起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識如何設計一個語音技能？
編輯導語：在我們的日常生活中，語音技能其實無處不在?？萍嫉牟粩喟l展使我們的生活變得越來越方便，很多時候通過說話便能讓機器代替我們去做一些事情，這是語音技能給我們的生活帶來的便捷之處。那么，如此便利的語音技能是如何設計出來呢？
2016年，“互聯網女皇”、KPCB合伙人瑪麗·米克爾有過一個預判：“語音拐點已經到來，在2015年智能手機銷量下滑之后，Echo銷量或將騰飛?！倍酉聛淼氖聦嵰豺炞C女皇寓言的正確性。
在之后不久，國內智能音箱也迎來了爆發式增長，2018年國內智能音箱出貨量突破2000萬臺，2019年國內出貨量達到4589萬臺之多。
作為智能音箱，其核心就是語音能力，也就是要能和用戶進行語音交互，而語音交互的核心是音箱能聽到、聽懂、理解、執行并反饋，而這其中到底能做哪些事就涉及到音箱上有多少個技能，此處的技能可以約等于APP上所說的功能。
接下來，我們一起探索下如何設計一個語音技能。
一、從發散到收斂
有時候要想說明白一件事情，最好的方式就是對比。為了方便理解語音技能的特點，我們就拿APP的功能來對比，也就是語音交互和觸控交互的對比。
首先我們先來看觸屏操作，大家可以稍微回想下自己平時在APP上的觸屏操作，幾乎都是通過點擊某些按鍵進行跳轉，依次選擇進入下一級或者原路返回，對吧？所以概括來說觸屏操作是：
- 在有形狀、有顏色、有文字、有震動等引導下的觸覺交互；
- 觸控交互是一個選擇題，在多個可控區域中選擇自己想要的，并點擊；
- 觸控交互無法選擇開發者沒有提供的選項；
- 大部分觸控是怎么通過點擊選擇過來的，依然可以通過點擊回去。
所以我們可以概括為觸控交互是一個樹狀結構，從一個節點到另一個節點的可視化交互，如下圖所示。
而語音交互卻很不同，首先，初期的智能音箱沒有屏幕，甚至很多設備僅僅有一個很簡單的閉麥指示燈，我們就拿查天氣來舉例子吧。
- 用戶通過喚醒詞來讓設備處于聆聽狀態，準備接收用戶的語音指令；
- 用戶要查詢當前位置的天氣，可以怎么說？說天氣行不行？當前的天氣哪？現在的天氣、最近的天氣、今天天氣怎么樣、會下雨嗎、有霧霾嗎、出門需要帶傘嗎等等，就普通話而言就有很多種問法；
- 用戶如果需要查詢非當前位置天氣哪？比如差旅目的地、家人所在地，需要怎么說？是時間+地點+天氣，還是天氣+時間+地點都可以？
- 我們看屏幕一次可以看7或者14天天氣，語音要怎么實現？我繼續詢問說“下一天”嗎？
在此種情況下，我們喚醒智能音箱后，用戶的疑惑可概括為：
- 我什么時候可以說了？說早了，它有半句沒聽到，說晚了，它又閉麥了；
- 我們要說什么？每次只問個天氣嗎？是不是要說具體某天某地的天氣；
- 怎么說是它能懂的？我用倒裝句是否能行？我加個語氣詞哪？
這些都需要用戶去摸索和學習，夸張點說的話，用戶是閉著眼睛在操作設備。此時我們再看語音交互時：
- 在沒有形狀、沒有顏色、沒有文字（會有部分上下文提示）、沒有震動等引導下的交互；
- 語音交互可能是一個簡答題，也可能是一個選擇題，但是簡答題占大多數；
- 語音交互可以選擇開發者沒有提供的選項，當然選擇以后也是大概率是無法執行的。
所以我們可以概括為語音交互是一個單點呈收斂，多點成樹狀的結構，從很多發散的說法、話術收斂到某個意圖、動作的節點，然后進入后續流程，如下圖所示：
所以當我們做一個語音技能時，要先判斷有哪些支持的能力，然后還要同時判斷哪些不支持，而支持的能力有哪些種說法，這個部分如何收斂到有限個節點，而至于其他不能支持的，現在大部分都是走default狀態回復：不好意思，沒聽懂。
二、從樹狀到圓環
在上面的分析中，我們說到過語音交互是一個單點要收斂、多點成樹狀的結構，但是語音技能中還存在網狀、跳躍結構的可能性。我們先來看APP上觸控購物的例子：
- 篩選商品
- 加入購物車
- 收銀臺確認支付
- 支付成功
在其中任何一步，都可以點擊返回去向上一步，比如當你準備支付時，女朋友說要再加個東西，你關閉收銀臺、反饋購物車，然后可以繼續挑選商品，這是一個路徑往復的軌跡。
但是當我們把購物做成一個語音技能，那么：
- 當語音詢問用戶是否要付錢時，用戶是否可以說我還要買點別的？
- 如果用戶可以說，那么是否直接去尋找商品，還是需要詢問用戶當前訂單該如何處理？
- 如果用戶說把已經在購物車的商品刪掉，或者修改數量，或者修改收貨地址，又該如何處理？
所以我們會發現，上述例子是不同節點間的跳躍、環形交互，也就是說一個節點的多種說法，在另一個節點是否允許生效的問題，而如果允許生效，則會出現環形。
但是語音中的環形流程并不友好，會有增加用戶記憶負擔、整個流程因為對話頻次過多而顯得冗長等問題，所以我們設計時還是盡量規避又長、又多的環形結構。
如下圖所示，假設A為挑選商品，B1為購物車，C1為APP的收銀臺支付頁面?；疑珵锳PP的主線正向流程，紅色弧線表示A的話術在C1生效，而當C1允許A的話術生效時，便會涉及到走兩條紅色的虛直線方案，還是走藍色的虛直線方案。
當然，我們可以限制某些節點的說法只能在某些意圖范圍內，比如如上截圖，A的說法對C1生效，但是在C2~6全部不生效；如果用戶在C2~6說了A的話術，我們可以統一回復并告知用戶當前僅支持某些說法即可。
當然了，此時是可以退出整個流程，類似我們在APP中某個流程中，通過系統殺掉進程一樣。
三、從獨立到共生
剛才我們通過將觸控與語音對比來闡述語音技能的從發散到收斂、從樹形到圓環，那么下一個問題是：語音交互和觸屏交互除了對比之外，是否可以融合？
答案是肯定的，現在市面上有很多帶屏音箱（市場份額如下圖），其中語音交互和觸屏交互就已經開始融合，比如用戶說我要看周星馳的電影，那么多部周星馳的經典電影，不能一個一個播報加詢問啊。
所以需要讓用戶看電影海報后可以用語音來選擇，這個不贅述（很多智能電視也已經支持）。
（圖片來源：https://www.sohu.com/a/423616757_120868906）
那我們看上圖會發現還是有很多無屏音箱，此時怎么和觸控融合哪？那就是涉及到觸控的不一定是音箱，可以是我們的手機APP。
首先，音箱的激活還是需要手機APP的，畢竟連接你家WiFi時用語音輸入密碼不是很方便。BD部分、四十部分的大有人在。所以我們可以考慮在手機APP上做一些更加符合觸控交互的事情，比如剛說配網這類的設置。
這類在手機APP上的操作有共性可循：一些低頻但是關鍵信息的輸入，比如購物例子中涉及收貨地址、電話號碼、綁定支付信息，媒體娛樂的賬號資產、會員充值等，這些的修改的頻率都很低，同時還可讓用戶自己設定一些快捷指令。
四、腦洞示例
說了這么多，我們可以開下腦洞，最近看到盲盒賣菜的新聞，感覺特別適合做一個語音技能。
我們先看如果在APP上做的主線步驟：
- 用戶要先選擇某個盲盒（可能有不同價位、葷素配比的差異）
- 選擇后加入購物車
- 確認數量等屬性信息（比如份數）
- 確認是否加購
- 拉起APP收銀臺選擇支付方式
- 確定支付及支付結果展示
首先我們先看哪些步驟在語音交互中是可以被優化、調整的，例如（為闡述簡單，示例會忽略很多實際數據和現實因素，比如運費）：
- 我們將蔬菜盲盒減少為兩種：純素和葷素結合（當然也可以按照大小包不同量來分），一次來減少語音介紹及用戶的記憶成本；
- 下單后不支持添加商品和修改數量，畢竟是買菜，配的盲盒就是一天一家三口的均碼（請勿ETC自動抬杠）；
- 收獲地址需要用戶在手機APP上提前設置；
- 支付方式需要用戶在手機APP上提前設置，比如免密支付、聲紋支付；
- 允許用戶在APP上設置快捷指令，比如：“喚醒詞+盲盒買菜大份”來對應葷素搭配的蔬菜盲盒、“喚醒詞+我要吃盲盒”來對應蔬菜盲盒的純素版。
通過以上調整，我們的用戶可以通過一句話來完成盲盒買菜的主鏈路，其中標號和2主要是修改節點數量（減少）和節點間的關系（一層且線性），標號3、4、5主要是用手機APP來對低頻關鍵信息設置，也是對節點數量的優化，同時也讓節點關系更加簡單。
五、總結
通過以上分析，當我們在做一個語音技能時：
- 可以先考慮如果它是個觸屏技能，此時要有什么能力和節點鏈路；
- 哪些節點和鏈路是語音交互需要支持的、哪些不需要；
- 哪些最好是通過手機屏幕、音箱屏幕來完成的；
- 需要語音支持的節點中，每個節點的泛化說法有哪些；
- 哪些節點間是可以任意跳轉并繼續流程的，哪些節點是跳轉需要詢問的（因為此時跳轉就是從新開始了），哪些節點是不能跳轉的。
#專欄作家#
代成龍，人人都是產品經理專欄作家，智能硬件創業公司產品狗，從視頻巨頭公司到玩智能硬件的公司，繼續產品設計工作。
本文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
- 目前還沒評論，等你發揮！
