上亿人都在使用的淘宝对话机器人，是如何设计的？

扫一扫
官方手机版

扫一扫
AI创作程序

扫一扫
木子公众号

扫一扫
AI公众号

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。本文希望通过文章沉淀分享，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：

官方出品！2019 淘宝造物节品牌设计全过程

2019 年是造物节的第四年，也是品牌设计的第四年，前面每一年设计师们都会利用自己的认知，理解和专业给出各自的答案。

上亿人使用的手机淘宝卡券包，设计师是这么做改版的！

神患：大公司里有很多“小产品”，手机淘宝里的卡券包就是。