一个被低估的研究武器：FigJam如何把卡片分类变成产品决策加速器

很多AI产品失败，不是模型不够强，而是信息架构一开始就错了。这支来自Figma官方的视频，展示了一个看似“基础”的工具——FigJam，如何被用来做用户研究里的卡片分类，并悄悄解决了AI团队最头疼的产品理解问题。

最反直觉的一点：卡片分类不是“研究员的专利”

很多AI从业者一听到“用户研究”，第一反应是：慢、贵、不适合快节奏迭代。但视频一上来就打脸——FigJam 被定义成一个“任何人点开就能开始 jam 的在线协作空间”。这意味着，卡片分类不再是UX研究员在会议室里搞的仪式感活动，而是可以被产品经理、设计师、甚至工程师直接拉着用户一起做。

Habits 这个习惯养成应用的例子很典型：他们让用户把“编辑资料”“更新账单”这类设置项，按直觉分组。注意，这里没有任何算法、也没有预设结构，只有用户的心智模型。对AI产品来说，这是一个危险但极其重要的信号来源——因为你会发现，用户脑子里的分类方式，往往和你训练模型时假设的完全不一样。

一句话点破本质：“卡片分类不是为了整理卡片，而是为了暴露你对用户的误解。”

真正的高手操作：把一次研究，设计成可无限复用的系统

视频里最容易被忽略、但含金量最高的，是对 FigJam 文件结构的设计。

他们不是“为一次研究建一个板子”，而是从一开始就考虑规模化：
- 用一个 Scrambled 区域集中放所有待排序的卡片；
- 用插件直接随机打乱，避免顺序偏见；
- 把说明、规则、欢迎语单独做成 Start Here 区；
- 最关键的一步：保留一个“空白母版”，每来一个新参与者就复制一份。

这套设计思路，对AI团队尤其重要。因为你做的很可能不是一次性研究，而是：不同国家、不同用户群、不同版本的多轮对比。FigJam 的 section 隐藏、复制、锁定机制，本质上是在帮你把“用户行为数据”冻结成可分析的样本。

很多团队在抱怨‘用户研究不可复现’，但问题往往不在用户，而在你有没有把研究过程产品化。

为什么这件事对AI产品特别重要

如果你在做AI应用，尤其是带有复杂功能的产品，这个视频背后其实在回答一个更大的问题：我们到底该如何构建“符合用户直觉”的系统结构？

大模型可以帮你生成内容，但生成内容应该放在哪、叫什么名字、用户会不会点，这些问题模型帮不了你。视频里选择“开放式卡片分类”，让用户自己命名分组，本质是在采集高价值的自然语言标签——这对后续的功能命名、导航结构，甚至提示词设计都有直接帮助。

更现实的一点：通过 Open Session，外部用户24小时内无需账号即可参与。这极大降低了研究摩擦成本。对资源有限的AI创业团队来说，这意味着你不需要等“研究条件成熟”，而是可以在产品早期就反复验证用户认知。

换句话说，这是一个把‘用户心智’提前接入产品决策链路的方法。

总结

这支视频真正的价值，不在于教你怎么点 FigJam 的按钮，而是在提醒一件常被AI团队忽略的事：再强的模型，也救不了一个违背用户直觉的产品结构。

如果你在做AI应用，可以立刻行动三件事：第一，用开放式卡片分类验证你的功能分组；第二，把研究板设计成可复制、可锁定的系统；第三，尽早让真实用户参与，而不是只在内部“感觉良好”。

最后留一个问题：你现在产品里的功能命名，有多少是用户会自然说出口的？如果答案你不确定，那这套方法，值得你今天就试一次。

关键词： FigJam， 卡片分类， 用户研究， AI产品设计， 信息架构

事实核查备注： 视频来源为 Figma Config 官方频道；发布时间为 2023-05-01；Open Session 为付费计划功能，访问权限为24小时；示例产品为 Habits 习惯追踪应用（仅作为案例展示）