移动设备与IVR系统设计

IVR系统-智能语音客服。在打电话场景下，公司和人们的沟通方式。人们用它完成股票询价、机票预订、银行转账以及交通信息查询等。比如，现在很多公司的系统中，“人工服务请按9”一类的话语。

IVR系统通常被用来作为电话回复的第一阶段，通常还是由人工客服为用户提供服务，但经过IVR系统用户的信息可被提前收集。

IVR的策略同样也适用于VUI设计，但是移动VUI依然面临一个系列独特的挑战。

挑战一：确定它是否需要一个视觉化的呈现，比如一个虚拟角色。

挑战二：确定VUI什么时候可以允许用户说话，可以被打断吗？需要使用按键通话功能吗？

与IVR系统不一样的是，在移动设备上，我们可以增加一个可视化组件，不如在用户传达信息，确认信息，以及告诉用户什么时候轮到他们说话等。如果有一个可视化组件，则会让移动设备增加优势，允许用户同时使用语音和屏幕进行交互，是一种多模态界面（multimodal interface）。比如，siri，在和她语音的时候会有声波的动效表示声音正在录入，除了说出“hey，siri”,也可长按home键呼出Siri。如果你和siri说“找工作怎么这么难”，它会用屏幕来显示，文字太多的情况下使用语音会让用户觉得很困扰。

如果你的VUI会搭载可视化组件，比如移动应用，视频游戏或者智能手表，那么进行视觉和语音的协同设计就非常重要。如果视觉设计师和VUI设计师知道最后才在一起工作，那么两种媒介的融合可能不便于使用。VUI和视觉是组成用户与系统同一个会话的两个组件，必须从一开始就一起进行设计。

VUI通常单轮任务/单轮对话（one-turn task)，但是不要让VUI局限于此。为了更有针对性地思考如何更好地设计移动VUI，“对话式设计”很值得讨论。

对话式设计

在与VUI进行多轮对话时，VUI经常会回答“对不起，我不明白你在说什么”，无论重复多少次，都无法回答你的问题。

对话式设计定义为如何与VUI系统进行一轮以上的对话，并思考用户接下来可能会做什么。不要强迫用户展开新一轮对话，而是去尝试了解用户的意图并允许用户继续交谈。有必要为用户近期所说的话保留历史记录，否则，与一个不能记住上一轮对话内容的系统交谈，是一种不舒服的体验。

尽管这个对话与跟真人交谈不太一样，但Google还是成功地进行了四轮对话，并且知道“他”和“那里”分别指代的是什么。此外，Google在恰当的时机切换到了更加可视化的模式：直接显示餐厅的地理位置和评价。

设定用户期待

比如设定闹钟，既然有了设定的功能，就要有取消闹钟的功能。如果你设置了可以完成某项任务的预期，请务必考虑与之相关的任务。

设计工具

这里的工具并不是说某个软件，而是一种方法论。

1. 示例对话

示例对话是开始设计时最好也是最便宜的方法。它是你设计的VUI与用户之间，可能产生的交互行为的快照，它看起来向一个电影脚本，它包含了两个主要角色之间来回往复的对话。

示例对话不仅仅是设计系统要对用户说什么的方法，也是设计整个对话过程的关键方法。因为如果你每次只设计一个提示语，通常会使对话显得呆板、重复和不自然。

对话编写工具：Celtx

2. 视觉原型

在设计一个包含VUI的移动应用时，线框图和原型在早起设计流程中也是非常重要的。

这两种工具可以结合示例对话，将用户体验可视化。

3. 流程图

在编写和评估了各种示例对话后，下一步就是绘制VUI的流程图。

这两种工具可以结合示例对话，将用户体验可视化。对于IVR系统，或者一个封闭式语境下的系统来说，流程图需要包括用户使用中所有可能存在的分支。

4. 原型工具

确认策略

过多的确认也许能确保信息的准确度，但同时也会让人抓狂。

VUI确认策略时，可以参考以下几点：

错误的后果是什么？（比如，发出了一个预定机票的指令，如果发生错误，会预定错误的航班吗）

系统将以什么形式进行反馈？（会有音频提示吗？会有非文本的视觉反馈吗？比如Amazon Echo上的光环）

会有一个小屏幕吗？如智能手表或者像iphone那样的中号大小的屏幕？

以什么形式来确认最合适的？（明确的确认还是含蓄的，或者是混合式的确认）

如果有人把钱从一个地方转账到另一个地方，确认是极其重要的。另一方面，如果这个app纯粹是为了娱乐，出错可能不是一件大事儿，只是可能会中断用户的对话体验。

利用好你能利用的一切感知通道。

1. 显性确认

强制用户确认信息。比如，用是非问句询问。

2. 隐形确认

让用户知道他的话接收到了，但不需要他们确认。（比如，“已经帮你设置了购买保险，但提醒……”，在隐性确认的情况下，可能需要允许用户取消或者退一步）

确认信息的方式

1. 三级置信度

使用这种方法，系统将在一定的阈值内，以明确的形式确认信息，拒绝较低置信度的信息，并以隐性确认来确认置信度超过80%阈值的信息。

2. 隐性确认

只一种方法是只使用隐性确认，且不要求用户进行操作。

如果我问：”世界上最高的山峰是什么？”，一个采用隐性确认的系统马上会说回答“世界上最高的山峰是珠穆朗玛峰”，它会将答案和连同原始问题的一部分一同回复我，让我知道系统成功识别了我的问题。当置信度很高时，直接回答“珠穆朗玛峰”会让对话看起来更加自然顺畅。

3. 非语言式确认

使用行动反馈，不需要口头响应。比如使用一款应用程序控制你家的灯光开关，当你说“打开灯”时，系统没必要回复说“好的，将为您打开卧室的灯”，直接执行操作便可。

但是，如果指令到操作之间有一定的延迟，可以考虑用语音来确认。如果发出开灯的指令后需要几秒钟才能，可以让系统先回复“好的”或者“我知道了”让用户知道后面会发生什么。

4. 通用确认

开放式聊天

命令-控制模式

比如，代办记事清单，语音界面转瞬即逝，可视化列表比较适合用户随时查看。

命令-控制模式和对话模式

1. 命令-控制模式

比如siri、google和Amazon Echo，通过说唤醒次和按下麦克风开启对话。

这里需要注意的问题是，谨慎确定你系统的时间窗口，即用户说出唤醒词或按下按钮后，系统保持聆听状态的时长。如果太长，系统可能会听到一些用户不打算对系统说的话。如果太短，你会遗漏那些在说话之前短暂犹豫的人说的话。根据经验看，10s是一个不错的其实长度。

2. 对话模式

当用户和VUI之间会有一个较长的对话时，没有必要让用户每次说话的时候都明确告诉他要开始说话了。

人们的话伦转换并不总是明确的。在很多情况下，一次转换可能只是某人在另一个人说话的时候，当我发出“嗯嗯”的声音时，并不代表我希望对方停止说话让我说。这里只是表示我在活跃。

VUI系统可以处理一些常见的微妙的表达方式。

对话式标识

另一种使VUI更加人性化的方法是使用对话式标识。

包括以下三个方面：

1. 时间线（首先、完成了一半、最后）

2. 接受回执（“谢谢”、“知道了”、“好的”以及“我很抱歉”）

3. 积极反馈（“干得好”“很高兴听到这个消息”）

总之，让用户时刻知道自己处在的对话进程在哪里。

异常处理

出错可能为以下几种情况：

1. 未监测到语音

明确地说出来：你的系统只使用语音（比如IVR系统）、用户没有其他的回复方式（比如手机上的触控按键）、用户必须回复后系统才能继续进行任务/对话。

什么也不做：用户可以通过其他方式进行下一步操作（比如通过按键选择一个回复）、就算什么也不做，也不会中断对话、当有视觉提示告诉用户系统没有理解时。比如一个一直看着用户，听用户讲话的虚拟形象。

不要每次都回答“我不明白”，因为那会很烦人，VUI设计师应该利用人类已经适应的对话规则，而不是不断地告诉自己没有听懂。

2. 监测到语音，但是没有识别

和未监测到语音相似

3. 语音被正确识别，但系统无法处理

因为程序中没有针对这种情况的回复，也可能是程序中写了错误的回复。这种情况下，需要设计师去扩展对话语料。

4. 部分语音识别错误

例如“三点半”识别成“三点棒棒“

5. 增强错误提示

例如“三点半”识别成“三点棒棒“

不要责怪用户

新手用户和专家用户

持续跟踪上下文

在这个对话场景下，VUI知道代词“他”和“那”指的是前文所说的人和地点。持续跟踪这些信息不容易，但是如过不跟踪这些信息，你的VUI只能进行单轮对话。

比如

用户和Cortana之间的对话

用户：最贵的狗是什么？

Cortana：google会显示出最贵的狗是藏獒。

用户：Where can I get one?

这里的one，Cortana并不知道“one”指代的是上文给出的答案“藏獒”，用户需要把one替换成藏獒，Cortana才能显示答案列表。

帮助和其他通用部分

帮助：在移动设备或者应用中，不会出现明显的“帮助”字眼，用户通常会出现“你能做什么”这类问法，可利用视觉的形式列出用户可以使用设备或者应用做什么。

退出系统：人们习惯了在结束对话后有个标志代表结束对话。比如，当用户对Amazon Echo说说晚安时，它也会回复晚安。

返回上一步：可用GUI来表示，比如返回btn。

延迟

产生延迟的原因：

1. 糟糕的连接性能；

2. 系统处理进程

3. 数据库访问

面对已知的延迟情况，你需要确保系统有应对的处理方式。你可以告知用户关于延迟的情况（“请稍等，正在查找相关记录”），也可以用非语音和视觉的提示，比如延迟提示音或者可视化效果，比如loading动效。

对于唤醒，很多设备采用了本地化识别，这样会更快，其他的音频还是会上传至云端进行识别处理。

消除歧义

用户：“帮我定八点定闹钟”。

设备：“请问是上午八点还是下午八点呢？”

用户：“上午八点。”

设备：“好的，已经为你设置了下午八点的闹钟。“

一天有两个八点，当设备不明确时，需进一步询问，消除歧义。

但当对某个指令置信度很高时，即便有歧义，可根据上下文和用户使用设备的习惯，也可以直接取值。

用户：”请播放《记得》。”

设备直接播放张惠妹的《记得》。

前提是，之前用户一直听的是张惠妹的《记得》，而不是林俊杰或是其他翻唱的版本。

设计文档

提示

用途

1. 为配音演员提供需要录制的文案列表；

2. 从用户哪里得到确认；

3. 为TTS引擎提供输入

语法/关键短语

由于技术的进步，语音识别技术已无需识别完成确切的句子，只需识别关键短语就好。

无障碍设计

无障碍设计原则：

1. 省时、高效

在进行视觉设计时，应该减少用户完成任务所需点击的次数。语音交互也一样，尽量减少用户询问的次数。

2. 简短

比如购物app，用户正在听某个商品的信息，需要提供产品名称、价格和评级，其他的只要到内容详情页去浏览。

3. 语速快一些

应该设置调整语音速度的功能

4. 随时打断

允许用户随时打断对话，

用户：“帮我查一下附近的餐厅。”

设备：“附近有小南国、翠华、港丽餐厅……”

用户：“帮我查一下去翠华餐厅的路线。”

5. 提供上下文语境

VUI设计最大的挑战之一就是告诉用户能做什么，GUI界面可以把提示都显示出来，而对于语音界面，功能是不可见的，所以设计VUI界面时，应该告诉用户如何回复，以及他们能做什么。

6. 我在哪儿

可以随时请求帮助，并且帮助用户重新定位到他当前应用程序所处的上下文处境。

7. 文字转语音

符合品牌调性

8. 其他类型的无障碍设计

通用设计原则