本文從PM的角度對手機端語音助手進行了思考，包括當(dāng)前市場情況、PM在設(shè)計產(chǎn)品時的思路等。

一、手機端語音助手的現(xiàn)狀

蘋果siri的出現(xiàn)，帶動了手機端智能助手的發(fā)展，如今，蘋果siri、亞馬遜Alexa、Google assitant、微軟小娜、三星bixby都已在手機端布局語音助手，三星bixby還在手機端設(shè)置了實體按鍵呼出助手，移動助理逐漸向移動化發(fā)展。

未來，在智能硬件“互聯(lián)互通”的趨勢下，智能音箱、智能手表、智能耳機等產(chǎn)品會覆蓋人們生活中大部分需求，手機端在智能硬件及APP的影響下，應(yīng)該尋找特色的落地場景，結(jié)合移動、有屏、信息聚合的特點，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

在這個背景下，pm需要思考幾個問題：場景選擇，用戶體驗，流量入口，用戶粘性。

1. 場景設(shè)計

場景設(shè)計是產(chǎn)品設(shè)計中的重要一環(huán)，用戶需求、產(chǎn)品實現(xiàn)效果、bot創(chuàng)建、語義理解難度都與場景的選擇密不可分。挖掘場景需要關(guān)注以下三點：

（1）目標(biāo)明確

（2）有限輸入

智能助理主要通過對話完成交互，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什么，機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“簡單題”而不是“選擇題”，增加用戶成本的同時，也不利于自然語言理解。

同樣的場景可以優(yōu)化為：

Q：我想訂餐

A：好的，請問您今天想吃蓋飯、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選擇，少糖、少鹽，如沒有不用回復(fù)

Q：少糖

…….

（3）對話快速收斂成任務(wù)指令

當(dāng)bot識別到用戶意圖A后，才會去完成對應(yīng)的任務(wù)指令。因此需要在場景內(nèi)快速提煉出意圖、槽位。

我們再次引用上面訂餐的case

Q：我想訂餐

A：好的，請問您今天想吃蓋飯、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)庫對應(yīng)）

槽位2：特殊需求

訂餐場景下，通過對話中的參數(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，還會有語音識別的過程，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：語音識別技術(shù)（1）

AI產(chǎn)品經(jīng)理需了解的技術(shù)知識：語音識別技術(shù)（2）

2. 用戶體驗

用戶體驗是所有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的著力點。那么在用戶體驗上，應(yīng)該關(guān)注以下三點：

• 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：手機助手查天氣
• 用戶接受的最低標(biāo)準(zhǔn)：查詢某個時間、地點對應(yīng)天氣
• 超出用戶預(yù)期的標(biāo)準(zhǔn)：惡劣天氣主動提醒、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

個人認為手機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景才可以持續(xù)發(fā)展。手機端具有先天的流量優(yōu)勢，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？我認為，查天氣、查時間都不是頭部需求，這些都是測試／入門語音助手最簡單的功能。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。

在衣食住行場景下，分別對應(yīng)著不同需求：語音購物、點餐、訂餐館、訂酒店、預(yù)訂出行飛機票以及景點門票，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編制了首個個人助理應(yīng)用程序指數(shù)，將從Siri到Alexa的一系列人工智能驅(qū)動的個人助理應(yīng)用按照其受歡迎程度及進行了排名：

原文引用：http://dy.163.com/v2/article/detail/CP5J8TF10511CUKV.html

手機內(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)，那么用戶粘性上會后勁不足。

個人認為，提高用戶粘性應(yīng)該注重長尾需求的覆蓋，例如“8月份適合6人行的海島旅游路線”“個人減脂訓(xùn)練計劃”等。

本文由 @豬不會飛 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