GUI与对话交互交叉背景下,如何做好对话交互的
作为2019年第一篇产出,本文着重探讨在GUI与对话交互交叉背景下,关于如何做好对话交互的一些总结与思考。
百度DuerOS有一段关于对话式人工智能系统的描述”赋予万物与人对话的能力”,现在来看这样的场景其实就在我们眼前,常见的电商客服、生活管家、金融投顾、智能车载等。
对话交互不同于图形交互(GUI),图形交互的主体特别鲜明,人作为一种主体,从图形中寻找规律、提取信息、对信息进行加工最后做出决策。
如登入,而对话交互中是以物为主体,物会把最后的决策信息告诉给你,对于”3+2=5″,你只要关注”5″这个信息即可,而无需了解”3+2″的过程。
一、对话交互的体验目标
1. 便捷
诺曼的行动理论将人的行动分为7个阶段,其中有4个阶段属于执行层面,分别是:萌发目标->生成计划->确认方案->具体执行。
比如周末在家睡到下午两点,肚子很饿,于是萌发了想吃饭的目标;吃饭有很多种方式,如自己买菜烧、出去吃、点外卖等计划;但由于外面很冷,不想动,于是确认点外卖这个方案;最终拿起手机打开饿了没,点了一份泡椒牛蛙。
而对话交互的出现彻底颠覆了上述场景,具体到行动层面,用户可以用最短路径、最懒的方式完成目标。
周末在家一觉睡到下午两点,本能地告诉机器人助手,现在好饿;机器人助手知道你此时的内在感受以及外部的客观环境,帮你选了一个最合适的意图,你是刚起床吗?要不来一份你平时最喜欢的泡椒牛蛙?
最终,我们的行动不再是个人的执行,而是一种人机协作——人变得更懒,只需萌发目标以及确认方案即可;而机器变得更加积极,帮你缩短生成计划以及具体执行过程中的了大量的路径。
2. 自然
腾讯一贯强调用户界面一定要Don’t make me think。这句话的潜台词其实就是用户界面很容易让人思考,所以作为设计师的挑战,要想方设法让我们的界面变得更不让人思考。
从设计活动中不难发现,用户界面必定会让人思考。因为基于设计师概念模型的界面生产与用户心理模型的解释之间必定会存在损耗。
对话交互的出现,使得语言成为设计师与用户之间的系统媒介,这种媒介不像界面,它几乎不存在损耗,是人与人之间最自然的交互方式。
然而实践过程当中,我们依然容易受之前模式的影响,输出的行动序列以及序列语言令用户不知所云。
3. 移情
周末,一觉睡到下午两点,对机器人说饿了,机器人对你说是不是刚睡醒,想吃泡椒牛蛙(你平时最喜欢吃的)吗?上诉对话中你还会觉得它是个机器程序吗?你可能会把她想象成最贴心的秘书/朋友/亲人。
这就是移情,把我们的生命和情趣注入到对象中,使对象显示出情感色彩的现象。
二、语音交互的设计要点
1. 意图Plan
意图不等同于目标(Be-goals),意图其实属于目标下的行动序列(Do-goals)。饿了要吃饭是我们的Be-goals,找手机->解锁->打开饿了么->找想吃的->下单->等待是饿了要吃饭下的Do-goals,也是用户在该场景下的意图。
如图所示是解套场景下的意图,了解用户持仓状态,是否被套->哪只股票被套住了->多少成本买的->仓位情况如何,重仓还是轻仓。
用户受需求刺激产生目标,以用户目标为基础创建机器人(Bot)的技能(Skill),如帮助用户解套股票,再规划技能的意图,满足用户体验。
2. 槽位
机器如何识别用户的意图,靠的就是槽位,比如想知道用户哪只股票被套了这个意图中,股票简称和代码就是一个槽位,只有该槽位被填充,即知道用户哪只股票被套,才会触发该意图下的规则。
周末一觉睡到下午两点,你对机器人说饿了,机器人依靠槽位组合分析出你的意图是点外卖而且还有可能是你最喜欢的泡椒牛蛙。这样的槽位组合到底是什么?
知道用户是谁的画像槽组,在上诉场景中,通过作息槽组知道你平时的睡觉习惯,周末喜欢睡懒觉;通过餐饮槽知道你没隔一个月都会消费一次泡椒牛蛙,而且最近几次都没有吃过泡椒牛蛙。
知道当时场景的语境槽组,睡眠槽组知道你此刻是刚起床,一般不太想动;通过天气槽知道外面比较冷,不宜出门。
3. 话术
如何构建出无损耗的自然话术,而不是冷冰冰的查数式的回答?需要为机器人设定人格,超能陆战队中的大白的人格是“守护性暖男”,对应话术非常暖心:
“如果你生气了,就欺负我好了,反正我那么喜欢你!”
“相信我,就算有一天,我们不小心走散,我也会回来找你的!”
“为了你,我什么都会去做。只是有时候我笨手笨脚的,能不能不要怪我呢。”
“大白说:我长成这样是为了让人看起来更想拥抱、我不是胖嘟嘟,只是气很足。”
“我们有时并不想成为英雄,只是生活有时候超出我们的想象。”
“因为爱你,所以对你的朋友好,但是我对你最好、我知道你嫌我胖,可这样不是也蛮可爱的嘛。不信,你来戳戳咯。”
“如果我现在有任何的超能力我希望那是能够穿过电话给你个大大的拥抱的能力。”
话术配完就相当于原型稿画完了,还得对配完的话术进行人格化修饰。
修饰方式有两种:
一种是一条条顺,缺点是协同性差,配话术人的差异会影响最终话术的共同人格感知。
另一种则是建立语意网络的话术维度模版,所有人基于机器人人格共同维护、更新这份模版,具体使用过程中机器人会依据数据类型选取语意网络中高关联度的节点作为话术纬度,输出最终修饰话术。
4. 对话管理
生活中的对话也很少是直接查数式问答,也不是单个话题,而是在不同话题间转化。因此在设计对话过程中要有清晰的结构,从刚开始围绕某一话题展开,对意图进行主动输出“要不来一份你平时最喜欢的泡椒牛蛙”到最后主动结束话题“有啥事,再叫我哟~”吸引用户下一次再来交互。
整个过程中,用户很可能由现有路径跳转到其他话题“外面冷吗”,这时候就需要对话枢纽把用户拉回话题“外面蛮冷的,还是我帮你点份泡椒牛蛙吧”,完成一个完整的对话流程。
三、总结
首先通过渗透更多的画像槽组和语境槽组让机器变得更加积极,给用户提供便捷体验。
其次以用户目标为基础,结合实际业务场景规划设计技能意图,并且在对话结构内编辑对话,有始有终,当跳转至其他话题时,还能通过话题枢纽拉回来,给用户创造自然体验。
最后为机器人设定人格,并以此建立语意网络的话术模版,所有人共同维护、更新这份模版,给用户带来移情体验。
#专栏作家#
UE小牛犊,微信公共号:交互实验狮,人人都是产品经理专栏作家。关注产品思考、用户体验分析、交互研究,致力于UX方法论的探索和实践。
本文原创发布于人人都是产品经理。未经许可,禁止转载
题图来自 Unsplash,基于 CC0 协议
时间:2019-02-09 14:28 来源: 转发量:次
声明:本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。
相关文章:
相关推荐:
网友评论: