如何評(píng)測(cè)語(yǔ)音技能的智能程度之交互流暢
當(dāng)用戶(hù)發(fā)起需求后，【意圖理解】在前，【服務(wù)提供】在后，基本上已經(jīng)構(gòu)成了一輪完整閉環(huán)。
之所以把【交互流暢】這個(gè)點(diǎn)作為一個(gè)單獨(dú)維度拆解出來(lái)，是因?yàn)槠湄灤┦冀K。如果這個(gè)模塊的內(nèi)容如果處理不好，將全程傷害體驗(yàn)。
本篇文章為大家?guī)?lái)【交互流暢】維度的評(píng)測(cè)點(diǎn)拆解。
這個(gè)模塊，重點(diǎn)考量智能助手各個(gè)性能指標(biāo)及交互體驗(yàn)層面的表現(xiàn)。
【交互流暢】(1)服務(wù)穩(wěn)定性
“正常運(yùn)行”、“不出bug”、“魯棒性好”。
評(píng)測(cè)點(diǎn)已經(jīng)講完了，十分清晰，幾乎每一個(gè)互聯(lián)網(wǎng)從業(yè)者都能夠說(shuō)出個(gè)1234，然后呢?
穩(wěn)定不好，這類(lèi)問(wèn)題可大可小，小點(diǎn)就是網(wǎng)絡(luò)繁忙，不給你任何反饋，大到極致，機(jī)器人可以反動(dòng)搞事情，“愚蠢的人類(lèi)啊，阿西莫夫的機(jī)器人三定律也救不了你們。”
好了，開(kāi)個(gè)玩笑。實(shí)際上，定義“what”容易，解決“how”往往都才是考量業(yè)務(wù)理解。
所以，在過(guò)往我經(jīng)常會(huì)問(wèn)面試者的問(wèn)題有一個(gè)，你曾經(jīng)做過(guò)的智能助手產(chǎn)品，出過(guò)哪些問(wèn)題，你是如何解決的?
不同的人回答不同，對(duì)于這類(lèi)命題，才更有探索價(jià)值。
一般情況下，回答這些是技術(shù)的問(wèn)題，往往都很糟糕，實(shí)際上，每個(gè)公司的穩(wěn)定性業(yè)務(wù)保障是需要一個(gè)體系來(lái)承擔(dān)的。
所以能得分的面試回答是，把影響穩(wěn)定性的故障進(jìn)行一個(gè)分類(lèi)，并且設(shè)計(jì)好處理路徑。
這里只有大類(lèi)別，單單一個(gè)業(yè)務(wù)后臺(tái)，就能做很多范圍細(xì)分。故障表現(xiàn)情況例如：崩潰、局部故障、弱網(wǎng)環(huán)境、狀態(tài)更新、請(qǐng)求超時(shí)、并發(fā)表現(xiàn)……嚴(yán)重程度不一致，此處不逐一展開(kāi)。
出過(guò)哪些問(wèn)題分類(lèi)回答完畢，你是如何解決的呢?是后續(xù)的一個(gè)命題。
一般情況下，公司的業(yè)務(wù)流程是這樣運(yùn)轉(zhuǎn)的。
這里有3個(gè)細(xì)節(jié)。
第一個(gè)是反饋的行為折損。根據(jù)歷史數(shù)據(jù)表現(xiàn)，1個(gè)問(wèn)題被報(bào)上來(lái)，背后往往有至少10個(gè)以上的用戶(hù)遇見(jiàn)過(guò)，只是用戶(hù)懶/報(bào)問(wèn)題麻煩，沒(méi)有報(bào)而已。
第二個(gè)是反饋的信息折損，客服問(wèn)：你做了什么操作導(dǎo)致的崩潰?用戶(hù)答：我也不知道，就崩潰了。這種情況，是不利于排查和定位問(wèn)題的。
第三個(gè)是“解決方案的設(shè)計(jì)”，這里也分為“臨時(shí)解決方案”和“全局最優(yōu)解決方案”兩說(shuō)。
下圖是一個(gè)信息化的風(fēng)控結(jié)構(gòu)，做過(guò)相關(guān)模塊的，懂得自然懂，篇幅太長(zhǎng)，此處不展開(kāi)。
所以，在考量服務(wù)穩(wěn)定性上有兩個(gè)大層面，一個(gè)是智能助手本身的穩(wěn)定性表現(xiàn)，二個(gè)是在服務(wù)用戶(hù)的過(guò)程中，如何規(guī)避，以及遇見(jiàn)問(wèn)題后的業(yè)務(wù)響應(yīng)速度表現(xiàn)。
服務(wù)穩(wěn)定性的考量是以一定周期、頻次進(jìn)行考量才是科學(xué)合理的。
【交互流暢】(2)響應(yīng)速度/流暢度
服務(wù)穩(wěn)定性保障了之后，接下來(lái)就是速度。
語(yǔ)音交互這件事，本身就是因?yàn)檎Z(yǔ)音輸入的高效性。
當(dāng)用戶(hù)發(fā)出了需求，希望盡快拿到反饋，
現(xiàn)在的用戶(hù)極其沒(méi)有耐心，速度一旦過(guò)慢，注定會(huì)被棄而不用。
而在智能語(yǔ)音助手交互對(duì)話(huà)的過(guò)程中，又包含哪幾個(gè)階段呢?
先明確一點(diǎn)，一味追求快并非是好。
1、人類(lèi)喚醒后，計(jì)算器的響應(yīng)靈敏度，靈敏度太強(qiáng)(誤喚醒)或太弱(沒(méi)反應(yīng))都不好，當(dāng)然如果升級(jí)下維度，還可以添加場(chǎng)景，比如噪音下喚醒，遠(yuǎn)場(chǎng)喚醒等。靈敏度是可以調(diào)試的，以表現(xiàn)合適最好。
2、人類(lèi)表述了自己需求后，ASR有兩種方案，一種是邊識(shí)別邊轉(zhuǎn)換文本，另外一種是表述完畢后一口氣轉(zhuǎn)換為文本。
3、業(yè)務(wù)邏輯處理表現(xiàn)，其實(shí)是NLP領(lǐng)域最為核心的部分，也是最為耗時(shí)的部分，從效率角度上而言，此處盡管追求越快越好。
4、這里的語(yǔ)音播放，不是越快越好，而是合適就好，語(yǔ)速太快會(huì)給人一種輕浮及不穩(wěn)重的感受，太慢則顯得很笨以及可能造成不耐煩。而反饋樣式則需要盡快呈現(xiàn)，有些智能助手語(yǔ)音播放完畢了，結(jié)果下面的內(nèi)容還沒(méi)加載到位。
5、人類(lèi)總計(jì)2次交互，一次喚醒，一次表達(dá)意圖，這2個(gè)行為過(guò)后，等待AI反饋。也就是說(shuō)，當(dāng)用戶(hù)說(shuō)完話(huà)后的下一秒，助手要同時(shí)處理，識(shí)別+理解+接口查詢(xún)+反饋四個(gè)階段，這個(gè)過(guò)程中，全部都是用戶(hù)的等待狀態(tài)。
人們?nèi)ワ埖挈c(diǎn)完了菜，等上菜的過(guò)程中，中間服務(wù)員還會(huì)過(guò)來(lái)幫忙緩解，這個(gè)過(guò)程較長(zhǎng)，一定要考慮好等待體驗(yàn)管理，不至于讓用戶(hù)無(wú)聊。
前后端共同協(xié)作，添加一些語(yǔ)音播報(bào)，模態(tài)框提示，漸隱消失提示，動(dòng)畫(huà)效果，來(lái)管理用戶(hù)的等待體驗(yàn)。
所以，在響應(yīng)速度/流暢度這個(gè)維度上，不同的情況不同的對(duì)待，以合適最好。
【交互流暢】(3)交互形式豐富度
每一種交互形式的存在，都有著其依賴(lài)的場(chǎng)景。
下圖是我嘗試窮舉人類(lèi)的輸入行為(盡力做到MECE)。
點(diǎn)觸、語(yǔ)音、手勢(shì)、點(diǎn)頭搖頭、人臉識(shí)別、聲紋、指紋驗(yàn)證等等均算在內(nèi)。
這一塊真的不需要多講，除了腦機(jī)接口，基本上都玩過(guò)，體驗(yàn)過(guò)的都會(huì)覺(jué)得其有意思的地方。
交互形式豐富度，評(píng)測(cè)點(diǎn)已解釋完畢，在未來(lái)，一定是多模態(tài)交互，來(lái)適應(yīng)各種各樣的業(yè)務(wù)場(chǎng)景。
說(shuō)一點(diǎn)，產(chǎn)品經(jīng)理應(yīng)該修煉的部分。
筆者有一個(gè)出門(mén)問(wèn)問(wèn)的耳機(jī)，它是智能助手的操控延伸。在提供創(chuàng)新體驗(yàn)的同時(shí)，弄明白了是什么(what)，基于此去探究為什么(why)以及怎么辦(how)。
所以，筆者認(rèn)為產(chǎn)品經(jīng)理應(yīng)該修煉的部分。
盡量多的去使用智能硬件，把工作體驗(yàn)變成日常，以培養(yǎng)敏感度。
弄清楚這些交互方式、元器件連接方式背后的技術(shù)實(shí)現(xiàn)原理。
每種技術(shù)方案都有多種實(shí)現(xiàn)方式，知曉其優(yōu)劣勢(shì)及實(shí)現(xiàn)成本。
這三層修煉是遞進(jìn)關(guān)系。只有這些把這類(lèi)東西融入到了我們的生活之中，敏感性才培養(yǎng)得起來(lái)，繼而去加深理解，如此才更有可能做創(chuàng)新。
我們今天所熟知的眾多的科學(xué)以及專(zhuān)利技術(shù)的發(fā)明者，其實(shí)都是根據(jù)前人的經(jīng)驗(yàn)進(jìn)行的某種程度上的改進(jìn)。從結(jié)果上來(lái)看，主要有兩種改進(jìn)方向。
一種是將一個(gè)原本在實(shí)驗(yàn)室里面理論上可行，變成大規(guī)模批量生產(chǎn)的方案。
另一種則是根據(jù)已有的技術(shù)發(fā)明，發(fā)現(xiàn)一些“居然這個(gè)技術(shù)還可以被這樣使用” 的方案。
蘋(píng)果公司在技術(shù)研發(fā)上，并沒(méi)有什么特別優(yōu)秀的表現(xiàn)，但是在整合以及運(yùn)用技術(shù)的這件事情上，則是優(yōu)秀中的代表。市面上的絕大多數(shù)的手機(jī)公司的研發(fā)部門(mén)，應(yīng)該都叫技術(shù)方案整合商更為貼切。
只有將自己的日常浸潤(rùn)到各種類(lèi)型的交互體驗(yàn)里，進(jìn)而去理解實(shí)現(xiàn)方案背后的技術(shù)原理，才更有可能做出創(chuàng)新啊!
【交互流暢】(4)新手教學(xué)表現(xiàn)
我第一次給父母體驗(yàn)‘小愛(ài)同學(xué)’的時(shí)候，他們是需要我的幫助才能使用。
什么是喚醒;什么是監(jiān)聽(tīng);什么時(shí)候你說(shuō)話(huà)它會(huì)響應(yīng)/不響應(yīng);覺(jué)得羅嗦，如何打斷對(duì)方。
這個(gè)教學(xué)行為大概要持續(xù)一小會(huì)，言傳身教才能夠?qū)W出如何進(jìn)行語(yǔ)音交互。
如果沒(méi)有我，我的父母將無(wú)法上手。這種依賴(lài)人，在旁邊教的東西，實(shí)在是學(xué)習(xí)成本太高。
而當(dāng)我們的產(chǎn)品被用戶(hù)首次體驗(yàn)的時(shí)候，如果沒(méi)有新手教學(xué)，用戶(hù)也許就呆滯在那里，并不知道如何使用。
新手教學(xué)體驗(yàn)是非常重要的一個(gè)環(huán)節(jié)。
體驗(yàn)各家智能語(yǔ)音助手，在這一塊的表現(xiàn)上各不一致，故而列為評(píng)測(cè)點(diǎn)。
行業(yè)新的新手引導(dǎo)教學(xué)其實(shí)非常多的種類(lèi)，滑屏海報(bào)，蒙版遮罩，文字tips，互動(dòng)式引導(dǎo)。
簡(jiǎn)單一分為二的說(shuō)，大體可以分為，基本操作教學(xué)，以及對(duì)應(yīng)業(yè)務(wù)的教學(xué)。
在考量這個(gè)業(yè)務(wù)表現(xiàn)的維度上，基本操作教學(xué)必須得有。而具體業(yè)務(wù)教學(xué)，則是具體問(wèn)題具體設(shè)計(jì)。
百度地圖的新手引導(dǎo)就做得十分友好?；旧蠟樾《葘?dǎo)航的每個(gè)業(yè)務(wù)能力配備了沉浸式引導(dǎo)方案。
這一塊是參照游戲行業(yè)的解決方案。就我過(guò)往對(duì)小度的體驗(yàn)，其實(shí)有很幾次改版了，不斷迭代演化至今。
最好的交互設(shè)計(jì)其實(shí)是不需要新手引導(dǎo)的，如同微信一樣自然。
在一個(gè)普遍使用點(diǎn)觸操作習(xí)慣的年代，如何讓用戶(hù)體驗(yàn)這種新的交互體驗(yàn)方式?壓力就在新手教學(xué)上。學(xué)的會(huì)就用，學(xué)不會(huì)就丟棄。
嘗鮮體驗(yàn)過(guò)后，以后也會(huì)(改變習(xí)慣)使用語(yǔ)音尋求業(yè)務(wù)，壓力則在業(yè)務(wù)設(shè)計(jì)上。方便就用，不方便就丟棄。
這是一個(gè)遞進(jìn)邏輯。只有基本操作掌握了才有后面的(改變習(xí)慣)使用，把用戶(hù)當(dāng)成小白的新手教學(xué)行為，一定得做好!
【交互流暢】(5)全雙工交互表現(xiàn)
全雙工(Full Duplex)是通訊傳輸?shù)囊粋€(gè)術(shù)語(yǔ)。通信允許數(shù)據(jù)在兩個(gè)方向上同時(shí)傳輸。
先用通俗的例子比喻下。
單工：類(lèi)似聽(tīng)廣播。
單向傳遞信息，一個(gè)人只能聽(tīng)另一個(gè)人說(shuō)。
半雙工：類(lèi)似對(duì)講機(jī)。
甲：洞幺洞幺，能不能聽(tīng)到我說(shuō)話(huà)，over。
乙：可以聽(tīng)到，over。
全雙工：類(lèi)似打電話(huà)。
甲：喂，還記得我的聲音么?我是…… 乙：啊，是你小子啊……
雙方可以各說(shuō)各的，可以互相打斷。
人機(jī)交互追求更加自然流暢，這一點(diǎn)必不可少。
當(dāng)前的語(yǔ)音助手，只有在進(jìn)入監(jiān)聽(tīng)狀態(tài)才可以做出反饋。
而進(jìn)入監(jiān)聽(tīng)的兩種情況，一種是使用[喚醒詞]，完成喚醒/打斷的動(dòng)作。
另一種是AI判斷業(yè)務(wù)沒(méi)完，做出引導(dǎo)式的追問(wèn)，然后進(jìn)入監(jiān)聽(tīng)狀態(tài)。
例如：
用戶(hù)：我想看最近上映的電影。
助手：為你找到如下電影，你可以對(duì)我說(shuō)看第幾部。播放完畢后進(jìn)入監(jiān)聽(tīng)狀態(tài)。
其實(shí)助手第一時(shí)間在屏幕上展示了電影列表的搜索結(jié)果，但是總得把語(yǔ)音念完……。
作為用戶(hù)而言，我已經(jīng)看到了助手給我的展示結(jié)果，也知道你的后續(xù)話(huà)術(shù)套路，我會(huì)迫不及待的使用[喚醒詞]，完成打斷行為……使用過(guò)的都會(huì)感受到這種情況的心累。
而在全雙工的能力加持下，即為，你播報(bào)你的，我說(shuō)我的，不用等你念完，才進(jìn)入監(jiān)聽(tīng)狀態(tài)，你念一半的時(shí)候，我搶話(huà)到下一步驟，你根據(jù)我的節(jié)奏推進(jìn)業(yè)務(wù)就好。
還有一種技術(shù)方案相信從業(yè)者們也不陌生，就是基于當(dāng)前語(yǔ)義場(chǎng)景下的“判斷為無(wú)效內(nèi)容后的拒絕響應(yīng)”。
例子：我想聽(tīng)……嗯，我想想，哦對(duì)了，那個(gè)周杰倫的青花瓷
識(shí)別出用戶(hù)當(dāng)前說(shuō)的話(huà)是不是給它的指令，能過(guò)濾掉無(wú)效的停頓，語(yǔ)氣助詞等干擾信息，再做出反應(yīng)。
這就是全雙工所指的“瞬間雙向”表現(xiàn)，更接近人與人之間的自然對(duì)話(huà)，提升了交互體驗(yàn)。
階段性結(jié)尾
同樣的，在【交互流暢】這個(gè)單元模塊，有更多評(píng)測(cè)點(diǎn)去列舉，但是受限于篇幅以及能力所限，刪掉的一些內(nèi)容。保留以及刪除評(píng)測(cè)點(diǎn)的原則，也是基于評(píng)測(cè)指標(biāo)的普適性。
同樣用提問(wèn)的方式，列舉一下我刪除掉的考核點(diǎn)。
第(6)點(diǎn)，列舉一個(gè)我玩游戲多多自走棋，體驗(yàn)游戲助手的例子。敏感詞，會(huì)在很多的地方出現(xiàn)。防止內(nèi)容攻擊，保護(hù)安全的，特別是大公司，往往會(huì)用上一個(gè)敏感詞庫(kù)過(guò)濾處理，相信很多的人都遇見(jiàn)過(guò)，有些給你反饋，有些則直接給你和諧掉了。顯然是影響交互體驗(yàn)流暢度的。造成這種情況的顯然是政策問(wèn)題。
第(7)點(diǎn)，未來(lái)的交互體驗(yàn)過(guò)程中，多硬件終端，多場(chǎng)景，有屏無(wú)屏的交互體驗(yàn)方案，這是一個(gè)“現(xiàn)階段各家都沒(méi)做，而在未來(lái)各家一定會(huì)做”的評(píng)測(cè)點(diǎn)。
如果列舉其例子，問(wèn)題以及探討解決方案起來(lái)，篇幅就過(guò)長(zhǎng)了，就目前AI跨平臺(tái)使用表現(xiàn)而言，故現(xiàn)階段舍棄。
第(8)點(diǎn)，完成任務(wù)時(shí)候的成本考量。這個(gè)里面涉及一些語(yǔ)音識(shí)別、語(yǔ)義理解的層面。比如，任務(wù)流的多輪對(duì)話(huà)是分層次的，而當(dāng)用戶(hù)一口氣給助手提供多個(gè)查詢(xún)槽位，能否給予結(jié)果。比如，在一些支付和驗(yàn)證的層面，視覺(jué)和聲紋讓用戶(hù)付出的代價(jià)幾何等等。助手取硬件權(quán)限(讀取GPS，讀取短信等)時(shí)的表現(xiàn)。
在滿(mǎn)足用戶(hù)需求的時(shí)候一定有方案，而不同方案之間的取舍考量就存在比較關(guān)系了。
筆者在設(shè)計(jì)業(yè)務(wù)的時(shí)候，同時(shí)也會(huì)考量用戶(hù)的隱私保護(hù)安全。
你要安全，就加判斷確認(rèn)，加驗(yàn)證，影響流暢度。
你要流暢，就替用戶(hù)配置更多的默認(rèn)選項(xiàng)，影響安全。
“流暢”和“安全”本身就是一個(gè)互相沖突的命題。此處沒(méi)有對(duì)錯(cuò)，只有選擇。
【交互流暢】是一個(gè)非常重要的全局性指標(biāo)，貫穿【意圖理解】和【服務(wù)提供】始終。如果這個(gè)維度的評(píng)測(cè)方向如果處理不好，將全程傷害體驗(yàn)。
以上，關(guān)于第三大維度【交互流暢】的諸多考量點(diǎn)，就此完結(jié)。
