如何优化人机对话对引导,促成用户满意度增长?
2019年上半年,客服机器人首轮对话引导,进行了设计优化,用户满意度显著增长。而在这个设计过程中,也收获了一次全面成长。本文希望通过文章沉淀分享,互相学习成长。
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。
2019年上半年, 客服机器人首轮对话引导,进行了设计优化,用户满意度显著增长。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
2019上半年,客服机器人目标有两个:“用户满意度增长”与助理机器人“孵化新用户规模增长”, 落地过程中发现冲突与矛盾。
为了不同的利益相关方发展,及用户需求有效承接。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”, 促进满意度及用户规模双目标增长。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。
- 近手指物理距离,操作便捷性高,粗颗粒度意图的布局在下方,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:
- 满意度显著增长;
- 解决率显著增长;
- 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。
本文由 @周銘漢 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