從產(chǎn)品經(jīng)理的角度,看手機(jī)端語音助手
本文從PM的角度對(duì)手機(jī)端語音助手進(jìn)行了思考,包括當(dāng)前市場(chǎng)情況、PM在設(shè)計(jì)產(chǎn)品時(shí)的思路等。
一、手機(jī)端語音助手的現(xiàn)狀
蘋果siri的出現(xiàn),帶動(dòng)了手機(jī)端智能助手的發(fā)展,如今,蘋果siri、亞馬遜Alexa、Google assitant、微軟小娜、三星bixby都已在手機(jī)端布局語音助手,三星bixby還在手機(jī)端設(shè)置了實(shí)體按鍵呼出助手,移動(dòng)助理逐漸向移動(dòng)化發(fā)展。
未來,在智能硬件“互聯(lián)互通”的趨勢(shì)下,智能音箱、智能手表、智能耳機(jī)等產(chǎn)品會(huì)覆蓋人們生活中大部分需求,手機(jī)端在智能硬件及APP的影響下,應(yīng)該尋找特色的落地場(chǎng)景,結(jié)合移動(dòng)、有屏、信息聚合的特點(diǎn),向視覺、觸覺等多模態(tài)發(fā)展,避免同質(zhì)化。
二、PM需要關(guān)注哪些問題
在這個(gè)背景下,pm需要思考幾個(gè)問題:場(chǎng)景選擇,用戶體驗(yàn),流量入口,用戶粘性。
1. 場(chǎng)景設(shè)計(jì)
場(chǎng)景設(shè)計(jì)是產(chǎn)品設(shè)計(jì)中的重要一環(huán),用戶需求、產(chǎn)品實(shí)現(xiàn)效果、bot創(chuàng)建、語義理解難度都與場(chǎng)景的選擇密不可分。挖掘場(chǎng)景需要關(guān)注以下三點(diǎn):
(1)目標(biāo)明確
(2)有限輸入
智能助理主要通過對(duì)話完成交互,用戶每句話包含的信息量要維持在一定范圍內(nèi)否則用戶既不知道要表達(dá)什么,機(jī)器也不能很好地理解。例如:
bad case:
Q:我想訂餐
A:好的,您想吃什么?
Q:emmm…我想吃雞蛋西紅柿炒米飯,少放一點(diǎn)糖我怕齁,謝謝
A:不好意思,沒有聽懂您說的,可以再跟我說一遍嗎?
Q:就是我想要雞蛋炒西紅柿蓋飯,少糖
……
上面的case,用戶輸入域過于開放,用戶一直在做“簡(jiǎn)單題”而不是“選擇題”,增加用戶成本的同時(shí),也不利于自然語言理解。
同樣的場(chǎng)景可以優(yōu)化為:
Q:我想訂餐
A:好的,請(qǐng)問您今天想吃蓋飯、面條還是漢堡呢?(此處可圖形化界面)
Q:蓋飯
A:好的,為您推薦幾款銷量最高的蓋飯:雞蛋西紅柿蓋飯、紅燒牛肉飯、更多
Q:雞蛋西紅柿蓋飯
A:好的,這是我們的招牌呢,如有以下特殊需求請(qǐng)選擇,少糖、少鹽,如沒有不用回復(fù)
Q:少糖
…….
(3)對(duì)話快速收斂成任務(wù)指令
當(dāng)bot識(shí)別到用戶意圖A后,才會(huì)去完成對(duì)應(yīng)的任務(wù)指令。因此需要在場(chǎng)景內(nèi)快速提煉出意圖、槽位。
我們?cè)俅我蒙厦嬗啿偷腸ase
Q:我想訂餐
A:好的,請(qǐng)問您今天想吃蓋飯、面條還是漢堡呢?(此處可圖形化界面)
Q:蓋飯
A:好的,為您推薦幾款銷量最高的蓋飯:雞蛋西紅柿蓋飯、紅燒牛肉飯、更多
Q:雞蛋西紅柿蓋飯
A:好的,這是我們的招牌呢,如有以下特殊需求請(qǐng)選擇,少糖、少鹽,如沒有不用回復(fù)
Q:少糖
…….
根據(jù)case創(chuàng)建訂餐bot:
意圖 intent:訂餐
訓(xùn)練對(duì)話樣本命中意圖:query=我想訂餐
槽位1:菜品名稱?? 詞典包含:雞蛋西紅柿蓋飯、紅燒牛肉飯等(與數(shù)據(jù)庫對(duì)應(yīng))
槽位2:特殊需求
訂餐場(chǎng)景下,通過對(duì)話中的參數(shù)提取,快速收斂為訂餐意圖,最終滿足用戶需求。語音助手在NLU前,還會(huì)有語音識(shí)別的過程,可參考前面分享過的兩篇文章
AI產(chǎn)品經(jīng)理需了解的技術(shù)知識(shí):語音識(shí)別技術(shù)(1)
AI產(chǎn)品經(jīng)理需了解的技術(shù)知識(shí):語音識(shí)別技術(shù)(2)
2. 用戶體驗(yàn)
用戶體驗(yàn)是所有PM都需要關(guān)注的問題,我們常說的聽清、聽懂、滿足就是提升用戶體驗(yàn)的著力點(diǎn)。那么在用戶體驗(yàn)上,應(yīng)該關(guān)注以下三點(diǎn):
- 能否解決用戶需求?
- 用戶接受的最低標(biāo)準(zhǔn)是什么?
- 超出用戶預(yù)期的標(biāo)準(zhǔn)是什么?
我們用查天氣的case說明
- 解決用戶需求:手機(jī)助手查天氣
- 用戶接受的最低標(biāo)準(zhǔn):查詢某個(gè)時(shí)間、地點(diǎn)對(duì)應(yīng)天氣
- 超出用戶預(yù)期的標(biāo)準(zhǔn):惡劣天氣主動(dòng)提醒、雨雪天氣提前詢問用戶是否約車等
原理類似需求分析中的KANO模型,即基本需求、期望需求、興奮需求,可參考如圖:
3. 流量入口
個(gè)人認(rèn)為手機(jī)語音助手和智能硬件的流量入口不同,智能硬件必須找到足夠剛需的場(chǎng)景才可以持續(xù)發(fā)展。手機(jī)端具有先天的流量?jī)?yōu)勢(shì),要讓語音真正落地,成為被用戶所接納的最常用交互方式,最終要解決的是用戶頭部需求。
那么哪些是語音助手需要關(guān)注的頭部需求呢?我認(rèn)為,查天氣、查時(shí)間都不是頭部需求,這些都是測(cè)試/入門語音助手最簡(jiǎn)單的功能。衣食住行和溝通才是用戶的基本需求。例如智能家居,控制家中設(shè)備是頭部需求、在車載環(huán)境下,打電話、發(fā)短信就是頭部需求。
在衣食住行場(chǎng)景下,分別對(duì)應(yīng)著不同需求:語音購(gòu)物、點(diǎn)餐、訂餐館、訂酒店、預(yù)訂出行飛機(jī)票以及景點(diǎn)門票,都是大眾的生活服務(wù)需求,這些更容易的讓用戶知道語音助手能為他們做什么。
4. 用戶粘性
這是一篇關(guān)于AI智能助理的數(shù)據(jù)報(bào)告,可以看出蘋果Siri的用戶量雖然是首位,但月活躍度卻在一直下降。由此引出:除流量入口外,PM還應(yīng)關(guān)注用戶粘性的問題。
在2017年5月,VertoAnalytics編制了首個(gè)個(gè)人助理應(yīng)用程序指數(shù),將從Siri到Alexa的一系列人工智能驅(qū)動(dòng)的個(gè)人助理應(yīng)用按照其受歡迎程度及進(jìn)行了排名:
原文引用:http://dy.163.com/v2/article/detail/CP5J8TF10511CUKV.html
手機(jī)內(nèi)除了語音助手,同樣有很多垂類的APP。如果僅是滿足和APP相同的任務(wù),那么用戶粘性上會(huì)后勁不足。
個(gè)人認(rèn)為,提高用戶粘性應(yīng)該注重長(zhǎng)尾需求的覆蓋,例如“8月份適合6人行的海島旅游路線”“個(gè)人減脂訓(xùn)練計(jì)劃”等。
本文由 @豬不會(huì)飛 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 Pexels ,基于 CC0 協(xié)議
自然語言交互缺乏爆款的應(yīng)用來引爆,就像跳一跳之于小程序。其實(shí)有些場(chǎng)景很適合語音,像地圖導(dǎo)航、設(shè)置鬧鐘、早教音箱。
同意!如果有基于語音交互的產(chǎn)品產(chǎn)生的話,手機(jī)上的語音助手用起來肯定更爽
目標(biāo)明確這里沒有闡述?