對話式產品中，常常通過機器人推薦話題來引導用戶的行為。進入某個話題，從一個話題過渡到另一個話題，其中如何巧妙地讓用戶跟著機器人的節奏走，最終既能滿足用戶的需求又能達到商品推薦的效果呢？

在對話式產品中，產品功能不像傳統GUI交互是直接呈現在界面上，對話式交互的功能通常隱藏在的話題里，需要通過機器人引導或推薦將功能觸達用戶。

另外，為了避免用戶在對話時，出現不知所措的情況，同時促進話輪轉換、提升對話輪數，推薦和引導也是起著必不可少的作用。

題外話：

有些人可能會好奇“推薦”和“引導”有什么區別？

——在對話式交互中，推薦一般是讓用戶選擇想去的話題或對話路徑，引導則是在某個話題內，讓用戶一步步深入對話。兩者也具有相輔相成的關系，比如：引導話術中包含的推薦選項。

對話設計中的話題是什么

話題在詞典中的意義是：談話的題目，談論的中心。

就像人和人之間的交談一樣，要進行一場持續有效的對話，必定是圍繞某個中心主題展開，而雙方談論的主題就是話題。

一次有效的對話也并非只能圍繞一個話題，如果某個話題已經結束，而一方還想和另一方繼續交流，也會主動開啟其他話題。

對話設計也是同樣的道理，用戶進入對話系統，大部分都是想解決某些問題，獲取某些消息等，也不排除有純閑聊的情況。要想用戶和系統構成多輪對話，用戶的每個意圖目標應當都由話題來承接，否則就會做成一問一答像搜索引擎一樣的對話產品。

一個話題通常對應產品里的一個功能領域，也存在多個話題對應一個領域的情況。多個話題之間會有相互串聯，以形成“條條大路通羅馬”的對話形態。

某個話題下的推薦及用戶行為

用戶進入某個話題，一般是通過用戶主動發問觸發，或者機器人采用主動式對話引導用戶進入。

當進入某個話題后，如果要按照既定路徑深入對話，通常會由機器人發問、用戶回答的模式來讓系統主導對話進程，直到系統收集到所有必須信息，并根據這些信息執行某些行為。

當機器人反問用戶時，會給用戶幾個快捷回復選項。舉個簡單的例子：

Chatbot: “請問您是想要哪種顏色的T恤衫？（提供庫存有的T恤顏色：紅色、黃色、藍色）”

User: “紅色”

Chatbot: “OK，已將紅色T恤衫添加至購物車?！?/p>

該輪對話中，T恤衫的顏色是根據庫存現有顏色預設好的，推薦選項通常比較固定，而且選項還會根據庫存變化動態調整。

當然T恤衫的推薦維度不止顏色一種， 還包括：品牌、版型、材質等。

這類推薦選項通常由答案決定——即有什么樣的答案就給和答案對應的選項內容(這里指T恤衫庫存顏色)。另外，推薦不一定要以選項的形式單獨拎出來，也可以融在反問話術里，如“請問您要紅、黃、藍哪種顏色的T恤衫呢？”這種方式適用于選項數在2-3個以內，且內容不長的推薦。

然而，設計上要考慮的還不止是推薦選項上的這些happy path，也要考慮用戶可能會說些推薦之外的東西。

還是上個例子，比如：用戶說了其他沒有的顏色、說了多種顏色、跳轉其他話題、返回某些任務節點等等。

如果是單純的移動端界面，可以通過場景化輸入解決，即只提供點擊輸入。不過若是純語音設備，就無法預知用戶可能會說些什么。在設計過程中，盡量將用戶可能出現的回答類型遍歷一遍。

雖然回答基本上由話題內容決定，但也可以抽象出一些通用的類型。我總結了以下幾種：

愉悅路徑（happy path）：用戶按給定的推薦回答，能夠順利走通主路徑。

其他可達路徑（相關路徑）：用戶沒有按給定的推薦回答，但也能走通路徑。

這里出現的情況會比較多，主要分為兩類：“同義”回答和“破壞性”回答。

具體場景具體分析，還是舉上個例子，用戶可能出現的回答有：

a. “同義”回答:

• 在選項前加各種修飾，如“我媽媽喜歡我穿紅色”、“大過年了應該穿紅色”
• 說了兩種顏色
• 說了選項外的顏色
• 說了顏色所在的順序，如“第二個shai兒”
• ……

b.“破壞性”回答:

• 對某些選項進行否定，系統要能辨認和剔除用戶不要的。如“我不喜歡藍色”
• 否定所有選項，“這些顏色我都不喜歡”
• 反問還有其他什么顏色
• 你幫我選一個
• ……

話題內的非可達路徑：

回復的內容仍在話題內，但已經跳出該場景?？赡苁欠祷厍懊娴膱鼍肮濣c，比如:“我再看看其他的T恤衫款式”、“黃色，但是我想換個T恤衫款式”；也可能是跳轉其他場景節點，比如:“我還是先買褲子吧”。

對于跳其他節點的對話，在解決完其他節點的任務目標后，需要提醒用戶解決之前遺留的問題。

舉例說明：

Chatbot: “請問您是想要紅、黃、藍，哪種顏色的T恤衫？”

User: “我還是先挑挑褲子吧?！?/p>

Chatbot:“ OK，為您推薦以下幾款熱門的褲裝品牌?！?/p>

……（經過幾輪對話后）

Chatbot: “OK，M碼，黑色Selected休閑褲已為您加入購物車。剛才的T恤衫還要繼續選購嗎？”

User:“好?！?/p>

Chatbot: “CK圓領T恤刪，請問要紅、黃、藍哪種顏色？（如果對話設備是帶屏幕的，可以顯示出該款式不同顏色的T恤衫圖片，方便用戶選擇）”

User: “紅色吧，幫我結賬?！?/p>

偏離或跳出話題：

這里指的跳出話題，和跳其他場景節點意義不同。跳其他場景節點仍然是在話題內，比如“買東西”話題之間的節點跳轉。跳出話題指已經不在這個話題內，而是跳轉其他話題。比如從買東西跳轉到問天氣。不過，和跳其他場景節點一樣，當用戶在其他話題下實現目的后，還是要回過頭來反問用戶之前尚未解決的問題。（可以將話題理解為領域、垂類。解決的是不同領域之間的跳轉、銜接問題）

Chatbot:“請問您是想要紅、黃、藍，哪種顏色的T恤衫？”

User: “對了，周末天氣怎么樣？萬一下雨約不了會，衣服就白買了?！?/p>

Chatbot: “周末杭州多云，2至11度。剛才的T恤衫還要繼續選購嗎？”

User: “好?！?/p>

Chatbot: “CK圓領T恤刪，請問要紅、黃、藍哪種顏色？”

User: “紅色吧?！?/p>

長時間未給出答案：

用戶可能因為在思考問題，或處理其他事務，而沒有立即給機器人答復。如果用戶靜默的時間較長，系統可以再次追問用戶。一般追問1次即可，仍無響應則結束會話。

Chatbot: “請問您是想要紅、黃、藍，哪種顏色的T恤衫？”

User: “Umm……我想想……”

（設置一定時長后再次追問）

Chatbot: “親~還在嗎，你是要什么顏色的T恤衫呢？“

結束會話：

結束會話存在兩種情況：主動結束和被動結束。

主動結束即：用戶通過語言或行為主動結束和機器人的對話，包括意圖已經實現后的結束，以及意圖未完成的結束。

被動結束則是：用戶長時間未響應，由系統結束對話。

用一張邏輯結構圖展示上面6種情況：

從一個話題引導至其他話題的推薦，及用戶行為

不同于用戶在遍歷某個話題的途中跳轉其他話題，這部分主要介紹用戶在走完某個話題，完成某個意圖后，系統如何給用戶推薦。還會提到用戶在對話里無任何行為時，系統又該如何推薦。

當用戶實現某個意圖，對用戶而言任務已經完成。如果是在傳統界面，用戶可能會直接退出應用，而對于對話式交互界面，為了提高功能曝光度，或是對上一個話題的補充、優化，我們還會推薦其他相關話題。推薦的話題可能是在同一領域下的不同話題，也可能是跨領域的話題推薦。

推薦的話題要和上個話題具備關聯性，并且滿足以下條件之一：

在某種程度上能幫到用戶，在用戶下次執行該任務時，可以提供極大便利。

Chatbot: “一切準備穩妥，你定的玫瑰即將送出?！?/p>

Chatbot: “對了，要是加入我們會員，下次訂購還可以享受優惠和“極速達”服務，需要我幫您加入會員嗎？”

User: “好的?！?/p>

……（后面是一系列關于“加會員”的對話）

用戶在實現上個意圖后，有可能會涉及到的功能。

如果機器人平臺沒有提供該功能，用戶也會轉而去其他有這一功能的應用。這類推薦可在一定程度上提高用戶效率，避免用戶在應用間跳轉，實現完整任務鏈路。

比如：用戶在選完約會的餐廳后，可能會預約打車服務。

Chatbot: “好的，外婆家今晚6點，兩人，已提交訂餐信息?！?/p>

Chatbot: “要幫您預約專車嗎？”

User: “好的?！?/p>

……（后面是一系列“打車服務”的對話）

根據用戶個性化數據，判斷用戶很有可能會感興趣的話題。

如果用戶在實現某個意圖后，經常執行同一個操作，那么下次可以把后續操作直接推給用戶，或自動幫用戶完成。

以用戶測量血壓的場景為例：

User: “我的血壓測量結果怎么樣？”

Chatbot: “收縮壓132，舒張壓90，心律92次每分鐘?！?/p>

Chatbot: “需要將該測量結果發給您的家庭醫生嗎？”

User：“好的?！?/p>

……（系統自動幫用戶發送數據）

多數用戶感興趣的話題或是一些熱門、熱點話題，幫助用戶接收更豐富的信息。

User: “巴黎有哪些熱門景點？”

Chatbot: “埃菲爾鐵塔、盧浮宮、巴黎圣母院、凱旋門等?！?/p>

Chatbot:“ 順便說下，盧浮宮近期有幾個展覽值得一看，要具體了解下嗎？”

User: “好的?！?/p>

……（后面是一系列關于展覽的介紹）

從一個話題引導到另一個話題，用戶也會出現以下幾種應答情況：

• 回答的內容屬于推薦話題范圍。根據上面介紹的“話題內引導”場景，用戶可能會走愉悅路徑，也可能走話題內的可達或非可達路徑。
• 主動開啟其他新的話題。用戶不按推薦的話題走，而是知道自己想了解什么。
• 長時間未應答。用戶對于機器人開啟的話題沒做任何回應。處理方式同樣可以再次追問，若仍無應答則關閉對話。再次開啟對話，則默認以系統初始狀態處理。（話題內的引導推薦則需要根據任務路徑的長短，選擇是銜接先前的對話，還是重啟對話。）
• 結束對話。用戶通常對推薦的話題持否定態度，以結束當前對話

當然，并不一定每個話題結束后都要推薦其他話題，過多無意義的推薦反而會造成信息過載。而且還會干擾用戶，無形中給用戶壓力，最終導致用戶對機器人反感。

本文由 @米粒 原創發布于人人都是產品經理，未經許可，禁止轉載。

題圖來自 Unsplash，基于CC0協議。