4、確定策略時需注意的幾點

輸入確認：必須確保用戶感覺到自己是被理解的，同時有助于讓用戶知道，什么時候 VUI 不理解他們所說的話。

1、確認錯誤的后果是什么？比如：預定錯誤的航班？制定錯誤的任務？播放錯誤的歌曲？

2、系統(tǒng)將如何反饋？比如：會有音頻提示嗎？是否有視覺反饋嗎？比如Amazon Echo上的光環(huán)。

3、是否擁有屏幕？比如：車載導航、手機屏幕、智能手表。

4、選擇合適的確認形式？比如：明確確認、含蓄確認、混合式的確認。

5、確認策略的兩種方案

顯性確認：重要信息，需強制用戶確認信息。

隱性確認：讓用戶知道他的話接收到了，但不需要他們確認。

6、確認信息的方式

三級置信度：

系統(tǒng)將在一定的閾值內，以明確的形式確認信息，拒絕較低置信度的信息，并以隱性確認來確認置信度超過80%閥值的信息。

1、80%以上，使用隱性確認。如果是誤識別代價高的話，考慮采取顯性確認。

2、45%-80%，使用顯性確認，以明確的形式確認信息。

3、45%以下的，拒絕確認信息。

舉例：用戶：幫我再買一份口香糖。

VUI：（置信度大于80%，使用隱性確認）好的，已經(jīng)為您再購買一份口香糖。

(置信度45%～79%，使用顯性確認）您是想再多買一份口香糖，是嗎？

(置信度小于45%）對不起，我沒有聽清您講的話，您想買什么？

隱性確認：

1、只使用隱性確認，不要求用戶進行操作。

2、將「答案」和連同「原始的問題的一部分」一同回復，讓用戶知道系統(tǒng)識別到的是哪個問題。

3、當置信度高的時候，也可以不用連同問題，這樣更自然流暢。

非語言式確認：

1、僅需行動反饋，而不需要口頭響應。

2、通過視覺確認，比如小米智能家居，可以通過語音交互打開燈光、電視、窗簾等。

     a、如果沒有延遲，沒必要再對其回復。

     b、如果有3-5秒延遲，需進行回復，讓用戶知道并不是設備沒有聽到她的聲音。

3、使用一個“聲音標識”，即簡短的、有識別度的聲音。這樣有助于幫助用戶快速知道他們已經(jīng)到了哪一步。

通用確認：

1、在某些對話式系統(tǒng)中，最好不要詢問用戶具體說了些什么 - 哪怕是隱性確認。

2、通用確認可以讓用戶分享更豐富的體驗，因為這類反饋能適應用戶輸入的各種信息，并讓對話繼續(xù)進行。通常人與人之間的對話，也不會句句必回復，也會有 “嗯” “哦 ”“啊” “然后呢”等。 

視覺確認：

1、確認一個項目清單，通過屏幕顯示進行溝通會更加有效。人的記憶有限，通常用戶一次性不能記住超過大約7個聽覺項目。

2、用來確認用戶的選擇。用戶可以通過說話或按下按鈕來回復。而 GUI 的反饋指令更加明確。

7、判斷你的 VUI 適合哪種類型

目前大多數(shù)的 VUI 系統(tǒng)都是“命令 - 控制”模式，這意味著當用戶想要說話時，必須給出明確的指示。

1、用戶可以隨時向系統(tǒng)詢問 / 發(fā)出命令嗎？

2、是否參與一個有明確開始和結束的封閉式對話？

8、命令-控制模式

喚醒系統(tǒng)方式：按鍵通話（車載導航、Siri等）、直接進行關鍵詞呼叫（“OK Google”“小度”等喚醒詞）。

喚醒系統(tǒng)反饋：系統(tǒng)檢測到用戶說話完成，通常會使用某種非語言的音效進行提示，然后做出相應處理（比如：“?！钡囊宦暬蛘咭曈X反饋：聲波線、點狀動效、設備逐漸發(fā)光等）。

系統(tǒng)聆聽時間：用戶說出喚醒詞或按下按鈕后，系統(tǒng)保持聆聽狀態(tài)的時長，根據(jù)經(jīng)驗來看，10秒 是個不錯的起始時間段。

喚醒響應時間與反饋方式

喚醒響應時間與喚醒反饋方式有關，不同喚醒反饋方式下，最佳響應時間不同：

1、當喚醒反饋為"燈光"反饋時，喚醒響應速度越快越好，在200ms時，用戶響應舒適度最高（對響應時間評價為剛剛好的用戶比例），73%的用戶對速度滿意。

2、當喚醒反饋為"燈光+音效"時，喚醒響應速度的舒適時間為300ms左右，76%的用戶對速度滿意。

3、當喚醒反饋為"燈光+人聲"時，喚醒響應速度的舒適時間為500ms左右，74%的用戶對速度滿意。

數(shù)據(jù)來源：百度人工智能交互設計院智能音響時間測試實驗

喚醒等待時間體驗感

用戶請求及反饋階段響應時間對等待體驗的影響：

1、1250ms以內是用戶認為響應速度較優(yōu)的區(qū)間，其中650ms為最佳體驗值。在450ms時，少量用戶覺得響應速度太快了，用戶會感覺到緊迫感和壓力，難以接受。

2、在1450ms時，有53%的用戶開始感覺響應有延時，但仍能夠接受。

3、從2150ms開始，有20%的用戶認為音箱響應太慢，不能夠接受。我們認為20%的用戶不滿意，已經(jīng)不足以被稱為一個優(yōu)秀的產(chǎn)品。

數(shù)據(jù)來源：百度人工智能交互設計院智能音響時間測試實驗

9、對話模式

1、不要強迫他們不斷地去表明他們將要開始說話，自然地對話技巧進行話輪轉換。

2、通過更精細的設計，使 VUI 系統(tǒng)可以處理一些常見的微妙表達方式。（用戶處理完畢說“謝謝”，你可以設置系統(tǒng)忽略這種情況，或回復“不用客氣”，而不是提示或者報錯。）

3、不要問你都無法理解的反問句。

4、打破話輪轉換的情況，用戶在系統(tǒng)說完之前就進行提問。

5、在命令 - 控制模式和對話模式之間進行切換。喚醒之后進行自然的對話。

10、對話式標識

使 VUI 更加人性化、更具吸引力，對話式標識是讓用戶了解交談進展以及進展情況的重要方式，當系統(tǒng)在對話中使用了一些基本的對話禮儀后，用戶的參與度會更高，并且會以同樣的方式進行回復。

反面案例:

虛擬助理：你昨晚你睡了幾小時？

用戶：大約7個小時。

虛擬助理：你昨天吃了幾份水果和蔬菜？

用戶：大概有4份。

虛擬助理：你昨晚吃藥了嗎？

用戶：吃藥。

虛擬助理：再見。

正確案例:

虛擬助理：我會問你幾個有關你身體健康的問題。第一個問題，昨晚你睡了幾小時？

用戶：大約7個小時。

虛擬助理：不錯。你昨天吃了幾份水果和蔬菜？

用戶：大概有4份。

虛擬助理：了解了。最后一個問題，你昨晚吃藥了嗎？

用戶：吃藥。

虛擬助理：好的，暫時就這些了，我明天還會再問你的，回見。

11、異常處理

“當你與人類交談時，永遠不會出現(xiàn)不可恢復的錯誤狀態(tài)?！?

— ABI JONES, Google 設計主管

“你偶爾因為犯錯和不知道某些事情導致評分降低造成的影響，比你每次做對一件事情重要百倍?！?nbsp;

— 英特爾語音助手部經(jīng)理 Pilar Manchon

如果處理的得很好，錯誤情況就不會影響用戶，你可以讓用戶回到正常流程，并順利完成任務。但如果處理不好，用戶不僅這次無法完成任務，他們以后都可能再也不用你的產(chǎn)品了。

一個好的設計師應該知道，你不能只設計正常的情況， 你還要對出錯的情況做出設計。這對于 VUI 設計來說尤為重要，因為出錯情況是家常便飯。

未檢測到語音 / 檢測到語音，但沒有識別

1、什么情況下可以明確說出來？

     a、你的系統(tǒng)只使用語音

     b、用戶沒有其他的回復方式

     c、必須要用戶回復后，系統(tǒng)才能繼續(xù)進行任務 / 對話

2、什么情況下可以什么都不做？

     a、用戶可以通過其他方式進行下一步操作（比如通過按鍵選擇）

     b、就算什么也不做，也不會中斷對話

     c、系統(tǒng)沒有理解時，用視覺信息提示告訴用戶，比如：提示列表等

     d、利用虛擬表情形象反饋，疑問、微笑等動作表達

其他異常處理

1、當出現(xiàn)：語音被正確識別，但系統(tǒng)無法處理

     a、程序對關鍵屬性理解不明，寫了錯誤的回復

     b、沒有針對一些情況的回復

解決：對用戶可能會說到的所有情況做更完善的預測，通過數(shù)據(jù)收集來避免此問題

2、當出現(xiàn)：部分語音識別錯誤

     a、什么也不去處理，因為這不是你想要的結果

     b、匹配錯誤的行為

解決：可以用 N-Best 列表來智能匹配最有可能的識別結果

3、增強錯誤提示

     a、當需要用戶說話的時候，使用這種增強錯誤提示策略

     b、必要的情況下，進階錯誤行為提示可以更為詳細，并提供更多的幫助

     c、如果你正在設計一個可以提供真人輔助的系統(tǒng)，可以為錯誤數(shù)量設置一個閾值，當達到該閾值時，將用戶轉移給人工助手  

12、新手和專家用戶

如果你的用戶會定期使用你的系統(tǒng)，那么在設計中就需包含不同的策略。

“務必確保你的目標不是簡單的訓練你的用戶，應當適應用戶的行為，而不是用已有的命令讓用戶感到厭煩?！?

— Google 交互設計師 Margaret Urban

我們在 VUI 設計上該如何更好的交互設計？

1、減少冗長指令以及其他引導提示。通過計算 APP 使用次數(shù)和頻率來確認是否切換模式。

2、縮短解釋性提示。但是請務必使用“對話式標識”。

3、啟動效應。

什么是啟動效應？

指某人受到某種特定的刺激后（例如一個詞語或者圖像）會影響他們對之后刺激的反應。首先讓用戶預先知道你會問他們幾個確定數(shù)量的問題，為后面會發(fā)生的事情提供了暗示，用戶就會知道如何去準備。比如以下情況：

1、當給人們呈現(xiàn)一個還沒完成的草圖，隨著這個草圖越來越完整，人們就越來越辨認出這張圖畫的是什么。之后，再給他們呈現(xiàn)其他還沒完成的草圖時，他們會更早辨認出這張圖畫的是什么；

2、如果當給人們呈現(xiàn)一組漢字，假如里面含有 “河” 這個字，隨后讓他們寫出部首是 “氵” 的字時，這些人回答 “河” 的幾率會更大。

談談自己對新手和專家用戶的理解

01、專家型用戶：代表老用戶且愿意探索你的產(chǎn)品或服務，有著很大的包容度。并會積極提出各種改進的建議和享受產(chǎn)品帶來的驚喜感。

02、新手：什么叫新手，就是剛剛下載你的產(chǎn)品，準備使用的用戶，對產(chǎn)品功能都還處于陌生摸索的階段。他們不會因為你的技術而使用你的產(chǎn)品，使用你的產(chǎn)品目的是完成某項任務。他們有興趣使用更高級更復雜的產(chǎn)品，但卻不愿意接觸全新的東西，要想讓他們認可，那么產(chǎn)品就必須足夠簡單。

13、持續(xù)跟蹤上下文

持續(xù)跟蹤信息并不容易，但如果不跟蹤這些信息，你的 APP 就只能做單輪的對話行為。

指代：用兩個不同的詞語指同一個東西。比如： “他”  “哪些”

14、幫助和其他通用部分

我們在設計 IVR 系統(tǒng)時，我們會確保每個狀態(tài)都包含一組通用組件：重復、主菜單、幫助、操作和再見。

15、延遲

產(chǎn)生原因：糟糕的連續(xù)性能、系統(tǒng)處理進程、數(shù)據(jù)庫訪問

處理方式：告知用戶關于延遲的情況（比如：“請稍等，正在查找相關記錄”）、非語音和視覺的提示（比如：延遲提示音以及加載狀態(tài)）、可視化效果（比如：加載中的動態(tài)圖標）

處理細節(jié)：延遲的時長可能為0～10秒，在沒有延遲的時候最好也插入幾秒的延遲。因為如果在系統(tǒng)說“請稍等”之后，緊接著就繼續(xù)對話的話，會給用戶帶來異樣的感受。很多設備針對喚醒詞采用了本地化識別的方式，這樣喚醒的會更快。

16、消除歧義

問題來源：用戶只會提供執(zhí)行命令所需的部分信息，而沒有提供所有的細節(jié)。

舉例：用戶可能會詢問某地的天氣，而很多地方都有叫這個名字的地點，諸如“湖南路”那邊的天氣怎么樣。

解決方案：

1、依靠任何已知的信息來確定答案，而不是再次詢問用戶。

2、根據(jù)上下文線索進行判斷。

3、反問用戶進行確認，確保系統(tǒng)對用戶同一個問題的各種各樣的回復形式都有良好的適應性。

4、指令不明確。比如“給胡歌打電話，撥打工作電話還是家庭電話？”，系統(tǒng)以隱性的形式對名字進行了確認，系統(tǒng)對這個名字有很高的置信度，并且僅有一個胡歌。

5、用戶回答的信息超初了你的 VUI 系統(tǒng)可以處理的范圍時，你可能需要縮小范圍消除歧義。

17、設計文檔

我們需要制作：示例對話（sample dialogs）和會話流（dialog flow）文檔外其他一些情況。例如：在設計過程中，你還需要創(chuàng)建提示列表、完善對話每個狀態(tài)指定完整的語法規(guī)則等等。

18、無障礙設計

“一開始，我就很討厭屏幕閱讀器的工作方式。為什么它會被設計成這樣？當以視覺的方式來展示信息沒有任何意義時，屏幕閱讀器只是簡單地將文字轉換成音頻。所有那些應用花在創(chuàng)造完美用戶體驗的時候和精力此時都變得沒有任何意義，甚至有的給盲人用戶帶來了更糟的體驗?！?   — 克里斯·莫里（Chris Maury）

19、典型 VUI 項目交付項內容

示例對話：系統(tǒng)和用戶之間可能產(chǎn)生交互行為的預設對話，對話看起來就像電影劇本一樣，包括兩個主要角色之間來回往復對話。

流程圖：展示下一個狀態(tài)分支的所有方式，不一定要羅列所有的交互或示例對話，也可以是功能的分組、文本的分組等。

提示列表：如果沒有屏幕可以使用配音演員或語音合成來播放提示列表。

產(chǎn)品原型：如果這是一個多模態(tài)產(chǎn)品，有屏幕、支持觸摸交互。

參考文獻：

《語音用戶界面設計：對話式體驗設計原則》-【美】Cathy Pearl（凱瑟 彼爾）

語音交互入門：從概念，原理到如何設計VUI產(chǎn)品 - 杜松

AI時代的語音設計經(jīng)驗漫談 - 少夫白杰

語音用戶界面設計 - 對話式體驗設計原則 - walle_x