手勢交互、觸控交互和語音交互是當下主要的3種交互方式，本文筆者結(jié)合可用性評估指標和自己調(diào)研使用中的發(fā)現(xiàn)，從6個角度對這3種交互方式進行了分析和對比，供大家參考。

吃小龍蝦的時候，最怕需要用手機，脫完手套還得擦手。遇上重要來電，也管不了那么多了，油乎乎的手直接往屏幕上按，按了半天，才發(fā)現(xiàn)手機根本識別不到被層層辣油浸染過的手指頭。(ノ=Д=)ノ┻━┻

隨著技術(shù)發(fā)展，這種煩惱可以消失了。近日華為發(fā)布了Mate30，其中出現(xiàn)了一種相對新穎的交互形式——隔空手勢操作。

當你在吃螃蟹滿手腥味時，當你在剝小龍蝦滿手都是油時，都依然可以無障礙地使用手機。

圖片來源：華為官方宣傳片截圖

其實，這種交互方式并非首次出現(xiàn)在手機終端里。在今年年初的MWC上，LG已推出了同樣性質(zhì)的Air Motion。

這些產(chǎn)品能夠落地，說明手勢識別技術(shù)在不斷發(fā)展，當前已達到投入實際應用的標準。

圖片來源：LG官網(wǎng)

逐漸進入大眾視野的手勢交互，經(jīng)典高效的觸控交互，還有在IOT領(lǐng)域表現(xiàn)亮眼的語音交互，構(gòu)成了當下主要幾種交互方式。

我將結(jié)合可用性的評估指標和自己在調(diào)研、使用中的發(fā)現(xiàn)，從以下幾個角度對這三種交互方式進行對比：

1. 適用場景
2. 交互效率
3. 準確性與容錯性
4. 學習成本
5. 情感互動
6. 隱私性

需要說明一點，本文中的手勢交互是指通過計算機視覺識別出的手勢動作，無需和實體進行接觸，類似于Mate 30的隔空手勢操作或者HoloLens的手勢操作。而我們?nèi)粘Ｊ褂玫膶os等進行控制的手勢動作，在此文中和按鈕按鍵一起，統(tǒng)一歸入觸控操作內(nèi)。

一、適用場景

我們應針對不同場景的特征去選擇相應的交互方式。對適用場景理解可以從以下三方面入手：

1. 物理層面

語音交互需要用戶能進行聽和說；觸控交互需要用戶能和設(shè)備進行接觸；手勢交互需要用戶的手能自由移動。但在一些場景下，用戶并沒有條件進行上述交互行為。

以醫(yī)生為例，可能在他已經(jīng)對雙手進行嚴格消毒后，仍需要查看病人的相關(guān)資料。但是他無法確保，所有的屏幕、X光片、檔案等都是干凈的。這時如果能通過非接觸的手勢或語音進行操作，就不會有被污染的風險。

還有像開車的過程中，有些路段是非常嘈雜的，語音交互可能無法很好地識別對話內(nèi)容；低頭使用觸控屏又有些危險。這時采用手勢交互，就能在相對安全的基礎(chǔ)上完成用戶的指令。

選擇交互形式的關(guān)鍵，是要回歸到使用場景中，采用各場景內(nèi)的最優(yōu)解。

2. 心理層面

進行語音交互時，用戶需要把指令說出來。當只有自己一人時，說些什么可能都沒有關(guān)系。但當人多起來時，尤其是不熟悉的人多起來時，當眾說一些東西會讓用戶覺得自己很傻。

此外，公共空間內(nèi)，涉及到相對私密的內(nèi)容時，用戶也不想這樣公之于眾。就像蜘蛛俠在得到語音控制的智能眼鏡Edith后，也只能躲在車的角落里小心翼翼地說話。

此外，當人正在與他人進行交流時，使用語音進行交互是一件打斷性非常強的事情。例如幾個人聊天聊得正嗨，想要播放音樂或調(diào)解燈光來營造氣氛，突然來一句“小張同學，播放音樂”會顯得很突兀。這種時候，如果打個響指就能達到目的，會方便自然許多。

大家可能都有在電視內(nèi)進行搜索的經(jīng)歷，電視上的鍵盤操作起來非常麻煩，用著用著就有想摔遙控器的沖動?，F(xiàn)在很多電視支持語音檢索，在精細搜索方面，比之前方便了許多。

以上的這些尷尬、緊張、煩躁等情感，都與選擇了錯誤的交互形式相關(guān)。

3. 文化層面

不論你是上?？谝暨€是廣東口音，啟動iPhone時按的都是開機鍵。但在進行語音交互時，可能就會遇到一些麻煩，因為多數(shù)都是以普通話為基準。

在這種地方口音非?；祀s的情況下（例如面向老年群體或是口音重的地區(qū)），語音交互的實用性就會大幅降低。

此外，在不同國家，手勢的含義也可能截然不同。例如最近被惡搞出種族歧視含義的ok手勢，在大部分地區(qū)還是代表著相對正面的含義。因此在進行設(shè)計時，也需要考慮到不同的文化背景。

二、交互效率

交互效率可以從空間和時間兩個維度進行考慮。

1. 空間

觸控交互是需要某種實體承載的，用戶必須要接觸到設(shè)備才能發(fā)出指令。當設(shè)備離用戶有一定距離時，則必須要先靠近才能進行操作。

例如當遙控器不在手邊時，就必須過去拿到它才可以進行操作。而且懶惰是人的天性，躺在沙發(fā)上時就會覺得走幾步去拿遙控器也是件麻煩事。

手勢交互和語音交互則在空間上更為自由，只要在有效交互區(qū)域內(nèi)就可以（即攝像頭能“看清”，麥克風能“聽清”），不需要用戶親身接觸到設(shè)備。

當用戶離實體設(shè)備有一定距離時，這兩種方式是更為高效的。

2. 時間

當觸控產(chǎn)品就在手邊時，觸控操作需要的時間可能是三種交互方式中最短的。而且像蘋果還開發(fā)了“捷徑”功能，人為地進一步精簡操作路徑，縮短交互時間。

目前的語音交互都需要一些喚醒詞。相較于其他交互形式，喚醒設(shè)備+清楚表達指令的過程通常會花費更多的時間。

有團隊將喚醒詞更短作為產(chǎn)品賣點，個人感覺這也從側(cè)面反映了喚醒這段較長的交互流程可能是智能音箱的痛點之一。之前有科技新聞報道，已有團隊能做到無需喚醒詞，只通過分析說話人的語音語調(diào)語氣，來判斷是否喚起設(shè)備。

但是就目前的技術(shù)而言，尤其在稍復雜的場景下，無喚醒詞的做法可能風險比較大。

手勢交互中，指令性的內(nèi)容可以分為組合型動作和獨立動作（我自己定義的(? ??灬??)?）。我們可以將操控對象和指令合在一個手勢動作中，也可以拆分用兩個動作表示。

例如想要音量升高時，可以定義動作為“音量”+“升高”或者“音量升高”。組合型動作花費的時間更長，獨立動作花費的時間更短。

三、準確性

1. 指令識別的準確性

在識別指令方面，觸控交互的準確率是最高的。不論我們是要開關(guān)燈，還是要點擊屏幕上的某個按鈕，只要用戶在對的地方用對的方式進行操作，指令幾乎都能及時被設(shè)備接收并執(zhí)行。

手勢交互的觸點是全部預設(shè)好的，這一點與觸控相似，只要用戶執(zhí)行了對的動作，就可以得到相應的結(jié)果。

而在語音交互時，用戶表達的內(nèi)容是沒有限制的，這也意味著是不可控的。

由于大家在日常生活中說的話并不是特別嚴謹，從語義分析的角度，一句話可能可以被解讀為多重意思。因此，在自然語言處理中常常會面臨二義性的問題。

處理這種問題時，必須要進一步明確用戶意圖，否則設(shè)備可能會做出與用戶意愿大相徑庭的行為。

2. 喚醒設(shè)備的準確性

除了以上對于指令識別、執(zhí)行的準確性外，語音和手勢交互還涉及到設(shè)備喚醒的準確性。

以我家的小愛同學為例，偶爾也會出現(xiàn)明明沒有有說到任何和喚醒詞相關(guān)的內(nèi)容，就突然聽到一聲“我在”。雖說我們?nèi)祟愒谌粘Ｉ钪?，也常有聽錯看錯的情況出現(xiàn)，但如果設(shè)備經(jīng)常誤觸發(fā)的話會很影響用戶體驗。

這種誤識別其實在手勢交互中也是存在的。為了減少誤觸發(fā)，可以提高識別的閾值，但這也可能提高漏識的概率。

當然，技術(shù)是不斷進步的， 在算法不斷更新、樣本不斷增加的基礎(chǔ)上，識別的準確率在未來肯定會有提升。

3. 干擾

三種交互形式都可能被相應的干擾影響，從而降低操作的準確性。例如語音交互在嘈雜的環(huán)境中，手勢交互在強烈的陽光下，或者觸控交互在寒冷的雪地里。

四、學習成本

語音交互屬于最自然的交互方式之一。它能承載非常豐富的指令，卻不需要用戶專門學習如何使用。

不過不少智能音箱都存在互動頻率較低的問題，用戶在使用時可能只是局限于某些已知功能，沒有進一步探索或嘗試。

因此，語音交互的學習成本在于，要教會用戶使用更多的功能。例如Siri會顯示引導“你可以這樣問我”；小愛同學也會在完成用戶的日常指令后推薦一些自己的其他功能，比如講個笑話。

觸控交互已經(jīng)深深地融入我們的生活，從以前拉閘的燈，到現(xiàn)代每天使用的手機。有很多從各個角度講如何降低產(chǎn)品學習成本的文章，此處就不贅述了。降低學習成本的一個經(jīng)典例子就是擬物化設(shè)計，讓當時的用戶更容易從圖標聯(lián)想到對應的實體按鍵。

手勢交互的學習成本相對較高。在使用語音或觸控時，即便你隨便說點什么，也會有一定的反饋和結(jié)果。而手勢觸控，則通常需要用戶比出代表正確含義的手勢才會生效。

設(shè)計師能做的，是在設(shè)計相應手勢前做好詳細的用戶調(diào)研，盡量使手勢符合用戶的潛意識，更易于學習和記憶。

五、情感互動

而在調(diào)動用戶情感方面，語音交互自帶加成。聲音是一種有溫度的介質(zhì)，我們會不自覺地通過聲音的感覺、說話的語音語調(diào)去想象這個聲音背后的形象。尤其是現(xiàn)在的算法極大地豐富了語音進行互動的能力后，這種溫度感更加被放大了。

就像電影《Her》中，男主與AI語音陷入了愛情。在《設(shè)計心理學3》中，作者將情感設(shè)計分為三個層面。語音交互的優(yōu)勢是容易讓用戶從本能層面就開始產(chǎn)生舒適、親切的感覺。

目前手機上常見的情感化設(shè)計，很多是對內(nèi)容進行設(shè)計加工，從而和用戶產(chǎn)生情感互動，而不是說觸控交互這種形式本身承載了情感。

未來隨著VR的發(fā)展，也可能有一些其他的想象空間。例如通過手勢可以和游戲內(nèi)的角色直接互動，或者有新一代的手套能給大家更真實的觸感。

六、隱私性

觸控設(shè)備的喚起通常是物理性的，而語音和手勢的喚起則比較虛幻，設(shè)備需要一直“聽”或者“看”你是否發(fā)出了指令。

這種對指令的實時監(jiān)測意味著設(shè)備需要一直接受外界的信息。在這個過程中，難免會采集到一些用戶非常私人的信息，尤其是在家居、車載這樣相對封閉私密的環(huán)境。

前段時間有新聞報道，Google Home會將用戶的對話錄音賣給承包商，從中獲得一定利潤。

同時，彭博社也在報道過，Alexa的員工在監(jiān)聽用戶與Alexa的私人對話，目的是為了對談話內(nèi)容進行人工分析，從而在未來的使用中提供更準確的回應。在監(jiān)聽期間，甚至有審核員聽到性侵現(xiàn)場后警方報警的事件發(fā)生。

聯(lián)想到之前的一則社會新聞，一男子對妻女使用嚴重的家庭暴力，而這場暴力之所以會被公之于眾，居然是因為有人非法入侵了這些家用攝像頭看到了這個場景。

這些犯罪事件是絕對需要嚴懲的，可是這些也暴露了信息采集的設(shè)備存在不小的風險。對于更多遵紀守法的人而言，生活被無時無刻地監(jiān)控，也是一件非?？膳碌氖虑椤?/p>

觸控的隱私性則相對好很多。雖然各種廠商會對用戶瀏覽搜索關(guān)心的內(nèi)容進行分析以便更精準地推送廣告，但是它對于私人生活的侵入性，則比另外兩種交互方式小不少。

如何讓公眾產(chǎn)生信任，我認為也是需要解決的重要問題。不論是通過規(guī)范各項流程，加強保密手段還是優(yōu)化產(chǎn)品喚醒機制……打消消費者的顧慮，也有助于自己產(chǎn)品的推廣。

以上為個人觀點，歡迎一起討論╰(●’?’●)╮。

作者：迷思特圓；公眾號：迷思特圓（ID:mryuan55）

本文由 @迷思特圓 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