編輯導語:前三篇講完了基本的技術原理,相當於搭好了智能助理的骨架,接下來我們要給它添血肉了——打磨用戶體驗,增加智能感。
智能感的意思,是指用戶感受到的智能程度。
人們評估一個產品乃至其他生物是否智能,評判標準主要是有多少分像人;乍一聽你可能並不十分同意我這句話,但是你稍微停下來想一想——當你平時說一個智能產品「很智能哎」「很不智能哎」的時候,你是不是也下意識用了這種標準呢?
所以我這裡用的詞是智能感而不是智能程度,因為這部分工作本身與技術無關;而在於產品經理對於用戶使用感受的拿捏,和對人類行為的理解深度。
唯有清楚人在某些場景下的反應,才能設計智能助理的反饋,使其更像人,進而看起來很智能。
那麼PM在這裡要做些什麼呢?筆者歸納了如下幾條。
一、精細化拆分對話場景
設計或者觀察用戶在實際使用產品中的需求,儘可能按照最小顆粒度的場景去劃分。
依然以買奶茶為例,一級場景可能是「購買奶茶」 「詢問新品」;二級場景是在一級場景下的細分,比如詢問新品之後,可能會繼續問新品的口味是怎樣;三級場景可能是問過口味之後要下單或者放棄。
這裡要儘可能拆到最細節的程度,細到能預估到用戶可能的每一個反應,然後對應每種反應給出不一樣的反饋。
拆解的顆粒度,設置反饋的豐富程度,對於產品的智能感起到了決定性的作用;試想一下,粗糙和細膩的助理,就像一個只會說「奶蓋今天賣完了」和一個會說「奶蓋今天賣完了,要不要試試新品芭蕾可可?」的區別。
當然越精細成本越高,PM和開發都要投入更多時間,但是好的體驗一定是與成本投入分不開的。
二、反饋設計擬人化
要像人,就要儘可能要用人的口氣說話。
也分兩個方面:
- 一是在話術上,盡量從「人在這種時候要怎麼處理」的角度出發,去設計智能助理的回復;
- 二是在智能助理髮聲時,效果上肯定是用人工錄好的聲音>參考了人工音色的TTS>純機器TTS(Text To Sound,文本轉語音)。
但第一種方式僅適用於固定文本的,比如你可能收到過一些以假亂真的電話;第二種成本稍高,比如導航中的志玲姐姐;第三種較為常用。
不過由於漢語有很多多音字和輕音重音的變化,所以實踐中還是有很多細節要調整。
三、結合用戶數據與業務數據
一般來說,人們在無預期的情況下被猜中了心思,就會覺得對方聰明;給產品增添智能感也是這樣,與CRM關係很大。
比如用戶常買四季奶青,那麼當這位用戶又來點單時,優先推薦他常買的,大概率會被接受;或者根據用戶畫像,發現某用戶是喜歡嘗試新品的人,那麼可以優先告知他新上的種類。
這裡就跟推薦演算法有一定的關係了;不過我們這期的重點在於結合用戶數據的思維,體會即可。
四、實踐中調整識別效果
通常人們在表達的時候,同樣的辭彙有不同的傾向,不同的場景也會導致同一個詞指代不同的意義;所以甚至可能出現,同一句話在不同場景下的意思完全不同,比如說「我看看吧」也許是表達看看新品——也許是表達自己再考慮一下。
所以在落地過程中,要密切觀察產品效果,根據用戶反饋實時調整訓練的方向。
今天的內容差不多就是這些了,下一篇會聊聊智能助理目前的應用場景。
另外由於一些個人原因,自上一篇發完到現在已經是五個月過去了……後面會盡量保持更新速度。
感謝閱讀,歡迎交流。
相關閱讀:
http://www.woshipm.com/pd/3483775.html
http://www.woshipm.com/pd/3499832.html
http://www.woshipm.com/ai/3596569.html