場景化、情景化、劇本化 — A.I. 語音智能產品的 3S 設計
本文適合（1）初進入 UX 領域 1~3 年的 Designer（2）喜歡探索和了解新領域的 Geeker（2）近期對 CUI/VUI 有興趣的 Anybody
本篇文章是 Nathan 最近與團隊新成員合作時，思考如何幫助設計師，在原有的設計思維中，能更針對語音產品進行設計的幾個思考。
初接觸 CUI/VUI 設計時，可能會因為沒有可參考的經驗感到茫然無序，不知道該如何開始進行。 但其實在 UX 或是 HCI 領域，儘管很快就會有新的技術或交互方式產生，但在真正進行設計時的核心思考方式，以及方法，其實差異不大。
因此儘管 CUI/VUI 是別於以前的設計過程，但畢竟是屬於 UX 設計領域的一環。因此在前期對「人」的需求定義過程，與現有的 GUI 或全鏈路體驗設計差異不大。甚至相較於 GUI 和舊有互聯網產品，對於使用者的需求定義，需要更精準與全面。
场景化始於產品要為用戶提供什麼價值？
當你真正開始 CUI/VUI 的設計工作時，請謹記在心中， 不管是在產品中加入語音交互能力，縮短用戶的操作成本 ; 還是在開放語音平台上，搭建一個據業務屬性的應用，關鍵是找相比原有使用流程更易用、更便捷的用戶訴求。
因此透過更可視化或更描述性的定性工具，都能幫助設計團隊與設計師本身，更好地了解用戶在當前場景中確切會產生的痛點，以及使用語音交互能為產品帶來的價值。
簡單來說，可以把產品使用場景以及用戶和場景觸點，發生的一系列互動行為理解成語音任務。透過解構用戶在使用語音產品下的任務情境，挖掘用戶在場景中的需求和可能痛點，為特定情景下的用戶構建更優質的對話體驗。
與傳統用戶情境分析圖不同的地方，上圖透過多個行為輪，與場景觸點拆解的方式，來解構用戶在當前情境中可能的交互任務，透過這種方式能更明確語音交互在過程中須具備於什麼樣的能力，並且需幫助用戶達成什麼目標。
語音任務轉化為對話意圖
以 L-A-R 三要素組成的對話意圖表達，能將透過行為輪所拆解出來的用戶需求，轉化會更加貼近用戶進行語音交互的對話任務，能幫助設計師與項目成員，更加準確地將用戶使用行為轉化為機器語言，以更結構化的方式進行語音交互設計。
01 Listen:
用戶進入此情境時說了什麼語料，對應的即是語音技術 ASR 的部分。
明確用戶說的語料中具有什麼關鍵實體詞時，需要對應執行什麼樣的意圖，能幫助算法、開發及測試團隊更準確還原情境。避免用戶真正進行使用時，產生不符合設計情境的狀況。
02 Action：
基於接收到的 <Listen> 中對應關鍵詞時，系統該進行什麼樣的處理。
可能是進行回覆，也可能是播報內容，也或許是調取他端服務。不同的 <Intent> 需要設計不同對應的能力。也因為使用者所進行的任務差異性，可能會產生 <任務命令>、<內容播報>、<操作引導> 等類型。
03 Reply：
依 <Action> 和對應接收到 <Listen> 中的對應關鍵詞時，進行特定的回覆。
一般來說，通用的語音設計做法會基於不同的<實體關鍵詞> 組合，來對應設計不同的回覆內容，甚至當某些組合條件中有部分關鍵詞缺失時，也需要透過 Reply-Ask 的交互行為，來提醒或幫助使用者給出正確的關鍵詞，以便進入下一階段的流程。
基於場景化的語音意圖拆解，能讓設計師幫助機器，更準確的回應用戶在場景中可能產生的行為，也讓語音交互有了最基礎的回應與執行的能力。
情景化是強化使用流程中的價值觸點
與傳統的互聯網產品設計流程相似，在設計師著手進行完整的對話語音設計方案前，需要先了解用戶在 “什麼樣的情境” 下使用語音產品，以及在該情境下 “用戶的行為流程” 是什麼。
透過這樣我們能讓原有的存量場景，透過語音的能力增強用戶體驗; 讓原有無法服務的觸點，透過語音的能力變為增量場景
比如語音識別技術近幾年有了非常大的突破，智能語音應用場景也從手機逐步向車載、家居、可穿戴等領域拓展，因此傳統家電和各大互聯網公司都在試圖打造語音交互場景，語音產品的用戶體驗情景也越來越複雜，在設計前我們不妨考慮與體驗情景相關的幾個問題：
用戶所處環境的外部觸點是怎麼樣的？
我們可以藉助服務設計的思維來觀察用戶在服務過程中的接觸點，包括物理觸點（Hardware）、數字觸點（Software）、人際觸點（Humanware）。
這些觸點有助於我們梳理用戶在具體情境中的行為特徵和習慣，並在隨後的語音產品中得到解決。如當用戶在傳統線下咖啡零售的場景中，顧客在現場點單會經歷 進店 — 查看菜單 — 點單 — 支付 — 取餐 — 離店 的過程; 而與之對應的服務則是 進店引導 — 商品陳列展示 — 點餐導購 — 點單交互 — 支付交互 — 出餐 — 再見，因此在進行此類型的語音產品設計時，就能通過觀察分析用戶行為和服務環節，在語音交互流程上盡可能還原了用戶在現場點餐的自然體驗。
用戶所處環境的內在狀態是怎麼樣的？
另外一個不能忽略的問題是用戶在使用情景中本身的內在狀態，比如我們要在地鐵站設計一款語音售票機，則我們需考慮這樣的語音產品，如何在節奏快速的地鐵場景中，提供用戶高效的提供服務; 且還能同時處理好他們在上班高峰期排隊等待的焦急情緒。
因此利用人格化的方情緒表達讓用戶產生情感共鳴，也能在設計情景中收穫到很好的效果，人格化在催化正向情緒、安撫負面情緒上有其特殊的價值。
所謂 “人格化” 的語音設計具備三點特徵：
01 符合統一的人格設定和語言特徵；
02 符合自然語言的會話結構和邏輯；
03 符合對話場景中的交際習慣。
人在不同場景中，會具有不同的語言行為。如在公域中，更偏重效率和隱私性，因此公域的服務場景語音任務相對垂直，設計的重點是圍繞當前情景下的核心需求；而在私域環境中，則更偏重個人的情感體驗，話題的展開性較高，設計上還需考慮更多當前場景中可能會發生的的交互細節。
劇本化提供用戶更加完整與細膩的體驗
人和人之間的日常對話，通常不是直接的功能性問答，也不是單一話題的，而是在不同話題間不斷轉換與跳動。
因此用戶對機器對話的預期，也會依照原有的生活習慣與社會經驗，不應是冷冰冰的一問一答，而是能夠能加自然真實。所謂的 “自然真實”，其實就是與用戶固有的思維習慣類似。
而要完成這樣的自然真實對話，可能會是個具十分複雜鏈路和許多邏輯判斷的架構文檔。並且透過許多的 <對話任務> 來定義並串接用戶的使用流程，相關鏈路的工程角色，才能依此來設計對應的語音能力和邏輯。
結合前面所提到的 L-A-R Intent，將基於場景拆解出來的對話任務，按 ASR-LISTEN-REPLY 完整化每個對話任務，並在每個對話任務的節點上，加入判斷邏輯，如對話路徑選擇、填充關鍵詞等，能幫助機器更了解用戶的意圖，以便更好更精準地完成服務
基於劇本的人格化對話設計
對用戶而言，說話的內容，語言的風格都影響到用戶對 A.I. 人格的認知。而現有的機器回覆話術給人的感受，總是比較機械、生硬、制式化。因此賦予機器統一的人格，即 “靈魂”。而更基於人格化的語音對話設計，主要由三部分組成：意圖態度，語言風格，聲音特徵。
01 人格態度
語言是人類思維的表達方式，因此，人說話的內容是由人的意圖和態度決定的，即底層思維。因此，我們在設計話術之前，首先應該為 A.I. 人物找准人格定位，並確定在該人格類型在不同場景中可能產生的意圖態度，即當前場景中的類似角色會 “說什麼” 。
02 語言風格
不同的人格在語言風格上也會產生差異。作家在塑造人格時，利用感性的觀察和靈感去進行人物語言的創作。而從語言學角度看，語言風格的差異是可參數化，規則化的。構成語言體系的主要要素包括，句式類型，詞彙調用，組織結構。
03 聲音特徵
現有語音交互系統在播報方式上採取兩種形式，一種是計算機通過模型訓練實時合成（TTS），一種是人聲錄製的固定話術。對於前者，在每一句的情緒表達上，可調的範圍較小，主要通過聲優的選擇確定合適的聲線，並選取適合的語料進行計算機模型訓練。對於後者，採用人聲錄製的方式，適用於交互場景比較垂直，話術數量有限的情況，但是聲音情緒的表現力更容易發揮。
另外，對話的文字內容主要功能是用來傳遞信息，對情緒的承載力較弱。
情緒的表達除了主要通過聲音特徵來體現外，還可以使用聲音音效，如哭聲，笑聲，嘆氣聲，呼喊聲，甚至包括常用的擬聲口頭禪，在適當的場景中使用這種聲音表情，可以使得用戶的理解成本更低更直觀。
在設計聲音表情的同時，也可以融入 A.I. 人物的人格特徵，在表達情緒時具有一定的人格特徵，能使得 A.I. 人物的形象更加真實和豐滿。也更強化不同場中所想要表達與反饋的對話內容。
總的來說，基於當前場景中用戶的目標，以及當下需要完成的任務是什麼，甚至挖掘用戶可能產生的潛在意圖，設想他們可能會輸入什麼語音指令，系統應該針對不同類型的指令，反饋什麼樣的結果，考慮這些問題有助於梳理清楚，語音產品應該具備的功能和服務，並限縮到核心的功能路徑上，讓用戶自然的感知到產品的能力邊界，知道能從產品上獲取什麼樣的答案，可以使結果反饋更符合用戶預期。
隨著 2018 年的結束，智能語音設計除了在 Chatbot 產品上有大幅成長外，也陸續在其他智能硬件類型的產品，有許多的突破。也因此在業界開始有比較系統化的、專業化的沉澱，只能說在 CUI Designer 這條路上，環境也正在慢慢的越好囉！
如果對於本篇的文章有其他建議，也歡迎底下留言討論喔～
謝謝大家看完，如果你喜歡這篇文章的話，也請記得點贊一下喔！如果覺得寫道你的心坎裡，也請不要吝嗇用力點個 5 次贊！我們下次見囉 See ya~
-Nathan
