隨著智能音箱的迅速發(fā)展，大家對智能語音產品的需求也變得越來越多，本文給大家詳解語音交互設計的全流程，一起來看看~

一、VUI的現(xiàn)狀

隨著智能音箱的迅速發(fā)展，谷歌（Google Home）、亞馬遜（echo）天貓精靈、小愛音箱……智能產品的井噴式增長，人們對智能語音產品的需求也越來越多，也越來越高，智能音箱對人們的生活的影響也越來越深，自然孕育而生一些新的職業(yè)需求，比如：VUI（語音交互設計師Voice User Interfaces Designer），語音體驗設計師VUE（Voice User Experience Designer），但其實VUI和VUE的分界線是很模糊的，這里不做多敘述。

國際的一些大公司已經做了很好的示范了，比如：亞馬遜，谷歌等等，都會有設立專門的職位，做一些專門的研究，當然近期國內的相關招聘也會看到有相關的職位，且薪資不低。那么接下來會個大家詳細的分享VUI（語音交互設計師Voice User Interfaces）。

二、VUI起源/歷史

1.? VUI的第一個時期

20世紀50年代，貝爾實驗室建立了一個單人語音數(shù)字系統(tǒng)；

20世紀90年代，誕生了第一個可行的非特定人的語音識別系統(tǒng)。

交互式語音應答IVR系統(tǒng)的出現(xiàn)，代表了VUI的以一個重要時期。

2. VUI的第二個時期

也就是我們現(xiàn)在所處的的時期。

我們的現(xiàn)狀，我們正處于下一階段的初期階段，我們手機已經可以用語音處理很多事情了，但是還有很多事情是無法處通過語音完成的。

3. VUI的一些優(yōu)勢和局限性

（1）優(yōu)勢

1. 速度：顯而易見的是速度變快了，國內的語音，語音轉文字的技術已經很大程度上提高了人們效率；
2. 釋放雙手：比如你在開車的時候，你可以直接對著你的手機語音助手說，嘿XX，麻煩你幫我做XXX；
3. 直覺性：說話是每個人的天性（當然排除特出情況）；
4. 同理心：語音包含了語氣、音量、音調、語速，這些特征包含了大量的感知信息，能夠讓你感知到對方在表達些什么。

（2）局限性

1. 環(huán)境：對環(huán)境的要求比較高，在公共場合，人多的地方不利于語音的接受和錄入；
2. 不適應：還是有很多用戶不喜歡，不適應對著語音設備說話的；
3. 喜歡打字：就是喜歡打字的一些用戶，打字從某個方面能夠帶給他一些愉悅；
4. 隱私：這個就很容易理解了，每個人都不希望自己的隱私被別人知道。

三、VUI設計師是什么（是做什么的）？

1. 需要思考，在系統(tǒng)和終端用戶間，從開始到結束的整個個對話過程；
2. 用戶研究是不可少的；
3. 負責設計，產品原型和產品描述；
4. 需要了解底層技術的優(yōu)缺點；
5. 分析數(shù)據(jù)的能力。

從項目的發(fā)布階段到發(fā)布階段都扮演著非常重要的角色。

當然很多人看到上面5條可能會有點怵，其實也并不是需要全部都需要會，也可以專門負責其中的一個鏈條、節(jié)點，比如：用戶研究、數(shù)據(jù)分析……

四、VUI的基本設計原則

1. 對話式設計

定義：簡單來說就是我問你答

目前我們使用的智能設備基本只能支持單輪對話，但這樣并不是人們習慣的對話方式。一輪以上的對話，才是符合用戶心理預期的。

請大家回憶下自己使用智能音箱的一些場景體驗，舉個例子（天貓精靈）：

• 用戶：天貓精靈，明天我有鬧鐘么？
• 天貓：您明天沒有鬧鐘呢
• 用戶：那可以幫我設定一個么？
• 天貓：…..

你會發(fā)現(xiàn)，智能音箱這個時候像是失憶了一般，毫無反應，顯然這并不是我們想要的一個交互。從用戶社交屬性來說，人們溝通的方式一直都是一輪以上對話式的，并不是單輪式的。一般來說，我們要做到讓用戶決定對話要持續(xù)多久，很顯然，你有親身體驗過的話，能做到多輪對話的比較少。

插一個題外話，最近天貓精靈更新了游戲語音的玩法，算是踏進一步了吧，雖然不是很棒的體驗，但起碼跨進了多一步，相信未來會越來越棒的。那對話式是如何設計出來呢？大致是怎么樣的一個流程呢？

2. 設計工具

這里說的設計工具并不是說是一個具體的工具，更多是指一個方法論。

示例對話：

• 定義：示例對話字面意思就是演示舉例對話，它看起來像一個電影腳本，像兩個人一起在對話
• 特點：是整個設計對話過程的關鍵方法。成本較低，簡單易操作
• 用法：把要做成一件事情的場景用文字寫出來，然后大聲讀出來，你會發(fā)現(xiàn)書寫和口語化的還是有很多區(qū)別的，甚至是有些奇怪的，這時候你會發(fā)現(xiàn)有很多可以改進的地方，所以你會看到一些招聘都會有這一項對應的要求，甚至是要求一些事有話劇功底，有劇本寫作相關經驗優(yōu)先。
• 作用：它能夠讓你在投入開始研發(fā)之前，知道你的設計效果是如何。

3.?視覺原型

雖然是語音交互，但是還是離不開GUI的，它可以結合示例對話，將用戶體驗可視化。示例對話和原型組成了我們產品的故事板，GUI+VUI是用戶一套完整的體驗，所以，VUI和GUI在早期階段就開始合作，這樣對用戶體驗會更加流暢。

4. 流程圖

也叫做呼叫流程圖，一般來說我們的流程圖需要包括用戶使用中所有可能存在的分支，但這樣下來會有千萬條復雜的情況，流程圖就會很亂，也很難梳理，所以我們采用分組的方法。

具體的分類的方法可以根據(jù)分成多組（日歷功能、搜索功能，電話……），也可以根據(jù)不同的目的進行分組。

流程圖的使用到的工具就非常多了，這里就不一一列舉了。

那大概我們設計完成了一組示例對話之后，我們就要對一些細節(jié)進行細致的研究，比如：確認。

五、如何進行確認

1. 用戶語音的確認
2. 非語言式確認
3. 通用確認
4. 視覺的確認

1. 用戶語音的確認

最重要的是用戶語音的確認，分為顯性確認和隱形確認。

• 顯性確認即：比較重要，強制用戶確認信息。比如：天貓精靈你能幫我一份奶茶么？查到附近XXX奶茶，使用優(yōu)惠后的價格是XX元，你要來一份么？
• 隱形確認：即不需要用戶確認消息，比如：用戶：XX你能幫我設定明天10點的鬧鐘么？好的，已經幫你設定好明天早上10點的鬧鐘。

1.1 那么如何去判定什么時候用隱性確認和顯性確認呢？

那么下面就要介紹一下三級置信度。

系統(tǒng)將在一定的閥值內作出明確的形式確認信息，而這個閥值我們設定為三個等級。

1.2 置信度？

就是智能音箱能識別到聲音的清晰度。

用易懂的話說就是人與人之間溝通的語言接受的清晰度，當然聽不清對方說什么話的時候時候一般會發(fā)起詢問，或者直接說，對不起，我沒有聽清，你可以再說一遍嗎？

1.3 三級置信度

比如：幫我再買一份外賣。

• 當置信度大于80%，使用隱性確認：好了已經幫你在訂了一份外賣。
• 當置信度為45~79%，使用顯性確認：您是想再多訂一份外賣是嗎？
• 當置信度小于45%：對不起，我沒有聽清您的講話，您想買些什么？

2. 只用隱形確認

智能語音音箱能夠非常清晰的識別到你說的內容的時候，可以直接用隱形確認，這樣帶來的體驗流暢感舒服很多。

3. 非語言式

比如說，燈光花幾秒才能，那么只是讓系統(tǒng)先恢復好了或者知道的來讓用戶知道后面發(fā)生什么。還有加一些特定的音效，來代表特定某一個意思。

4. 有趣的通用確認

就是說智能語音音箱不會單獨的回答你是和否，會主動會詢問您一些的問候，通過這樣情感化的一些設計，將能夠讓用戶感到更加的溫暖和舒服。

那我們前面講到了那么多的一些確認策略，那我們接下來再說一下對話式的標識，因為是讓用戶了解交談進展以及進展情況的重要方式。

5. 對話式的標識

它包括了以下三個方面：

1. 時間線：開始，進行中，結束。
2. 接收回執(zhí)：謝謝，知道了，好的。了解了。
3. 積極反饋：哇，你這個消息真的很棒。

那對話式對話作用是什么呢？是讓用戶了解交談進展以及進展情況的重要方式。能夠更好的追蹤到用戶的使用過程中的一種路徑方法。

大家會發(fā)現(xiàn)我們很多時候智能語音設備并不是每次都能夠快速，精準接受識別我們的信息的。出錯率相對來說是比較高的，下面大概說下語音識別的出現(xiàn)錯誤異常的幾種情況。

六、語音出現(xiàn)錯誤異常和解決方法

錯誤異常的幾種情況：

1. 未檢測到語音；
2. 檢測到語音，但沒有識別；
3. 檢測到語音，但沒有識別；
4. 部分語音識別錯誤。

1. 未檢測到語音

未檢測到語音有大概兩種情況：一是用戶說了，系統(tǒng)沒有接收到；二是用戶沒說。

主要說下用戶說了，系統(tǒng)沒有接收到的情況，建議采取兩種解決方式：

• 第一種前面我們說到的三級置信度，我們采取直接詢問，“對不起，我沒有聽清你說的話，你能再說一遍么？”
• 第二種是采取什么也不做。

1.1 那什么情況下使用詢問呢？

• 用戶必須回復后，系統(tǒng)才能繼續(xù)進行任務；
• 你的系統(tǒng)只是支持語音；
• 沒有其他回復方式了。

1.2 什么情況下更適合使用什么也不做呢？

• 用戶還有其他選擇（比如手機界面課、通過一個按鍵操作）；
• 什么也不做，不會中斷對話；
• 有視覺信息可以提示用戶做出明確的選擇。

2. 檢測到語音，但沒有識別

處理方式和未檢測到語音基本是一直的，這里就帶過了。

3. 檢測到語音，但沒有識別

出現(xiàn)這種情況的原因一般是兩點：

1. 系統(tǒng)程序沒有針對這種情況的回復；
2. 程序中寫了錯誤的回復。

解決方法：這里我們就要通過測試來發(fā)現(xiàn)具體是哪個環(huán)節(jié)出了問題了，通過數(shù)據(jù)的收集分析能夠找到具體的答案。

4. 部分識別錯誤

大概就是這樣的場景，天貓精靈，嗯……我想……嗯，好的，為您帶來一首XXX的歌曲。

解決方法：這個還是需要技術的介入，可以通過使用N-Best列表（可以通過這個列表規(guī)避二次錯誤）和鎮(zhèn)適用固件后相應的數(shù)據(jù)分析來構建此問題的解決方法。

說完了錯誤異常處理以及解決方式，我們接下來說下延遲和消除歧義。

5. 延遲

在交互一般用戶等待的時間是7秒（現(xiàn)在可能是5秒），當你詢問等待回答的時間超過這個閾值，用戶就會懷疑是不是系統(tǒng)出問題了，甚至煩躁。

解決方法：一是通過“請稍等”讓用戶知道你在運作和查找；二是非語言提示，比如：音效等等。

6. 消除歧義

很多時候用戶提供的信息只有一部分，再加上中文的多層含義的特殊性，消除歧義對用戶體驗的的提升有重要作用。

比如：問地名的天氣，中國很多鎮(zhèn)區(qū)的地名都是一樣的。

鼓樓：

• 河南省_開封市_鼓樓區(qū)
• 福建省_福州市_鼓樓區(qū)
• 江蘇省_南京市_鼓樓區(qū)
• 江蘇省_徐州市_鼓樓區(qū)

解決方法：還是可以采用置信度的方式去判別，如果很確定就直接回答，要么就多輪詢問確定。

7. 幫助功能

最后的模塊說下幫助功能，也是至關重要的，能夠在一定程度上消除用戶的“恐慌”。所以，在我們VUI中設計對應的幫助是非常有必要的，比如：詢問智能語音設備你能干什么呢？它會告訴你他能做些什么？比如：我的設備怎么樣鏈接你的藍牙。APP：好的，長按……

七、語音交互的幾點原則

1. 應該是省時、高效的
2. 簡短的
3. 能夠被隨時打斷
4. 能夠鏈接上下文語境

1. 應該是省時、高效的

和視覺界面交互其實是差不多的，用戶是非常不愿意花很多時間達到他想要完成的任務的。越高效，越短時間，用戶的體驗會更加愉悅。

2. 簡短的

只需要告訴用戶主要關鍵信息即可，不要過于冗余。舉個簡單的例子：購物APP的商品表現(xiàn)形式，一般都是把名稱和價格放在主要的位置，把詳情放進下一級頁面。采用盡可能簡短的表現(xiàn)形式，讓用戶直接獲取到他想要的，當然這對用戶的了解和洞察都要需要經驗的積累和感知的

3. 能夠被隨時打斷

舉個例子，用戶：明天的天氣怎么樣？

APP：明天XXX地方的天氣19℃，小雨，適合穿…….

用戶可能只是想知道天氣而已，這時候我們是需要做到可以被用戶打斷，而不是“執(zhí)拗”的把話說完，如果一直說下去，不允許用戶打斷，用戶的請求沒有被回應，這時候用戶會產生反感心理。

4. 能夠鏈接上下文語境

這是目前很多智能語音設備體驗上沒有那么好的地方，也就是前面說的，可以進行多輪對話，當然如果要設定多輪對話，中間的交互情況將會比現(xiàn)在更佳龐大，需要考慮的可能性也會更佳復雜。

語音交互設計的前半部分設計流程基本已經概述完了，主要說了VUI的起源，一些VUI中用到的一些方法論，設計工具，一些異常情況的處理，和VUI設計的幾點原則。下面將會和大家聊下用戶測試和預發(fā)布、確認發(fā)布……

八、用戶測試

語音用戶界面的測試其實和視覺界面測試的方法有一些相同的地方，但也有一些差異。

一般來說，在開始測試之前呢，還是需要做用戶調研的，大概分為以下幾個步驟：

1. 了解需求（用戶用例背景研究）

做用戶研究和訪談之前，我們要先搞清楚，這個利益方的需求是什么，業(yè)務需求，用戶訴求是什么，我們的產品能夠給用戶帶來什么？能夠給他們解決什么問題？最后我們要確定我們的目標用戶，然后進行訪談和調研。（大體的方法，詳細可以去看一下阿里提出的五導家加方法論）

2. 制定設計研究方案

2.1 給目標用戶制定，任務流程

就是給每一個受訪的用戶，一個特定的任務流程，但很多時候我們并不是只是測試一個任務，會有很多任務，那就會涉及到任務排序的問題。還有最好的方法是采用拉丁方陣設計，這樣的話不必通過出現(xiàn)所有可能的排斥方式來試驗。

那么設定好這次任務之后呢，我們就要進行招募受試人員了。

2.2 招募受試人員

需要注意以下幾點：

1. 要在目標用戶里抽取測試用戶；
2. 人數(shù)大概控制在5~12人，可用性專家Jakob Nielseb提出效果一般控制在5-8人左右為最佳。

對于小公司招募測試用戶可能會相對比較困難，成本相對來說會比較高，當然是可以招募你身邊的朋友和公司的同事來協(xié)助你的，但最好避開項目的直接核心人員。

那么在目前人員完成之后呢，我們大概會進行一些進行中的一些測試，比如說：我們做一些提問。

請問這里會涉及到一個方法，我們在交互設計里面叫它為用戶體驗地圖。

3. 用戶體驗地圖

我會給到用戶一些任務的體驗流程，然后根據(jù)他的一些反饋，通過語言、表情，然后繪制出用戶體驗地圖，從而判斷出用戶在這個任務流程中，得到了一些體驗感受，找到可能存在問題的所在節(jié)點，然后進行修改。

下面說下在訪談中需要注意的點，如何進行訪談。

4. 訪談需要注意的點

那么在口頭提問的過程中，我們需要注意些什么呢？

1. 提問不要有一些語句上的偏袒，不要出現(xiàn)故意引導，比如說你喜歡這個功能嗎？這樣提問是不太合理的。最好提問是，你用完這個功能之后，你是什么樣的一個感受？或者說你覺得怎么樣？
2. 要注意引導用戶得出具體的結論。而不是用戶說大概，可能我覺得應該是等等之類的詞。要有具體的例子，不要一個抽象的結果。
3. 少用為什么開頭，會讓受訪者覺得你是在質疑他，或者說故意的，刁難他。比如說受訪者說，語音天氣詢問功能特別難用，能夠簡單說一下你的使用場景嗎？他是在什么情況下讓你感覺到難用？描述我們需要更加具體化一些，而不是籠統(tǒng)的，抽象的。

5. 可用性測試（用戶調研）

目的是測試工作流程和易用性，但是在語音交互過程中，識別問題往往會阻礙用戶完成任務。最好是找?guī)孜粶y試用戶，嘗試找出主要的識別問題，然后修復它。

可用性測試大概分為幾類：

（1）遠程測試（電話/視頻訪談）

優(yōu)點：

• 更容易找到符合特征的用戶。
• 成本較低，只需要遠程即可，不需要支付其他額外的支出，比如說來到你約定地方差旅費。
• 會更加自然，更貼近真實情景。
• 用戶心理負擔沒有那么大會比較自在。
• 可以沒有測試主持人。
• 條件允許的話，最好使用視頻通話，這樣我們可以錄制影像，后期方便我們去觀察用戶的表情和反應，以得出更加正確的測試結果。

缺點：沒有辦法實時跟進參與人員的反應。

（2）攔訪

這種測試方式是非常有難度的。意味著我們要去到公共場合去攔截受訪者，然后讓他參與到你這個測試當中，因為人與人的戒備心理，所以很多人都會拒絕你，如果你想提高成功率，最好準備一些小禮品或者其他的小獎勵，這樣有助于你提高攔訪的成功率。

當然你也很有可能得到的結果，會有一些偏差，受訪者會出于某些目的而回答你的一些問題，有可能并不是出于真心的。所以呢，這里不是很建議大家用這種方法。

（3）測試完成

測試完之后，我們需要進行我們的結果分析和統(tǒng)計。

測試衡量的一些指標，我們大概分為5個關鍵指標：準確性、響應速度、認知速度，清晰度、友好度和聲音。

（4）注意事項

這里需要注意的點是，一定先要預先設定好，確定每項任務完成的標志是什么。不然后期對結果的一個標準很難去統(tǒng)計，會比較混亂。

我們需要總結這是用戶對問題的回答及完成任務率錯誤數(shù)量和類型等等，從中找出用戶的痛點，用戶的一些干擾點。按任務出錯時，用戶是否能夠自己解決呢？等等，具體需要得出的一些結論，要根據(jù)自己想要測試的一些目的來定。

在這樣我們就完成了整個可用性測試的流程。

6. 預測試

發(fā)布之前需要做一次與測試，可以權重沒有那么高，但也是關鍵的一步。

7. 識別測試

最重要的還是識別測試，這關系著整個產品的體驗問題，整體的測試流程需要用三級置信度和N-Best列表，以及后臺的表格相結合，找出相對應的問題節(jié)點，并且修復它。

8. 負載測試

你得清楚明白你的設備，最多的承載量，不然流量一進來，服務器就崩潰了，這樣的體驗是極其差的。

9. 效果的評估

你還得去做效果的評估。在試運行開始之前，你需要制定目標，然后看是否達到這個目標，這個效果大概是什么樣的？是否達到預期？任務的完成率也是非常關鍵的一個成功指標。

10. 試運行→發(fā)布

最后到達發(fā)布階段。為了產品的穩(wěn)妥起見，我們還是會進行一次試運行。

11. 迭代

條件允許的話，重復上面一次的用戶調研的方法，然后得出一些現(xiàn)階段的一些問題。我們需要實時跟蹤系統(tǒng)的故障并快速的改進，這是我們非常需要要做到的。

總結

大概全部的語音交互流程就說到這里了，我們簡單的回顧下：

1. 語音交互設計的起源
2. 語音交互設計的設計原則-示例對話
3. 確認原則/糾錯方法-三級置信度
4. 可用性測試
5. 發(fā)布

那語音交互設計的未來點在那里？設計師的機會在哪里？

戰(zhàn)略選擇：世界一直都是存在不確定性的，如何能夠應對呢？

眼界和選擇。

這里延伸下梁寧在《產品思維30講》里面說到的點線面的戰(zhàn)略選擇的問題，她大概說了這樣的例子：比如有一對雙胞胎，2010年一起大學畢業(yè)，一個進入了騰訊，一個進入了報社。7年之后呢，騰訊的那位如果不出意外應該是年薪百萬，而且滿街都是獵頭在挖，投資人在挖，只要出來創(chuàng)業(yè)就給錢。而去了報社的那位呢，報社的情況我們今天肯定了解整個產業(yè)都沉淪了，曾經他寄托理想的整個產業(yè)都沒有了，其實一切都需要重來。

在這個時候并不是說雙胞胎他們的個人的素質有問題，或者是他們的能力點有問題，點是沒有問題的，也不是他們分別跟隨的領導，比如說我們就跟老大，他們的老大的能力點和個人操守也都是沒有問題的，但是問題在哪里？

問題是說這兩個單位所附著的經濟體，一個是在快速崛起，一個是在快速崩潰。你努力工作的公司收益，遠遠不如你在2010年以前或者2013年以前，比如說買騰訊的股票，或者是說你買一套北上廣的房子，

我們本身是一個點，我們這個點需要附著在整個整個快速崛起的“線”上，戰(zhàn)略的選擇，眼界的層面顯得尤為重要，和努力一樣重要，甚至往往有時候選擇比努力更重要，但選擇也是努力累計的結果。

我們設計師如何做出順應這個迅速崛起的經濟體的選擇，也是我們當下的機會，我們能看到什么機會，我們要附著到什么樣的線上，在當下職業(yè)邊界愈發(fā)模糊的時代，我們能力和眼界的提升，可以做到從容的應對未來的種種變故。

那么同樣，隨之AI的發(fā)展，5G的到來，我們的很多工作方式都有可能被顛覆，語音交互設計的將會是一片藍海，雖然現(xiàn)在有諸多的桎梏，但這是趨勢，是快速崛起的趨勢。設計師工作你能想象未來沒有顯示器么？沒有臃腫的主機么？等等，未來都有可能會發(fā)生，而這一切也正在發(fā)生…..

無論世界如何變幻，未來可期，我們在路上…..

參考文獻：

• 《Designing Voice User Interfaces》（語音用戶界面設計）
• 《U一點料1/2》
• 《產品思維30講》-梁寧

作者：木七木七，歡迎交流~

本文由 @木七木七 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載

題圖來自 Pixabay，基于 CC0 協(xié)議