前言/导读:
作为智能客服产品全剖析(中篇),本文将继续介绍智能客服产品的用户细分。我们将分别从「积极型探索者」和「消极型探索者」的需求视角分析用户痛点和用户旅程地图,从而探索个性化的智能产品策略。
共性特征概览
用户的旅程模型
每个踏入帮助类功能的用户,都是带着一个待解决的问题而来的。因此,从用户的角度来看,智能客服中的用户旅程就是用户寻求答案/解决方案的过程。以下是以用户寻求问题的答案时三个状态点为基础而建立的智能客服中通用的用户旅程模型:
此阶段的用户特征:
陈列的信息,不仅有击中用户目标的价值,还有启发价值
陈列的主题或问题列表,不仅能帮助用户找到目标问题,更能作为联想文字对用户描述问题起到启发作用。
用户描述问题的清晰度影响着用户倾向于参考的信息的颗粒度
用户对问题的描述越清晰,所参考或使用的问题搜索机制的颗粒度越细,且通常用户很少逆向追溯更粗颗粒度的参考信息。
此阶段的用户特征:
用户每个对话单元只围绕一个问题展开,止于目标问题的解决。
用户会专注在搜寻和当前问题相关的信息碎片上,直至完全获得解答或者解决了问题。在此之前,用户会将其他信息视为噪音并忽略(即使显示得再显眼)。
此阶段的用户特征:
当用户最终没能解决问题时,期望的是直接转接人工客服。
当用户尝试过一遍并发现并没有解决问题时,用户的心情值和耐心度降到最低,反复尝试自助解决的动机极低。此时他们更希望直接转入人工客服。
交互/阅读特征
以下是做智能客服的用户研究的时候发现的,对设计有启发意义的三个要点:
1. 用户很少进行预期未知的操作
用户很少会主动探索事物,特别是无法得知操作后预期结果是什么的情况,例如「换一批」「猜你想问」等按钮。
设计启发:尽量完全展开信息,特别是无法快速推演的、成逻辑体系的信息;对于必须折叠/隐藏的信息,给操作按钮取更清晰的名字,以让用户获取操作预期,比如「本主题的其他问题」「下一步操作」...
2. 用户会下意识区分信息和操作模块
在复杂的对话流信息中,用户倾向于认为信息和操作模块是分开的两个部分,很少会在信息模块中尝试点击,除非信息模块的可操作元素非常明显,比如下划线、按钮...
设计启发:用不同的UI区别展示操作模块和信息模块,让用户在复杂的信息流中,能一眼区分开来;尽量在信息模块只放信息,操作模块只放操作。若在某些情况下,一个模块需要混合两个种类的信息,则它们的视觉区别需要更加明显。
3. 用户的阅读视线呈从上往下的顺序
每当有一轮对话刷新、新的信息/操作模块汇入聊天信息流后,用户会从刷新后的视觉焦点(通常在屏幕的中上部)开始从上往下寻找目标信息可能存在的地方。
设计启发:通过引入图标、按钮、图片、样式文字的方式,确保每个屏幕内有一个视觉焦点/起始点;尽量将带有逻辑顺序的信息纵向线性安置;尽量避免获取信息时需要用户的视觉反复横跳于聊天流。
消极型探索者
用户痛点和常见场景
用户旅行地图
产品策略
让智能客服看起来智能
在界面展示更多用户信息和「智能」类的关键字给用户;(特别是在默认首屏) 尽量展现充实的界面内容和丰富的控件形式。
让智能客服用起来智能
基于情景/用户操作/用户特征的更精确的默认问题推送;基于输入信息的更精确的问题检索;推送内容文案精简,且能充分体现智能客服的解决能力和范围。
为需要的用户提供绿色通道
根据用户的输入信息判断用户是否处在极端消极的情绪中,并为其提供快速切换人工的方式;根据用户的输入信息/客观信息判断用户是否遇到了复杂问题/紧急情况,并为其提供快速切换人工的方式。
积极型探索者
用户痛点和常见场景
用户旅行地图
产品策略
帮助用户多维度描述问题
提供多颗粒度的 (从大类到具体问题的) 默认推送的信息组;当用户手动输入信息时,尽可能给予一些搜索推荐或搜索联想;尽量允许多种类的信息输入 (语音、地点、图片等),并综合各种输入帮助推荐问题。
系统性给用户推荐问题
对于某些特定情景,在合适的时机,给用户推荐相关问题的列表;在用户完成一轮对话后,预测用户即将产生的问题,并及时进行相关问题的推送 (可能是在本轮的末尾或者下次开启新的对话时)。
提升问答的质量
(根本上) 提升匹配算法的精确度,不断扩容或更新热门问题的知识库;信息措辞简洁明了,关键字直击用户痛点;提升阅读体验: 为文字适当排版和装饰、引用超链接、引用图片或视频等多媒体。
小结
感谢阅读!在下一篇文章中,我们将围绕智能客服产品的交互设计分享更多干货知识点,点击关注爱彼迎技术团队,期待你的「下次一定」。
作者:Rena Huang,校对:Yiqi Jia,James Liu,Wei Ji。
如果你想了解关于爱彼迎技术团队的更多进展,欢迎关注我们的 Github 账号以及爱彼迎技术团队微信公众号。