micomia

Blog

技術記事

「“いいね”ではなく“鑑賞しました” 」Artlが反応の仕方を変えた理由

「“いいね”ではなく“鑑賞しました” 」Artlが反応の仕方を変えた理由

はじめに

SNSにおいて、いいねはごく当たり前の機能です。
しかしArtl では、その当たり前を外しました。
代わりに採用したのが、「鑑賞しました」という表現です。



いいね集めは、作品制作の本質ではない

Artl が“いいね”を外した最大の理由は、いいね集めが作品制作活動の本質ではないと考えたからです。
いいねの数が可視化されると、人はどうしても反応を集めやすい方向を意識します。
それは芸術作品においても同じで、表現したいことより、反応されやすい見せ方が前に出てしまう危険があります。


“鑑賞したかどうか”に立ち返る

Artl では、作品への反応を「いいね」ではなく、「鑑賞しました」という行動として捉え直しました。
作品は軽く評価されるものではなく、まず鑑賞されるものだという前提です。
この再定義によって、反応の意味そのものが変わっています。
公開ページでも、作品作りの邪魔になるいいね機能を除外し、「鑑賞しました」を簡単に送受信できる機能を搭載したと案内されています。


作家にも鑑賞者にも意味がある

この機能は、作家にとっては「本当の自分の作品を観てもらえる」という体験につながります。
一方で、鑑賞者にとっても、いいねより押しやすい側面があります。
評価するより、鑑賞したことを示す方が、行為として自然だからです。
その押しやすさが、反応のハードルも下げています。


まとめ

Artl は、反応ボタンを変えただけではありません。
作品との向き合い方そのものを変えようとしています。
“いいね”ではなく“鑑賞しました”という小さな違いは、実はアートSNSとしての根本思想をよく表しています。

畑井駿佑

畑井駿佑

micomia株式会社の代表取締役です。 エンジニア、プロジェクトマネージャーを経験し、2024年にUI/UXにこだわった使いやすいシステム/アプリを開発するmicomia株式会社を設立しました。

関連記事

既存SNSはなぜアートと相性が悪いのか Artlが解こうとした情報過多の問題

既存SNSはなぜアートと相性が悪いのか Artlが解こうとした情報過多の問題

既存SNSではなぜ作品そのものに集中しづらいのか。Artlが向き合った、情報過多とアート鑑賞体験のズレについて解説します。

Artlが目指すのは、芸術がもっと光を浴びる世界

Artlが目指すのは、芸術がもっと光を浴びる世界

Artlが目指すのは、芸術がもっと光を浴びる世界です。現バージョンで見えた改善点と、次のアップデートで重視したい方向性を紹介します。

なぜArtlはトリミングしないのか 作品をそのまま展示する設計の意味

なぜArtlはトリミングしないのか 作品をそのまま展示する設計の意味

Artlは作品のトリミングや角丸加工を行わず、そのまま展示できるSNSです。表現を制約しない投稿設計の意味を解説します。

作家が安心して発信できるSNSとは何か Artlの投稿体験を支える考え方

作家が安心して発信できるSNSとは何か Artlの投稿体験を支える考え方

Artlは、作家が安心して作品を発信できるSNSを目指しています。タグ付けや不要な入力を減らした投稿体験の考え方を紹介します。

アート専門SNS「Artl」を作った理由 作品そのものが評価される場所を目指して

アート専門SNS「Artl」を作った理由 作品そのものが評価される場所を目指して

Artlは、映えや拡散ではなく作品そのものに向き合えるアート専用SNSです。作品が正しく届く場所を目指した開発背景を紹介します。

シンプルで主張しすぎない 「Artlが目指した鑑賞体験のUI/UX」

シンプルで主張しすぎない 「Artlが目指した鑑賞体験のUI/UX」

Artlは、作品のみが自然と流れてくるシンプルなUI/UXを目指しました。アートの世界観を損なわないデザイン思想を紹介します。

作品ファーストとは何か? Artlが設計した“作品を邪魔しないUI”

作品ファーストとは何か? Artlが設計した“作品を邪魔しないUI”

Artlが目指したのは、作品を邪魔しないUIです。トリミングしない設計、過度な世界観を持たないUI、投稿しやすさを両立した思想を紹介します。

今後は、もっと学習が続くアプリへ ゲンゴーの次の改善テーマ

今後は、もっと学習が続くアプリへ ゲンゴーの次の改善テーマ

ゲーミフィケーションやAIによる個別最適化を通じて、より続けやすい学習体験へ。ゲンゴーの次の改善テーマを紹介します。

翻訳とAIは“今”を支え、学習機能は“将来”を支える ゲンゴーの機能分担

翻訳とAIは“今”を支え、学習機能は“将来”を支える ゲンゴーの機能分担

翻訳とAIは現場の今の困ったを助け、学習機能は将来の日本語習得を支える。ゲンゴーにおける機能ごとの役割設計を紹介します。

建設現場の定着課題に向き合う 外国人技能実習生向け日本語学習アプリ「ゲンゴー」を開発した理由

建設現場の定着課題に向き合う 外国人技能実習生向け日本語学習アプリ「ゲンゴー」を開発した理由

建設現場で働く外国人技能実習生の定着課題に向き合い、日本語学習と現場コミュニケーションを支援するアプリ「ゲンゴー」の開発背景を紹介します。

AI OCRとは?紙の書類をデジタル化する仕組み・従来OCRとの違い・活用事例を解説

AI OCRとは?紙の書類をデジタル化する仕組み・従来OCRとの違い・活用事例を解説

請求書や契約書、申込書など、紙の書類を手作業でデータ入力している業務はありませんか?こうした手入力作業は時間がかかるだけでなく、入力ミスの原因にもなります。この課題を解決する技術として注目されているのが「AI OCR」です。この記事では、AI OCRとは何か、従来のOCRとの違い、仕組みやビジネスでの活用事例について、初心者の方にもわかりやすく解説します。

Transformerとは?仕組み・GPTやBERTとの関係・AI開発での重要性をわかりやすく解説

Transformerとは?仕組み・GPTやBERTとの関係・AI開発での重要性をわかりやすく解説

Transformer(トランスフォーマー)とは、2017年にGoogleが発表した深層学習のモデルアーキテクチャで、現在のAI技術の基盤となっている革新的な技術です。ChatGPTのGPT、GoogleのBERT、画像生成AIなど、現代のほぼすべての主要AIモデルがTransformerを基盤としています。

自然言語処理(NLP)とは?仕組み・活用事例・AI開発での重要性をわかりやすく解説

自然言語処理(NLP)とは?仕組み・活用事例・AI開発での重要性をわかりやすく解説

自然言語処理(NLP:Natural Language Processing)とは、人間が日常的に使う言葉(自然言語)をコンピューターに理解・生成させるためのAI技術です。チャットボット、翻訳、文章要約、感情分析など、現代のAIサービスの多くがこの技術を基盤としています。

拡散モデル(Diffusion Model)とは?仕組み・画像生成AIとの関係をわかりやすく解説

拡散モデル(Diffusion Model)とは?仕組み・画像生成AIとの関係をわかりやすく解説

拡散モデル(Diffusion Model)とは、画像にノイズを徐々に加えていくプロセスを逆転させることで、ノイズから高品質な画像を生成するAIモデルです。Stable Diffusion、DALL-E、Midjourneyなど、現在の画像生成AIの多くがこの技術を基盤としています。

AIパイプラインとは?構成要素・構築方法・効率的な運用をわかりやすく解説

AIパイプラインとは?構成要素・構築方法・効率的な運用をわかりやすく解説

AIパイプラインとは、AI開発の一連の処理工程を自動化する仕組みです。データ収集からモデル運用までの流れやMLOpsとの関係をわかりやすく解説します。

AIの学習データとは?種類・収集方法・品質管理のポイントをわかりやすく解説

AIの学習データとは?種類・収集方法・品質管理のポイントをわかりやすく解説

AIの学習データとは、AIモデルがパターンを学ぶために使用するデータセットのことです。学習データの種類や仕組み、ビジネスでの活用方法をわかりやすく解説します。

機械学習とは?仕組み・種類・ビジネス活用をわかりやすく解説

機械学習とは?仕組み・種類・ビジネス活用をわかりやすく解説

機械学習(Machine Learning)とは、コンピューターがデータからパターンやルールを自動的に学習し、予測や判断を行う技術です。AIの中核技術であり、画像認識、レコメンドシステム、不正検知など、さまざまな分野で活用されています。

音声認識AIとは?仕組み・活用事例・ビジネス導入のポイントをわかりやすく解説

音声認識AIとは?仕組み・活用事例・ビジネス導入のポイントをわかりやすく解説

音声認識AIとは、人間の話す言葉をコンピューターが自動的にテキストに変換する技術です。スマートスピーカーや議事録の自動作成、コールセンターの応対分析など、私たちの身の回りで幅広く活用されています。

AIの推論(インファレンス)とは?仕組み・学習との違い・高速化の方法をわかりやすく解説

AIの推論(インファレンス)とは?仕組み・学習との違い・高速化の方法をわかりやすく解説

AIの推論(インファレンス)とは、学習済みモデルが新しいデータに対して予測や判断を行うプロセスです。推論の仕組みやビジネスでの活用方法をわかりやすく解説します。