科技猎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