一人公司成长社区
‹ 返回创意产品库

13岁女孩为视障人士设计化妆助手——当AI不再炫技,才真正学会“看见”

新兴机会

13岁的Judy(李嘉怡)以七年级年龄破格入选项目,作品“妆点你的眼”聚焦视障人群的化妆困境——通过AI视觉识别持续观察用户面部与操作过程,以语音实时判断、纠正每一步化妆动作。她本人不熟悉代码,担任产品经理角色,负责需求洞察与功能定义。评审反馈集中认可其需求洞察的准确性与稀缺性。

赛道
AI应用
细分领域
其它应用
适合人群
Z世代产品经理,视障辅助技术开发者,公益科技创业者,用户体验设计师,一人公司实践者

核心定位

“妆点你的眼”是一款面向视障人群的AI辅助化妆工具,通过手机摄像头实时追踪用户面部和操作动作,AI视觉模型判断化妆步骤是否准确、对称、覆盖到位,并通过语音实时反馈和纠正。Judy以“产品经理”视角完成项目:她负责定义用户痛点、设计功能流程、明确AI需要“看什么”“说什么”“什么时候说”,将AI能力与真实使用场景精准对齐。

 

产品架构:三层递进的设计逻辑

感知层——AI看见了什么?

  • 通过手机摄像头实时捕捉用户面部和化妆操作过程

  • AI视觉识别技术需完成:面部关键点定位(眼、眉、唇、轮廓)、化妆动作追踪(涂抹区域、覆盖范围、对称性)、产品识别(口红、粉底、眉笔等工具)

  • 难点:视障用户无法像明眼人一样“照镜子”,AI必须替代“镜子+眼睛+指导老师”三个角色

判断层——AI怎么理解“对”与“错”?

  • 建立化妆“标准模型”:眼线是否沿睫毛根部画出、口红是否超出唇线、底妆是否均匀覆盖左右脸颊

  • 实时输出判断结果:每一步操作是否达标、偏差在哪个方向、应该如何修正

  • 关键设计决策:不是“替用户画”,而是“陪用户画”

交互层——AI怎么让用户“听懂”?

  • 语音实时反馈:不仅是“错了”,而是“偏左了,往右移两厘米”

  • 鼓励性语气设计:视障人士学习化妆需要大量练习,语音的语调、节奏、反馈方式直接影响用户能否坚持使用

  • 进展记录:每次化妆的“完成度”评分,让进步可见

 

核心价值:为什么这个案例值得关注

需求洞察的稀缺性——13岁孩子看到了99%的创业者看不到的需求

  • 视障人士化妆不是“小众需求”,而是被主流产品彻底忽视的刚需

  • 化妆对视力健全者来说是“日常”,对视障人士来说是“能否体面地出现在社交场合”的问题

  • Judy能发现这个需求,不是因为做过市场调研,而是因为她的视角和成年人不同——她没有先想“什么功能很酷”,而是先想“谁真的需要帮助”

年轻产品经理的“原型化能力”

  • 她不会写代码,但能用AI工具快速做出原型、验证想法

  • 她不关注技术细节,但能清晰定义AI要完成的任务边界

  • 这提示了一种新的产品经理能力模型:懂AI能做什么、懂用户需要什么、能沟通、能执行,但不一定要懂实现细节

极低门槛验证高价值需求

  • 不需要复杂的硬件设备,一部手机即可完成原型验证

  • 场景足够具体、用户足够清晰,MVP可以很快跑通

  • 这个案例证明:AI时代,最稀缺的能力不是写代码,而是发现“被忽视的需求”

 

可复用的产品思维

  • 思维①:用“具体人的具体困境”替代“宏大叙事”。 很多产品从“我要做一个解决XX问题的大平台”开始,最终迷失在泛化的需求里。Judy从一个极其具体的场景出发:“视障人士化妆时看不见,所以需要AI帮他们看见。”这个起点足够小,但足够痛,也足够清晰。

  • 思维②:AI的终极价值不是“炫技”,而是“让看不见的人看见”。 这个项目展示了AI视觉识别最本质的意义——它不是用来识别“这张图是什么风格”的,而是用来帮助那些用肉眼无法完成日常任务的人。

  • 思维③:用户自己就是最好的需求定义者。 Judy自己不化妆,但她花了时间理解视障用户真正需要什么。她扮演了“翻译器”的角色——把用户的真实困境翻译成AI能执行的任务清单。

 

中国市场适配策略

机会一:中国视障群体的“体面生活”需求

中国有超过1700万视障人士,化妆只是其中一个小小的切面。从更广泛的视角看,视障人士在穿衣搭配、出行导航、社交礼仪等多个场景都缺乏AI辅助工具。“妆点你的眼”提供了一个可迁移的方法论:用AI视觉+语音反馈,帮助视障人士完成那些“看不见就做不了”的日常动作。

机会二:“青少年+AI”的产品经理型人才

AI工具正在大幅降低“创造”的门槛。Judy不会写代码,但她能用AI工具做出原型。这代表了一种新的人才趋势:未来的产品经理可能不需要写代码,但必须会用AI工具把想法快速变成可验证的东西。

(0)
收藏 (0)

发表回复

登录后才能评论