阿里设计如何优化人机对话对引导促成用户满意度增长

　　上半年，客服机器人首轮对话引导，进行了设计优化，结果显著增长。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。
　　客服机器人首轮对话引导，进行了设计优化，结果显著增长。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？用户细分机会涌现
　　2019上半年，为了隨用户需求的变化。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。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，促进结果增长。
　　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。