語音交互在場景化的體驗中能發(fā)揮更好的效果，是因為語音本身就是一個對話的過程。當(dāng)你置身于特定場景下時，你的語音指令才具備特殊的意義！

一直以來，我們使用的是以視覺界面交互為主的3C產(chǎn)品。iphone，Google Glass，Apple Watch，以及增強現(xiàn)實的Magic Leap, Microsoft Hololens，這些產(chǎn)品都在主打視覺交互，期望用戶在視覺界面上完成他們的需求任務(wù)。這些產(chǎn)品需要用戶將全部注意力都集中在界面上，用戶需要專注于界面的交互體驗，因此，無法在同一時間做其他的事情。

但在現(xiàn)實生活中，我們往往并不在同一時間只專注于同一件事情的。而語音交互在這方面則具備潛在的優(yōu)勢，它能夠讓你在同一時間處理多項任務(wù)。

值得注意的是，最近幾年針對語音交互的體驗設(shè)計研究開始興起：Android和iOS 手機開始構(gòu)建自己的語音交互生態(tài)，智能汽車為了解放雙手，也開始研究語音交互的玩法。這些都證明了企業(yè)和市場對于語音交互潛在優(yōu)勢的的認(rèn)同。語音交互開始逐漸進入到人們的日常生活當(dāng)中。

當(dāng)你在專注于某一件事時，最快捷的在同一時間獲取其他事物相關(guān)信息的方式就是語音交互，它不會被圖像交互所打擾。

當(dāng)你在騎行的時候，Siri在你耳邊提醒你臨近會議的準(zhǔn)確時間和地點，并為你語音導(dǎo)航，同時為你口述剛剛收到的短信息—所有的動作都沒有打斷你的騎行運動。

這就是語音交互的優(yōu)勢所在。不過這只是我對于Siri語音交互的未來期許，現(xiàn)實情況是Siri在Apple Watch上只提供視覺反饋，并沒有像iphone和ipad上一樣具備語音回饋。

而通常當(dāng)我在使用語音請求時，我的眼睛和手常常在忙于其他的事情：當(dāng)我正在騎自行車回家的路上時，我會對我的watch說，“Hey Siri，開始自行車健身課程。”然后我不得不在騎行過程中低頭查看我的watch是否打開了健身應(yīng)用并且開始記錄我的進程。這是及其不方便的，并且很危險。

語音交互在場景化的體驗中能發(fā)揮更好的效果，因為語音本身就是一個對話的過程。當(dāng)你置身于特定場景下時，你的語音指令才具備特殊的意義！

當(dāng)你在高速公路行駛中對你的輔助駕駛系統(tǒng)發(fā)出“slow down”的指令時，系統(tǒng)會將速度由120公里每小時降到100公里每小時；而當(dāng)你在市里的道路行駛時”slow down“的指令可能會使你的車速從60公里每小時降到40公里每小時。

怎樣設(shè)計語音交互體驗，才能使其發(fā)揮場景化的優(yōu)勢？Nielsen的啟發(fā)式可用性原則依然適用于語音式的交互方案。

系統(tǒng)狀態(tài)的視覺反饋

亞馬遜的語音產(chǎn)品Echo，是一款場景化的語音交互智能硬件。相比Siri和Google now，亞馬遜的產(chǎn)品團隊充分理解了語音交互場景化的潛在優(yōu)勢，并結(jié)合自己的電商基因，將Echo打造成了更加智能的私人家庭助理。下圖是Echo的升級產(chǎn)品Echo dot，將與近期發(fā)售。

Echo內(nèi)置的LED 燈可以提示Echo是否接收到了語音指令，但不像視覺界面，用戶并不能從中理解系統(tǒng)處理語音指令的過程。語音交互需要花費更多的精力判斷和預(yù)測用戶指令所處的情景和上下文關(guān)系，并且向用戶解釋其所處在流程中的什么位置。

預(yù)防錯誤和及時更正

對于設(shè)計師與開發(fā)工程師來說語音設(shè)計中最困難的就是要面對大量無用的語音輸入信息。交互過程中的語音輸入是無法像GUI那樣規(guī)范化的。在GUI中，用戶可以借助文字提示和視覺界面組件來引導(dǎo)他們完成操作；標(biāo)題，導(dǎo)航條，按鈕以及留白等無時無刻在引導(dǎo)用戶完成頁面跳轉(zhuǎn)操作。

相比之下，語音交互的流程顯得更加直接。在語音交互中，用戶只能依靠有限的語音提示以及短期記憶來完成操作，這就需要設(shè)計師將流程簡潔化。

設(shè)計師需要去設(shè)計一套盡可能的避免用戶錯誤語音輸入的流程，以及預(yù)測用戶可能的錯誤并及時提示用戶糾正錯誤。像GUI那樣去有意識的設(shè)置語音輸入的流程和規(guī)則，只會增加語音交互流程的復(fù)雜程度，同時也會提高錯誤率。運用云計算、大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)、智能學(xué)習(xí)等技術(shù)來幫助系統(tǒng)識別用戶的自然語言、判斷用戶指令是目前的主流研究方向。

現(xiàn)有的第三方智能語音服務(wù)商有很多，國內(nèi)如科大訊飛，對于自然語言的理解錯誤率已經(jīng)降低了許多。Echo能夠主動檢測到激活短語，尤其是在現(xiàn)實環(huán)境中常見的的雜音背景下。比如當(dāng)產(chǎn)品在播放音樂的時候給它一個語音指令讓其停止。

Echo Alexa對于自然語言的理解能力很強，并且能夠在在復(fù)雜的背景音中辨別語音指令。這是更加符合真實使用場景的設(shè)計。Alexa能夠根據(jù)情景和上下文關(guān)系來判斷指令：當(dāng)你發(fā)出設(shè)置一個新的倒計時時，Alexa很準(zhǔn)確地作出判斷并回應(yīng)：

第二個倒計時設(shè)定40分鐘，現(xiàn)在開始倒計時。

Siri則這樣回應(yīng)：

你的倒計時已經(jīng)運行，還有9分42秒，想要更改它嗎？

用戶操作的自由度、效率以及流暢度

在視覺界面交互中，用戶的行為指令已經(jīng)被預(yù)先設(shè)計好了，通過識別下滑、點擊、雙擊等交互行為以及用戶所處的頁面位置，系統(tǒng)能夠快速判斷用戶的指令并作出準(zhǔn)確的反饋。而在語音交互中，用戶可以發(fā)出不同的語音指令來期望獲得同一個反饋，而系統(tǒng)需要去分析輸入指令所處的場景和上下文關(guān)系，從而做出準(zhǔn)確合理的信息反饋。

比如，在GUI中，標(biāo)有“yes”文本的按鈕代表著“是”的指令；而在語音交互中，用戶可以使用以下語句：“Sure”，“Absolutely”, “Uh-huh”, “Yes, please”。

雖然不如可穿戴設(shè)備那樣隨身攜帶，但Echo Alexa能夠在一定距離內(nèi)高效精準(zhǔn)的判斷語音指令，即使是在復(fù)雜的背景噪音下；你還可以在做其他事的同時向Echo輸出指令，一心二用，這意味著在可檢測距離內(nèi)Echo的靈活性要高于搭載Siri的移動設(shè)備。

簡潔明了是關(guān)鍵

在文章創(chuàng)作中，我們可以將要表達的信息內(nèi)容全面詳細(xì)地寫下來，文章的關(guān)鍵信息會隱藏在段落中，通過直述、隱喻等表達方法展示給讀者。我們不會期望讀者會閱讀每一個文字，只要讀者能夠體會到文字的含義即可。但在語音交互設(shè)計中，這樣的寫作手法是奢望且不被允許的。所有的信息需要簡潔明了，任何復(fù)雜的表述方式都有可能讓用戶陷入困惑。

在心理學(xué)設(shè)計中已經(jīng)提到，人類的短暫記憶只能記住最多4到5個事物，這就限制了語音交互產(chǎn)品每次向用戶展示的信息數(shù)量。

善于引導(dǎo)

尼爾森的另一個啟發(fā)式可用性原則：

引導(dǎo)強于記憶。

交互設(shè)計師在GUI設(shè)計中會想方設(shè)法的通過使用隱喻式設(shè)計來引導(dǎo)用戶去操作，減輕了用戶的記憶負(fù)擔(dān)。而在語音交互中，隱喻式引導(dǎo)設(shè)計卻無從下手，用戶需要記住回到菜單或上一頁的方法，系統(tǒng)必須試著去理解用戶指令的意思，并且輸出恰當(dāng)?shù)奶崾疽龑?dǎo)用戶正確的操作，而不是誤導(dǎo)用戶、讓用戶不得不重啟整個流程。一個在任何時機下都可觸發(fā)的“help”指令是必須的，當(dāng)用戶在忘記具體操作指令的時候及時得到系統(tǒng)幫助。

除了遵循尼爾森的啟發(fā)式可用性原則之外，為了增強對場景化的理解，語音交互系統(tǒng)需要更加智能的去自主學(xué)習(xí)用戶與環(huán)境，大數(shù)據(jù)的輔助也能夠更好地加速這一進程。受制于人工智能與大數(shù)據(jù)的總體發(fā)展與應(yīng)用的限制，Echo也存在很明顯的劣勢，那就是無法理解復(fù)雜的語句。

例如線上購物，當(dāng)你一件一件的添加商品到購物列表時是很容易的。但當(dāng)你一次性的輸出多個商品指令時，Echo經(jīng)常會“誤解”你的本意，例如下面這段對話：

User: Alexa, add milk to the shopping list.

Alexa: I’ve added milk to your shopping list.

 

User: Alexa, add eggs to the grocery list.

Alexa: Eggs added to your shopping list.

 

User: Alexa put butter on the shopping list.

Alexa: I’ve added butter to your shopping list.

 

User: Alexa add cereal to the shopping list.

Alexa: I’ve added cereal to your shopping list.

 

User: Alexa put cheddar cheese on the shopping list.

Alexa: Cheddar cheese added to your shopping list

 

User: Alexa put sugar, flour and salt on the shopping list.

Alexa: I’ve added sugar flour salt to your shopping list.

總結(jié)

語音交互是更具有場景化的體驗設(shè)計方法。它能夠幫助用戶在特定場景下同時完成多項任務(wù)和工作。語音交互在設(shè)計上相較于GUI會面臨更加苛刻的條件限制。

在沒有視覺反饋的情況下，語音交互系統(tǒng)需要充分的理解用戶所在的場景與用戶習(xí)慣，精確判斷用戶的指令與上下文之間的關(guān)系，并結(jié)合場景做出正確的反饋。受制于用戶的短期記憶能力和語音信息的繁雜程度，語音交互流程應(yīng)當(dāng)更加簡潔直接與多樣，并預(yù)先評估用戶可能的語音指令，以便做到快速理解和迅速反饋。

適當(dāng)?shù)恼Z音反饋與引導(dǎo)可以幫助用戶減輕記憶的壓力，并避免用戶迷失。充分借助云計算、大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)、智能學(xué)習(xí)等技術(shù)來幫助語音交互系統(tǒng)增強對場景和用戶的理解。

推薦閱讀

https://www.nngroup.com/articles/voice-interaction-ux/

https://medium.com/rain-drops/usability-heuristics-meet-voice-experience-design-7aaead3d77b0#.ee1o8zu3k

https://www.amazon.com/All-New-Echo-Dot-2nd-Generation/dp/B01DFKC2SO/ref=sr_1_1?ie=UTF8&qid=1474963942&sr=8-1&keywords=echo+dot

#專欄作家#

薛斯塔，微信公眾號：luxdesign2015。人人都是產(chǎn)品經(jīng)理專欄作家。海歸交互，對體驗設(shè)計有著濃厚興趣，崇尚科技創(chuàng)新解決用戶需求、改革行業(yè)服務(wù)模式；資深尤文蒂尼。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。