從搜尋到獲得分析結果，中間需要太多步驟
目前的取用方式建立在訂閱與點數制度上。使用者需要先進入資料庫、提交需求，再等待分析團隊後續回覆。這樣的模式適合深度研究，但也限制了那些只想快速掌握市場方向或開始探索的使用者。
Art Market Insights Platform：資料產品商業模式實驗
概覽
概覽
Art Market Insights Platform 是一個為期七天、自發性的 Redesign 概念提案。本專案以既有的藝術市場研究產品為基礎，探索一個問題：如果藝術市場研究不再只服務少數專業使用者，而是讓更多人都能更快速理解市場，產品會變成什麼樣子？
原有產品以拍賣資料為核心，並透過客製化研究報告提供深度分析服務。但在重新檢視產品體驗與既有內容後，我發現平台其實已經累積了大量與藝術市場相關的資訊，包含拍賣紀錄、新聞趨勢、展覽資訊、藝術家檔案與研究專文。
問題不在於資料不足，而是這些內容分散在不同系統與頁面中，使用者往往需要自行搜尋、整理與比對，才能慢慢建立完整的市場理解。
因此，這次重新設計嘗試提出一個新的方向：如果將既有內容整合成單一研究入口，同時重新思考商業模式與資料體驗，是否能讓產品服務更多不同類型的使用者與研究情境？本次探索涵蓋產品定位、商業模式、資訊架構重新規劃，以及透過高保真互動原型進行概念驗證（POC）。
- 角色
- 產品設計師
- 時程
- 7 天
- 團隊
- 個人專案
探索
深厚的內容基礎，卻分散在平台各處
在藝術市場研究中，拍賣價格通常是最直觀、也最容易取得的資訊，因此現有產品高度圍繞拍賣資料建立。但重新走過整體使用流程後，我注意到幾個值得重新思考的地方。
價格只是市場訊號之一
成交價格固然重要，但它通常只是市場結果的一部分。作品的展覽經歷、來源背景（Provenance）、文化脈絡與市場關注度，同樣會影響對作品價值的理解。而這些資訊，大多早已存在平台中，只是被分類在不同內容與入口裡。
內容豐富，但研究體驗仍然碎片化
除了拍賣資料，平台也累積了大量新聞、展覽紀錄、研究專文與藝術家資料。但當使用者想深入研究單一主題時，仍需要在不同頁面之間切換，並自行整理資訊。
既有漏斗：以付費搜尋為核心，轉換高度仰賴用戶主動申請報告。
初步洞察
逐漸讓我意識到：真正缺少的可能不是更多資料，而是資料之間的連結與脈絡。
數據其實一直都在。真正的挑戰與機會，在於如何用結構將它們串聯起來。
定義
我們如何讓更完整的市場資訊，更容易被不同使用者理解？
根據前面的觀察，我將這次重新設計聚焦在一個假設：如果重新組織既有內容，而不是持續增加資料來源，是否能建立新的研究體驗與商業可能？以下目標與原則，用來收斂本次探索範圍。
既有用戶流程：搜尋後需填寫表單申請報告，再由內部團隊人工對接後續流程。
設計目標
- 降低觀看與使用門檻，讓更多使用者能開始研究市場，而不需要先具備專業背景。
- 打破資訊孤島，讓分散的內容變得可搜尋、可比較，也更容易建立脈絡。
設計原則
- 保留專業研究所需的深度與細節。
- 提升探索效率，降低閱讀負擔。
- 將非結構化內容轉化成可利用的研究訊號。
- 導入 AI 作為整理與連結資訊的輔助工具。
發展
系統化建立設計體系
橫向串連生態系的色彩系統
為了讓使用者快速辨識資訊來源與功能屬性，系統從兩個核心色延伸出完整的語意色階。Data Blue 負責所有市場與數據相關內容，AI Violet 則代表 AI 輔助分析功能。所有色階皆經過深淺背景的無障礙對比檢查，確保閱讀一致性。
為不同角色提供不同的研究入口
重新設計後，Insights Card 依據不同視角拆分為 Auction Insights、Gallery Spotlights 與 Overall Summary，讓畫廊、收藏家與市場研究者能從更符合自身需求的角度開始閱讀，而不是先面對大量原始資料。
新舊設計對比
將重新設計後的版本與舊版並列對照：新方向採用了視覺對比更佳的色彩計畫，並優化了篩選器（Filters）的互動邏輯，讓資深高頻用戶（Power Users）能更直覺、流暢地操控各個維度。
保留高資訊密度，但降低理解成本
核心使用者仍然包含畫廊經營者、拍賣專家、藝術顧問與投資機構。因此介面沒有刻意降低資訊量，而是重新整理資訊層級、篩選互動與圖表閱讀方式，讓多維度資訊能在同一個視野中被理解與比較。
交付
互動原型驗證
專案最終產出是一套可實際操作的高保真互動原型，完整覆蓋 Insights Card、訂閱升級流程、分析儀表板與 AI 研究介面，並支援桌機、平板與手機。這套原型主要用來驗證：當既有內容被重新組織後，是否能降低研究門檻，並建立新的資料使用方式。
查看線上原型
未來觀測與驗證指標
由於目前仍屬概念驗證階段，若未來進入產品化，可優先觀察以下方向：
Freemium 轉換率
免費開放的基礎分析內容，是否能有效提升訂閱轉換。
研究功能黏著度
使用者是否開始閱讀價格以外的市場訊號。
長期留存與回訪率
產品是否逐漸融入日常研究工作流。
反思
數據從不匱乏，挑戰在於如何建立理解脈絡
這次專案讓我重新思考資料產品真正提供的價值。很多時候，問題並不是缺少資訊，而是使用者缺少一個能快速建立理解的方法。AI 的價值不在於直接給出答案，而在於協助整理、搜尋與建立資訊之間的連結，最終的判斷與決策，仍然來自人的經驗與專業。
下一步值得持續探索的問題
軟性資訊如何影響決策？
展覽歷史、文化影響力與來源背景，是否真的會改變市場判斷？
AI 在專業研究流程中的角色
AI 應該是分析工具、研究助手，還是新的研究入口？
這些也是未來值得持續驗證的方向。