2019 年上半年,客服機器人首輪對話引導,進行了設計優化,用戶滿意度顯著增長。而在這個設計過程中,也收獲了一次全面成長。本文希望通過文章沉淀分享,互相學習成長。

客服小蜜是阿里巴巴旗下,淘寶的客服機器人,每天 24 小時不間斷,為會員提供對話式服務,滿足了人力不能達到的咨詢需求。實現了你想問,它就在的用戶期待。

設計師由前期獲取用戶行為數據分析,至協同多方達成意見一致,再到結果回收統一數據口徑,設計師深度參與,并分擔了不同角色?位,深刻體驗了「此時此刻非我莫屬」,也幸運地收獲了一次全面的成長機會。

  1. 為什么對話引導需要優化?
  2. 引導用戶對話與機器人,和傳統首頁引導有什么區別?
  3. 用戶有什么差異,痛點與機會?
  4. 改了些什么?最終結果怎么樣?

現況、問題與機會

1. 為什么要改版?業務目標沖突,用戶細分機會涌現

2019 上半年,客服機器人目標有兩個:「用戶滿意度增長」與助理機器人「孵化新用戶規模增長」,落地過程中發現沖突與矛盾。

為了不同的利益相關方發展,及用戶需求有效承接。設計師通過用戶路徑數據分析,尋找契合機會,輸出核心策略「渠道分流運營」及「首頁引導框架優化」,促進滿意度及用戶規模雙目標增長。經多輪提案及協商后,最終多方達成一致。

渠道分流運營:

  • 服務為主,助理為次。「我的-客服小蜜」,用戶訴求明確,用戶主動由「客服」入口進入,心智預期清晰。我們可以精確定位在服務問題預測,提升對話效率。
  • 助理為主,服務為次。「消息盒子-我的小蜜」,用戶流量大,但有效率低。用戶大多數由推送引導進入,我們可以通過個性化技能預測,引發用戶潛在需求,促進用戶規模增長。

當時的情況:大量新的助理技能涌現,而框架無法有效呈現用戶。

2. 引導用戶對話與機器人,和傳統首頁引導有什么區別?黑盒子的不確定性

小蜜機器人的首頁內容,由算法概率因子及工程邏輯,進行決策判斷最終用戶看到的內容。用戶由淘寶不同的「入口」進入,經過「身份」、「訂單狀態」、「平臺資源」、「平臺活動階段」等眾多因子共同影響下,最終組合成千人千面的個性化首頁組合。

設計師進行框架設計時,需要同時符合業務目標與用戶需求外,還要考慮技術可行性,黑盒子的不確定性及業務運營可持續擴充性。

  • 機器人首頁:多因子共同決策組合,需要考慮黑盒子的不確定性與人工運營的配合。
  • 傳統首頁:較為固定的內容呈現,變量較穩定。

黑盒子與人工作用下,我們不確定用戶的首頁,最終組合成多少行或者列的卡片,以及內容。按對話狀態區分,有「關懷追問」、「進度匯報」、「主動對話」等對話能力。按身份分類,可以呈現「客服」、「助理」、「新會員」、「88 VIP」等。

梳理這個黑盒子的可能性,也曾經成為我們困惑和爭議的一部分,因為我們的設計范圍充滿不確定性。

3. 用戶有什么差異,痛點與機會?數據分析,明確用戶特征

小蜜機器人用戶路徑主要在「我的-客服小蜜」及「消息盒子-我的小蜜」進入。用戶的心智預期與痛點,隨不同入口有不同情況。

例如「訂單詳情」進入會期待精確定位快速解決,「客服小蜜」進來會期待咨詢較廣泛的服務問題,「消息盒子-我的小蜜」進入可能是收到機器人的主動對話,目的相對不明確。

深入數據進行分析,按路徑與意圖區分,我們制定了相應的策略,提升個性化服務的能力與機會。

協同多方利益,促進方向一致,落實設計策略

1. 獲取論證:MVP(最小化可行方案),快速驗證假設與收益

利用最小的資源論證設計觀點,用數據獲取合作方的信任。我們策略基于把用戶的自由輸入轉移至引導點擊,降低提問門檻,促進滿意度增長。

前期我們協同業務,利用原有配置能力進行快速實驗,實驗結果顯示,點擊獲取答案比大盤滿意度高。因此我們展開正式的改版提案。

2. 達成方向一致:分析渠道用戶訴求,明確多方立場與訴求

項目并不是只有單方利益,組織里各方立場和視角不同產生意見沖突,設計師在當中需要理解各方真實訴求,尋找能達成共識的契合點。通過分析及多輪溝通,最終我們明確了「客服」主場景為「客服小蜜」,助理能力為目標不明確但規模量大的「我的小蜜」。

3. 細化設計策略:優化信息布局,提升信息傳達效率

當關鍵意見領袖在方向上達成一致,設計師的工作還只是剛剛開始。落實交互與視覺等的細節處理,也是影響項目是否成功的關鍵要素。

4. 通過視覺層,內容層及交互層,優化信息布局,提升有效率

  • 降低用戶視覺運動的跳躍,引導用戶流暢的視覺流,分配用戶有限的注意力資源。
  • 順暢地按照內相關度提供信息優先級,為用戶的效率提供價值。
  • 近手指物理距離,操作便捷性高,粗顆粒度意圖的布局在下方,為點擊行為降低任務難度。

5. 通過可擴充框架,持續有效引導用戶,促進價值穩定獲取

在內容層我們要考慮后續可擴充性,因此我們進一步細化信息布局的原則與目的。設計師的角色能夠把用戶的注意力,眼球運動,手指移動,這些用戶有限資源,高效分配到信息,算力和人工運營的最優化配合。

6. 卡片的優先級與業務,及技術達成一致,并符合用戶訴求

信息框架的定義,為后續個性化的對話卡片,提供更有效的信息分級。細化每個對話卡片,行與列的分層模塊與組合形態,完善人工與算法訴求。

7. 通過用戶行為數據,發現業務增量機會,并優化對話效率

除了優化現有問題,設計師還主動尋找新機會。通過數據分析,發現用戶在自由輸入區行為活躍,因此我們預測用戶在首屏對話后,需要更多對話便捷性潛在訴求,并最終獲取顯著的增量,貢獻至業務增長機會。

目標、期待與結果

1. 最終的結果怎么樣?關鍵指標顯著增長

通過首頁優化,增加對話點擊引導,用戶提問門檻下降,更容易找到答案,促成關鍵指標顯著增長。

2. 客服小蜜:用戶訴求明確,提升技能點擊引導,滿意度顯著增長

關鍵指標:

  • 滿意度顯著增長;
  • 解決率顯著增長;
  • 點擊率顯著增長。

3. 我的小蜜:用戶量大,但訴求不明確。

通過首頁引導,滿意度顯著增長,解決率顯著增長。

助理域技能獲取新曝光機會,促進了孵化創新業務的機會。

寫在最后

1. 不只設計:合理補位,積極推進

為了使命必達,「此時此刻,非我莫屬」。

由于智能項目團隊角色較為復雜,智能業務與業務運營,在目標、抓手與指標會經常出現不一致情況,甚至出現矛盾。設計師在項目中,承擔了大量項目管理,協商及推進的角色。

消息盒子我的小蜜改版中,甚至出現業務不關注是否改版,產品延期改版情況,但最終經設計師多次協商后,才成功推進上線,并獲取明顯收益。

2. 數據分析:深入數據,回收結果

信任建基于數據事實,成本高也不能放手。

由于當時有兩方業務,因此各自有自己的觀點與考核視角。設計師由數據開始,提供了相對客觀和明確的事實依據,也是多次沖突中的關鍵助推力。而回收結果,由于業務方不以用戶視角,區分行為數據口徑,導致結果回收花費大量精力,短期內或無法解決。

我們只能注意項目規劃時,多預留時間回收結果及小心口徑問題。

3. 人機對話:降低門檻,提升意愿

提問是有難度的,對話意愿是需要創造的。

即使是人與人的對話,大量的背景信息,共同的語言與文化,才能促成一段有效對話。不同的動機,如性別、身份、權力關系,才能驅動人們克服困難,進行對話。而人和機器對話,我們相對歷史長河,還只是在剛剛開始的節點上。

人會利用畫畫,圖片,視頻,等形態輔助對話,利用表情去表達不同的含義,這些都是我們需要學習與轉化的「類人」對話能力。

期待更多精彩的人機對話,發生在我們美好的未來。

更多阿里巴巴實戰教程:

點贊 3
收藏 9
繼續閱讀相關文章

發表評論 快來秀出你的觀點

還可以輸入 800 個字
 
 
載入中....
評論 收藏