使用者經驗為重，4大行動App的失敗設計|數位時代 BusinessNext

2012年，行動用戶總計下載超過300億款App，雖然每位行動用戶平均每周使用的App大概只有15款；糟糕的是，根據Localytics的研究預測，其中只有22%的App被開啟一次而已。投入心力和金錢開發的App，為何參與度這麼低呢？這個大哉問的答案當然相當複雜，以下列出4項行動App設計時的錯誤，最終極有可能因使用者經驗太過糟糕，而被用戶列入不再開啟的黑名單。

錯誤1：強迫用戶在開始使用App之前就必須註冊

還沒讓用戶看到這款App有多好用之前，就要求用戶必須先註冊加入會員，絕對會失去大部分新下載App的用戶。

對比兩款都是以照片、影音分享的社群平台App：Pheed和Tumblr，Pheed開啟畫面即要求用戶透過Facebook或Twitter帳號登入，Tumblr則提供了平台最新分享的照片，哪一款App會吸引你繼續往下操作呢？

（圖說：Pheed和tumblr的App首頁）

錯誤2：太過詳細的操作教學

許多App開啟時會進行操作教學（tutorials），最害怕遇到一股腦兒地提供太多操作資訊；如果開發商認為需要許多步驟才能解釋清楚這款App的使用方式，那就等同於承認這款App的UI設計很失敗。開發商在設計之前，就該知道使用者是哪些人，並設計出直觀的操作介面，提供最少步驟的操作教學。

此外，還有開發商會將操作教學重點放在解釋UI設計，這也是錯誤的，正確的應該是告知用戶這款App的整體價值所在，因為用戶通常並不在意這些細節，他們更常跳過教學、直接開始操作App。

錯誤3：不常用的介面元素或不熟悉的手勢操作

設計行動UI的關鍵元素之一，就是要知道何時要採取標準設計模式，讓用戶操作時更容易了解這款App。例如照片的放大縮小，用戶都已經有了根深蒂固的操作習慣；此外，Android和iOS也都提供各自的介面準則。

有時候，開發商會「過度設計」（overdesign），忽略App標準，開發出用戶並不熟悉的手勢操作、隱藏選單、或出現太過華麗的視覺元素，然而在測試過程中，大多數用戶會因這些突兀的設計元素而感到困惑。

即便是贏得設計大獎的App，也不一定適合大眾市場；Clear是一款待辦事項App，以手勢操作取代傳統點選操作，開發商提供了6大畫面說明如何使用，不過僅有不到10%用戶記得這些說明內容；用戶操作時經常會「迷失方向」，甚至連創建或刪除待辦事項的基本功能，都不知道該如何執行。

如果開發商想要提高最大使用率、並且減少用戶操作時的困擾，最好就是採取用戶已經熟悉的使用模式；除非你有十足把握，設計出的特殊操作模式，也一定要經過徹底的使用者測試。

（圖說：Clear的六個操作說明畫面）

錯誤4：讓用戶在行動介面上填寫過於冗長的資料

新用戶下載App、看過操作教學、使用基本功能，現在就該是註冊的時候了。開發商一定希望可以真正了解用戶，所以在註冊頁面會請用戶填寫過多的資訊，這樣應該沒什麼大不了的吧？大錯特錯！當你認為多問些「小問題」其實無害，像Expedia和Best Buy這樣的大企業，已經因此損失了好幾百萬美元營業額，就是因為要求用戶填寫不必要的資訊。通常來說，只要每多出一個需行動用戶填寫的資訊，就會提高因螢幕過小導致錯誤輸入的機率，讓用戶在過程中煩心而放棄註冊。

（圖說：Uber行動App註冊頁面）

出自VentureBeat

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。