編輯導語：隨著互聯網科技的不斷發展，如今AI機器人產品開始深入我們的生活中，比如家裡的智能音響、商場的接待機器人、餐廳的傳菜機器人等等，機器人的出現在某些方面幫助了用戶，提高用戶體驗；本文作者分享了關於用戶視角的機器人產品體驗，我們一起來了解一下。
從一個普通用戶角度，切身體驗了一次機器人產品，結合過往運營和產品經驗，輸出這份報告。不作引導，只是分享，給想入門AI行業的小夥伴一點參考和方向。
這篇文章有點長，值得了解。如果認為有用的話，請小夥伴們耐心看完，歡迎交流探討
本報告的編纂目的：
通過走訪三類場景對智能服務型機器人進行體驗調研，結合採集網路數據，從運營角度整理出體驗報告。
主要3個目的：
- 從用戶角度審視智能機器人行業現狀和產品優缺點；
- 從運營角度分析差異行業間的產品及用戶運營工作的同異點；策劃輸出用戶運營工作方法，以交互功能為基礎中心，並結合用戶生命周期分析方法和模型，輸出因功能類型對應用戶增長和留存等時期的策略，進而調整機器人產品運營計劃，在用戶運營層面精細化管理。
- 協助運營團隊共同打造產品運營體系，發揮數據驅動能力。
用戶運營和挖掘需求重要性：
在中國人工智慧行業快速發展時期，智能機器人主要以服務場景為落地渠道，以交互為拉新導向，但缺少對真實場景業務流程的梳理和對現場用戶需求的把控。
場景繁雜，功能導向難以滿足產品發展需求，需要將用戶運營放在越來越重要的位置，因此精準識別消費者需求成為提升戶運營效率的關鍵。
用戶運營方法論介紹：
公司基於多年沉澱下來用戶數據資產，可以對用戶在產品上的行為數據進行有效捕捉，將用戶從未交互到交互后流失的全路徑進行刻畫，分為低潛、高潛、引入、成 長、成熟、衰退和流失七種不同的生命周期狀態。
一方面可以建立統一的用戶運營監控體系，積累和管理用戶數據資產；另一方面也可以進行針對性營銷，激活存量價值， 突破增量邊界。
用戶生命周期包含AWARE（吸引）、 APPEAL（認知）、 ACT（行動）、 ADVOCATE（擁護） +RFM用戶分層體系中，基於用戶生命周期模型，產品和用戶的運營人員可結合運營現狀監控用戶在各個生命周期階段的結構分佈和流轉情況。
圍繞各生命周期用戶進行洞察分析，並基於分析結果為每類用戶匹配定製化的增長策略，真正實現科學的用戶精細化運營。
一、這款機器人產品的背景
1. 產品布局
某公司推出五款全系列機器人產品，包括接待機器人、零售機器人、兒童陪伴機器人、AI 音箱和機械臂機器人。
其中，接待機器人又細分為兩款，不帶大屏幕和大屏幕。分別投放於政務、酒店場景和商場場景；主要功能用於接待服務，承擔了一部分前台接待員或商場導購員的角色，具備問候、引導、跟隨、搜索、自動充電等功能。
2. 運營現狀
2018 年，在上海舉辦的中國機器人產業發展高峰論壇上，中國機器人產業聯盟理事長曲道奎指出中國機器人總量已有 14.1 萬台，增速是 58.1%；而全球範圍內則達到了 38.7 萬台，增速達 31%。由此推斷，2019 年中國機器人總量將增至 22.56 萬台左右。
某公司的這五款機器人因功能不同而選擇性地投放應用在差異化場景中，據公司2020 年 Q3 財報顯示機器人總服務人次超 2 億，語音交互頻次日均超 800萬次，並有超 10000台機器人值守超2000家客戶。（數據從網路渠道獲取）
從這些基礎數據不難得出，該公司機器人在中國機器人市場佔比已達 2.3%，可見未來市場空間非常大，智能機器人服務網路系統同樣龐大；在 2B 業務實施過程中，消費者既是服務對象又是平行用戶；而 B 端是連接產品和用戶的中間載體，是跳脫不了的軸承場景，因此，運營的實質滿足雙邊用戶（B&C）的共同需求。
通過場景來覆蓋用戶，通過產品來聚集用戶，通過功能來獲取用戶，通過數據來分析用戶，通過迭代來留存用戶，通過策略來產生付費轉化、減少流失、裂變推薦；在 AARRR 模型中，足以描繪一個產品用戶的生命周期 7 個階段，從低潛、高潛、引入、成長、成熟、衰退到最後的流失。
本報告以接待機器人為體驗研究對象，從酒店、政務、商場三個場景來分析對比，通過對不同場景的業務流程進行了解和觀察，再結合用戶反饋情況，整理了一份實際的運營效果，但並非代表這款機器人的整體運營現狀。
二、運營測試體驗報告
1. 體驗信息統計
由於對機器人的投放場景明細信息掌握不全，經過確認，選擇了中關村-麗庭華苑酒店、溫泉鎮-創客小鎮、朝陽路-大悅城，三處場景進行走訪體驗；到訪期間，流動用戶數量較少，現場未發現與豹小秘交互者，整體應用性一般，交互率低，運營方案需完善，優化空間大。
2. 體驗功能描述
麗庭華苑酒店：
體驗功能：聊天區塊 | 問答區塊 | 問路區塊天氣區塊 | 接待區塊 | 語音交互。
中關村創客小鎮：
體驗功能：簽到區塊 | 問答區塊 | 跳舞區塊閑聊區塊 | 引領區塊 | 參觀路線。
朝陽大悅城：
體驗功能：搜店區塊 | 地圖區塊 | 餐飲區塊廣告區塊 | 語音區塊 | 娛樂區塊。
三、本品和競品分析
1. 產品功能解析
根據近幾天對機器人產品功能體驗以及從其他途徑了解掌握，設定滿分為 5 分，根據體驗分層研究法感依次打分。綜合得分 4.58 分。
- 戰略層（產品定位、用戶需求分析、市場數據分析）產品定位準確，根據不同場景設計差異化功能；用戶需求體現不足，還有可深挖空間；市場數據暫時無法獲取，不好評價；評分 4.6 分。
- 範圍層（基礎功能 和 特色功能）基礎功能符合場景要求，可以保證基本的用戶使用體驗；特色功能缺失。評分 4.2 分。
- 結構層（功能架構、業務流程、頁面流程）功能架構明顯，但存在非剛性需求，可優化；語音交互響應速度有延遲；屏幕頁面跳轉較流暢，觸發響應及時；評分 4.5 分。
- 框架層（重要功能和頁面分析、羅列優缺點、整改意見）主動問候與引導及搜索是豹小秘主要功能，在體驗過程中表現練良好；功能設計有明顯色塊區分；但缺點是在店鋪查找頁面未按類目細分，可優化；評分 4.6 分。
- 表現層（視覺舒適度、界面一致性、功能可見性）UI 界面風格及布局基本保持一致性，統一色為藍色，視覺體驗舒適度良好，核心功能與普通功能均直接可見，顯現度強。評分 5 分。
2. 競品動態監測
某品牌「服務類」機器人主打 3 類應用場景：餐飲、醫療、商場。
差別之處在於並非完全單純接待服務型，而是業務實操型，即「操作工」。
- 餐飲場景中承擔傳菜員角色，自動協助用戶完成點餐和送菜服務；
- 醫療場景中承擔醫生角色，實施現場人工智慧和遠程視頻問診，還可受售葯和醫保結算，幫助患者建立健康檔案；
- 商場場景中承擔撿貨員角色，往返於貨架和打包點，用戶線上超市對線上訂單的配貨。
雖然該調研公司公司機器人可身兼數職，前台/保安/保潔/停車管理員，替代一些基礎服務能力人員；但與以上對比的競品，按照替代崗位性質分析，存在隱性差別。
接待引導型機器人存在多變性，交互複雜、指令複雜、執行複雜，這些問題歸因於崗位性質彈性空間大；競品機器人按照訂單操作，有明確信息輸入，交互簡單、指令簡單、執行簡單，歸因於程序化。
四、用戶運營梳理及方法論
1. 產品運營需要深挖用戶
伴隨人工智慧行業突飛猛進與持續變革，運營方法論和數據驅動力在相當長的時間內，會成為競爭制勝核心要點。
即使在覆蓋場景多樣和快速搶佔公域流量入口的今天，拉新成本日益增高，傳統「以貨為主」的運營模式也遭遇天花板，唯有向「以人為本」、以用戶為中心的用戶輕資產運營轉型，深入洞察消費者心理，精準實現人貨場匹配，才能進一步降本增效，釋放產品及核心功能的更大潛力，在激烈的市場競爭中立於不敗之地。
2. 用戶生命周期是用戶運營的有效依據
圍繞用戶運營這一課題，本報告引入「產品生命周期」 的概念， 結合該公司用戶的行為數據， 提出「用戶生命周期」的概念， 根據用戶與機器人交互行為表現，並比對歷史交互數據。
將用戶劃分為低潛期、高潛期、 引入期、成長期、成熟期、衰退 期和流失期，針對不同時期用戶特點匹配不同的營銷策略，為機器人用戶運營人員提供抓手，以提升運營的精準度和成功率。
如圖所示, 在用戶生命周期曲線中，橫軸為用戶可能與機器人發生交互的時間序列，縱軸為用戶在交互過程中貢獻的價值。
沿著用戶生命周期曲線，我們可以把用戶分成三大階段七個時期：
- 低潛期：潛在用戶，場景內與機器人發生過交互，沒有搜索相關行為；
- 高潛期：潛在用戶，場景內與機器人發生過交互，近期開始有搜索相關行為，升值階段：（留存用戶）；
- 引入期：新用戶，近期剛與機器人發生交互行為；
- 成長期：老用戶，發生持續交互但沒有到達穩定交互頻次，趨勢是交互行為增加；
- 成熟期：老用戶，發生持續交互且達到穩定交互頻次；
- 衰退期：老用戶，發生持續交互但沒有處於穩定交互頻次，趨勢是交互較少，挽回階段：（流失用戶）；
- 流失期：老用戶，之前發生過交互行為，但近期都沒有交互；
因為無法獲得產品真實數據，我們以豹小秘產品為例，對多種場景交互數據進行模擬分析，計算用戶的流失周期和穩定復購頻次，對每個用戶進行生命周期的劃分。
不同的交互功能對應用戶所處的生命周期是一個不斷變化的動態過程，不同客戶在生命周期各個階段所處的時長也不同；而且，並非所有客戶都會經歷生命周期的每個階段。
有些用戶可能經歷非常短暫的引入期后就迅速進入成長期和成熟期，也有用戶在引入期之後就直接進入了流失期；而我們進行「用戶精細化運營」的目標，就是儘快實現客戶從獲客階段到升值階段的轉化，並儘可能長時間的把客戶留存在升值階段。
通過模擬分析機器人的10個功能交互對應用戶生命周期結構的差異，我們可以總結出基於用戶生命周期結構的用戶運營方法論。
根據潛在用戶、留存用戶和流失用戶在總用戶中的佔比，我們首先將交互功能的用戶結構分為三大類型（L、U、 E），三種構型代表了三種不同的用戶基本結構。
其中，我們選取 L 型用戶結構為案例進行分析，其他兩種類型（U&E）分析方法同理，不作過多描述。
整體用戶結構類型：L 型代表功能類別
留存用戶中處於成熟期的用戶ARPU值是成長期的2~3倍，是引入期和衰退期的3~4 倍，所以在做好潛客拉新和流失召回的同時，還需要進一步挖掘留存用戶的價值。
留存用戶都處於哪個時期？分佈如何？如何通過運營策略推動用戶保持在成熟期狀態？
為此，我們根據留存用戶在不同時期的表現，定義了四種留存用戶結構。
留存用戶結構類型：L 型代表功能類別
豹小秘功能使用用戶結構地圖及重點運營人群勾划如下：
五、假如我是產品經理
1. 明白場景業務流程，清楚用戶需求
這款機器人產品定位是接待服務型機器人，從屬於工具型產品，核心價值之一就是「好用+實用」。
在目前投放使用的 20 多個場景中，至少 20 種業務流程，實際每個場景不止一種業務，這就要求先掌握了解每個場景中包含的具體業務流程路徑。
我們以此次體驗的三處場景為例，對剛需和非剛需求細分處理。
2）酒店場景
剛性需求：房型及價格；天氣播報；約車服務；周邊交通路線；周邊生活非剛需求：娛樂（封閉型商務場合不需要，可以取消）。
2）園區場景
剛性需求：入住公司信息查詢；路線引導；周邊生活 ；上下班打卡非剛需求：娛樂（半封閉型商務場合不需要，可以取消）。
3）商場場景
剛性需求：店鋪查詢；類目細分；廣告位；周邊交通路線；卡券領取非剛需求：娛樂（半封閉型型娛樂場景，可以保留）。
2. 重塑產品設計架構
梳理清楚了不同場景的業務流程，分析了不同的用戶需求；接下來，需要延展產品的價值空間，將靶心指向 B 端，進一步探索場景中隱藏的商業化需求。
當然，目前這款機器人已有的問候、解答、跟隨等常規功能，我們不再討論。
針對不同業務場景，更應該著重考慮其商業化價值的挖掘和輸出。搭建並持續優化七大功能系統：智能互動（知識庫）、用戶屬性（位置/數量/高矮）、人體跟隨、障礙物迴避、人臉識別、語 音識別、支付結算。
我列舉了以下 3 點：
1）店鋪導流
商場以購物、娛樂、餐飲等消費為主，即平台入駐了商家店鋪，每個店鋪是流量入口， 所以首要功能，第一步機器人為商家導流；實現邏輯為採集商家銷售需求（促銷、活動、 卡券）、機器人配置文字或語音、識別用戶后自動喚醒播放和顯示、彈出商家信息、人體 跟隨或引導。
2）預警監控
根據場景差異以及實際需要，接待服務其實包含兩層概念，一是前台人員；二是保安人員。
在實現了基本的問候與答疑需求基礎上，是不是還可以賦予機器人預警功能？對內和對外。對內是自身保護，當出現被損壞和盜取行為時，自動發出警報；對外是環境監控，當出現災情或惡性事件時，起到監控巡邏的作用。
3）智慧停車
道生一，一生二，二生三，三生萬物，萬物互聯。一切以需求為開始，最快繳費是滿足了對出行時間管理的需求。
很多商場已經使用了掃碼提前繳費功能，如果從「地下搬到地上」是不是同理？除此還能附加找車功能，快速定位。實現邏輯為掃描繳費二維碼、獲取用戶聯繫方式、支付（找車）、繳費成功。
3. 領悟「機器」與「人」的差異性和共通性
自 1956 年，人工智慧概念提出后，人們相繼取得了一定的成就，隨著每一個新的十年，創新和發現改變了人們對人工智慧領域的基本知識；如果把機器做到了極致，可以主動與人完成任何交互、執行任何指令、參與各種場景中。
所以，當我們意識到機器人與人的最大差異后，如何將這些差別功能轉嫁給該款機器人，並持續不斷的優化和運營強化，這是我們要思考的課題；在目前應用場景中，用戶獲取比較困難。
業務流程，那就是人了，而不是機器人；機器人於人類最本質的區別，是「情感」 缺失，這是通過技術手段不能實現的，所有底層技術能力都是依賴於代碼、演算法、深度學習等。
將機器人賦予人的情感是對它最好的呵護與最大的信任。從而依賴於情感去發現和挖掘用戶的需求，馬斯洛需求理論中也把情感上滿足放在了第二層往上。
在生理需求、安全需求、愛和歸屬感、尊重、自我實現這五類需求中，生理需求是範圍最大最普遍的，也較容易實現和滿足。一旦和情感搭上關係，都屬於升級需求；比如人身安全（保險）、健康（醫療）、財產（金融）、友情（社交）、愛情（婚戀）、求學（知識付費），細分后非常明顯，滿足這些需求意味著大多數是服務型產業；從這點來看，機器人服務功能的可拓展性非常強，具體項在以上章節中已經詳細提到過。
在這之前，我沒有太多機會接觸機器人，雖然以前也是從事AI行業產品運營工作，但產品本質有不同，機器人的AI技術涉及面比較廣，導航、視覺、NLP等，都是複雜的技術領域；就拿語音這塊來說，還可以細分成 ASR、NLG、NLU、NLP。
從機器人聽到聲音、識別聲音、分析聲音、將聲音轉化成文本、再把文本轉換成聲音，這是一個語音交互的過程。
好了， 以後再聊更具體的部分。
解釋說明：本篇產品體驗運營報告中提到數據以及部分內容和運營方法，均來自個人經驗。有關公司和產品的數據均不是真實，且不具備使用價值。只是為了從一個普通用戶角度，來設計一份產品體驗報告。裡面的內容僅作為論據起到對本人觀點的支撐作用，並未展開完整說明，編寫者擁有對此報告的最終解釋權。