最近在学习VUI的相关知识，我发现了一个问题，即使我了解了VUI的发展史、设计原则、工作职责，但是VUI到底是做什么工作的呢，仍然不太清晰。

刚好最近公司也想在产品中加入智能对话功能，于是我想借此机会在深入的进行了解。通过几周的学习，目前对VUI有了初步的认知，因此通过查找资料，加上自身的理解，我整理了一套VUI设计流程，并结合实际案例进行分析，如有理解有误的地方，请各位指正。

VUI设计流程主要分为四个阶段，即需求分析阶段、设计阶段、场景数据收集、持续优化阶段。

一、需求分析阶段

需求分析阶段主要有五步，挖掘需求，了解产品背景；了解目标用户，确定机器人定位；了解使用场景，确定载体设备；梳理产品功能，确定场景边界；明确目标，确定任务类型。

1、挖掘需求，了解产品背景

不管你是VUI设计师还是GUI设计师，在设计前都需要先了解产品背景，清楚产品要做什么，想要解决什么问题，避免出现流行跟风的现象，以4S店汽车销售机器人为例：

如何了解产品背景呢？我们可以从业务诉求和用户诉求两个方面来分析，想一想我们为什么要加入汽车销售机器人。

业务诉求：由于很多店销售人员不足，加上销售员工素质差异，要做到照顾到每个人很难，同时一些销售员工看人接待也让顾客体验不好，因此希望通过对话机器人减少人工成本、提高用户智能化体验、提升品牌好感度。

用户诉求：销售人工给你介绍的车型大多都是他们提成较高的，未站在顾客的角度推荐，同时还存在看菜接待的情况，另外当我只是想去了解车型时并不需要销售员工介绍，这时候如果有智能对话机器人接待挺不错的。

2、了解目标用户，确定机器人定位

当了解产品背景后，我们还需要了解目标人群，这样才知道应该给用户提供怎样的服务。在分析时我们可以利用用户画像了解用户。具体可以从人群年龄、性别、职业、兴趣爱好、收入、文化水平等方面进行分析，确定机器人的定位，以及帮助确定功能的细节设计，以4S店汽车销售机器人为例。

4S店的目标人群大多是22~50岁年龄段的人，男性居多，职业和兴趣爱好都比较广泛，同时职业可能是公司白领、企业高管、普通工人等。

因此在机器人定位时最好是声音甜美的女性销售顾问的身份，另外在给用户讲解时，我们可以根据其身份进行针对性的介绍服务，比如女性用户更关注外观，技术人员更关注车的参数，企业高管更关注的车的品牌。

3、了解使用场景，确定载体设备

智能语音助手的设备多种多样，有智能音响、智能机器人、智能手表、车载设备等，那么我们的产品适合什么设备呢，我们需要根据使用场景进行分析，以4S店汽车销售机器人为例。

使用场景：4S店汽车展厅

在产品背景的分析中，我们提到为了减少人工成本、提高用户智能化体验、提升品牌好感度，同时避免顾客进入没人照顾的情况，因此这时候我们的设备最好能像人和人交流一样，直接呼叫他即可，因此在公共场合我们最好选择智能机器人。

4、梳理产品功能，确定场景边界

了解产品背景后，我们就需要进一步明确产品需要做哪些功能，从而避免照搬竞品，做出一个和竞品一样的功能，没有自身的特色，因此这一步我们需要确定产品场景边界，明确哪些功能必须做，哪些功能不可以做，哪些功能可以后期做，下面以4S店汽车销售机器人为例。

上面我通过脑图梳理了汽车销售助理常见的功能，下面我们就需要根据脑图梳理出，哪些必须做、不可以做、可后期做的功能明确场景边界。

可以做：

接入简单的问候/答谢作为过场

车辆介绍、订购、入库、出货、退货、查询业务

购车中常见问题解答

可后期做：

拓展服务：4S店分布、城市导览、新闻播报、音乐播放

不可以做：

纯闲聊

5、明确目标，确定任务类型

机器人和小孩一样，刚开始什么都不会说，需要我们一句一句的教，我们需要将我们说的话转化为机器人可识别的内容，这里就需要给任务进行分类，将内容参数化，转换成机器人可识别的语言，任务类型一般分为三种：任务型、问答型、闲聊型。

任务型：有任务目标，需要把请求参数化

比如：帮我找一台宝马40万以内的车

意图：查询

词槽：品牌=宝马，价格范围=40万以内

问答型：有任务目标，不需要把请求参数化

比如：我想分期付款，请问如何操作？

闲聊型：没有任务目标

比如：今天好热——是啊，好热。

了解了任务类型后，我就将之前梳理的功能进行分类，以4S店汽车销售机器人为例。

二、设计阶段

VUI设计师的工作内容和GUI有所区别，UI是图形用户界面，VUI是语音用户界面，其主要工作职责是描述系统与用户之间的交互行为，撰写对话脚本，并提供给工程师搭建对话系统。

简单来说就是设计自然话术，以及整个业务操作流程，让工程师能够知道哪些功能优先做，什么情况该说什么，当遇到异常情况如何处理等，下面分从4个方面来说。

1、业务功能定义

在需求分析阶段我们确定了场景边界、确认了任务类型。在设计阶段，我们需要确定功能的优先级，这样我们才能够知道哪个功能重要性高，优先完成哪个功能，这里可以根据场景边界中的可以做、不可以做进行优先级的排序，同时将功能属性细化，以4S店汽车销售机器人为例。

1）确定功能优先级

在汽车销售流程中，订购流程是核心功能流程，因此其排序最高，其次是购车中常见问题的解答，都是必须完成的流程，而对于查询附近的4S店、新闻播报、城市导览、音乐播放、简单的问候/答谢等功能可以待前两个流程完成后在做。 

2）将功能属性细化

将功能属性细化，可以帮助我们后面将各属性参数化，以订购流程为例，在细化时，我们可以整理出订购必须做的内容，另外，要完成订购还需要你的个人信息、账户信息、订单状态等，都需要全部梳理出来。

2、撰写故事线

当功能需求梳理完成后，就需要针对对话流程进行设计了，在设计时不要刻板的一问一答，我们需要模拟自然对话的流程，同时需要考虑人机对话过程中将遇到的多种情况。根据业务类型，我们主要考虑任务型故事线、问答型故事线。

1）任务型故事线

在撰写任务型故事线时，我们先根据正常对话流程，写一个完整的对话流程，像编写电影剧本一样，以4S店汽车销售机器人为例：

以上完整的故事线我们称为“愉悦路径”，完成了常规流程的设计，我们还需要在此基础上增加其他场景，或异常情况的处理。

比如客户突然又想订购其他的车型，这时候就需要机器人像真人一样理解需求，并根据新的需求进行对话。

最后当对话流程写完之后，最好利用口语化的表达，大声的朗读，检查对话是否自然，是否符合目标用户。

2）问答型故事线

完成任务型的对话逻辑梳理后，我们还需要将销售流程中常见的问题罗列出来，整理成文档。

在梳理时我们可以根据业务流程整理出用户可能会提到的问题，比如汽车的配置、保养、油耗、上牌、贷款、提车、改装、售后等问题。然后根据这些分类在写具体问题，以及答案。

3、提取对话流程

撰写完故事线后，我们需要根据故事线提取对话流程，也就是功能流程图。功能流程一般描述的是完整的业务流程，没有数据的概念，其主要利于思路的梳理，以汽车机器人订购流程为例，我分别将愉悦路径的故事线和异常路径的故事线提取了对话流程。

当然到这里并没有完，为了让整个业务流程清晰，这里我们还需要将功能流程图细化成业务流程图，也就是“泳道图”，泳道图需要做的就是业务流程描述，它可以清晰的看到角色之间、前台与后台、模块和模块之间的流程关系，适合讲解流程，方便工程师快速搭建对话系统。

4、定义对话意图

流程图梳理完之后就到了定义对话意图的阶段，我们需要将梳理出的功能定义意图，转换成机器人能够识别的内容，以4S店汽车销售机器人的订购流程为例：

订购功能就需要转换成订车意图BOOK_CAR，其关键信息可定义为实现订购意图的词槽，添加词槽我分别定义了品牌、车系、车型、付款方案的词槽名进行举例。

三、场景数据收集阶段

为了让我们的对话机器人能和人进行自然对话，我们需要收集更多真实的场景数据来丰富机器人的知识库，因此在收集时我们需要知道收集哪些内容、以及通过什么渠道进行收集。

1、需要收集的内容

在内容收集时，我们需要根据任务类型来进行，针对任务型对话我们需要收集真实场景下的对话样本、词典词槽，针对问答型对话需要根据之前归纳的分类，收集对应的问题和答案。

 1）收集对话样本

主要是在真实环境下，收集相同意图不同人的问法。然后将这些对话样本导入到系统中，给机器人做示范，教他如何理解对话意图，知道哪些词是重要信息，对应的词槽是什么，以4S店汽车销售机器人为例：

通过对话样本告诉机器"我想买一辆30万以内的奔驰车"和“帮我选一台20万以内的宝马车”都是选车的意图，其中“30万”和“20万”都是价格的词槽，“奔驰车”和“宝马车”都是品牌的词槽。这样训练多了，机器人对话就越来越自然了。

2）收集词典词槽

词典词槽主要指为了完成某个意图所需要提供的关键信息，以4S店汽车销售机器人的选车为例：

比如“我想买一台30万以内的车”，其中“一台”是数量词槽、“30万”是价格词槽、“车”是品牌词槽。然后将系统中所有意图进行整理并收集对应的词槽。在收集时，我们需要根据词槽，整理出3-5条实际的对话样本案例，让系统识别准确率更高。

3）收集问答对

问答对相对比较简单，我们可以根据问答型故事线中整理出的分类，尽可能全的去收集真实场景下用户会问那些问题，系统又该如何回答，以4S店汽车销售机器人为例：

在收集问答对时，我们可根据汽车的配置、保养、油耗、上牌、贷款、提车、改装、售后等，将问题和答案进行整理，这里一个问题最好能整理出多种问法。

2、通过什么渠道进行收集？

上面我整理了真实场景下三大需要收集的内容：对话样本、词典词槽、问答对，那么这些真实场景的数据该如何去收集呢？我们可根据网站数据、客户中心数据、用户调研来收集。

1）网站数据

如果你的产品原来就有网站、APP，那么数据收集起来就相当容易了，我们可以根据用户平时的反馈情况、常见问题解答、系统日志、消息记录等进行收集。

2）客服中心数据

如果你的产品有客服服务，那么这部分数据收集起来可以帮我们大忙，因为不管客户是通过文字咨询客服，还是通过电话咨询，这些数据已经是自然对话的内容了，能帮助我们了解客户在操作中真实面临的问题，以4S店汽车销售为例：

当你去咨询时，一般他们都有销售的模板话术、实际场景的销售对话案例、售后客服、网络客服等，这些数据都是一份不错的资源，都可以收集起来。

3）用户调研

如果你的产品是初创的，没有以上现成的数据，我们可以通过用户调研，人工模拟对话过程进行收集，这部分数据一定程度上可以代表真实用户的想法。

在收集时我们最好模拟人和机器人真实的对话流程，这里我们可以直接通过发送消息的形式，获得对话内容，在开始前，我们只需要告诉用户测试目标，同时和他说他是在和机器对话（实际是你），让对话尽可能的真实。

那么如何进行用户调研呢？用户调研可以分为两个阶段前期调研和后期调研，下面一起来看看。

前期调研

前期调研数据不用过多，只需要3~6个建立初始数据即可，我们可以根据需求分析制定的用户画像，寻找满足类似条件的人，并记录他们整个对话内容，以4S店汽车销售的用户画像为例：

我分别列了三个代表型人物，我们可以根据这些人物特点寻找对应的调研对象，每组找2个适合的人即可，由于每个的职业、文化水平、期望值不同，因此沟通内容也不同，需要我们将其一一记录下来。

后期调研

当系统有一定的数据后，我们可以利用对话工具来进行数据收集，这时候我们可以邀请100到200个不同人群、职业、年龄、性别等人来进行测试，这样我们可以收集到更真实的数据。这里我们可以利用百度UNIT搭建一个对话系统，快速收集数据。

最后大家需要注意虽然以上的数据能够提供给我们帮助，但是这些只是开始，在真实场景中可能会遇到更多的问题，你会发现之前的数据已经不能满足，这时候就需要我们持续进行优化对话样本、词典词槽、问答对等。

四、持续优化阶段

场景数据收集完后就该交给工程师搭建对话系统了，当系统搭建完成我们的工作并没有完，还需要继续优化，我们可以通过系统日志分析，发现系统中未识别或识别错误的意图，以及分析已识别的意图是否是核心需求。

1、优化未识别的意图

当你在检查日志时发现未识别的意图时，你需要进一步确定该意图系统是否已定义了。

1）如果系统未定义意图，同时其是核心功能，优先级高，那么我们就需要从新定义意图、制作对话样本，如果优先级低我们可放到后面再优化。

2）如果系统已经定义了，那么就需要我们检查看看在设置中是否有遗漏，比如有没有对应的对话模板，对话模板写得对不对。

2、优化识别错误的意图

在日志分析时，如果发现识别错误的意图时，我们可以通过检查找出错误意图，并进行修改。另外，我们还可根据用户反馈发现识别错误的意图，并进行修改。

3、优化已识别的意图

在日志分析时，针对已识别的意图，我们还需要判断他在对话中的占比，进一步分析该意图是否对应用户的核心需求，是否需要调整。

4、合理使用知识闭环推动效果优化

持续优化的阶段需要整个团队来进行，下面可以参考百度UINT提供的优化流程图。 

VUI设计师/对话训练师优化对话样本、词典词槽；开发者需要测试对话、效果评估、应用对话模板/样本，技能训练，生效到沙盒环境；用户需要发布到生产环境、交互学习、生成对话日志。然后VUI又根据日志优化未识别、识别错误、已识别的意图，持续两个数据闭环的优化就可以让技能模型更智能了。

画重点

本篇和大家梳理了VUI设计师的工作流程中的需求分析阶段、设计阶段、场景数据阶段和持续优化阶段，知识点分别有：

1、需求分析阶段：和UI设计的工作流程类似，都需要挖掘需求，了解产品背景、目标用户、使用场景，明确场景边界，知道哪些功能功能可以做，哪些功能不可以做，哪些功能后期做；最后将功能按照任务类型归类。

2、设计阶段：和UI不同的是，VUI的设计阶段主要是对话流程的设计，因此其更需要的交互设计能力。

3、场景数据阶段：VUI设计师完成需求分析、对话设计之后，还需要进行场景数据的收集，比如收集对话样本、词典词槽，问答对等，让人机对话更真实自然。

4、持续优化阶段：优化阶段和UI类似，UI设计产品上线之后需要进行界面的验收；VUI也需要进行验收，主要从四个方面进行优化：未识别的意图、识别错误的意图、已识别的意图、合理使用知识闭环推动效果优化。

参考引文：

https://ai.baidu.com/unit/home百度大脑UNIT

https://ai.baidu.com/docs#/UNIT-v2-sample/top 实用范例

《语音用户界面设计》[美]Cathy Pearl著 王一行译

原文链接： http://c7.gg/fCLj8