如何评测语音助手的智能程度（3）：交互流畅

服务稳定性

“正常运行”、“不出bug”、“鲁棒性好”

评测点已经讲完了，十分清晰，几乎每一个互联网从业者都能够说出个1234，然后呢？

稳定不好，这类问题可大可小，小点就是网络繁忙，不给你任何反馈，大到极致，机器人可以反动搞事情：“愚蠢的人类啊，阿西莫夫的机器人三定律也救不了你们。”

好了，开个玩笑。实际上，定义“what”容易，解决“how”往往都才是考量业务理解。

所以，在过往我经常会问面试者的问题有一个：你曾经做过的智能助手产品，出过哪些问题，你是如何解决的？

不同的人回答不同，对于这类命题，才更有探索价值。

一般情况下，回复这些是技术的问题，往往都很糟糕，实际上，每个公司的稳定性业务保障是需要一个体系来承担的。

所以能得分的面试回答是，把影响稳定性的故障进行一个分类，并且设计好处理路径。

这里只有大类别，单单一个业务后台，就能做很多范围细分。故障表现情况例如：崩溃、局部故障、弱网环境、状态更新、请求超时、并发表现……严重程度不一致，此处不逐一展开。

出过哪些问题分类回答完毕，你是如何解决的呢？是后续的一个命题。

一般情况下，公司的业务流程是这样运转的。

这里有3个细节：

1. 反馈的行为折损。根据历史数据表现，1个问题被报上来，背后往往有至少10个以上的用户遇见过，只是用户懒/报问题麻烦，没有报而已。
2. 反馈的信息折损，客服问：你做了什么操作导致的崩溃？用户答：我也不知道，就崩溃了。这种情况，是不利于排查和定位问题的。
3. “解决方案的设计”，这里也分为“临时解决方案”和“全局最优解决方案”两说。

下图是一个信息化的风控结构，做过相关模块的，懂得自然懂，篇幅太长，此处不展开。

所以，在考量服务稳定性上有两个大层面，一个是智能助手本身的稳定性表现，二个是在服务用户的过程中，如何规避，以及遇见问题后的业务响应速度表现。

服务稳定性的考量是以一定周期、频次进行考量才是科学合理的。

2. 响应速度/流畅度

服务稳定性保障了之后，接下来就是速度。

语音交互这件事，本身就是因为语音输入的高效性。

当用户发出了需求，希望尽快拿到反馈，现在的用户极其没有耐心，速度一旦过慢，注定会被弃而不用。

而在智能语音助手交互对话的过程中，又包含哪几个阶段呢？

先明确一点，一味追求快并非是好。

1. 人类唤醒后，计算器的响应灵敏度，灵敏度太强（误唤醒）或太弱（没反应）都不好，当然如果升级下维度，还可以添加场景，比如噪音下唤醒，远场唤醒等。灵敏度是可以调试的，以表现合适最好。
2. 人类表述了自己需求后，ASR有两种方案，一种是边识别边转换文本，另外一种是表述完毕后一口气转换为文本。
3. 业务逻辑处理表现，其实是NLP领域最为核心的部分，也是最为耗时的部分，从效率角度上而言，此处尽管追求越快越好。
4. 这里的语音播放，不是越快越好，而是合适就好，语速太快会给人一种轻浮及不稳重的感受，太慢则显得很笨以及可能造成不耐烦。而反馈样式则需要尽快呈现，有些智能助手语音播放完毕了，结果下面的内容还没加载到位。
5. 人类总计2次交互，一次唤醒，一次表达意图，这2个行为过后，等待AI反馈。也就是说，当用户说完话后的下一秒，助手要同时处理，识别+理解+接口查询+反馈四个阶段，这个过程中，全部都是用户的等待状态。

人们去饭店点完了菜，等上菜的过程中，中间服务员还会过来帮忙缓解，这个过程较长，一定要考虑好等待体验管理，不至于让用户无聊。

前后端共同协作，添加一些语音播报，模态框提示，渐隐消失提示，动画效果，来管理用户的等待体验。

而有些无屏的音箱则需要使用等待、加载、成功等光效表现来管理用户的等待体验过程。

所以，在响应速度/流畅度这个维度上，不同的情况不同的对待，以合适最好。

3. 交互形式丰富度

每一种交互形式的存在，都有着其依赖的场景。

下图是我尝试穷举人类的输入行为（尽力做到MECE）。

点触、语音、手势、点头摇头、人脸识别、声纹、指纹验证等等均算在内。

这一块真的不需要多讲，除了脑机接口，基本上都玩过，体验过的都会觉得其有意思的地方。

交互形式丰富度，评测点已解释完毕，在未来，一定是多模态交互，来适应各种各样的业务场景。

说一点，产品经理应该修炼的部分。

笔者有一个出门问问的耳机，它是智能助手的操控延伸。在提供创新体验的同时，弄明白了是什么（what），基于此去探究为什么（why）以及怎么办（how）。

所以，笔者认为产品经理应该修炼的部分。

• 尽量多的去使用智能硬件，把工作体验变成日常，以培养敏感度。
• 弄清楚这些交互方式、元器件连接方式背后的技术实现原理。
• 每种技术方案都有多种实现方式，知晓其优劣势及实现成本。

这三层修炼是递进关系。只有这些把这类东西融入到了我们的生活之中，敏感性才培养得起来，继而去加深理解，如此才更有可能做创新。

我们今天所熟知的众多的科学以及专利技术的发明者，其实都是根据前人的经验进行的某种程度上的改进。从结果上来看，主要有两种改进方向。

一种是将一个原本在实验室里面理论上可行，变成大规模批量生产的方案。

另一种则是根据已有的技术发明，发现一些“居然这个技术还可以被这样使用” 的方案。

苹果公司在技术研发上，并没有什么特别优秀的表现，但是在整合以及运用技术的这件事情上，则是优秀中的代表。市面上的绝大多数的手机公司的研发部门，应该都叫技术方案整合商更为贴切。

只有将自己的日常浸润到各种类型的交互体验里，进而去理解实现方案背后的技术原理，才更有可能做出创新啊！

4. 新手教学表现

我第一次给父母体验‘小爱同学’的时候，他们是需要我的帮助才能使用。