前言 经常有人问软装设计师一个问题，如果想要改动房间中的一件家具，就会使室内整体氛围变化，应该选择改动什么？

软装设计 师的回答一般是——“椅子”。那么，今天我们一起去了解下历史上有哪些经典的 大师椅 ～

瓦西里椅 Wassily Chair

设计者：马歇尔·布劳耶(Marcel Breuer）；设计年代：1925 年

瓦西里椅 Wassily Chair，1925 年设计出品，是由知名的匈牙利设计师马歇尔·布劳耶(Marcel Breuer）设计的。这是布劳耶设计的第一把钢管椅——瓦西里椅子，也是世界上的第一把钢管椅。

瓦西里椅造型轻巧优美，结构简洁，具有很优良的性能。带有浓烈的机器美学色彩，用焊接方式形成主体构架，这使这件设计更像一台机器，尤其是用皮带作为扶手，完全类似于机器上的传送带，而靠背悬固在一根横轴上更增加了一种机器上的运动感。

瓦西里椅的灵感来自于一种叫阿德勒的自行车，首创了世界钢管椅子的设计记录，为了纪念抽象艺术大师瓦西里.康定斯基，也就是马歇尔的老师，他将这把椅子命名为“瓦西里”椅。瓦西里椅子曾被称作二十世纪钢管椅子的象征，开创了现代家具的先河。这种新的家具形式很快风靡世界。

从法学生到顶尖艺术家：抽象先驱瓦西里·康定斯基 瓦西里·康定斯基（Василий Кандинский，格里历1866年12月4日－1944年12月13日），画家和美术理论家。

阅读文章 >

昌迪加尔椅 Chandigarh chair

设计者：皮埃尔·让那雷被勒·柯布西耶（Pierre Jeanneret）；设计年代：1955 年前后

昌迪加尔椅，是近几年出镜率最高的椅子单品。它的名字起源，是来自于一个印度乌托邦式的新城市。1955 年前后，瑞典著名的设计师皮埃尔·让那雷被勒·柯布西耶请去援助建设印度的昌迪加尔城，并要其设计一款为政府大楼里公务员所用的椅子。

他设计出 300 万人的城市：顶尖设计师勒 · 柯布西耶 现代建筑当中最著名的大师有 4 位，俗称「建筑界 F4」，四位大师之所以能并驾齐驱并非因为什么共同之处，反而是因为各自的贡献独当一面并旗鼓相当，好比香港流行四大天王，能具体说谁最厉害吗？

阅读文章 >

所以昌迪加尔椅的真正名字，其实是叫：office chair，议会大厦办公椅。

但非常可惜的是，好景不长，随着当地人更加对现代设计的偏爱，昌迪加尔椅被大面积弃用。被废弃在整个城市的各个角落，堆积成山，它经常被当作废料出售，价格仅仅只价值几卢比。

到了 1999 年，被判死刑几十年的昌迪加尔椅，命运发生了峰回路转的变化。一位法国商人收购了大量被遗弃的椅子，重新翻新拍卖。所以昌迪加尔椅才回到了人们的视线中。

后来，意大利著名家具品牌 Cassina，采用了和当年一样的“柚木+藤”的材质组合，重现了昌迪加尔椅，并将其命名为 051 Capitol Complex Office Chair。

如今，昌迪加尔椅深受收藏家、设计师和家具爱好者们的追捧，成为了诸多有格调有品位的家居设计中常见的单品之一。

巴塞罗那椅(Barcelona Chair）

设计师：密斯.凡.德罗 Ludwig Mies van der Rohe；设计年代：1929 年

著名的巴塞罗那椅是 1929 年德国一代大师密斯.凡.德罗 Ludwig Mies van der Rohe 的作品，是现代 家具设计 的经典之作，被视为二十世纪最经典的椅子没有之一，而且被多个世界级博物馆收藏。他也是最著名的现代主义建筑大师之一，与赖特、勒·柯布西耶、格罗皮乌斯并称四大现代建筑大师，是包豪斯的第三任校长，无数设计师时刻挂在嘴边的“少就是多”是他最为著名的理念。

巴塞罗那椅是 Mies 专门为 1929 年巴塞罗那博览会德国馆设计的，当时也把它作为德国送给前来剪彩开幕的西班牙国王和皇后的礼物，具有政治意义。

巴塞罗那椅的主要结构是由户型交叉状的不锈钢构架支撑真皮皮垫，结构优美，线条灵动，当时由密斯设计的巴萨罗那椅是采用手工磨制，他的设计在当时引起很大的轰动。这款椅子在很多博物馆都有收藏。

蛋椅 Egg Chair

设计师：阿纳·雅各布森（Arne Jacobsen）；设计年代：1958 年

蛋椅，1958 年由雅格布森设计诞生。从此成了丹麦家居设计的典范及样本。为哥本哈根皇家酒店的大厅以及接待区设计了这个蛋椅，时至今日也还能在特殊的 606 号客房看到他当初的设计。

蛋椅之所以叫蛋椅，是因为它与光滑破碎的蛋壳很相似，也是格鲁吉亚翼扶手椅的改良版，有一定的国际风格。

蛋椅有很独特的造型，它可以为使用者创造出不被干扰的空间，特别适合躺着休息或者等待，就跟家一样。蛋椅按照人体工程学的设计，人坐上去舒适、优雅而大方。

钻石椅 Diamond Chair

设计师：哈里.贝尔托亚（Harry Bertoia）；设计年代：1950 年

在 1950 年代，雕塑家及设计师哈里·别托亚（Harry Bertoia）为美国制造设计了各种家具。这些设计中最成功的就是钻石椅。钻石椅最早是用金属焊接而成的椅子，因形似钻石而得名。在材料及形式上它更像一件雕塑品，一个艺术品。

设计师其实是把它当作现代雕塑品来用的，家具有这么强的雕塑感，并不多见。Betoia 贝尔托亚曾说过一句话“当你看着这些椅子，它们仅仅就是空气，如同雕塑一般与整个空间交错”。因此无论它摆在什么地方，都能非常好的强调空间的概念。

大家是不是没有看过瘾？其实大师椅子有上百款，今天就先分享给大家这 5 款大师椅吧。剩下的小编会继续整理分享给你们哦。

当然生活中除了人类需要的家具我们还有宠物家具。养宠物的小伙伴们有福利了，下期我们是有关宠物的家居分享哦，期待一下吧～

他创作了100把最符合人体工学的椅子 一排排茂密的冷杉之下，点缀着冰冻的湖泊和血红色的小木屋；穿着雪地靴的孩子们，在结冰的路面上小心翼翼地行走着；半冻的草地在脚下嘎吱作响。

阅读文章 >

欢迎关注「58UXD」的微信公众号：

前言 经常有人问软装设计师一个问题，如果想要改动房间中的一件家具，就会使室内整体氛围变化，应该选择改动什么？

软装设计 师的回答一般是——“椅子”。那么，今天我们一起去了解下历史上有哪些经典的 大师椅 ～

瓦西里椅 Wassily Chair

设计者：马歇尔·布劳耶(Marcel Breuer）；设计年代：1925 年

瓦西里椅 Wassily Chair，1925 年设计出品，是由知名的匈牙利设计师马歇尔·布劳耶(Marcel Breuer）设计的。这是布劳耶设计的第一把钢管椅——瓦西里椅子，也是世界上的第一把钢管椅。

瓦西里椅造型轻巧优美，结构简洁，具有很优良的性能。带有浓烈的机器美学色彩，用焊接方式形成主体构架，这使这件设计更像一台机器，尤其是用皮带作为扶手，完全类似于机器上的传送带，而靠背悬固在一根横轴上更增加了一种机器上的运动感。

瓦西里椅的灵感来自于一种叫阿德勒的自行车，首创了世界钢管椅子的设计记录，为了纪念抽象艺术大师瓦西里.康定斯基，也就是马歇尔的老师，他将这把椅子命名为“瓦西里”椅。瓦西里椅子曾被称作二十世纪钢管椅子的象征，开创了现代家具的先河。这种新的家具形式很快风靡世界。

从法学生到顶尖艺术家：抽象先驱瓦西里·康定斯基 瓦西里·康定斯基（Василий Кандинский，格里历1866年12月4日－1944年12月13日），画家和美术理论家。

阅读文章 >

昌迪加尔椅 Chandigarh chair

设计者：皮埃尔·让那雷被勒·柯布西耶（Pierre Jeanneret）；设计年代：1955 年前后

昌迪加尔椅，是近几年出镜率最高的椅子单品。它的名字起源，是来自于一个印度乌托邦式的新城市。1955 年前后，瑞典著名的设计师皮埃尔·让那雷被勒·柯布西耶请去援助建设印度的昌迪加尔城，并要其设计一款为政府大楼里公务员所用的椅子。

他设计出 300 万人的城市：顶尖设计师勒 · 柯布西耶 现代建筑当中最著名的大师有 4 位，俗称「建筑界 F4」，四位大师之所以能并驾齐驱并非因为什么共同之处，反而是因为各自的贡献独当一面并旗鼓相当，好比香港流行四大天王，能具体说谁最厉害吗？

阅读文章 >

所以昌迪加尔椅的真正名字，其实是叫：office chair，议会大厦办公椅。

但非常可惜的是，好景不长，随着当地人更加对现代设计的偏爱，昌迪加尔椅被大面积弃用。被废弃在整个城市的各个角落，堆积成山，它经常被当作废料出售，价格仅仅只价值几卢比。

到了 1999 年，被判死刑几十年的昌迪加尔椅，命运发生了峰回路转的变化。一位法国商人收购了大量被遗弃的椅子，重新翻新拍卖。所以昌迪加尔椅才回到了人们的视线中。

后来，意大利著名家具品牌 Cassina，采用了和当年一样的“柚木+藤”的材质组合，重现了昌迪加尔椅，并将其命名为 051 Capitol Complex Office Chair。

如今，昌迪加尔椅深受收藏家、设计师和家具爱好者们的追捧，成为了诸多有格调有品位的家居设计中常见的单品之一。

巴塞罗那椅(Barcelona Chair）

设计师：密斯.凡.德罗 Ludwig Mies van der Rohe；设计年代：1929 年

著名的巴塞罗那椅是 1929 年德国一代大师密斯.凡.德罗 Ludwig Mies van der Rohe 的作品，是现代 家具设计 的经典之作，被视为二十世纪最经典的椅子没有之一，而且被多个世界级博物馆收藏。他也是最著名的现代主义建筑大师之一，与赖特、勒·柯布西耶、格罗皮乌斯并称四大现代建筑大师，是包豪斯的第三任校长，无数设计师时刻挂在嘴边的“少就是多”是他最为著名的理念。

巴塞罗那椅是 Mies 专门为 1929 年巴塞罗那博览会德国馆设计的，当时也把它作为德国送给前来剪彩开幕的西班牙国王和皇后的礼物，具有政治意义。

巴塞罗那椅的主要结构是由户型交叉状的不锈钢构架支撑真皮皮垫，结构优美，线条灵动，当时由密斯设计的巴萨罗那椅是采用手工磨制，他的设计在当时引起很大的轰动。这款椅子在很多博物馆都有收藏。

蛋椅 Egg Chair

设计师：阿纳·雅各布森（Arne Jacobsen）；设计年代：1958 年

蛋椅，1958 年由雅格布森设计诞生。从此成了丹麦家居设计的典范及样本。为哥本哈根皇家酒店的大厅以及接待区设计了这个蛋椅，时至今日也还能在特殊的 606 号客房看到他当初的设计。

蛋椅之所以叫蛋椅，是因为它与光滑破碎的蛋壳很相似，也是格鲁吉亚翼扶手椅的改良版，有一定的国际风格。

蛋椅有很独特的造型，它可以为使用者创造出不被干扰的空间，特别适合躺着休息或者等待，就跟家一样。蛋椅按照人体工程学的设计，人坐上去舒适、优雅而大方。

钻石椅 Diamond Chair

设计师：哈里.贝尔托亚（Harry Bertoia）；设计年代：1950 年

在 1950 年代，雕塑家及设计师哈里·别托亚（Harry Bertoia）为美国制造设计了各种家具。这些设计中最成功的就是钻石椅。钻石椅最早是用金属焊接而成的椅子，因形似钻石而得名。在材料及形式上它更像一件雕塑品，一个艺术品。

设计师其实是把它当作现代雕塑品来用的，家具有这么强的雕塑感，并不多见。Betoia 贝尔托亚曾说过一句话“当你看着这些椅子，它们仅仅就是空气，如同雕塑一般与整个空间交错”。因此无论它摆在什么地方，都能非常好的强调空间的概念。

大家是不是没有看过瘾？其实大师椅子有上百款，今天就先分享给大家这 5 款大师椅吧。剩下的小编会继续整理分享给你们哦。

当然生活中除了人类需要的家具我们还有宠物家具。养宠物的小伙伴们有福利了，下期我们是有关宠物的家居分享哦，期待一下吧～

他创作了100把最符合人体工学的椅子 一排排茂密的冷杉之下，点缀着冰冻的湖泊和血红色的小木屋；穿着雪地靴的孩子们，在结冰的路面上小心翼翼地行走着；半冻的草地在脚下嘎吱作响。

阅读文章 >

欢迎关注「58UXD」的微信公众号：

大家好， 我是继续和你们聊设计的花生~

立体或者带有空间感的文字能打破了二维平面的单调，带来新鲜的视觉感受，在海报设计中运用极广。而且设计这种字效所需的 Ai 技巧并不复杂，最常用的工具数来数去也就那几个。

为了帮助大家更好地掌握此类 字效设计 技巧，我梳理了优优网上的相关教程，将其中最常用的 7 种工具整理出来了，一起来看看你已经掌握了其中几种吧~

变换工具 变换工具可以快速做出文字堆叠效果，并可以通过「属性」面板进行参数调整，比手动调节方便灵活很多。

「教程直达」

10秒做出3D效果堆叠字海报： https://uiiiuiii.com/illustrator/1212122895.html

形状生成器 形状生成器工具可以快速拼合相邻的形状，用来制作具有立体扭拧效果的字体非常好用。搭配渐变，可以让立体效果更加饱满。

「教程直达」

AI教程 ！绘制Yoga风格数字LOGO的： https://uiiiuiii.com/illustrator/121214510.html

AI+PS教程！教你快速创建Imagin8立体字效： https://uiiiuiii.com/photoshop/121248045.html

矩形网格工具/多边形工具/旋转工具 这三种小工具都是用来制作「2.5D 视角网格」，网格是制作矛盾空间字体和 2.5D 插画的基础，大家可以根据自己的习惯自行选择合适的方法。

「教程直达」

AI+PS教程！教你做一张简单易上手的2.5D风格字体海报： https://uiiiuiii.com/photoshop/1212483441.html

AI教程！教你快速制作矛盾空间字体！（下）： https://uiiiuiii.com/illustrator/1212386124.html

封套扭曲 封套扭曲是制作透视效果的利器，用文字+透视形状进行封套扭曲可以做出文字透视/扭曲效果，搭配「矩形网格工具」则可以做出透视网格。

「教程直达」

AI教程！用AI制作空间感文字： https://uiiiuiii.com/illustrator/1212478968.html

AI+PS教程！手把手教你制作条纹扭曲立体字效： https://uiiiuiii.com/illustrator/1212178805.html

混合工具 利用混合工具制作的立体字效在海报中非常常见，结合色彩渐变、替换混合轴等功能使用效果会非常惊艳。

「教程直达」

AI教程！3个简单案例让你更了解混合工具： https://uiiiuiii.com/illustrator/1212112751.html

AI教程！3分钟学会扭曲层叠字效： https://uiiiuiii.com/illustrator/1212146232.html

3D 功能 Ai 中的 3D 功能是制作立体字效最多使用到功能，效果也最好。使用不用 3D 中的选项，可得到不同的立体效果。

「凸出和斜角」

用凸出和斜角功能，可以直接将矢量文字转换为具有厚度的立体纸，组合排版后能形成一个非常棒的主视觉。

凸出和斜里的「贴图」功能也非常好用，可以让文字呈现出立体扭曲波动的效果，具体操作步骤可以看下方教程。

「教程直达」

AI+PS教程！立体字效海报教程： https://uiiiuiii.com/illustrator/121218357.html

AI+PS教程！超流行的环绕字海报，手把手教你做！： https://uiiiuiii.com/photoshop/1212449713

AI教程！教你制作立体文字海报： https://uiiiuiii.com/illustrator/1212214898.html

AI教程！3种方法搞定旋转字效海报： https://uiiiuiii.com/illustrator/1212300841.html

「绕转」

绕转功能可以让平面图形变为立体，配合「贴图」功能就能让文字贴附在立体图形的表面，海报中环形的文字效果就是通过这种方式实现的。

「教程直达」

AI教程！手把手教你制作3D圆环字效！： https://uiiiuiii.com/illustrator/1212341766.html

AI教程！轻松Get立体环绕字效： https://uiiiuiii.com/illustrator/1212206476.html

渲染功能 2022 版的 Ai 推出了全新的 3D 渲染功能，在原来「凸出和斜角」里添加了材质、光效等选项，这样我们就可以直接在 AI 里面渲染出真实的 3D 素材了，用来做立体字母效果非常方便。

「教程直达」

AI教程！3d图标小教程，带你体验 AI 2022 的新功能： https://uiiiuiii.com/illustrator/1212497054.html

总结 以上就是制作立体空间感字效最常用的 7 类 Ai 工具，新手 设计师 如果能用好这些工具，那制作酷炫的字效就再也不是难事了。

优优教程网上的教程全面细致，非常适合初学设计的小伙伴，赶快动手学习吧~

文字图形化 ，顾名思义就是使文字具备图形的特点，从而使文字变得更加美观、更具视觉冲击力，甚至是可以把文字的意义图像化，使设计更具说服力和打动力，这也是设计师很喜欢的一种设计手法。

在 海报设计 中，通常是把主题或者关键字词设计成图形，然后把其作为画面的主视觉，这种做法既能使画面视觉更丰富，又能突出关键字词。 而关于文字图形化的做法，主要有以下四种:

用图片元素组成文字 即用与需要设计的关键词相关的图片元素，或者使用与品牌和产品相关的图片元素组合成某个关键字词。

在执行的过程中，既要保证文字本身的识别性，也要保证组成元素的识别性。另外，要找到图片元素与文字笔画的共同点，尽量让图片之间的组合自然而巧妙。

把文字当作场景 比如把文字设计成建筑或者公共设施，让它成为生活场景中的一部分，并与人或其他事物发生互动，这种手法通常会把文字做成三维效果，然后在此基础上去添加相关的图片元素。

注意，文字本身才是重点，所以添加的图片元素不要抢了文字的风头，同样也要根据文字笔画的特点来转化成与其造型比较吻合的场景，比如倾斜的笔画可以做成楼梯或者滑滑梯。

把文字的笔画或造型设计成图形 比如把文字的笔画替换成与其意义相关的图形，或者把文字的外观造型设计成跟其含义相关的视觉图形，比如象形文字就具有这样的特点。

在海报设计中我们可以设计得更夸张、更复杂一点。

图文结合 用与文字相关的图形跟文字组合成一个主体，从而形成一个主视觉图形，比如在文字的笔画轮廓里或者是文字的「字怀」部分填充图形。

字体的风格和搭配的图形要在风格上尽量做到统一，比如手写字通常会搭配插画元素，书法字体会搭配中国风元素，立体字会搭配 3D 素材或摄影素材。

结语 文字图形化虽然不是很新颖的设计手法，创意性也不是特别强，但在商业设计中确实有着不错的效果，当然真要做得好也没有想象的那么容易，对于文字本身的设计、图片素材的创作与选择、文字与图形的组合方式等等都具有比较高的要求。另外，你的设计到底最适合以上四种手法的哪一种，也要有准确的判断。

如何让画面更精致？注意这6个版式细节 这篇文章我们来讲讲在设计手机详情页时，会经常用到的一些排版小细节。

阅读文章 >

欢迎关注作者的微信公众号：「葱爷」

前几年，基于深度学习的设计系统「鹿班」问世，关于 AI 驱动型的工具是否会革掉 设计师 的命的讨论甚嚣尘上，如今这个场景依然历历在目。虽然随后还诞生了不少类似的产品，比如服务于京东这样大型企业的「羚珑」，以及各种针对单项功能进行迭代的小型 AI 工具，比如专精换脸的 Deepfake，用来抠图的 Remove.bg 等等。

一秒做出8000张海报设计的「鹿班智能设计平台」是怎么工作的？ 你的双11，买买买。

阅读文章 >

继鹿班之后，京东也出了一个人工智能设计神器「羚珑」！

阅读文章 >

打不过就加入。相比于对于遥远未来的焦虑，直接用这些 AI 驱动的设计工具来搞定问题，是越来越多设计师同学的务实选择。

如何将机器学习生成的结果和设计师的构想结合起来，输出贴合用户需求的设计结果？也许，我们能够在 Netflix 的「数据科学和工程团队」制作封面/ Banner 的工作方式中，一窥未来的设计方法。

当你还在 P 图的时候，Netflix 已经走上了一条截然不同的设计道路。

注意力时间：13毫秒的决策区间 布拉德·皮特在《搏击俱乐部》中所饰演的角色 Tyler Durden，在做电影放映员的时候，会悄悄将一些「敏感」的画面帧插入到正常的电影胶片中，按照正常的胶片电影的播放速度，1秒24帧，实际上这张「突兀」的画面帧大概的存在时长为 42 毫秒。

即使仅仅只有一帧，一闪而过的42毫秒，观众依然会看到，会惊愕，会出神。这并不稀奇，因为人的肉眼的信息抓取能力相当强。

曾经我们认为人的眼睛能够注意到体停留于视网膜上 100 毫秒以上的视觉信息，麻省理工大的一组神经科学家发现，人脑处理图像信息的机制比我们之前想象中要强。

根据其他的研究，当人的双眼看到信息之后，信息从视网膜传递到大脑能够处理视觉信息的部位，然后反馈给眼球的神经元，这个时候眼球能够根据反馈过来的决策机制来眼动，这个过程大约需要50毫秒。也就是说，当可见内容低于这个时间范畴的时候，信息的处理效果会打折扣——但是仅仅是打折扣。

麻省理工大的研究团队将单个图片存在时长从 100 毫秒降低到 80毫秒，再到 53 毫秒、40毫秒、27毫秒，最极限的情况下，存在是时长仅为13毫秒的图片，也可以被注意到。换句话说，即使在 每秒 75 帧的视频中插入一帧无关的画面帧，都有可能被用户注意到。这一研究成果，被发布在《Attention, Perception, and Psychophysics》 这一学术期刊上。

这项研究证明了我们日常「一瞥」当中，到底获取到多少信息，我们的决策机制可能比我们想象重要「极端」和「灵敏」得多。这也意味着，用户在浏览社交媒体的时候，也许会在1~2s 内翻一页，但是大脑大概在刚刚看到图片信息的时候就决定了是否要停留下来，而在诸如 Netflix 、Bilibili、爱奇异 这样的视频网站上浏览视频的时候，这种视觉信息的竞争更加残酷。

实际上，正是这项研究促使 Netflix 的数据科学团队有意识地探索用户点开视频的底层逻辑。

对于每一个影视作品而言，它们起码拥有 13 毫秒的「被看见」的机会，被设计出来的封面，就是通过这狭窄的时间窗口的契机，它们为这部作品争取一个机会。但是实际上，从注意到问题，到找到内容呈现的正确方式，路径非常长。

设计决策：如何找到正确的答案 封面很重要，那么谁来决定封面用哪张？首先这是一个设计决策的问题。

正如同你我所熟知的，当我们需要为一部影片制作封面或宣传图的时候，我们会倾向于由设计师来选取合适的图片和素材物料，经过修整处理之后，搭配上精心设计的标题和辅助文案，调整排版布局，几经反馈和修改之后，输出最终的宣传物料。各位从事平面、视觉甚至 UI 设计的同学对此应该相当熟悉。

选图，做字体，快速排版。就是这么个事儿，但是在 Netflix ，他们有成千上万的影片，受众群体横跨多个国家地区，这也意味着做设计决策不能采用这种逻辑。

「做决策很简单——难的是做出正确的决策。」这句话出自Netflix 的技术博客中，发人深省。通常，我们的设计决策方式会上以下 4 种决策方式中的一种：

让领导做出所有决定。 聘请一些设计、产品管理、用户体验、流媒体交付和其他学科方面的专家，然后从他们的建议和方法中得出结果。 进行内部讨论，让团队内的成员各抒己见，让声量最大的选择占据主导。 抄袭对手的设计。

（左上：领导选择；右上：专家决策；左下：内部讨论；右下：抄袭对手；）

如果仅仅只是设计一张海报， 使用上面的任何一种方法，都可以在一定时间内做出「合理」的决策，起码能够较快得出结果。

2010 年Netflix 的首屏页面

2020 年 Netflix 的首屏页面

如果是设计一个首屏界面，涉及到的不仅仅上视觉体验，还要考虑到产品和用户需求，用户体验，交互逻辑，排版布局等等等等，这个决策时间可能还要长。正如同你所看到的，在过去的十几年时间当中，Netflix 的首屏页面经历了不小的变化。但是这并不是最主要的挑战。

海量的电影和剧集，怎样才能给它们匹配上多变、符合不同国家和地区不同审美偏好用户的封面图？一部部影片地做肯定是不现实的。

Netflix 内部有若干个相辅相成的团队，来共同决策并落地设计，而不是采用上面提及的4种策略。

团队构成：Netflix 的主要决策团队 Netflix 和很多其他同类公司一样，有着专门的业务战略部门（SP&A），通常他们通过财务、运营和战略分析，来协助公司高层进行宏观的决策制定。

在微观层面上，他们也有专门分析用户行为和决策的消费者洞察部门，直接面对用户，仔细分辨用户所说和用户真正决策之间的差异，把握用户的决策倾向，在某种程度上，他们可以确知消费者个人、受众群体、市场层面的主要的模式、共识和主要的声音。

但是在全平台的落地执行上，Netflix 所倚靠的，是「数据科学与工程团队」。用户在数据层面上的行为和表达，是不会骗人的。他们要做的是将审美「规范化」和有针对性的「精细化」处理，而且要应用到海量的影视作品和海量的用户头上。

数据科学团队是一个成员背景各不相同、来源广泛的团队，他们借助各自不同的技能组合，来共通分享技能并推动 Netflix 在宏观数据层面上，逐步优化设计和体验。他们当中很多人熟知个性化算法，了解内容评估，擅长流程优化，当然，也懂得设计，了解工程，可以和其他的业务/工程团队密切合作。

宏观上有战略团队，微观上有消费者洞察部门，而在功能和设计的落地执行上，「数据科学和工程团队」则是中坚力量。其中最硬核的事情，也正是由这个构成复杂的团队来完成的。

关键因素：选取合适的背景图 2014年的时候，Netflix 的团队进行过一项研究，结果发现了了不得的规律。通过这份研究，他们发现用户通常会在每部影视作品的标题上平均花费 1.8s，但是每一部影视作品的图片背景是影响用户是否观看的最关键因素，这些图片内容占据了用户浏览 Netflix 视觉内容比例的 82%。你难以想象用户浏览信息时候的「草率」，对于平台而言，抓取用户兴趣的时间窗口有多短。

在Netflix 推出原创纪录片《The Short Game》的时候，Netflix 的内容分析团队运用这项研究的结果进行了全方位的测试，最直观的结果是：使用更好、更有针对性的图片内容，会显著增加这部作品的整体流媒体播放时长和用户参与度。

在这份研究当中，有很多定性的研究结果非常值得参考。

面孔对于用户注意力是有天然吸引力的，这一点可能大家都知道，但是更重要的地方在于：带有复杂情绪的面部，比起温柔或者坚韧的面部表情更能吸引用户——复杂的面部表情更能激起用户对于故事的好奇心。在下面的 Unbrakable Kimmy Schmidt 第二季开播的时候，Netflix 使用了多个不同版本的封面图，其中转化率最高的是右下角的那个：

虽然全球化程度正在提升，但是不同地区文化差异也是无法忽略的影响因素，以《黑客帝国》系列导演沃卓斯基姐妹所执导的系列剧集《超感猎杀》为例，这部 Netflix 投资的影视剧集在全球不同地区，转化率最高的封面图各不相同：

最具识别度的角色通常会更容易吸引用户，而这个角色不一定要是这部作品的主角！注意看，《驯龙高手》系列的封面途中，通常是反派角色带来的转化率更高：

少即是多，也是一个相当重要的规律。在诸如 Netflix 的首页这种封面图使用场景之下，封面当中角色超过3个人的时候，转化率就急转直下了。Netflix 通过数据证明了在小屏幕上，撕番位这种事儿毫无意义，用户会选择单一角色的封面图，它甚至不一定是主角的。以《女子监狱》系列剧集为例，第一季的多人封面数据明显不好，后续学乖了，在二三季上使用了单人封面，数据转化率有了明显回升：

第一季

第二季

第三季

上面的这些测试结果，是「数据科学与工程团队」借助大量的具有开创性的 A/B 测试来取得答案的。

A/B 测试：疯狂而细致的对比 上面提出的结论非常易于理解的，但是这些结论是建立在极度复杂而细致的测试的基础上的。「数据科学与工程团队」的工程师们的目标设立得非常明确：

确定让用户更快找到他们想要观看的影视作品。 确保用户会逐步增加参与度，观看更多的内容。 确保在使用多个不同图片背景的时候，不会歪曲标题含义。

从视觉排版的角度上来看，每一部电影或者剧集，其实都有很多属性。以上图的《毒枭》为例，通常都会有大标题、特征化的图片背景、评级信息、评分信息、内容概要等等。

通过研究表明，用户会先看图片，然后再决定是否要看其他的文字信息。换句话来说，细节详情重要……但是封面图最重要。

所以，他们打算提高用户指向图片的「第一眼」的转化率。但是，在其他场景下使用的图片物料，其实是不一定适合给 Netflix 来使用的。

以上面提及的《The Short Game》纪录片为例，数据科学团队最初采用的测试很简单：

在 3个不同的测试单元之下，他们监控了点击率、总播放时长、短时播放比例、观看内容比例等不同指标。结果表明，修改背景图片对于转化率有着明显的效果，甚至拓展了这部作品的受众人群。当然，也有人质疑，但是这仅仅只是最简单、粗略的 A/B 测试。因此，在此之后，数据科学团队还进行更加深入、复杂的 A/B 测试：

在前期基础的测试当中，将封面图中的主要元素都量化处理了，包含主要的标题、可选的标签和背景图，在用户指标的筛选上则显得更加细致，看了几分钟的用户和看完整剧集的用户，都被区分开来，不同国家、地区的用户也被区分标记了。

这些 A/B 测试所涉及到的指标和场景相当的多，通过这些测试不仅找出了提升转化率和用户观看时长的主要指标，而且还验证了提升短时播放时长等次要因素的影响指标。之后，他们还花费了长达数月的时间，来做纵向 A/B 测试，来追踪用户跨设备的观影印象的变化，以及同一个封面在不同设备、场景下的转化率影响和变化。

但是不同设备上同一图片是有不同的大小、纵横比的，这就需要额外创造一套标识系统来标识同一图片不同纵横比的版本，相当于是为这些图片素材创造一个「血统ID管理系统」。

在此之后，数据科学团队还逐步升级出更加复杂的 A/B 测试方法，这些有针对性的测试不断推进过程中，就筛选出上方所提及的结论。这些成果实实在在地转化成 Netflix 的订阅量，这也促使了 Netflix 的数据科学和工程团队开始吸收更多的跨学科人才，并且储备了越来越多的算法和工具，直到后来催生出 AVA 系统。

AVA 系统：真正的算法筛图 尽可能多、尽可能丰富、尽可能符合规律的的封面图，能给 Netflix 带来最直接的转化，精心挑选封面图这个事情……工作量太大了。AVA 系统就是用来解决这个「大量的封面图从哪里来」的问题。

著名剧集《怪奇物语》一集有大约 86000 个静态帧，这意味着10集一季的剧集当中，可以筛出接近 900 万个静态帧，这是一个巨大的资源库，想想看，900万帧图片当中能够筛出多少用来做封面的图片？

但是要达成这一目标，数据科学与工程团队，需要全方位地拆解和细化这些视觉信息。数据科学与工程团队打算使用帧注释来标记和测量每一帧图片的客观特征元数据：

AVA 为《Bright》筛选图片

然后在此基础上，拆分出框架子集，然后借助排名算法，筛选出符合审美、创意、多样性的子集，这些图片的集合，会成为代表这一影视作品的备选图片素材。

为了尽可能好的筛选图片，Netflix 的团队会将视频先拆分成小块的段落，然后再进行细致的处理。想要实现这一目标，他们创建了一个名为 Archer 的框架来拆分视频，在这个框架的基础上，不断加入智能算法，来逐一处理这些分割出来的视频块，分析图片的元数据，或者是分析这些块的内容和主题的相关度，上下文关系，对重要性进行排名。

在 Archer 框架的帮助下，他们获得了视频块和图片的 3 类基础数据：

1、视频元数据

简单来说，视频元数据包含了这些视频和图片的亮度、色彩、对比度和动态模糊的程度，这也是 AVA 最容易获取到的内容和数据。

2、上下文元数据

上下文元数据就更有意思了，AVA 可以根据角色的姿势、动作、面部表情来判断角色的情绪，但是这个不是最强的。算法能够估算镜头相对于拍摄主体的运动距离，从而能够给动态模糊提供具体的参数，甚至可以识别拍摄镜头的类型和风格，比如是否是长镜头，是否是角色特写，从而进一步佐证这一角色在这一场景下的情绪或者氛围，而对象检测的数据则能够分辨场景中人物和物品的差异和特征。

3、构图元数据

AVA 的算法能够结合摄影和视觉美学的逻辑来判断画面的特征，比如使用对称、景深关系和三分法来标识出镜头和画面的特征。

在确定了这些基础的元数据之后，下一步就会通过自动化流程，来从中提取「最佳」的候选图片。当创意团队需要进行封面合成或者剪辑的时候，就可以从中选取更有用的图片和视频素材。这个图片排名的逻辑，也是有讲究的。

1、筛选演员优先级

影视作品中，主角和关键角色的优先级无疑是更高的，借助深度学习训练，算法可以筛选出符合关键角色和主角特征的图片，当然，还需要兼顾到主角的动作、神态、面部情绪和构图：

这个过程中，会将非关键角色、动态模糊的图片以及画面角色情绪不佳的去掉。

2、挑出美学多样性画面帧

考虑到封面图还需要具备创意性和视觉多样性，甚至是非常主观的一门学科，所以从设计师和创意工作者那里获得一些特征明显的指标，借此来筛选出影片中一些有显著美学特征的画面。AVA 会特意筛选出特征性的镜头（远景或中景），视觉性突出场景（三分法、亮度、对比度）、色彩突出场景（突出或者有代表性的颜色），以及特征结构性场景（负空间或者特定复杂度的场景）。

结合这些特征属性，能够筛选出很多优质的画面。

3、增加分级过滤器

考虑到受众和敏感度，筛选过程中还需要专门过滤掉含有性、裸露性的文字的画面和视频，去掉含有文字、LOGO以及未经授权的品牌的相关画面，AVA 系统会给含有这些元素的画面以较低评级，从而可以自然筛选掉。

基本上，到了这一步，就能够获得大量的图片和视频素材，结合设计师提供的不同语言不同版本的标题设计素材，就能够快速合成针对不同国家地区用户的封面图了。那么，这个关键的「数据科学与工程团队」里，具体都是些什么样的人呢？

「数据科学与工程团队」都是些什么人？ 「数据科学与工程团队」是一个很典型的站在「科技和人文」十字路口的团队，他们需要用科学的方式来探索人性和艺术的特征，又要解决用户体验、流媒体的推流算法、合理的个性化推荐等等各种问题。

这个团队当中，成员主要分成2个不同的类别，「数据分析工程师」和「可视化工程师」，在很大程度上，他们面临的就是 Netflix 平台的内容本身，海量的内容。而这两个职位名称之所以这么模糊，是因为这帮人并非单一学术背景，甚至同一专业的成员都有着各自所擅长的特殊技能和知识门类，这种模糊的称谓恰恰是为了模糊这种界限，促进合作。

「数据科学与工程团队」当中的成员都是多面手，而根据他们所专精的领域差异，它们又可以分为3个主要的类别。

分析师。他们通常可以提供推动业务决策的指标和数据模块，善于和非技术背景的受众进行沟通，和利益相关者讨论不同选择的战略意义，他们的专长是描述性的分析和方法，同时他们也懂得必要的技术工具比如代码、数学和统计。 工程师。他们擅长以最佳的方式来获取数据，构建强大的数据模型、原型系统，并且善于为特定的项目来针对性获取数据。本质上，他们依然是分析师，但是他们对于数据工程有着深入理解，尤其是对数据进行处理和性能优化特别拿手。他们大多位于多学科交叉点，可以全栈输出，对项目进行分层可视化呈现。 洞察者。这是一个特别擅长视觉性表达、叙事的群体，他们对于拓展性、美观和功能性都有非常强的掌控力，对于表层以下的数据和内容有深入洞察，他们大多能够以准确优美的数据图来讲述事件和情形，辅助其他人理解，他们甚至会使用使用代码和设计工具来制作工具、设计 UI。 从他们的职能特征可以看出来，他们日常工作涉及到的点始终都围绕着数据、性能、可视化呈现，而他们要解决的问题也常常会是前人所未曾接触过，甚至需要借助深入分析来「理解」。

Netflix 的「数据科学和工程团队」对于设计的支撑是无处不在的，而他们这种高度技术化、跨学科的属性之强，又和我们现在对于「设计」的认知，有着巨大的差异。当然，很大程度上，这种团队只可能存在于一些大公司或者涉及海量数据的项目当中，但是它在一定程度中揭示了未来设计的一个方向和可能性。

写在最后 在电视或者浏览器上打开 Netflix 的页面之后，我不会先看60s的广告打扰，也不会在好不容易选好一个剧集后再看 120s 的广告。这份相对纯粹的观影体验背后，大概有 Netflix 自制影视作品带来的收益的支撑，当然也有「数据科学和工程团队」这些硬核玩家努力工作的影响。当然，我最主要还是不太喜欢用广告来倒逼付费订阅的模式……

参考来源：

https://news.mit.edu/2014/in-the-blink-of-an-eye-0116 https://netflixtechblog.com/analytics-at-netflix-who-we-are-and-what-we-do-7d9c08fe6965 https://netflixtechblog.com/selecting-the-best-artwork-for-videos-through-a-b-testing-f6155c4595f6 https://about.netflix.com/en/news/the-power-of-a-picture https://jobs.netflix.com/teams/data-science-and-engineering https://uxplanet.org/what-can-we-learn-about-design-from-netflix-502f6a384aa8 https://netflixtechblog.com/ava-the-art-and-science-of-image-discovery-at-netflix-a442f163af6 https://netflixtechblog.com/decision-making-at-netflix-33065fa06481

延伸阅读：

《蝙蝠侠》电影设计美学的源头，竟然都始于蝙蝠战车！ ​你也许看过很多蝙蝠侠的故事，漫画，剧集，电影，在所有的故事当中，蝙蝠侠这个角色的出现，都会从那个小巷开始：一次莽撞的抢劫，手枪枪响，珍珠项链散落满地，死亡，尖叫，惊恐，失神，然后一个名为蝙蝠侠的角色由此诞生。

阅读文章 >

超人气的蝙蝠战车是如何创造出来的？揭秘背后设计稿！ 相比于诺兰前传三部曲的「写实感」，扎克·施耐德的这3部 DC 电影似乎排名并没有那么靠前，甚至口碑也没有那么的神，但是在美术风格、视觉设计上，口碑是无可撼动的。

阅读文章 >

大家好， 我是继续和你们聊设计的花生~

立体或者带有空间感的文字能打破了二维平面的单调，带来新鲜的视觉感受，在海报设计中运用极广。而且设计这种字效所需的 Ai 技巧并不复杂，最常用的工具数来数去也就那几个。

为了帮助大家更好地掌握此类 字效设计 技巧，我梳理了优优网上的相关教程，将其中最常用的 7 种工具整理出来了，一起来看看你已经掌握了其中几种吧~

变换工具 变换工具可以快速做出文字堆叠效果，并可以通过「属性」面板进行参数调整，比手动调节方便灵活很多。

「教程直达」

10秒做出3D效果堆叠字海报： https://uiiiuiii.com/illustrator/1212122895.html

形状生成器 形状生成器工具可以快速拼合相邻的形状，用来制作具有立体扭拧效果的字体非常好用。搭配渐变，可以让立体效果更加饱满。

「教程直达」

AI教程 ！绘制Yoga风格数字LOGO的： https://uiiiuiii.com/illustrator/121214510.html

AI+PS教程！教你快速创建Imagin8立体字效： https://uiiiuiii.com/photoshop/121248045.html

矩形网格工具/多边形工具/旋转工具 这三种小工具都是用来制作「2.5D 视角网格」，网格是制作矛盾空间字体和 2.5D 插画的基础，大家可以根据自己的习惯自行选择合适的方法。

「教程直达」

AI+PS教程！教你做一张简单易上手的2.5D风格字体海报： https://uiiiuiii.com/photoshop/1212483441.html

AI教程！教你快速制作矛盾空间字体！（下）： https://uiiiuiii.com/illustrator/1212386124.html

封套扭曲 封套扭曲是制作透视效果的利器，用文字+透视形状进行封套扭曲可以做出文字透视/扭曲效果，搭配「矩形网格工具」则可以做出透视网格。

「教程直达」

AI教程！用AI制作空间感文字： https://uiiiuiii.com/illustrator/1212478968.html

AI+PS教程！手把手教你制作条纹扭曲立体字效： https://uiiiuiii.com/illustrator/1212178805.html

混合工具 利用混合工具制作的立体字效在海报中非常常见，结合色彩渐变、替换混合轴等功能使用效果会非常惊艳。

「教程直达」

AI教程！3个简单案例让你更了解混合工具： https://uiiiuiii.com/illustrator/1212112751.html

AI教程！3分钟学会扭曲层叠字效： https://uiiiuiii.com/illustrator/1212146232.html

3D 功能 Ai 中的 3D 功能是制作立体字效最多使用到功能，效果也最好。使用不用 3D 中的选项，可得到不同的立体效果。

「凸出和斜角」

用凸出和斜角功能，可以直接将矢量文字转换为具有厚度的立体纸，组合排版后能形成一个非常棒的主视觉。

凸出和斜里的「贴图」功能也非常好用，可以让文字呈现出立体扭曲波动的效果，具体操作步骤可以看下方教程。

「教程直达」

AI+PS教程！立体字效海报教程： https://uiiiuiii.com/illustrator/121218357.html

AI+PS教程！超流行的环绕字海报，手把手教你做！： https://uiiiuiii.com/photoshop/1212449713

AI教程！教你制作立体文字海报： https://uiiiuiii.com/illustrator/1212214898.html

AI教程！3种方法搞定旋转字效海报： https://uiiiuiii.com/illustrator/1212300841.html

「绕转」

绕转功能可以让平面图形变为立体，配合「贴图」功能就能让文字贴附在立体图形的表面，海报中环形的文字效果就是通过这种方式实现的。

「教程直达」

AI教程！手把手教你制作3D圆环字效！： https://uiiiuiii.com/illustrator/1212341766.html

AI教程！轻松Get立体环绕字效： https://uiiiuiii.com/illustrator/1212206476.html

渲染功能 2022 版的 Ai 推出了全新的 3D 渲染功能，在原来「凸出和斜角」里添加了材质、光效等选项，这样我们就可以直接在 AI 里面渲染出真实的 3D 素材了，用来做立体字母效果非常方便。

「教程直达」

AI教程！3d图标小教程，带你体验 AI 2022 的新功能： https://uiiiuiii.com/illustrator/1212497054.html

总结 以上就是制作立体空间感字效最常用的 7 类 Ai 工具，新手 设计师 如果能用好这些工具，那制作酷炫的字效就再也不是难事了。

优优教程网上的教程全面细致，非常适合初学设计的小伙伴，赶快动手学习吧~

前几年，基于深度学习的设计系统「鹿班」问世，关于 AI 驱动型的工具是否会革掉 设计师 的命的讨论甚嚣尘上，如今这个场景依然历历在目。虽然随后还诞生了不少类似的产品，比如服务于京东这样大型企业的「羚珑」，以及各种针对单项功能进行迭代的小型 AI 工具，比如专精换脸的 Deepfake，用来抠图的 Remove.bg 等等。

一秒做出8000张海报设计的「鹿班智能设计平台」是怎么工作的？ 你的双11，买买买。

阅读文章 >

继鹿班之后，京东也出了一个人工智能设计神器「羚珑」！

阅读文章 >

打不过就加入。相比于对于遥远未来的焦虑，直接用这些 AI 驱动的设计工具来搞定问题，是越来越多设计师同学的务实选择。

如何将机器学习生成的结果和设计师的构想结合起来，输出贴合用户需求的设计结果？也许，我们能够在 Netflix 的「数据科学和工程团队」制作封面/ Banner 的工作方式中，一窥未来的设计方法。

当你还在 P 图的时候，Netflix 已经走上了一条截然不同的设计道路。

注意力时间：13毫秒的决策区间 布拉德·皮特在《搏击俱乐部》中所饰演的角色 Tyler Durden，在做电影放映员的时候，会悄悄将一些「敏感」的画面帧插入到正常的电影胶片中，按照正常的胶片电影的播放速度，1秒24帧，实际上这张「突兀」的画面帧大概的存在时长为 42 毫秒。

即使仅仅只有一帧，一闪而过的42毫秒，观众依然会看到，会惊愕，会出神。这并不稀奇，因为人的肉眼的信息抓取能力相当强。

曾经我们认为人的眼睛能够注意到体停留于视网膜上 100 毫秒以上的视觉信息，麻省理工大的一组神经科学家发现，人脑处理图像信息的机制比我们之前想象中要强。

根据其他的研究，当人的双眼看到信息之后，信息从视网膜传递到大脑能够处理视觉信息的部位，然后反馈给眼球的神经元，这个时候眼球能够根据反馈过来的决策机制来眼动，这个过程大约需要50毫秒。也就是说，当可见内容低于这个时间范畴的时候，信息的处理效果会打折扣——但是仅仅是打折扣。

麻省理工大的研究团队将单个图片存在时长从 100 毫秒降低到 80毫秒，再到 53 毫秒、40毫秒、27毫秒，最极限的情况下，存在是时长仅为13毫秒的图片，也可以被注意到。换句话说，即使在 每秒 75 帧的视频中插入一帧无关的画面帧，都有可能被用户注意到。这一研究成果，被发布在《Attention, Perception, and Psychophysics》 这一学术期刊上。

这项研究证明了我们日常「一瞥」当中，到底获取到多少信息，我们的决策机制可能比我们想象重要「极端」和「灵敏」得多。这也意味着，用户在浏览社交媒体的时候，也许会在1~2s 内翻一页，但是大脑大概在刚刚看到图片信息的时候就决定了是否要停留下来，而在诸如 Netflix 、Bilibili、爱奇异 这样的视频网站上浏览视频的时候，这种视觉信息的竞争更加残酷。

实际上，正是这项研究促使 Netflix 的数据科学团队有意识地探索用户点开视频的底层逻辑。

对于每一个影视作品而言，它们起码拥有 13 毫秒的「被看见」的机会，被设计出来的封面，就是通过这狭窄的时间窗口的契机，它们为这部作品争取一个机会。但是实际上，从注意到问题，到找到内容呈现的正确方式，路径非常长。

设计决策：如何找到正确的答案 封面很重要，那么谁来决定封面用哪张？首先这是一个设计决策的问题。

正如同你我所熟知的，当我们需要为一部影片制作封面或宣传图的时候，我们会倾向于由设计师来选取合适的图片和素材物料，经过修整处理之后，搭配上精心设计的标题和辅助文案，调整排版布局，几经反馈和修改之后，输出最终的宣传物料。各位从事平面、视觉甚至 UI 设计的同学对此应该相当熟悉。

选图，做字体，快速排版。就是这么个事儿，但是在 Netflix ，他们有成千上万的影片，受众群体横跨多个国家地区，这也意味着做设计决策不能采用这种逻辑。

「做决策很简单——难的是做出正确的决策。」这句话出自Netflix 的技术博客中，发人深省。通常，我们的设计决策方式会上以下 4 种决策方式中的一种：

让领导做出所有决定。 聘请一些设计、产品管理、用户体验、流媒体交付和其他学科方面的专家，然后从他们的建议和方法中得出结果。 进行内部讨论，让团队内的成员各抒己见，让声量最大的选择占据主导。 抄袭对手的设计。

（左上：领导选择；右上：专家决策；左下：内部讨论；右下：抄袭对手；）

如果仅仅只是设计一张海报， 使用上面的任何一种方法，都可以在一定时间内做出「合理」的决策，起码能够较快得出结果。

2010 年Netflix 的首屏页面

2020 年 Netflix 的首屏页面

如果是设计一个首屏界面，涉及到的不仅仅上视觉体验，还要考虑到产品和用户需求，用户体验，交互逻辑，排版布局等等等等，这个决策时间可能还要长。正如同你所看到的，在过去的十几年时间当中，Netflix 的首屏页面经历了不小的变化。但是这并不是最主要的挑战。

海量的电影和剧集，怎样才能给它们匹配上多变、符合不同国家和地区不同审美偏好用户的封面图？一部部影片地做肯定是不现实的。

Netflix 内部有若干个相辅相成的团队，来共同决策并落地设计，而不是采用上面提及的4种策略。

团队构成：Netflix 的主要决策团队 Netflix 和很多其他同类公司一样，有着专门的业务战略部门（SP&A），通常他们通过财务、运营和战略分析，来协助公司高层进行宏观的决策制定。

在微观层面上，他们也有专门分析用户行为和决策的消费者洞察部门，直接面对用户，仔细分辨用户所说和用户真正决策之间的差异，把握用户的决策倾向，在某种程度上，他们可以确知消费者个人、受众群体、市场层面的主要的模式、共识和主要的声音。

但是在全平台的落地执行上，Netflix 所倚靠的，是「数据科学与工程团队」。用户在数据层面上的行为和表达，是不会骗人的。他们要做的是将审美「规范化」和有针对性的「精细化」处理，而且要应用到海量的影视作品和海量的用户头上。

数据科学团队是一个成员背景各不相同、来源广泛的团队，他们借助各自不同的技能组合，来共通分享技能并推动 Netflix 在宏观数据层面上，逐步优化设计和体验。他们当中很多人熟知个性化算法，了解内容评估，擅长流程优化，当然，也懂得设计，了解工程，可以和其他的业务/工程团队密切合作。

宏观上有战略团队，微观上有消费者洞察部门，而在功能和设计的落地执行上，「数据科学和工程团队」则是中坚力量。其中最硬核的事情，也正是由这个构成复杂的团队来完成的。

关键因素：选取合适的背景图 2014年的时候，Netflix 的团队进行过一项研究，结果发现了了不得的规律。通过这份研究，他们发现用户通常会在每部影视作品的标题上平均花费 1.8s，但是每一部影视作品的图片背景是影响用户是否观看的最关键因素，这些图片内容占据了用户浏览 Netflix 视觉内容比例的 82%。你难以想象用户浏览信息时候的「草率」，对于平台而言，抓取用户兴趣的时间窗口有多短。

在Netflix 推出原创纪录片《The Short Game》的时候，Netflix 的内容分析团队运用这项研究的结果进行了全方位的测试，最直观的结果是：使用更好、更有针对性的图片内容，会显著增加这部作品的整体流媒体播放时长和用户参与度。

在这份研究当中，有很多定性的研究结果非常值得参考。

面孔对于用户注意力是有天然吸引力的，这一点可能大家都知道，但是更重要的地方在于：带有复杂情绪的面部，比起温柔或者坚韧的面部表情更能吸引用户——复杂的面部表情更能激起用户对于故事的好奇心。在下面的 Unbrakable Kimmy Schmidt 第二季开播的时候，Netflix 使用了多个不同版本的封面图，其中转化率最高的是右下角的那个：

虽然全球化程度正在提升，但是不同地区文化差异也是无法忽略的影响因素，以《黑客帝国》系列导演沃卓斯基姐妹所执导的系列剧集《超感猎杀》为例，这部 Netflix 投资的影视剧集在全球不同地区，转化率最高的封面图各不相同：

最具识别度的角色通常会更容易吸引用户，而这个角色不一定要是这部作品的主角！注意看，《驯龙高手》系列的封面途中，通常是反派角色带来的转化率更高：

少即是多，也是一个相当重要的规律。在诸如 Netflix 的首页这种封面图使用场景之下，封面当中角色超过3个人的时候，转化率就急转直下了。Netflix 通过数据证明了在小屏幕上，撕番位这种事儿毫无意义，用户会选择单一角色的封面图，它甚至不一定是主角的。以《女子监狱》系列剧集为例，第一季的多人封面数据明显不好，后续学乖了，在二三季上使用了单人封面，数据转化率有了明显回升：

第一季

第二季

第三季

上面的这些测试结果，是「数据科学与工程团队」借助大量的具有开创性的 A/B 测试来取得答案的。

A/B 测试：疯狂而细致的对比 上面提出的结论非常易于理解的，但是这些结论是建立在极度复杂而细致的测试的基础上的。「数据科学与工程团队」的工程师们的目标设立得非常明确：

确定让用户更快找到他们想要观看的影视作品。 确保用户会逐步增加参与度，观看更多的内容。 确保在使用多个不同图片背景的时候，不会歪曲标题含义。

从视觉排版的角度上来看，每一部电影或者剧集，其实都有很多属性。以上图的《毒枭》为例，通常都会有大标题、特征化的图片背景、评级信息、评分信息、内容概要等等。

通过研究表明，用户会先看图片，然后再决定是否要看其他的文字信息。换句话来说，细节详情重要……但是封面图最重要。

所以，他们打算提高用户指向图片的「第一眼」的转化率。但是，在其他场景下使用的图片物料，其实是不一定适合给 Netflix 来使用的。

以上面提及的《The Short Game》纪录片为例，数据科学团队最初采用的测试很简单：

在 3个不同的测试单元之下，他们监控了点击率、总播放时长、短时播放比例、观看内容比例等不同指标。结果表明，修改背景图片对于转化率有着明显的效果，甚至拓展了这部作品的受众人群。当然，也有人质疑，但是这仅仅只是最简单、粗略的 A/B 测试。因此，在此之后，数据科学团队还进行更加深入、复杂的 A/B 测试：

在前期基础的测试当中，将封面图中的主要元素都量化处理了，包含主要的标题、可选的标签和背景图，在用户指标的筛选上则显得更加细致，看了几分钟的用户和看完整剧集的用户，都被区分开来，不同国家、地区的用户也被区分标记了。

这些 A/B 测试所涉及到的指标和场景相当的多，通过这些测试不仅找出了提升转化率和用户观看时长的主要指标，而且还验证了提升短时播放时长等次要因素的影响指标。之后，他们还花费了长达数月的时间，来做纵向 A/B 测试，来追踪用户跨设备的观影印象的变化，以及同一个封面在不同设备、场景下的转化率影响和变化。

但是不同设备上同一图片是有不同的大小、纵横比的，这就需要额外创造一套标识系统来标识同一图片不同纵横比的版本，相当于是为这些图片素材创造一个「血统ID管理系统」。

在此之后，数据科学团队还逐步升级出更加复杂的 A/B 测试方法，这些有针对性的测试不断推进过程中，就筛选出上方所提及的结论。这些成果实实在在地转化成 Netflix 的订阅量，这也促使了 Netflix 的数据科学和工程团队开始吸收更多的跨学科人才，并且储备了越来越多的算法和工具，直到后来催生出 AVA 系统。

AVA 系统：真正的算法筛图 尽可能多、尽可能丰富、尽可能符合规律的的封面图，能给 Netflix 带来最直接的转化，精心挑选封面图这个事情……工作量太大了。AVA 系统就是用来解决这个「大量的封面图从哪里来」的问题。

著名剧集《怪奇物语》一集有大约 86000 个静态帧，这意味着10集一季的剧集当中，可以筛出接近 900 万个静态帧，这是一个巨大的资源库，想想看，900万帧图片当中能够筛出多少用来做封面的图片？

但是要达成这一目标，数据科学与工程团队，需要全方位地拆解和细化这些视觉信息。数据科学与工程团队打算使用帧注释来标记和测量每一帧图片的客观特征元数据：

AVA 为《Bright》筛选图片

然后在此基础上，拆分出框架子集，然后借助排名算法，筛选出符合审美、创意、多样性的子集，这些图片的集合，会成为代表这一影视作品的备选图片素材。

为了尽可能好的筛选图片，Netflix 的团队会将视频先拆分成小块的段落，然后再进行细致的处理。想要实现这一目标，他们创建了一个名为 Archer 的框架来拆分视频，在这个框架的基础上，不断加入智能算法，来逐一处理这些分割出来的视频块，分析图片的元数据，或者是分析这些块的内容和主题的相关度，上下文关系，对重要性进行排名。

在 Archer 框架的帮助下，他们获得了视频块和图片的 3 类基础数据：

1、视频元数据

简单来说，视频元数据包含了这些视频和图片的亮度、色彩、对比度和动态模糊的程度，这也是 AVA 最容易获取到的内容和数据。

2、上下文元数据

上下文元数据就更有意思了，AVA 可以根据角色的姿势、动作、面部表情来判断角色的情绪，但是这个不是最强的。算法能够估算镜头相对于拍摄主体的运动距离，从而能够给动态模糊提供具体的参数，甚至可以识别拍摄镜头的类型和风格，比如是否是长镜头，是否是角色特写，从而进一步佐证这一角色在这一场景下的情绪或者氛围，而对象检测的数据则能够分辨场景中人物和物品的差异和特征。

3、构图元数据

AVA 的算法能够结合摄影和视觉美学的逻辑来判断画面的特征，比如使用对称、景深关系和三分法来标识出镜头和画面的特征。

在确定了这些基础的元数据之后，下一步就会通过自动化流程，来从中提取「最佳」的候选图片。当创意团队需要进行封面合成或者剪辑的时候，就可以从中选取更有用的图片和视频素材。这个图片排名的逻辑，也是有讲究的。

1、筛选演员优先级

影视作品中，主角和关键角色的优先级无疑是更高的，借助深度学习训练，算法可以筛选出符合关键角色和主角特征的图片，当然，还需要兼顾到主角的动作、神态、面部情绪和构图：

这个过程中，会将非关键角色、动态模糊的图片以及画面角色情绪不佳的去掉。

2、挑出美学多样性画面帧

考虑到封面图还需要具备创意性和视觉多样性，甚至是非常主观的一门学科，所以从设计师和创意工作者那里获得一些特征明显的指标，借此来筛选出影片中一些有显著美学特征的画面。AVA 会特意筛选出特征性的镜头（远景或中景），视觉性突出场景（三分法、亮度、对比度）、色彩突出场景（突出或者有代表性的颜色），以及特征结构性场景（负空间或者特定复杂度的场景）。

结合这些特征属性，能够筛选出很多优质的画面。

3、增加分级过滤器

考虑到受众和敏感度，筛选过程中还需要专门过滤掉含有性、裸露性的文字的画面和视频，去掉含有文字、LOGO以及未经授权的品牌的相关画面，AVA 系统会给含有这些元素的画面以较低评级，从而可以自然筛选掉。

基本上，到了这一步，就能够获得大量的图片和视频素材，结合设计师提供的不同语言不同版本的标题设计素材，就能够快速合成针对不同国家地区用户的封面图了。那么，这个关键的「数据科学与工程团队」里，具体都是些什么样的人呢？

「数据科学与工程团队」都是些什么人？ 「数据科学与工程团队」是一个很典型的站在「科技和人文」十字路口的团队，他们需要用科学的方式来探索人性和艺术的特征，又要解决用户体验、流媒体的推流算法、合理的个性化推荐等等各种问题。

这个团队当中，成员主要分成2个不同的类别，「数据分析工程师」和「可视化工程师」，在很大程度上，他们面临的就是 Netflix 平台的内容本身，海量的内容。而这两个职位名称之所以这么模糊，是因为这帮人并非单一学术背景，甚至同一专业的成员都有着各自所擅长的特殊技能和知识门类，这种模糊的称谓恰恰是为了模糊这种界限，促进合作。

「数据科学与工程团队」当中的成员都是多面手，而根据他们所专精的领域差异，它们又可以分为3个主要的类别。

分析师。他们通常可以提供推动业务决策的指标和数据模块，善于和非技术背景的受众进行沟通，和利益相关者讨论不同选择的战略意义，他们的专长是描述性的分析和方法，同时他们也懂得必要的技术工具比如代码、数学和统计。 工程师。他们擅长以最佳的方式来获取数据，构建强大的数据模型、原型系统，并且善于为特定的项目来针对性获取数据。本质上，他们依然是分析师，但是他们对于数据工程有着深入理解，尤其是对数据进行处理和性能优化特别拿手。他们大多位于多学科交叉点，可以全栈输出，对项目进行分层可视化呈现。 洞察者。这是一个特别擅长视觉性表达、叙事的群体，他们对于拓展性、美观和功能性都有非常强的掌控力，对于表层以下的数据和内容有深入洞察，他们大多能够以准确优美的数据图来讲述事件和情形，辅助其他人理解，他们甚至会使用使用代码和设计工具来制作工具、设计 UI。 从他们的职能特征可以看出来，他们日常工作涉及到的点始终都围绕着数据、性能、可视化呈现，而他们要解决的问题也常常会是前人所未曾接触过，甚至需要借助深入分析来「理解」。

Netflix 的「数据科学和工程团队」对于设计的支撑是无处不在的，而他们这种高度技术化、跨学科的属性之强，又和我们现在对于「设计」的认知，有着巨大的差异。当然，很大程度上，这种团队只可能存在于一些大公司或者涉及海量数据的项目当中，但是它在一定程度中揭示了未来设计的一个方向和可能性。

写在最后 在电视或者浏览器上打开 Netflix 的页面之后，我不会先看60s的广告打扰，也不会在好不容易选好一个剧集后再看 120s 的广告。这份相对纯粹的观影体验背后，大概有 Netflix 自制影视作品带来的收益的支撑，当然也有「数据科学和工程团队」这些硬核玩家努力工作的影响。当然，我最主要还是不太喜欢用广告来倒逼付费订阅的模式……

参考来源：

https://news.mit.edu/2014/in-the-blink-of-an-eye-0116 https://netflixtechblog.com/analytics-at-netflix-who-we-are-and-what-we-do-7d9c08fe6965 https://netflixtechblog.com/selecting-the-best-artwork-for-videos-through-a-b-testing-f6155c4595f6 https://about.netflix.com/en/news/the-power-of-a-picture https://jobs.netflix.com/teams/data-science-and-engineering https://uxplanet.org/what-can-we-learn-about-design-from-netflix-502f6a384aa8 https://netflixtechblog.com/ava-the-art-and-science-of-image-discovery-at-netflix-a442f163af6 https://netflixtechblog.com/decision-making-at-netflix-33065fa06481

延伸阅读：

《蝙蝠侠》电影设计美学的源头，竟然都始于蝙蝠战车！ ​你也许看过很多蝙蝠侠的故事，漫画，剧集，电影，在所有的故事当中，蝙蝠侠这个角色的出现，都会从那个小巷开始：一次莽撞的抢劫，手枪枪响，珍珠项链散落满地，死亡，尖叫，惊恐，失神，然后一个名为蝙蝠侠的角色由此诞生。

阅读文章 >

超人气的蝙蝠战车是如何创造出来的？揭秘背后设计稿！ 相比于诺兰前传三部曲的「写实感」，扎克·施耐德的这3部 DC 电影似乎排名并没有那么靠前，甚至口碑也没有那么的神，但是在美术风格、视觉设计上，口碑是无可撼动的。

阅读文章 >

文字图形化 ，顾名思义就是使文字具备图形的特点，从而使文字变得更加美观、更具视觉冲击力，甚至是可以把文字的意义图像化，使设计更具说服力和打动力，这也是设计师很喜欢的一种设计手法。

在 海报设计 中，通常是把主题或者关键字词设计成图形，然后把其作为画面的主视觉，这种做法既能使画面视觉更丰富，又能突出关键字词。 而关于文字图形化的做法，主要有以下四种:

用图片元素组成文字 即用与需要设计的关键词相关的图片元素，或者使用与品牌和产品相关的图片元素组合成某个关键字词。

在执行的过程中，既要保证文字本身的识别性，也要保证组成元素的识别性。另外，要找到图片元素与文字笔画的共同点，尽量让图片之间的组合自然而巧妙。

把文字当作场景 比如把文字设计成建筑或者公共设施，让它成为生活场景中的一部分，并与人或其他事物发生互动，这种手法通常会把文字做成三维效果，然后在此基础上去添加相关的图片元素。

注意，文字本身才是重点，所以添加的图片元素不要抢了文字的风头，同样也要根据文字笔画的特点来转化成与其造型比较吻合的场景，比如倾斜的笔画可以做成楼梯或者滑滑梯。

把文字的笔画或造型设计成图形 比如把文字的笔画替换成与其意义相关的图形，或者把文字的外观造型设计成跟其含义相关的视觉图形，比如象形文字就具有这样的特点。

在海报设计中我们可以设计得更夸张、更复杂一点。

图文结合 用与文字相关的图形跟文字组合成一个主体，从而形成一个主视觉图形，比如在文字的笔画轮廓里或者是文字的「字怀」部分填充图形。

字体的风格和搭配的图形要在风格上尽量做到统一，比如手写字通常会搭配插画元素，书法字体会搭配中国风元素，立体字会搭配 3D 素材或摄影素材。

结语 文字图形化虽然不是很新颖的设计手法，创意性也不是特别强，但在商业设计中确实有着不错的效果，当然真要做得好也没有想象的那么容易，对于文字本身的设计、图片素材的创作与选择、文字与图形的组合方式等等都具有比较高的要求。另外，你的设计到底最适合以上四种手法的哪一种，也要有准确的判断。

如何让画面更精致？注意这6个版式细节 这篇文章我们来讲讲在设计手机详情页时，会经常用到的一些排版小细节。

阅读文章 >

欢迎关注作者的微信公众号：「葱爷」

前言 “这个做不了、很难做的啊、我没时间啊、改这个有什么意义吗？不是上次刚改过么怎么又让我改？”

“我都没见过哪个设计师像你这样，不就几个像素而已？有必要扣这么细吗，能用就行了啊。还改？！我觉得这已经很好看了啊，这么搞很麻烦的啊……”

各位设计师是不是已经开始按耐不住摩拳擦掌了，以上场景在跟开发提需求和设计走查的时候经常碰到，或是无奈或是生气，但开发就是有无数种理由拒绝你。

毫不客气的说，这个问题一般都会在你职业生涯中的某个阶段碰到，或早或晚，虽迟但到一般不缺席。想必很多 设计师 都踩过下面这个坑…

上线后还原不到位被领导职责“你这设计怎么做的，为什么这里设计成这样?”一对设计稿，一把辛酸泪…你正想极力辩解，不好意思，领导说：“我 只 看 结 果。”

就问你气不气？气不气？

开发到底为什么拒绝你？ 收起大刀，咱先分析一波。这个问题不会随着技术的变化而改变，也不像是方法论拥有固定的解题策略，但是在面试中又经常碰到，比如“开发不配合、还原度不高时怎么办”。这足以说明很多公司都会有这个问题，其实说到底还是人的问题，那我们就来看看“当事人”是怎么说的。

由于某些原因对接过很多开发，也咨询了几个前端朋友。不管开发口头拒绝的原因有多么千奇百怪，一般情况下，开发反感或者不愿意配合设计还原都可以归纳为以下几个原因：

1. 业务紧，任务重

也许是项目赶着上线，也许是一堆需求还未交付，当开发手头有更重要的事情要处理时，他没办法分心或者用额外的劳动力去做设计优化的内容。很多时候给定的工时就那些，若是跟绩效挂钩就更别提了。我做需求改 bug 已经要加班了，还要我配合你调来调去的，是你还会有这个心情吗？

因此设计师也要关注项目的整个排期，尝试着去宏观把握项目进度，做到理解或评估开发的工时。多站在对方的角度考虑现状。再者就是要判断走查结果的优先级，开发侧的用户体验因素如性能、bug 数等要优先于界面还原。毕竟用户体验并不等于界面的开发实现。当连 bug 都没修完的情况下，还死盯着几个像素去抠显然是不妥的。完全可以先把低优先级的问题记录下来，留着某个版本再一起更新优化。

2. 有背职业方向

前端的方向一类偏视觉展示的（动效视觉还原组件搭建等），一类偏数据层面的（算法之类）。共性都需要比较强的数据处理和逻辑能力。

有些开发会十分明确自己的方向，比如往算法类的会认为专注视觉还原侧是在浪费时间，因此在面对该类需求时内心会产生一定的排斥心理。他们经常不关注体验这种东西。

其实像还原这种的都算开发底层的基础能力。就像 UI 有的偏交互有的偏视觉，但一个偏交互的 UI 说不愿意画图标这说不过去吧。说到底本职工作还是设计。

3. 水平不够

设计圈里都流传着这样一句话“没有实现不了的效果，只有不想做的开发”。

不想做更倾向于是态度问题，不会做是能力问题。但所有技术不都是由不会到会么，况且大部分的还原问题借助搜索引擎是可以解决的，只是要权衡学习成本与收益的问题。若是实在基础的问题都不愿意去做，必要的时候可以让设计领导同开发领导反馈。

4. 价值观不一致

有部分开发会不认可设计，你跟他谈对齐亲密性，他跟你说听不懂要下班；他不想也不愿意去接受或了解设计的作用，沉浸在自己的认知体系里，自然也就不会认同你。这种是很少数了，只能说是公司招人不慎，可以尝试多次沟通，依然无果后，与领导反馈。

以上就是常见的开发不愿意配合的原因了，有些情况会由于客观条件确实难以解决，有时候可能睁一只眼闭一只眼就过去了。

那么有什么其他的办法呢？

设计师该怎么做？ 开发本身的问题很多时候我们作为设计师没办法介入，作为设计师，更应该从自身出发去解决问题。

掐指一算对接过的开发也不在少数，软磨硬泡，用尽毕生所学与其斗智斗勇，在耗尽气力之前终习得了一点心法同大家探讨，文末也一同附上了所有用到的工具和宝典配合使用，希望对大家有帮助。

1. 良好的沟通是前提 所有的合作都是基于沟通进行下去的，好的沟通方式会直接决定结果。别一听开发不愿意做上来就急眼干架，友谊的小船说翻就翻，都是同事，不出意外以后还要天天见面的。这样只会显得自己更不专业，冷静冷静…

首先要保持客观，聚焦问题。作为设计师要明确方案解决的问题是什么，为什么要做这个方案，尽可能地深入剖析问题根源，试着对着一个问题连续问自己 5 个为什么。这样在对接需求时，既能做到证明自己的方案是对的，同时也可以游刃有余的回复对方的疑问。

另一方面，在沟通或设计评审时，可以广泛的听取他人的建议，每个人的出发点和认知是不同的，这就意味着看待问题的角度会不一样，多记录并思考别人的视角会更加拓宽自己的思维，这也有利于设计交接。

说了这么多，举几个最常见的可直接落地的实际方案：

1. 条件允许的话，搬个凳子直接坐在开发旁边磨（前期最好也可以带点小零食慰问品，收了礼总得给个面子改改吧，这招通常都很管用），面对面沟通细节是最高效的。

有一些开发压根不懂设计，基本的对齐都看不出来，不是不愿意做，是真的看不出来。不要笑，一大把。这种方式虽然前期比较耗时间，但既可以培养感情，同时比聊天式的沟通更清晰高效。因为面对面的沟通能够感受到你的情绪和状态，有句话怎么说来着“线上聊千遍，不如线下见一面”。

2. 尽量跟开发混好点。比如有球局就一起去打打、有机会就一起吃吃饭、平时有聚会就多玩玩唠唠嗑。混熟了调个样式什么的那还不是分分钟的事情。

3. 在解释自己的方案时，可以用“我有解释清楚吗”而不是“我这么说你听得懂吧？”多站在听者的角度去阐述。

2. 有一定的前端基础常识 别担心，我并不会在这里提如何敲代码。想必很多从事设计师的朋友一部分原因是被代码劝退了，二选一选了设计。

设计师没有要求一定要会写代码，但做到看懂一些常规的内容其实不会很难，一方面提高我们走查还原的效率，一方面也是自己“专业”的体现，提高开发信任感，同时沟通也能更顺畅。

熟悉主流 UI 框架

当前市面上最主要的就 3 个：移动端 H5 的 Vant，PC 端的 Element 和 Ant。官网都有组件库的源文件，导入 sketch 就可以直接调用了。

这里顺带提一嘴，element 是基于 vue 开发的，而 ant 主流是 react，但也有 vue 版（ https://2x.antdv.com/docs/vue/introduce-cn ）

因此动手前一定要提前跟前端确认用哪套框架再进行设计。尤其是 B 端，非大团队是没有足够的人力和资源去搞源生的。大部分公司前期的开发都是基于 ant 或 Element，可直接用官方组件做设计稿，市面上的话 Element 的占有率还是会偏多一些。

考虑到开发效率与成本，基本上样式都是基于框架调整的，所以碰到差距非常大的样式最好是提前跟前端确认。

走查工具的应用

再提工具之前，建议大家学习了解一下“盒模型”的概念，它是前端设计布局还原设计稿的基础，下面要讲的工具也会用到，篇幅有限，关于盒模型的内容就不展开了，有兴趣的可以自行搜索。

写给设计师的速成指南：一小时快速了解 CSS 基础 这一章，我们开始学习 CSS 样式表有关的知识点，通过 CSS 来控制 HTML 标签和元素的样式的方法和规范。

阅读文章 >

不知道大家有没有遇到过以下这种场景：

开发上线后发现实际效果跟预期的有点差距，可能想微调字体大小或者间距或者某个颜色，要么屁颠屁颠求开发大爷调整一下，要么就自己再用软件做调整试错，这些方法也不是不行，但是有种更快捷的方式。下面提到的两个工具就可以帮到你。

浏览器审查定位，快速试错

第一步：键盘 F12 或鼠标右键点击“检查”调出如图所示的代码界面。

第二步：点击右上角的小箭头，再移动到左侧页面寻找你想查看的任何元素，比如“UI 设计_百度百科”，鼠标移上去时就可以看到基础的元素属性了。

第三步：单击刚刚要选择的元素“UI 设计_百度百科”，在右侧就会自动定位到对应的代码，双击可以自己随便打字，按 enter 立即生效，有时候测试文本极限值的时候用这个方法就不用再打开 sketch 敲文本了。

第四步：定位元素，设计试错。重头戏来了，还是选中刚刚的“UI 设计_百度百科”为例，点击代码块右上角的“Computed”，很好，现在映入眼帘的这个大色块就是传说中的盒模型了。简单理解就是前端在实现时，每个元素都用类似于盒子的这种模式一层套一层实现的，没错，你也可以理解为套娃。

鼠标移动到对应的某一层，就可以看到每一层对应在界面的哪个位置。比如这里的 padding 就是对应左侧界面的绿色条高度：10px。

那快速试错又怎么理解呢？比如我们现在想调整“UI 设计_百度百科”上面的间距，点击下方的“Filter”，输入 padding 就可以看到这个数值了。

点击箭头直达修改路径，双击修改直接生效。

要改其他的属性同理。这样就避免了请开发大爷帮忙，也省去了用软件去调整试错设计效果了。

为了方便大家理解，我录了个小视频，大家可以直接配合食用。

以上的方法技巧比较投机，适合实在害怕或者没有时间学习代码的同学，用这个方法可以帮助你省下很多时间。

当然这只是很小的一个例子，应用在各种场景后会有很多新发现的，就比如某些在线设计的网址可以用这种方式拿到原始图片，大家可以自己多去尝试。

走查神器：CSS Peeper

CSS Peeper 是一款 Chrome 浏览器插件。主要用来辅助走查，如果你是得了看到代码就头疼的病，F12 审查也帮不了你，那这款绝对是你的最佳良药了。

1. 快速查看元素属性以及间距。字号、行高、色值、字重、元素间距，哪里不懂点哪里，验收原来还可以如此轻松。

2. 预览网页所有色值。只要有不按规范的基本无所遁形，全站色值给你扒过来，查颜阅色，我是专业的。

3. 一键下载网站图片素材。下载图片什么的那是信手拈来，图标 banner 任意素材，只要你是图，我就下的来。

就问你香不香吧。

以上两款都可以帮助我们快速的验收，回归主题，这一节主要提到的是了解前端基础常识，其实主要还是为了更好的交接，说到这就顺带提一下设计交付的小技巧：

1. 除了交付静态图外，还要带上交互说明。比如基础的字段极限值、图标的 hover、禁用状态、适配方案等等，这些是产品不一定考虑的到的，在设计执行过程中可以另起一个画板一并写下来，避免开发时的频繁沟通。

另外涉及微交互/难实现或难描述的样式，都可以拿现成已上线的成品给到开发去做参考，直接调用代码、学习或改动都可以增加他们的效率或者提高他们去做的意愿。毕竟说再多不如见一面，动态效果总比文案描述要容易理解，不是所有开发都能够看一眼静态图就知道怎么实现。

2. 设计稿完成后在交付开发时要有一次正式的交接，也可以带上测试，大概阐述一下设计稿的一些还原、交互难点以及注意点，毕竟还未正式介入开发，若有问题可以及时处理。小的问题一般在开发执行时才会碰到，到时再给到设计支持就行了。

3. 注意标注平台的设计稿布局和分组。先给大家感受一下普遍的在线平台设计图，包括但不限于蓝湖、慕客、Codesign 等。

很多时候画布一多，设计稿全堆一起，就算是设置好对齐，隔开间距，但还是遭不住一多就难以定位的问题。就算是产品自带的分散功能也没办法解决。

开发一点进来，我是谁？我在哪？我要点哪里？图一多就乱难免会引起一定的不适感。

那么有什么解决办法吗？

这个时候可以把设计稿按类别/模块整理清楚，一个模块的设计稿尽量不要超过 10 张，多了就考虑建一个子类别，另外要多建一个画板做好分组。同时平台自带的分组功能也要应用上，设计稿的命名也要准确便于利用搜索去定位。

最后就是按版本建立大的文件夹存放设计稿。切忌所有的稿都放在一个画布里，多了不方便找是其次的，卡到想你锤烂屏幕的心才是最难受的。

既然一直谈体验，那么看稿的开发就是我们的核心用户了，好的阅览体验说不定能带来更高的代码效率呢。千万不要小看这些细节，都是一些小事情，无外乎命个名以及拖动拖动画板，耐心一点也就几分钟的事。这些都是个人能力与专业的体现。

3. 建立走查机制 前面讲的都是基于个人角度出发，而建立走查机制有点偏团队侧了。将走查纳入整个产品设计流程的一部分，提测后就可以进入走查阶段了，过程中需要记录并与开发沟通修改还原问题。

一来可追溯防背锅（你懂的），二来让还原的问题有沉淀，方便我们去记录和复盘。

类似这样的表格模板，因为各个团队大小和工作模式都不一样，所以字段会有所差异，有的也有产、设、测共同维护的表。这个可以按实际情况参考这个模板适当增加删减，另外走查时除了视觉类的，也可以通过交互自查表去做一些验证，查缺补漏。

其中特别注意的一点就是走查反馈尽量写的细致一些。比如截图后在图片上带上箭头指向，同时配合文字填写在“问题描述”那一列里，是间距差了还是不对齐等等，有色值给错的就把正确的色值也标注上。

最后，就算存在赶时间赶项目的情况，也要有基础的设计底线，有些原则性的内容不能随意更改，比如通用的设计准则、一致性等，设计师需要根据实际情况把握好这个平衡点，对走查内容做筛选沉淀。

4. 提升设计在团队的影响力 这里的“设计”不仅是指设计师本人，还可以引申到具体的设计输出、设计团队等一切跟设计相关的人和事务。

比如做一些设计知识分享、设计团队（或个人）项目的复盘总结，让结果呈现更加的专业化，期间还可以引入用户的声音、用户研究结论、数据分析等。这些都是建立信任、提高影响力的方式，长期执行下来会带来很大价值的。

5. 培养开发的用户体验意识 开发的设计意识越高，设计落地自然就越顺畅。一方面通过上面提到的技术分享耳濡目染，不断提高开发侧的设计认知。

另一方面相关考核可以把开发侧的用户体验因素权重提高。比如，稳定性、性能、系统资源占用与消耗、bug 数、bug 解决率等，同时在招聘时也适当做一些筛选。再者就是常说的界面还原度了，视觉、交互动效与优化等，可以通过验收次数等来做一定的量化。

不过要达到这一点比较难，尤其是刚建立的小团队。过程涉及多方协作，还要具体看开发侧的认知和配合情况，需要基于人和现有的工作流去建立起设计共识，因此还是得细水长流，逐个攻破。

结尾 以上提到的种种是对开发不配合，设计难还原等相关问题的思考，经验有限，不一定能解决所有情况，具体的落地也会因人而异。如果实在接受不了也改变不了现状，在实力允许的情况下大不了就换咯，大团队在流程上肯定要更规范和成熟的。

我也遇到过很贴心的开发小哥，他甚至可以与你一起探讨解决方案，视觉还原什么的都是基操，压根不用你担忧。这种的开发只能说是可遇不可求了，碰到了一定抓住好好珍惜~

如何进行有效的设计沟通？我总结了这7个技巧 Netflix 制作了一部艺术纪录片，名叫《Abstract：The Art of Design 》，这部纪录片探访全球创意艺术名家，分享这些世界顶级设计领域的设计师所持的创意艺术理念、工作方式等。

阅读文章 >

欢迎关注作者微信公众号：「Andy聊设计」