起點課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標(biāo)識轉(zhuǎn)變設(shè)計思維，智能化語境下的語音交互
擁抱變化，智能化時代來臨，越來越多的技術(shù)完成了突破。其中語音交互作為一種新型模式，不僅帶來了嶄新的商業(yè)藍(lán)海，也給設(shè)計師帶來了新的設(shè)計考驗。本篇文章簡要講解：語音交互設(shè)計的基本要點。
2018年8月，美國Gartner研究機構(gòu)發(fā)布了技術(shù)5大趨勢，可以看出『AI機器時代』已經(jīng)來臨。
在AI大分類下包括：AI平臺即服務(wù)（PaaS）、強人工智能、自動駕駛、自動移動機器人、對話式AI平臺、深度神經(jīng)網(wǎng)絡(luò)、飛行自動駕駛汽車、智能機器人和虛擬助手。
以上基本都涉及語音交互特性。
參考資料：5 Trends Emerge in the Gartner Hype Cycle for Emerging Technologies, 2018
正是因為技術(shù)突破的契機，越來越多產(chǎn)品開始使用語音交互方式來觸達用戶，用戶的行為也已經(jīng)慢慢發(fā)生改變。
對于設(shè)計師而言：我們需要轉(zhuǎn)變設(shè)計思維，重新定義語音交互的設(shè)計要點與框架，來讓語音交互這種新型的模式為用戶創(chuàng)造更高的價值。
一、語音交互設(shè)計要點
- 從自然語言入手。
- 定義用戶使用心智。
- 為用戶推薦清晰簡潔的選項。
- 擁有容錯的能力。
- 跟隨用戶生命周期而成長。
- 測試語音對話的合理性。
1. 從自然語言入手
語音交互設(shè)計不同于界面交互設(shè)計，一開始的構(gòu)思往往難以下手。
但是可以肯定的是：任何好的設(shè)計都源于用戶最簡單的操作流，而語音交互設(shè)計中最簡單的操作流就是自然語言。
當(dāng)你構(gòu)思出一個適合語音交互的場景時，迅速將他用第一人稱的口吻問出來，并且假想對方（機器）如何回答，然后依次將來回對話的樣本都進行朗讀與記錄。
在此期間進行“聆聽”，發(fā)現(xiàn)調(diào)整其中不自然的部分，進行修改完善以達到真正的自然語言邏輯。
圖標(biāo)來自iconfont
2. 定義用戶使用心智 No Easy Anything To Anything
在任何設(shè)計層面上，體驗設(shè)計師需要時刻謹(jǐn)記的原則是進行體驗預(yù)期管理——即結(jié)合產(chǎn)品的技術(shù)限制，在商業(yè)場景下找到可行性方案，并且讓用戶提前感知到機器能力范疇。
像各大科幻電影，乃至各大廠的語音類產(chǎn)品宣傳片所展示的那樣：語音助理給人的印象就是無所不能的AI。
而當(dāng)真正使用時，過高的無限制體驗預(yù)期在現(xiàn)在的語音產(chǎn)品中，往往會造成很多操作錯誤，這樣所帶來的產(chǎn)品體驗就是失敗的。
所以，我們需要在一開始就告訴用戶：我們的語音類產(chǎn)品能做什么？這樣可以培養(yǎng)出更加符合實際情況的用戶使用心智。
在開始使用時歡迎動畫、引導(dǎo)語、新手向?qū)?/strong>等都是設(shè)計師需要合理運用的媒介，在使用過程中也需要時刻注意避免用戶變成Anything To Anything的使用心智，通過場景上的任務(wù)導(dǎo)向和內(nèi)容導(dǎo)向將用戶進行任務(wù)分類，從而保證期望符合產(chǎn)品設(shè)計。
汽車之家的智能助理語音交互引導(dǎo)設(shè)計
3. 為用戶推薦清晰簡潔的選項
在語音交互場景下，機器很難知道：用戶真正想表達什么？
設(shè)計師在設(shè)想交互原型時，需要不斷模擬真實的對話，將里面所有可能的結(jié)果總結(jié)起來，整理成列表選項。之后在真實的產(chǎn)品中，與用戶對話時展示這些選項，通過逐漸縮小范圍來確定用戶的真正需求，提高語意識別度。
淘寶的客服小蜜為用戶提供更多的相關(guān)選項
4. 擁有容錯的能力
即便隨著語音識別能力的越來越強，還是存在識別錯誤的可能性，尤其是針對帶有方言口語的人或者語音障礙的人。
在我經(jīng)歷過的項目中，有一個對話場景提到：“幫我查一下金蝶的相關(guān)資訊”，當(dāng)我們對這個語音交互進行測試的時候，發(fā)現(xiàn)系統(tǒng)一直把“金蝶”識別成“經(jīng)典”，所以我們?yōu)榱私鉀Q這個辦法就在樣本中加入了“經(jīng)典”。
由此可以看出：設(shè)計迭代與測試非常重要，從其中而來的錯誤案例可以使我們的產(chǎn)品更加智能。
當(dāng)我們不能百分百的將識別容錯的問題解決的時候，錯誤時的反饋導(dǎo)引也異常重要，可以幫助用戶需求到幫助，延續(xù)操作流。
5. 跟隨用戶生命周期而成長
在新產(chǎn)品或新功能的使用上，用戶的生命周期往往可以總結(jié)為由新手用戶向?qū)＜矣脩舻霓D(zhuǎn)變過程。
對于語音交互，由于與傳統(tǒng)界面式交互的差異較大，初期需要對用戶進行依次引導(dǎo)與反饋，交互操作流偏向于完整且流程化。
當(dāng)用戶逐漸轉(zhuǎn)變?yōu)閷＜矣脩艉?，我們可以拋開操作流中許多為新手用戶設(shè)計的繁瑣過渡元素，轉(zhuǎn)變成為專家用戶而準(zhǔn)備的高效對話模式。
此時的策略可以是：內(nèi)置兩套對話模式，或者隨著時間與交互頻率的進行而慢慢轉(zhuǎn)變對話方式。
機器需要跟隨用戶生命周期而成長，同時也可以引領(lǐng)用戶成長。
用戶：播放音樂。
智能音箱：你想要聽什么音樂呢？
用戶：Soaring。
智能音箱：正在為你播放Soaring，下次你可以直接和我說：“播放Soaring。”。
6. Wizard of Oz?Testing?綠野仙蹤實驗測試語音對話的合理性
在語音體驗設(shè)計上，盡早驗證設(shè)計方案，才能使之更加貼近用戶真實行為。
設(shè)計師并不希望自己的產(chǎn)品在和用戶對話時讓其感到厭煩，所以，我們需要研究高效的語音設(shè)計驗證方法。
在這里我們引入綠野仙蹤測試——它是一種實驗心理學(xué)實驗方法，測試人員模擬計算機應(yīng)用程序來與用戶進行通訊交互，這個時候用戶會覺得自己在與真正的機器對話而表現(xiàn)出最真實的行為反饋。
這種方法會讓原型測試變得更加真實與充滿樂趣。
亞馬遜基于該方法做語音交互驗證實驗，利用Amazon Echo將幕后的測試人員實時，輸入的話術(shù)轉(zhuǎn)化為機器語音，通過機器語音與用戶進行測試交流，此時用戶會認(rèn)為自己正在與真正的機器對話。
在測試中收集用戶的真實聲音，哪怕其中的關(guān)鍵因子是重復(fù)的，也需要納入機器樣本庫，這樣我們的機器就可以從容面對各種各樣的用戶話術(shù)并做出正確且友好的應(yīng)答。
二、總結(jié)
不管是傳統(tǒng)的界面設(shè)計、新零售模式下的服務(wù)設(shè)計，還是未來的語音交互設(shè)計等，越來越多新型的交互模型將會被提出。
設(shè)計師需要不斷轉(zhuǎn)變自己的設(shè)計思維，提前做好準(zhǔn)備，迎接智能時代的設(shè)計挑戰(zhàn)。
本文由 @小偉同學(xué) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載
題圖來自Unsplash，基于CC0協(xié)議
- 目前還沒評論，等你發(fā)揮！
