采用弹窗式轻量界面，支持单选满意度、可选标签以及自由文本，所有数据实时同步至产品团队的分析仪表盘，呈现整体性能趋势和潜在问题热点。用户测试显示，使用时长平均下降 35%，正面反馈率提升至 78%。
总体而言，系统化、以用户为中心的反馈机制能够为生成式 AI 产品提供可操作的改进线索，同时增强用户对系统的信任感。
点评