2019 年上半年,客服机器人首轮对话引导,进行了设计优化,用户满意度显著增长。而在这个设计过程中,也收获了一次全面成长。本文希望通过万博manbetx官网沉淀分享,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。

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」,也幸运地收获了一次全面的成长机会。

  1. 为什么对话引导需要优化?
  2. 引导用户对话与机器人,和传统首页引导有什么区别?
  3. 用户有什么差异,痛点与机会?
  4. 改了些什么?最终结果怎么样?

现况、问题与机会

1. 为什么要改版?业务目标冲突,用户细分机会涌现

2019 上半年,客服机器人目标有两个:「用户满意度增长」与助理机器人「孵化新用户规模增长」,落地过程中发现冲突与矛盾。

为了不同的利益相关方发展,及用户需求有效承接。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」,促进满意度及用户规模双目标增长。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,引发用户潜在需求,促进用户规模增长。

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」、「88 VIP」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,因为我们的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,随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。

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。

4. 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。
  • 顺畅地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。

5. 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。

6. 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。

7. 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活跃,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。

目标、期待与结果

1. 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。

2. 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:

  • 满意度显著增长;
  • 解决率显著增长;
  • 点击率显著增长。

3. 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。

写在最后

1. 不只设计:合理补位,积极推进

为了使命必达,「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。

2. 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,因此各自有自己的观点与考核视角。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,导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。

3. 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。

更多阿里巴巴实战教程:

点赞 3
收藏 9
继续阅读相关万博manbetx官网

发表评论 快来秀出你的观点

还可以输入 800 个字
 
 
载入中....
评论 收藏