每人每天仅限5票,快给你心仪的作品鼓励的一票。
投票最近在学习VUI的相关知识,下面和大家分享一下VUI设计入门必须掌握的工作流程。
最近在学习VUI的相关知识,我发现了一个问题,即使我了解了VUI的发展史、设计原则、工作职责,但是VUI到底是做什么工作的呢,仍然不太清晰。
刚好最近公司也想在产品中加入智能对话功能,于是我想借此机会在深入的进行了解。通过几周的学习,目前对VUI有了初步的认知,因此通过查找资料,加上自身的理解,我整理了一套VUI设计流程,并结合实际案例进行分析,如有理解有误的地方,请各位指正。
VUI设计流程主要分为四个阶段,即需求分析阶段、设计阶段、场景数据收集、持续优化阶段。
一、需求分析阶段
需求分析阶段主要有五步,挖掘需求,了解产品背景;了解目标用户,确定机器人定位;了解使用场景,确定载体设备;梳理产品功能,确定场景边界;明确目标,确定任务类型。
1、挖掘需求,了解产品背景
不管你是VUI设计师还是GUI设计师,在设计前都需要先了解产品背景,清楚产品要做什么,想要解决什么问题,避免出现流行跟风的现象,以4S店汽车销售机器人为例:
如何了解产品背景呢?我们可以从业务诉求和用户诉求两个方面来分析,想一想我们为什么要加入汽车销售机器人。
业务诉求:由于很多店销售人员不足,加上销售员工素质差异,要做到照顾到每个人很难,同时一些销售员工看人接待也让顾客体验不好,因此希望通过对话机器人减少人工成本、提高用户智能化体验、提升品牌好感度。
用户诉求:销售人工给你介绍的车型大多都是他们提成较高的,未站在顾客的角度推荐,同时还存在看菜接待的情况,另外当我只是想去了解车型时并不需要销售员工介绍,这时候如果有智能对话机器人接待挺不错的。
2、了解目标用户,确定机器人定位
当了解产品背景后,我们还需要了解目标人群,这样才知道应该给用户提供怎样的服务。在分析时我们可以利用用户画像了解用户。具体可以从人群年龄、性别、职业、兴趣爱好、收入、文化水平等方面进行分析,确定机器人的定位,以及帮助确定功能的细节设计,以4S店汽车销售机器人为例。
4S店的目标人群大多是22~50岁年龄段的人,男性居多,职业和兴趣爱好都比较广泛,同时职业可能是公司白领、企业高管、普通工人等。
因此在机器人定位时最好是声音甜美的女性销售顾问的身份,另外在给用户讲解时,我们可以根据其身份进行针对性的介绍服务,比如女性用户更关注外观,技术人员更关注车的参数,企业高管更关注的车的品牌。
3、了解使用场景,确定载体设备
智能语音助手的设备多种多样,有智能音响、智能机器人、智能手表、车载设备等,那么我们的产品适合什么设备呢,我们需要根据使用场景进行分析,以4S店汽车销售机器人为例。
使用场景:4S店汽车展厅
在产品背景的分析中,我们提到为了减少人工成本、提高用户智能化体验、提升品牌好感度,同时避免顾客进入没人照顾的情况,因此这时候我们的设备最好能像人和人交流一样,直接呼叫他即可,因此在公共场合我们最好选择智能机器人。
4、梳理产品功能,确定场景边界
了解产品背景后,我们就需要进一步明确产品需要做哪些功能,从而避免照搬竞品,做出一个和竞品一样的功能,没有自身的特色,因此这一步我们需要确定产品场景边界,明确哪些功能必须做,哪些功能不可以做,哪些功能可以后期做,下面以4S店汽车销售机器人为例。
上面我通过脑图梳理了汽车销售助理常见的功能,下面我们就需要根据脑图梳理出,哪些必须做、不可以做、可后期做的功能明确场景边界。
可以做:
接入简单的问候/答谢作为过场
车辆介绍、订购、入库、出货、退货、查询业务
购车中常见问题解答
可后期做:
拓展服务:4S店分布、城市导览、新闻播报、音乐播放
不可以做:
纯闲聊
5、明确目标,确定任务类型
机器人和小孩一样,刚开始什么都不会说,需要我们一句一句的教,我们需要将我们说的话转化为机器人可识别的内容,这里就需要给任务进行分类,将内容参数化,转换成机器人可识别的语言,任务类型一般分为三种:任务型、问答型、闲聊型。
任务型:有任务目标,需要把请求参数化
比如:帮我找一台宝马40万以内的车
意图:查询
词槽:品牌=宝马,价格范围=40万以内
问答型:有任务目标,不需要把请求参数化
比如:我想分期付款,请问如何操作?
闲聊型:没有任务目标
比如:今天好热——是啊,好热。
了解了任务类型后,我就将之前梳理的功能进行分类,以4S店汽车销售机器人为例。
二、设计阶段
VUI设计师的工作内容和GUI有所区别,UI是图形用户界面,VUI是语音用户界面,其主要工作职责是描述系统与用户之间的交互行为,撰写对话脚本,并提供给工程师搭建对话系统。
简单来说就是设计自然话术,以及整个业务操作流程,让工程师能够知道哪些功能优先做,什么情况该说什么,当遇到异常情况如何处理等,下面分从4个方面来说。
1、业务功能定义
在需求分析阶段我们确定了场景边界、确认了任务类型。在设计阶段,我们需要确定功能的优先级,这样我们才能够知道哪个功能重要性高,优先完成哪个功能,这里可以根据场景边界中的可以做、不可以做进行优先级的排序,同时将功能属性细化,以4S店汽车销售机器人为例。
1)确定功能优先级
在汽车销售流程中,订购流程是核心功能流程,因此其排序最高,其次是购车中常见问题的解答,都是必须完成的流程,而对于查询附近的4S店、新闻播报、城市导览、音乐播放、简单的问候/答谢等功能可以待前两个流程完成后在做。
2)将功能属性细化
将功能属性细化,可以帮助我们后面将各属性参数化,以订购流程为例,在细化时,我们可以整理出订购必须做的内容,另外,要完成订购还需要你的个人信息、账户信息、订单状态等,都需要全部梳理出来。
2、撰写故事线
当功能需求梳理完成后,就需要针对对话流程进行设计了,在设计时不要刻板的一问一答,我们需要模拟自然对话的流程,同时需要考虑人机对话过程中将遇到的多种情况。根据业务类型,我们主要考虑任务型故事线、问答型故事线。
1)任务型故事线
在撰写任务型故事线时,我们先根据正常对话流程,写一个完整的对话流程,像编写电影剧本一样,以4S店汽车销售机器人为例:
以上完整的故事线我们称为“愉悦路径”,完成了常规流程的设计,我们还需要在此基础上增加其他场景,或异常情况的处理。
比如客户突然又想订购其他的车型,这时候就需要机器人像真人一样理解需求,并根据新的需求进行对话。
最后当对话流程写完之后,最好利用口语化的表达,大声的朗读,检查对话是否自然,是否符合目标用户。
2)问答型故事线
完成任务型的对话逻辑梳理后,我们还需要将销售流程中常见的问题罗列出来,整理成文档。
在梳理时我们可以根据业务流程整理出用户可能会提到的问题,比如汽车的配置、保养、油耗、上牌、贷款、提车、改装、售后等问题。然后根据这些分类在写具体问题,以及答案。
3、提取对话流程
撰写完故事线后,我们需要根据故事线提取对话流程,也就是功能流程图。功能流程一般描述的是完整的业务流程,没有数据的概念,其主要利于思路的梳理,以汽车机器人订购流程为例,我分别将愉悦路径的故事线和异常路径的故事线提取了对话流程。
当然到这里并没有完,为了让整个业务流程清晰,这里我们还需要将功能流程图细化成业务流程图,也就是“泳道图”,泳道图需要做的就是业务流程描述,它可以清晰的看到角色之间、前台与后台、模块和模块之间的流程关系,适合讲解流程,方便工程师快速搭建对话系统。
4、定义对话意图
流程图梳理完之后就到了定义对话意图的阶段,我们需要将梳理出的功能定义意图,转换成机器人能够识别的内容,以4S店汽车销售机器人的订购流程为例:
订购功能就需要转换成订车意图BOOK_CAR,其关键信息可定义为实现订购意图的词槽,添加词槽我分别定义了品牌、车系、车型、付款方案的词槽名进行举例。
三、场景数据收集阶段
为了让我们的对话机器人能和人进行自然对话,我们需要收集更多真实的场景数据来丰富机器人的知识库,因此在收集时我们需要知道收集哪些内容、以及通过什么渠道进行收集。
1、需要收集的内容
在内容收集时,我们需要根据任务类型来进行,针对任务型对话我们需要收集真实场景下的对话样本、词典词槽,针对问答型对话需要根据之前归纳的分类,收集对应的问题和答案。
1)收集对话样本
主要是在真实环境下,收集相同意图不同人的问法。然后将这些对话样本导入到系统中,给机器人做示范,教他如何理解对话意图,知道哪些词是重要信息,对应的词槽是什么,以4S店汽车销售机器人为例:
通过对话样本告诉机器"我想买一辆30万以内的奔驰车"和“帮我选一台20万以内的宝马车”都是选车的意图,其中“30万”和“20万”都是价格的词槽,“奔驰车”和“宝马车”都是品牌的词槽。这样训练多了,机器人对话就越来越自然了。
2)收集词典词槽
词典词槽主要指为了完成某个意图所需要提供的关键信息,以4S店汽车销售机器人的选车为例:
比如“我想买一台30万以内的车”,其中“一台”是数量词槽、“30万”是价格词槽、“车”是品牌词槽。然后将系统中所有意图进行整理并收集对应的词槽。在收集时,我们需要根据词槽,整理出3-5条实际的对话样本案例,让系统识别准确率更高。
3)收集问答对
问答对相对比较简单,我们可以根据问答型故事线中整理出的分类,尽可能全的去收集真实场景下用户会问那些问题,系统又该如何回答,以4S店汽车销售机器人为例:
在收集问答对时,我们可根据汽车的配置、保养、油耗、上牌、贷款、提车、改装、售后等,将问题和答案进行整理,这里一个问题最好能整理出多种问法。
2、通过什么渠道进行收集?
上面我整理了真实场景下三大需要收集的内容:对话样本、词典词槽、问答对,那么这些真实场景的数据该如何去收集呢?我们可根据网站数据、客户中心数据、用户调研来收集。
1)网站数据
如果你的产品原来就有网站、APP,那么数据收集起来就相当容易了,我们可以根据用户平时的反馈情况、常见问题解答、系统日志、消息记录等进行收集。
2)客服中心数据
如果你的产品有客服服务,那么这部分数据收集起来可以帮我们大忙,因为不管客户是通过文字咨询客服,还是通过电话咨询,这些数据已经是自然对话的内容了,能帮助我们了解客户在操作中真实面临的问题,以4S店汽车销售为例:
当你去咨询时,一般他们都有销售的模板话术、实际场景的销售对话案例、售后客服、网络客服等,这些数据都是一份不错的资源,都可以收集起来。
3)用户调研
如果你的产品是初创的,没有以上现成的数据,我们可以通过用户调研,人工模拟对话过程进行收集,这部分数据一定程度上可以代表真实用户的想法。
在收集时我们最好模拟人和机器人真实的对话流程,这里我们可以直接通过发送消息的形式,获得对话内容,在开始前,我们只需要告诉用户测试目标,同时和他说他是在和机器对话(实际是你),让对话尽可能的真实。
那么如何进行用户调研呢?用户调研可以分为两个阶段前期调研和后期调研,下面一起来看看。
前期调研
前期调研数据不用过多,只需要3~6个建立初始数据即可,我们可以根据需求分析制定的用户画像,寻找满足类似条件的人,并记录他们整个对话内容,以4S店汽车销售的用户画像为例:
我分别列了三个代表型人物,我们可以根据这些人物特点寻找对应的调研对象,每组找2个适合的人即可,由于每个的职业、文化水平、期望值不同,因此沟通内容也不同,需要我们将其一一记录下来。
后期调研
当系统有一定的数据后,我们可以利用对话工具来进行数据收集,这时候我们可以邀请100到200个不同人群、职业、年龄、性别等人来进行测试,这样我们可以收集到更真实的数据。这里我们可以利用百度UNIT搭建一个对话系统,快速收集数据。
最后大家需要注意虽然以上的数据能够提供给我们帮助,但是这些只是开始,在真实场景中可能会遇到更多的问题,你会发现之前的数据已经不能满足,这时候就需要我们持续进行优化对话样本、词典词槽、问答对等。
四、持续优化阶段
场景数据收集完后就该交给工程师搭建对话系统了,当系统搭建完成我们的工作并没有完,还需要继续优化,我们可以通过系统日志分析,发现系统中未识别或识别错误的意图,以及分析已识别的意图是否是核心需求。
1、优化未识别的意图
当你在检查日志时发现未识别的意图时,你需要进一步确定该意图系统是否已定义了。
1)如果系统未定义意图,同时其是核心功能,优先级高,那么我们就需要从新定义意图、制作对话样本,如果优先级低我们可放到后面再优化。
2)如果系统已经定义了,那么就需要我们检查看看在设置中是否有遗漏,比如有没有对应的对话模板,对话模板写得对不对。
2、优化识别错误的意图
在日志分析时,如果发现识别错误的意图时,我们可以通过检查找出错误意图,并进行修改。另外,我们还可根据用户反馈发现识别错误的意图,并进行修改。
3、优化已识别的意图
在日志分析时,针对已识别的意图,我们还需要判断他在对话中的占比,进一步分析该意图是否对应用户的核心需求,是否需要调整。
4、合理使用知识闭环推动效果优化
持续优化的阶段需要整个团队来进行,下面可以参考百度UINT提供的优化流程图。
VUI设计师/对话训练师优化对话样本、词典词槽;开发者需要测试对话、效果评估、应用对话模板/样本,技能训练,生效到沙盒环境;用户需要发布到生产环境、交互学习、生成对话日志。然后VUI又根据日志优化未识别、识别错误、已识别的意图,持续两个数据闭环的优化就可以让技能模型更智能了。
画重点
本篇和大家梳理了VUI设计师的工作流程中的需求分析阶段、设计阶段、场景数据阶段和持续优化阶段,知识点分别有:
1、需求分析阶段:和UI设计的工作流程类似,都需要挖掘需求,了解产品背景、目标用户、使用场景,明确场景边界,知道哪些功能功能可以做,哪些功能不可以做,哪些功能后期做;最后将功能按照任务类型归类。
2、设计阶段:和UI不同的是,VUI的设计阶段主要是对话流程的设计,因此其更需要的交互设计能力。
3、场景数据阶段:VUI设计师完成需求分析、对话设计之后,还需要进行场景数据的收集,比如收集对话样本、词典词槽,问答对等,让人机对话更真实自然。
4、持续优化阶段:优化阶段和UI类似,UI设计产品上线之后需要进行界面的验收;VUI也需要进行验收,主要从四个方面进行优化:未识别的意图、识别错误的意图、已识别的意图、合理使用知识闭环推动效果优化。
参考引文:
https://ai.baidu.com/unit/home百度大脑UNIT
https://ai.baidu.com/docs#/UNIT-v2-sample/top 实用范例
《语音用户界面设计》[美]Cathy Pearl著 王一行译
原文链接: http://c7.gg/fCLj8
每人每天仅限5票,快给你心仪的作品鼓励的一票。
投票
发表评论