Dora AI Editor

Dora是一个兼容3D及其动画效果的无代码建站平台。然而，传统的“拖拽式”工作流仍动手门槛较高，制作周期过长。而Dora的核心客群（小型工作室及个人 IP 创作者）需求为快速制作、高效交付，而非“从零构建”。

随着LLMs的兴起，我们看到了三方建站由“手动构建”转向“自然语言驱动生成”的机会。Dora AI的目标是进一步降低建站门槛，允许用户通过自然语言生成高保真网站。

新用户经常在初始阶段流失，主要原因为从零开始搭建网站的畏难情绪以及极高的上手成本。如何让用户在Landing page及新建项目页面即可快速体验到AI生成网站的工作流以及其核心价值，成为设计的首要挑战。

考虑到Dora ai推理及图片生成成本问题，我们选择开放白名单模式以限制早期的使用人数，并计算用户的平均消耗（Unit Economics），从而估算大规模开放后的成本。同时去规避突发的大规模流量导致的崩溃或响应延迟（Latency）。这样一点点拧开流量，以便验证后端架构的承载能力。

对于非白名单用户，我们决定仍然保留入口可见。这里利用了FOMO（错失恐惧症）以提高Waitlist的转化率。并且我们也设计了动态刷新的队列号码，希望增加用户回访的动力，进一步提升回访率。

Onboarding的设计上，我们给出了双重入口（Dual-Entry Strategy）的设计:

为了让用户在最短时间内触达核心功能，我们对存量用户及增量用户分别设计了两条路径：

1）沉浸式交互引导 (登录前): 在Landing Page，我们结合了鼠标scroll-down的交互，去做AI feature使用方法的演示。用户在下滑过程中，就可以高效地掌握产品使用技巧。

2）直通式激活弹窗 (登录后): 针对已登录用户，我们在Dashboard内置了带AI feature宣发视频的弹窗，用户一键即可进入AI 工作台。

在“Gain more credits“的设计上，我们发现引入显性标签（Upgrade the plan & Refer a friend）虽然增加了清晰的信息分类，但也引入了不必要的视觉噪音（Visual Noise）。 继而我们通过增加卡片的对比度作为分类暗示，标签的功能变得冗余。

移除标签显著提升了界面的信噪比（Signal-to-Noise Ratio），让用户的视线能直接聚焦于核心价值（crerdits）和行动点（Upgrade & Share），而不是浪费精力去处理辅助性的层级信息。与其把所有东西都标出来，不如让context代替labeling自己说话。

在Dora AI冷启动阶段，主要的设计目标为尽量降低用户对0-1建站的畏难心理，期望借力AI快速生成期望网站的基本布局，并引导用户进行后续的修改。根据竞品调研，我们发现如Webflow、Wix等平台均提供了丰富的模板库供用户选择，以减少从零开始设计的难度。但是Dora仍然在起步阶段，没有一个十分强大的社群来提供海量UGC模板。

因此我们决定通过AI生成多样化的网站模板，用户只需提供简单的文本描述，系统即可生成符合其需求的3D网站布局。这种方式旨在降低了设计门槛，帮助他们专注于细节微调，从而在极短时间内达成最终交付。