全栈工程师?
嗯.....目前并不是!

chatbot系列:話題領域下的推薦及用戶行為

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着機器人的節奏走,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,推薦和引導也是起着必不可少的作用。

題外話:

有些人可能會好奇“推薦”和“引導”有什麼區別?

——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係,比如:引導話術中包含的推薦選項。

對話設計中的話題是什麼

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。

一次有效的對話也並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,或者機器人採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,並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複選項。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。”

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——即有什麼樣的答案就給和答案對應的選項內容(這裡指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?”這種方式適用於選項數在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麼。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。

這裡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”
  • 反問還有其他什麼顏色
  • 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。可能是返回前面的場景節點,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”。

對於跳其他節點的對話,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。”

Chatbot:“ OK,為您推薦以下幾款熱門的褲裝品牌。”

……(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。”

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。”

偏離或跳出話題

這裡指的跳出話題,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,周末天氣怎麼樣?萬一下雨約不了會,衣服就白買了。”

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

User: “好。”

Chatbot: “CK圓領T恤刪,請問要紅、黃、藍哪種顏色?”

User: “紅色吧。”

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覆。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,你是要什麼顏色的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

不同於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,而對於對話式交互界面,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,並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。”

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。”

……(後面是一系列關於“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。

如果機器人平台沒有提供該功能,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。”

Chatbot: “要幫您預約專車嗎?”

User: “好的。”

……(後面是一系列“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,那麼下次可以把後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麼樣?”

Chatbot: “收縮壓132,舒張壓90,心律92次每分鐘。”

Chatbot: “需要將該測量結果發給您的家庭醫生嗎?”

User:“好的。”

……(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、巴黎聖母院、凱旋門等。”

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。”

……(後面是一系列關於展覽的介紹)

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:

  • 回答的內容屬於推薦話題範圍。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麼。
  • 長時間未應答。用戶對於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,並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。而且還會幹擾用戶,無形中給用戶壓力,最終導致用戶對機器人反感。

 

版权声明:本文采用知识共享 署名4.0国际许可协议 [BY-NC-SA] 进行授权
文章名称:《chatbot系列:話題領域下的推薦及用戶行為》
文章链接:https://www.pmbear.com/chatbot%e7%b3%bb%e5%88%97%ef%bc%9a%e8%a9%b1%e9%a1%8c%e9%a0%98%e5%9f%9f%e4%b8%8b%e7%9a%84%e6%8e%a8%e8%96%a6%e5%8f%8a%e7%94%a8%e6%88%b6%e8%a1%8c%e7%82%ba/
本站资源仅供个人学习交流,请于下载后24小时内删除,不允许用于商业用途,否则法律问题自行承担。

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

大前端WP主题 更专业 更方便

联系我们联系我们