聊天機器人該如何設計？

說到機器人，我們腦海裡首先想到的就是科幻大片中的各種擁有超乎尋常能力的“機器人”。“機器人”這個詞最早源自捷克語的Robot一詞，而捷克語的Robot一詞最早出現在公元1920年捷克科幻作家恰配克的書籍《羅索姆的萬能機器人》中，原文中是“

Robota

”，後來逐漸演變成現在通用的詞“

Robot

”。

在IoT物聯網設計中，機器人運用非常普遍。我查閱了一下市面上機器人設計相關的文章並不多，所以我就想拋磚引玉一下，寫一些IoT物聯網機器人設計相關的文章，來幫助大家瞭解。

“chatbot”這個詞最早是由一名微軟的研究員在 1990 年提出的。聊天機器人是指透過AI技術，讓電腦模擬人類，與使用者進行互動與對話，chatbot聊天機器人主要依附在智慧裝置中，比如智慧手機、Pad等。它其實就是一種計算機程式，用對話的方式和我們進行互動。

1966年MIT人工智慧實驗室推出ELIZA，被認為是史上第一個聊天機器人。不知道80後和早期的90後是否還記得，早期在xp系統的word軟體裡有一個小回形針小人，每次開啟word它都會出現，它其實也是一種聊天機器人。

記得有一次我和朋友去衣服店裡買衣服，只是想進店隨便翻翻看看，但一進去店員一直非常熱情的跟在我們後面問這問那，問你想買什麼樣的衣服，有什麼特別喜歡的呢？我朋友就會感到不適應，馬上就拉著我出去了。設想一下，在這個場景中，如果這個店員變成一個機器人會不會好些呢？

NLU（Natural Language Understanding）可翻譯成自然語言理解，也俗稱人機對話，它是人工智慧的一個分支學科，是指所有支援機器理解文字內容的方法模型或任務的總稱。通俗一點講，就是將使用者發出的指令轉換成機器可以理解的語言。

NLG（Natural Language Generation）即自然語言生成，這一步就是將DM生成的機器語言再翻譯轉化成人類可以理解的自然語言，我們可以把這一步看成是NLU的反向流程。

純文字的聊天機器人相對簡單些，只需直接把文字傳輸給NLU就行。相比之下，支援語音互動方式的聊天機器人會更復雜，它在把指令傳輸給NLU之前，需要先透過語音識別技術把語音轉化成文字。

一種就是比較簡單的，可以根據關鍵詞回覆的聊天機器人。還有一種就是科技巨頭開發出來的，具有人工智慧的聊天機器人，這一類機器人都具備機器學習的能力，這裡就簡短聊一下 —— 機器學習。

學術一點來說，機器學習就是先把現實生活中的問題抽象成數學模型，再利用數學方法對這個數學模型進行求解，從而解決現實生活中的問題。最後再評估這個數學模型，是否真正的解決了現實生活中的問題，解決的如何？

其實「抖音」就是典型的一個利用機器學習能力的產品，它會根據你的觀看喜好不斷給你推薦你感興趣的內容。當你使用的越多，機器機會變的越瞭解你，為你推薦的內容就越精準，你就越會沉迷其中無法自拔，一不小心就刷了 1 小時了。

聊天機器人最主要的用途就是可以幫助人類完成一些重複性勞動，從而可以達到提效的目標。同時將聊天機器人進行“情感化”包裝後，可以進一步拉近產品與使用者的距離，改善使用者體驗、提升使用者滿意度。擁有機器學習功能的智慧聊天機器人還可以收集使用者喜好資料，迭代更新，更好的滿足使用者需求。

聊天機器人最常用的領域就是用做客戶服務，它不僅可以提高客服服務效率，減輕客服人員的負擔，還可以對使用者提出的普適性問題進行及時有效的回答，提升使用者的滿意度。客服型別的聊天機器人主要運用在電商、生鮮、外賣、金融類產品中。

聊天機器人在教育領域也應用的比較多，它往往會扮演一個“老師”的角色，來幫助以及督促學生進行學習。特別在職業外語教育領域和中小學生外語教育領域聊天機器人都特別受歡迎。

聊天機器人在新聞媒體領域也應用廣泛，近幾年，國外各大媒體（CNN、華盛頓郵報、華爾街日報等）都紛紛在各自的平臺推出了聊天機器人服務，這些聊天機器人的主要功能就是為使用者推送新聞。聊天機器人可以實現一對一對話的親密關係，這種形式可以使的關鍵訊息可以更快速的傳播，所以聊天機器人在新聞領域尤被偏愛。

六、00後更偏愛聊天機器人

根據ACQUIRE的一份報告顯示，目前全球有14億人會定期使用聊天機器人，而且00後這一代更願意和機器人而不是真人交談。

CNN的高階副總裁Alex Wellen表示，透過聊天機器人，讓他們可以接觸到13-17歲的年輕使用者。這些年輕使用者由於不能很好的瞭解到新聞中發生事情的意義，聊天機器人就可以把這些大段新聞拆解成對話的形式向年輕人訴說和解釋。

雖然目前聊天機器人更受年輕人的偏愛，但我認為在未來，隨著聊天機器人變得更加智慧，它獨特的語音對話互動方式所帶來的便捷性也會獲得更多老年使用者的偏愛。老年人由於視力下降，行動不便，藉助聊天機器人，只需說一句話就可以解決問題，誰會不愛呢？

七、聊天機器人設計

現如今，移動網際網路產品已經十分普遍，我們已經習慣了從原型圖開始的流程設計，到最終完成高保真。作為一名UI設計師如果仍然僅僅關注一些圖形、色彩之類的視覺元素難免會顯得有些侷限。設計其實是一個很大的詞，它不僅僅包含了視覺設計。並且隨著技術的進步，產品設計中的互動方式也會變的越來越複雜，這就要求設計師有更廣的涉獵。

IoT中的機器人設計是未來趨勢之一，雖然聊天機器人設計和傳統的設計流程會有一些不同，但它也可以反向幫助我們進行設計思維的鍛鍊。下面我將分別從「視覺側」和「互動側」兩方面來講講聊天機器人的設計。

1. 視覺側

（1）形象設計

現在市面上產品中聊天機器人的外觀形象主要是以兩種形式為主，一種是直接使用品牌IP形象，另一種是使用機器人形象，也有少數是根據業務模組型別定製的特色形象。

知乎和叮咚買菜都使用了自己的品牌IP形象

小紅書和京東金融都使用的機器人形象

陌陌的小宇宙模組，根據當前功能模組的特點，選取了宇航員形象

我們在設計聊天機器人外觀形象時，沒有固定的標準，根據當前業務目標不跑偏即可，如要加強品牌印象，則可直接使用品牌IP；如要凸顯智慧機器人專業、可信賴的形象，則可使用帶有科技感的機器人形象；如當前業務板塊有其特殊的場景要求，則可以根據場景需要進行設計。

（2）頭像設計

我們在進行聊天機器人形象設計的過程中可以賦予其不同的表情狀態呈現在頭像上。當聊天機器人和我們聊天的時候，我們可以直觀的看到它的表情變化，感受到它的情緒。這樣不僅可以使對話更加有趣生動，還能有效的拉近使用者與產品之間的距離，提高使用者粘性，畢竟誰都不想和一個冷冰冰的機器人講話。

（3）貼圖、gif動圖、表情設計

除了形象和頭像設計，聊天機器人還有很多可以讓視覺設計師發揮的地方，比如說下方為CNN產品設計團隊為「美國大選之夜」的聊天機器人設計的貼圖、動圖和表情等，讓使用者可以用他們習慣的溝通方式分享大選新聞，新聞也變得生動有趣。這項創新設計使CNN得這位聊天機器人增加了數十萬名新的訂閱使用者，妥妥的設計助力業務的真實案例。

2. 互動側

聊天機器人的互動形式一般會包含文字和語音兩種形式。

在對聊天機器人進行設計時，雖然視覺層面的設計很重要，但我們更需要把重點放在互動層面，即利用有限的技術條件來完善我們的聊天機器人，問題應該聚焦於我們的聊天機器人可以為使用者做什麼。並要時刻謹記，我們在設計「對話」，不能打破長期以來人與人對話的模式。

下面我就簡單介紹一下，一個標準的對話設計互動流程大概是什麼樣的：

（1）明確目標

在進行對話設計之前，我們需要列出所有使用者透過與機器人對話想要達到的目的，他們想透過聊天機器人的幫助想做哪些事情。

比如，我們現在要設計一個英語App的聊天機器人。那麼使用者目標可以是：透過機器人的幫助，可以有效提高英語能力，從而達到使用者的某目的（考託福、找工作等）

（2）想象對話場景

當我們明確使用者目標後，可以在腦海中想象一下，把使用者的這種需求場景對映到線下，對話內容一般會包含哪些階段模組，把他們都儘可能的羅列出來。

還是以該英語App的聊天機器人為例，我們可以把這個機器人想象成我們準備請的一個線下英語家教，我們和這位“英語家教”的整個相處過程會經歷哪些階段：初識階段、瞭解階段、學習階段、熟悉階段、目標達成階段。

（3）編寫劇本

在明確每個階段之後，我們開始扮演一個導演的角色，開始為我們與機器人的對話編寫劇本，這個過程是很有趣的。

小tips：藉助故事板

由於這一步我們扮演了這部電影的“導演”，那麼我們設計師就可以藉助故事板的方式，在腦海中想象使用者和機器人之間的互動，再用故事板的形式描繪出來。這樣不僅可以幫助我們縷清對話思路，還能補充一些重要細節。

還是以英語App的聊天機器人為例，我們需要在腦海裡儘可能的想象使用者在各個階段的場景中會說什麼、做什麼。這一步需要注意的一點就是，我們的儘可能設計我們的對話內容讓使用者更輕鬆、更有趣地完成他們想做的事。

還是以英語App的聊天機器人為例，設想初識階段會發生的對話內容：

（4）細化劇本

在上一步，我們已經列出了所有階段會發生的對話內容，而在這一步，我們就需要設想出每個階段多種可能的情況。由於不同的使用者，他們和機器人對話的路徑也可能不同，所以我們需要儘可能多的列出這些不同的對話路徑、對話方式、語句等。

我們可以在紙上或者電腦中描繪出階段的流程圖，幫助我們進行整理歸納，比如以英語app的聊天機器人的某一分支為例，有的使用者不想讓你瞭解他，想直接開始學習，在機器人嘗試挽回失敗後，則直接跳過進入下一階段。

在這一步的流程圖沒有固定的形式，只需能清除表達和記錄想法，讓自己和團隊成員看得懂即可。

在這一步，我們同時還要列出使用者表達不同但意思相同的話。

比如上面例子中「不想做」，使用者還可能會說「放棄」「我想放棄」「確定」「不做測試」「跳過」「馬上學習」等等各種回答方式。

小tips：和機器人進行練習

在這一步，非常考驗設計師的場景思維，我們需要儘可能的讓我們設計的對話涵蓋使用者所有有可能發生的對話情況。這裡就需要我們把自己當成「使用者」不停的和聊天機器人進行對話練習，儘可能讓我們設計的對話覆蓋所有可能發生的情景。

（5）讓「使用者」進行對話演練

當我們初步設計完成對話內容後，我們就需要尋找使用者進行對話演練，在演練的過程中，我們不僅需要關注正常對話路徑；同時需要關注使用者沒有按照我們的設計的對話路徑走時，他們的需求是什麼，他們是否遇到了哪些障礙等等來補足我們尚未考慮到的一些情況。

在我們和使用者進行演練完成後，我們就可以蒐集到一些新的問題，這時候，再進一步細化和完善我們設計的對話。

完成了上面幾個流程後，我們設計的對話就差不多了，當然為了力求最終設計對話的完美性，裡面的部分流程是可以重複迴圈進行的。

八、聊天機器人的設計原則

前面我們簡單瞭解了一下聊天機器人的設計流程，下面我就講講聊天機器人設計中的一些注意點和原則。

1. 剛見面，讓我好好看看你

想象一下，你今天終於可以和久別重逢的老友見面了，在火車站你隱約在人群中見到了那個熟悉的身影，慢慢的他向你靠近，終於看見了他，看到他的著裝，再接著你看到了他的臉，正滿臉笑容的向你奔跑而來，你們會先來個大大的熊抱，再擊個掌，心情激動又開心，然後你們才會開始說話。

在進行聊天機器人設計的過程中，我們可以把這種線下見面的「儀式感」搬運過來。比如流利說英語中的聊天機器人小萊，每當使用者和小萊開始一個新對話時，會先在螢幕中看到一個放大展示的小萊形象，當它開始和我們說話時，就變小了。

2. 避免使用大段文字、區分新舊資訊

我們日常與人溝通的時候，為了減少記憶的負荷，一般都是你一句、我一句，這樣的談話往往是輕鬆愉快的。如果你有一個朋友，每次和你聊天總是大段大段的說話，你還會喜歡和他聊天麼？所以在和聊天機器人對話時，道理也是一樣的，我們要儘量避免使用大段的文字。

但是如果遇到，資訊實在太多，必須要同時傳送的情況該怎麼辦呢？

我們可以把這大段的文字的內容進行拆分，分成幾句話說出來，這樣使用者的心理負擔會減小很多。

同時為了模擬真實與人交談的對話場景，我們還可以在介面視覺上做一箇舊訊息淡出的效果，告知使用者原來的舊訊息已經過去，現在應該關注的是新訊息。

基於這個這一原則，我思考了一下可能還是存在一些爭議，比如說我們日常使用的微信，也沒有把過去的資訊做一個淡化效果，那為什麼這裡要這樣做呢？

思考後我發現，微信的聊天對話場景和聊天機器人的對話場景還是存在一些不同的。我們在使用微信和朋友聊天的時候，如果是基於文字聊天為主，微信對每段話的內容沒有做字數限制，是可以傳送長文字的。但如果是基於語音聊天，語音是有限制的，只能傳送1min以內的語音。我猜想，微信做出這種限制差異，是因為我們在傳送大段長文字的時候，場景對映的就不是「聊天對話場景」了，而是一個「寫信場景」。而語音聊天就完全映射了「聊天對話場景」，我們的記憶力有限，語音如果過長，不僅會增添聽者的記憶力負擔，還會讓聽者感覺很煩躁。

所以說，在和聊天機器人對話的場景中，我們讓機器人說的話儘快保持簡短、分段闡述並做一些舊資訊漸隱效果，是沒有什麼問題的。當然如果大家對這一點又不一樣的思考的話，歡迎留言交流哦~

3. 選擇合理的問題型別

我們在和聊天機器人對話的時候，經常會遇到機器人讓我們做選擇題，這種問題的答案往往是被限制死的，必須要讓使用者做選擇，但如果使用者不喜歡做選擇呢？

在聊天機器人的對話設計中一般有兩種型別的回答方式，分別是「選擇型」和「簡答型」。

（1）選擇型

「選擇型」回答方式就是讓使用者做選擇題，需要我們對使用者可能的回答進行一個預測。這種方式對於技術的要求會低一些，答案已經是規劃好的，只需要讓使用者按照既定的流程往下走就可以。但這其實是違背了人類正常的聊天方式的，不允許使用者說別的話，這種「強迫感」會讓我們的聊天機器人缺乏情感。

如果必須要讓使用者做選擇題，我們也要儘量讓我們的機器人聰明一些，比如下面這個案例就不太好：

我們總是慣性的認為，使用者在面對選擇的時候，只會點選按鈕。但別忘了！我們的聊天機器人和使用者是在「聊天」，使用者把我們的聊天機器人視為一位「朋友」來溝通。當用戶用文字並夾雜著某些情緒和機器人訴說的時候，儘量不要讓我們的聊天機器人冷漠迴應。

（2）簡答型

在「簡答型」回答方式中，使用者可以更自然的對話，不會受到任何約束，可以想說什麼說什麼，這種方式更加貼近我們真實聊天場景，我們和這位朋友訴說我們的需求，它就能幫助我們達到某個目的，這樣的聊天機器人會更智慧。同時透過「簡答型」問題，我們也可以蒐集到更多的使用者需求和資訊，從而幫助我們進一步迭代我們的聊天機器人。

「簡答型」的回答對技術要更高，但對使用者來說會更友好，我們作為設計師，能做的就是在技術條件限制的情況下，靈活的選擇使用「選擇型」和「簡答型」問題，使我們的聊天機器人儘量聰明。

注意兩種型別的提問方式

上面提到了「選擇型」和「簡答型」兩種回答方式，我們在設計對話的時候，不僅需要靈活的選擇使用型別，還需要注意到這兩種回答型別的提問方式是不同的。

「選擇型」問題，我們需要在提問中就告訴使用者，這是一個選擇題，用Which而不是what。同時儘量把選項也羅列在問題中，避免讓使用者誤以為這是一個「簡答型」問題。

「簡答型」問題，我們要讓使用者感知到這個問題的開放性，用what而不是which，這樣我們的使用者回答起來更自由。

4. 根據上下文迴應

我們的聊天機器人在和使用者對話的時候，需要考慮當時對話的上下文，根據上下文內容來回應使用者，不能過於死板。

5. 加一些語氣詞、親暱詞、表情

我們平時說話聊天的時候，經常會帶一下語氣詞，比如呃、我想想、嗯嗯、哦之類的。如果我們在設計對話的時候，把這些情景化的語氣詞加進去，這樣我們的對話會更貼近真實對話的場景，使用者的代入感會更強。同時我們也可以加一些當下流行的親暱詞，比如親，親愛的，寶之類的，這樣會讓我們的使用者感受到一絲暖意，我們聊天機器人和藹親切的形象也會更加深入人心。

平時我們在和朋友聊天的時候，喜歡發各種土味表情包，表情這種表達形式有著獨特的魅力，所以我們在設計聊天機器人時，可以在它的對話中加一些表情包，這樣對話就會變得更有趣。

注意使用者群體，上面提到的這些語氣詞、表情會讓我們的機器人形象生動活潑很多，但它也是一把雙刃劍，如果用的不適當，反而會適得其反。所以我們在使用這些詞的時候要關注到我們的使用者群體，他們的年齡、地域、文化、使用習慣等等，合理適當的在對話中加入這些詞彙和表情。

九、聊天機器人的一些誤區

1. 誤區一：聊天機器人必須要會機器學習

在文章上面我提到了機器學習技術，雖然這個技術在聊天機器人領域應用廣泛，但這並不是說，聊天機器人必須要擁有機器學習能力。聊天機器人還可以運用決策樹的形式，透過預先撰寫好的規則指令碼，將對話的故事轉化為一個個節點，在使用者聊天的過程中逐步展開，這種方式的聊天機器人的所有規則都是寫死的，一個指令對應一個動作。而具有機器學習能力的聊天機器人則有舉一反三的能力，會「智慧」很多。

下面舉個例子幫助大家理解具備機器學習能力和不具備機器學習能力的聊天機器人的區別。

「不具備機器學習能力的聊天機器人」

機器人只要檢索到「調節、空調、溫度」這些關鍵詞就會觸發聊天機器人調節溫度。

「具備機器學習能力的聊天機器人」

機器人不僅能檢索到「調節、空調、溫度」這些關鍵詞，還能檢索到「冷、熱」這種含義相近的衍生詞，並能根據這些詞的含義，自動執行指令

2. 誤區二：智慧聊天機器人應該很會聊天

上面講了具備機器學習能力的聊天機器人會聰明很多，很多人就會認為，那這樣的聊天機器人應該就很會聊天，網上也可以看到各種調侃聊天機器人的段子。

人類聊天行為中的禮儀、幽默感都是經歷了千年社會互動經驗積累下來的，它們在大腦中所積累的應對機制、複雜度都是難以想象的。如果要把這些全部灌輸到到聊天機器人的程式中，就必須要輸入數以萬計的對話資料讓計算機從中學習，這裡的工作量是非常可怕的。

實際上在商業活動中我們所使用的聊天機器人都只是為了簡單解決當前產品的一些問題就足夠了，不會花太多的時間和精力來“訓練”聊天機器人，一些簡單禮貌的常用語就足夠了，所以就算是擁有機器學習能力的聊天機器人也不一定很會聊天。

十、衡量聊天機器人效能的主要指標

聊天機器人運用在產品中，它可以幫助挖掘一些潛在客戶、處理售後服務和促進銷售，從而為我們的業務帶來有效增長。聊天機器人掌握了大量的使用者資料，對聊天機器人的資料分析和對產品的分析同樣重要。如果可以高效利用從聊天機器人那裡收集的反饋資料，再次迭代我們的機器人，將會為我們的業務帶來更大的增長。

下面就簡單介紹幾個聊天機器人常用的資料指標：

1. 目標完成率

聊天機器人的本質是為了回答使用者的問題而存在的，目標完成率可以清晰地展示出我們的機器人是否有效的處理並解答了使用者提出的疑問，目標完成率是非常重要的一個指標。

2. 客戶滿意度

想要知道使用者對聊天機器人的滿意度很簡單，我們只需要在對話的結束讓使用者選擇「滿意」或者「不滿意」，客戶滿意度指標也是非常重要的，因為我們都希望使用者的滿意度高，這樣才能留住使用者。

3. 機器人意圖分析

機器人意圖分析就是看機器人那裡接收到的使用者意圖型別的數量，透過這個分析我們就可以瞭解到我們使用者的一些意圖以及我們機器人的「智慧」程度，從而更好的改進它。從下面圖中資料我們可以看出，「歡迎」意圖被觸發的次數最多，說明大多數使用者都是用“你好”來開場，並且機器人也成功迴應了6483個使用者。

4. 對話時長

對話時長往往對應了對話長度，對話時長這個資料指標往往具有兩面性，不能太長、也不能太短。如果太長，那麼說明使用者一直沒達到他的目的，一直在重複的詢問和摸索。如果太短，並且該使用者在產品中逗留的時間也很短，那麼說明這個聊天機器人根本不吸引使用者。對話時長這個指標也是需要我們時刻去關注的。

十一、聊天機器人的未來

未來，隨著機器學習、NLP技術變得越來越強大，聊天機器人也會變得越來越強。現在市面上很多聊天機器人已經運用了機器學習能力，可以在使用者使用過程中不斷自我學習提高，機器人也可以越來越好的服務使用者。但目前許多的聊天機器人都是存在於某一產品中的，如某外語App、某個電商App，在未來聊天機器人的發展也不會如此侷限。

「後APP」時代已經來臨，現在我們在使用手機的時候，想到某一類需求就會開啟某一個App，購物的時候開啟淘寶京東，點外賣的時候開啟美團外賣、餓了麼，出去旅遊就開啟攜程、飛豬。手機裡裝滿了各種零散的、五花八門的App。根據某研究機構資料顯示，近幾年，美國前15大App開發商的平均下載量同期下降了20%，App市場已經過了成長高峰期，後App時代已經來臨。

未來，藉助聊天機器人，它就可以幫助你來做些事情，你只需要告訴它，你想做什麼，它就會自動幫你開啟對應的App然後為你預訂服務。你不需要去記我要開啟哪個App，也不需要去學習適應不同的使用者介面，只需告訴你的這個「小管家」你想幹什麼，它就會幫你搞定一切。其實這個時候，聊天機器人已經演變成了虛擬助手，現在市面上常看見的siri，google assistant都屬於虛擬智慧助手的範疇。

關於虛擬助手，我也會在我以後的文章中詳述。

好了，關於聊天機器人就聊這麼多，文中如有不足的地方，歡迎大家留言指正~

本文由@昱宛 原創釋出於人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基於CC0協議。