优化人机对话对引导, 促成用户满意度增长

客服小蜜是阿里巴巴旗下，淘宝的客服机器人，每天24小时不间断，为会员提供对话式服务，满足了人力不能达到的咨询需求。实现了你想问，它就在的用户期待。客服机器人首轮对话引导，进行了设计优化。设计师由前期获取用户行为数据分析, 至协同多方达成意见一致, 再到结果回收统一数据口径, 设计师深度参与, 并分担了不同角色䃼位。深刻体验了"此时此刻非我莫属"，也幸运的收获了一次全面的成长机会。

设计过程中的思考, 希望通过文章沉淀分享, 互相学习及成长。

• 为什么对话引导需要优化? 
• 引导用户对话与机器人，和传统首页引导有什么区别?
• 用户有什么差异, 痛点与机会?
• 改了些什么? 最终结果怎么样?

一、现况, 问题与机会

1. 为什么要改版? 业务目标冲突, 用户细分机会涌现。

为了用户需求的改变。设计师通过用户路径数据分析，寻找契合机会, 输出核心策略"渠道分流运营"及"首页引导框架优化", 促进增长。经多轮提案及协商后, 最终多方达成一致。

渠道分流运营

• 服务为主, 助理为次。"我的-客服小蜜", 用户诉求明确, 用户主动由“客服”入口进入，心智预期清晰。我们可以精确定位在服务问题预测，提升对话效率。
• 助理为主, 服务为次
。"消息盒子
-我的小蜜", 用户流量大，但有效率低。用户大多数由推送引导进入，我们可以通过个性化技能预测, 引发用户潛在需求，促进用户规模增长。

当时的情况：大量新的助理技能涌现, 而框架无法有效呈现用户。

2. 引导用户对话与机器人，和传统首页引导有什么区别? 黑盒子的不确定性

小蜜机器人的首页内容，由算法概率因子及工程逻辑，进行决策判断最终用户看到的内容。用户由淘宝不同的"入口"进入, 经过"身份", "订单状态", "平台资源", "平台活动阶段" 等众多因子共同影响下, 最终组合成千人千面的个性化首页组合。设计师进行框架设计时，需要同时符合业务目标与用户需求外, 还要考虑技术可行性, 黑盒子的不确定性及业务运营可持续扩充性。

• 机器人首页: 多因子共同决策组合, 需要考虑黑盒子的不确定性与人工运营的配合。
• 传统首页: 较为固定的内容呈现, 变量较稳定。
• 
  

黑盒子与人工作用下，我们不确定用户的首页，最终组合成多少行或者列的卡片，以及内容。按对话状态区分，有"关怀追问", "进度汇报", "主动对话", 等对话能力。按身份分类, 可以呈现"客服", "助理", "新会员", "88VIP"等。梳理这个黑盒子的可能性，也曾经成为我们困惑和争议的一部分，因为我们设计范围充满不确定性。

3. 用户有什么差异, 痛点与机会? 数据分析，明确用户特征。

小蜜机器人用户路径主要在"我的-客服小蜜"及"消息盒子
-我的小蜜"进入。用户的心智预期与痛点, 遂不同入口有不同情况。例如"订单详情"进入会期待精确定位快速解决, "客服小蜜"进来会期待咨询较广泛的服务问题, "消息盒子
-我的小蜜"进入可能是收到机器人的主动对话，目的相对不明确。

深入数据进行分析，按路径与意图区分, 我们制定了相应的策略, 提升个性化服务的能力与机会。

二、协同多方利益, 促进方向一致, 落实设计策略

1. 获取论证: MVP(最小化可行方案), 快速验证假设与收益

利用最小的资源论证设计观点, 用数据获取合作方的信任。我们策略基于把用户的自由输入转移至引导点击, 降低提问门槛, 促进满意度增长。前期我们协同业务，利用原有配置能力进行快速实验, 实验结果显示，点击获取答案比大盘满意度高。因此我们展开正式的改版提案。

2. 达成方向一致: 分析渠道用户诉求, 明确多方立场与诉求

项目并不是只有单方利益, 组织里各方立场和视角不同产生意见冲突，设计师在当中需要理解各方真实诉求，寻找能达成共识的契合点。通过分析及多轮沟通, 最终我们明确了“客服”主场景为"客服小蜜", 助理能力为目标不明确但规模量大的"我的小蜜"。

3. 细化设计策略: 优化信息布局, 提升信息传达效率

当关键意见领袖在方向上达成一致，设计师的工作还只是刚刚开始。落实交互与视觉等的细节处理，也是影响项目是否成功的关键要素。

通过视觉层, 内容层及交互层, 优化信息布局, 提升有效率

• 降低用户视觉运动的跳跃, 引导用户流畅的视觉流，分配用户有限的注意力资源。
• 顺畅的按照内相关度提供信息优先级, 为用户的效率提供价值。
• 近手指物理便捷的颗粒度意图布局在下方, 为点击行为降低任务难度。
• 
  

通过可扩充框架, 持续有效引导用户, 促进价值稳定获取

在内容层我们要考虑后续可扩充性, 因此我们进一步细化信息布局的原则与目的。设计师的角色能够把用户的注意力，眼球运动，手指移动，这些用户有限资源，高效分配到信息，算力和人工运营的最优化配合。

卡片的优先级与业务，及技术达成一致, 并符合用户诉求

信息框架的定义，为后续个性化的对话卡片，提供更有效的信息分级。细化每个对话卡片，行与列的分层模块与组合形态，完善人工与算法诉求。

通过用户行为数据, 发现业务增量机会, 并优化对话效率

除了优化现有问题, 设计师还主动寻找新机会。通过数据分析，发现用户在自由输入区行为话跃, 因此我们预测用户在首屏对话后, 需要更多对话便捷性潜在诉求, 并最终获取显著的增量，贡献至业务增长机会。

三、目标, 期待与结果

最终的结果怎么样? 关键指标显著增长

通过首页优化, 增加对话点击引导,  用户提问门槛下降, 更容易找到答案, 促成关键指标显著增长。

客服小蜜：用户诉求明确, 提升技能点击引导, 满意度显著增长

关键指标: 1. 满意度显著增长; 2. 解决率显著增长; 3. 点击率显著增长;

我的小蜜：用户量大, 但诉求不明确。通过首页引导, 满意度显著增长, 解决率显著增长

助理域技能获取新曝光机会，促进了孵化创新业务的机会。

四、写在最后

不只设计：合理补位, 积极推进。

为了仕命必达，”此时此刻，非我莫属“。由于智能项目团队角色较为复杂，智能业务与业务运营, 在目标、抓手与指标会经常出现不一致情况, 甚至出现矛盾。设计师在项目中，承担了大量项目管理, 协商及推进的角色。消息盒子我的小蜜改版中，甚至出现业务不关注是否改版, 产品延期改版情况, 但最终经设计师多次协商后，才成功推进上线, 并获取明显收益。

数据分析：深入数据, 回收结果。

信任建基于数据事实，成本高也不能放手。由于当时有两方业务, 因此各自有自已的观点与考核视角。设计师由数据开始，提供了相对客观和明确的事实依据, 也是多次冲突中的关键助推力。而回收结果，由于业务方不以用户视角，区分行为数据口径, 引致结果回收花费大量精力, 短期内或无法解决。我们只能注意项目规划时，多预留时间回收结果及小心口径问题。 

人机对话：降低门槛，提升意愿。

提问是有难度的，对话意愿是需要创造的。即使是人与人的对话，大量的背景信息，共同的语言与文化，才能促成一段有效对话。不同的动机，如性别，身份，权力关系，才能驱动人们克服困难，进行对话。而人和机器对话我们相对历史长河，还只是在刚刚开始的节点上。人会利用画画，图片，视频，等形态辅助对话，利用表情去表达不同的含义，这些都是我们需要学习与转化的「类人」对话能力。

期待更多精彩的人机对话，发生在我们美好的未来。

Powered by Froala Editor