不只是 Q&amp;A：好的 AI 对话体验应该是怎样的？

2017-08-20 20:19:00

基于 AI （人工智能）的语音与对话式交互是近年新兴的一块领域，最近工作中也逐渐开始和这一块打交道，那么究竟怎样才算是好的对话流体验？作为用户体验设计师又能在这中间做什么？笔者结合了一些网络参考资料和自己平时的一些思考，总结如下。

好的对话是简洁高效的

对于用户通常带着比较明确目的的咨询、操作等对话式场景，需要让用户尽可能简洁高效地输入问题或命令，并在（保证准确的基础上）尽可能少的轮次内给出令用户满意的回答或帮助用户完成操作。而如果拘泥于「对话流」的形式，给用户带来额外的操作成本，则成了本末倒置，比如以下这个需要 70+ 次点击的反例：

图片来源：http://dangrover.com/img/content/conversational-ui/MSPizzaBot.png

怎样让对话变得更简洁高效呢？

首先，要清楚对话式交互并不是一个什么都可以往里面装的筐，你需要谨慎选择合适的用例（Use Cases）——类似查天气、点歌、看新闻等快速、高确定性的用例，使用对话式交互体验更佳；而流程复杂、标准模糊、需要用户输入和确认大量信息的则未必合适。

而设计对话流的过程中，在信息输入端可以通过理解上下文潜台词、记忆用户信息、多模交互、智能建议等方式，进一步减少用户输入的成本。

理解上下文潜台词：在导购类应用中有一个场景，就是在用户买完一类商品后，推荐其购买更多相关商品，比如旅游产品中买完机票还会推荐返程票、酒店等。而这些被串联起来的商品背后涉及到的一些信息是相通的，比如机票的目的地和酒店的所在城市为同一个地方，理解了这一点，就不应该让 AI 再重复向用户确认一些可以直接从上下文中推断得出的信息。

记忆用户信息：在有些对话式交互场景（比如充话费、实名制购票）中，需要向用户确认如姓名、手机号、身份证一类个人信息。不够智能的 AI 会一次次不厌其烦地让用户手动输入，而更聪明的 AI 则会关联用户在应用内的帐号信息，直接读取让用户确认一下即可，读取不到时也只会让用户手动输入一次。

多模交互：相比传统的文本输入，多模交互的引入，让我们可以通过语音、拍拍照、传图、行动卡片等方式和 AI 对话，大幅提高对话效率。

图片来源：https://medium.com/the-layer/the-future-of-conversational-ui-belongs-to-hybrid-interfaces-8a228de0bdb5

智能建议：在用户输入内容之前，基于问题上下文、用户个人信息等，给出最有可能的回答列表，让用户可以直接点选回答。

除此之外，也要考虑回答内容的阅读成本，尽量使用口语化的简洁表述，提高回答内容的针对性等。比如基于用户端信息给出针对性回答，而不是一大段「放之四海而皆准」的通用答案：当用户咨询一个功能的入口时，能根据用户的设备信息进行回复，而非机械的「PC设备请……iOS设备请……Android设备请……」。而回答内容过长无可避免时，则可以考虑拆分成几段显示，或者加入图片、表情包、视频等调剂，降低用户阅读的压力，这方面新闻类应用 Quartz 就做得不错。

好的对话是有预见性的

「一问一答」是我们最常见的一种对话模式，但实际上，客户主动发起咨询的远非他们遇到的问题全部，有更多的问题他们自己其实并没有意识到，或者不觉得这是可以通过咨询 AI 解决的。而聪明的 AI 则可以在用户根本没意识到问题存在或可能发生的时候，就主动向用户发起帮助或预警。要知道，解决问题的方式并不只有事后弥补，事前预防也同样甚至更加重要。

通过有预见性的通知推送触发对话，让用户提前避免问题发生或在问题发生后第一时间解决，在线下出行等场景中可以有很大的应用空间。再以机票预订场景为例，普通的 AI 可能在机票成功下单支付后就结束了，而更贴心一点的 AI 会主动跟踪后续的航班、天气、交通等，如果有航班管制、恶劣天气、交通拥堵等不良状况发生，可以第一时间通知用户风险（甚至在下单前就给出提醒建议），并给出对应的解决建议，而不是等用户主动跑来咨询「航班取消了怎么办」之后才回答。

对于一些客观上一发生就无解决方案的问题（比如有些商品一经售出就无法退货，用户咨询「我要退货」AI 很难给出满意回答），能做到问题发生前就给出提醒也很重要，用户有了预防和心理准备，知道问题发生且不能解决时就不会过于沮丧。

好的对话灵活可持续

在社交聊天中我们或多或少会遇到一种比较尴尬的场景——冷场，因为有人回复了一句大家看不懂或不知道如何接下去的话，导致聊天发生中断。而在设计 AI 的对话脚本时，避免冷场也非常重要，尤其是你的设计目标中还有「提高对话轮次」的时候。

冷场式回答比较常见的一种场景是无法或错误理解用户发来的信息，导致答非所问。要解决这个问题，一方面需要对用户多元的表达方式有足够预期，可以理解转译各种同义词、昵称、缩写、表情等，并据此给出回答，而不是一脸懵逼地反问用户「对不起，XX是什么？」，当没有足够的数据和技术条件支撑时，可以考虑用结构化回答列表等方式，让用户的输入更加可控；另一方面，即使真的理解不了用户在说什么，也可以请教用户「你能教我……是什么吗？」或者引导用户讨论其他能回答的话题「我可以帮你……」，除此之外，还可能有一种场景就是用户本身在乱输入内容如「dsajgiorpesk」，如果 AI 可以识别出这一点，并给出风趣的回复比如「这个名字真奇怪」、「刚才那句话是你家猫打的吗」，也是一种有意思的处理方式。

图片来源：https://uxdesign.cc/making-chatbots-talk-writing-conversational-ui-scripts-step-by-step-62622abfb5cf

聊天场景还有一个比较常见的特征是中心话题随时可能发生变化，而在多轮对话场景下，当用户突然打算转移话题，AI 仍然陷在之前的对话中，也会让对话过程变得难以持续。交互设计中有一个「逃生舱」的概念，这一点在对话式交互中也同样需要，比如识别出用户提了一个全新的问题时，立刻从之前的上下文中跳出，开启新一轮的对话；又或者直接给用户结束当前对话的快捷入口，如「咨询其他问题」。

好的对话具备人格情感

作为用户体验设计师我们对 Persona（用户画像）的概念并不陌生，而给 AI 构建 Persona，可以赋予 AI 更多拟人化的性格特征，拉近其与用户的距离。

图片来源：https://medium.com/swlh/conversational-ui-principles-complete-process-of-designing-a-website-chatbot-d0c2a5fee376

AI 的 Persona 可以通过头像、话术、表情、语音等方式让用户感知，而在设计 Persona 的时候，我们需要充分考虑产品品牌调性与目标用户的特征，让 AI 能体现产品品牌本身的气质、符合目标用户的喜好（比如对于年轻用户群和中老年用户群，在回复内容中出现「呵呵」、「」效果可能完全相反），而不是模仿烂大街的「卖萌撒泼傻白甜」形象，适得其反招来用户厌恶，甚至对产品品牌本身产生损害。此外在对话流中始终保持 Persona 的一致性也很重要，而不是先后出现多种性格的回答方式，让用户以为在和一个精神分裂者对话。