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，并分担了不同角色䃼位。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：

1. 满意度显著增长；
2. 解决率显著增长；
3. 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。

作者：周銘漢 阿里巴巴智能产品设计部达摩院设计团队成员

本文由 @周銘漢  原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议