进击的人工智能：产品视角解析“对话机器人”

探讨对话机器人的本质需求、场景和价值；来自嘉宾@赵帅的分享，（优护家联合创始人，前微软小冰初创团队产品经理）的，在编辑整理成万字长文，值得AI产品经理们细细品味～

序言

任何一款产品的出现，都是源自用户需求。要么是已经存在的存量需求，要么是正在规模化的增量需求，对话机器人也不例外。当我们在谈论“对话机器人”产品时，我们该如何看待它背后的需求呢？

本文，我将试图站在纯产品的视角，去分析作为一款产品，对话机器人背后的需求和产品逻辑。文中我无意去对比各家对话机器人的优劣，也不讨论某款对话机器人的产品观或方法论。

1探索“对话”行为背后的需求

首先，我们试图探索“对话”这一行为的场景与背后的需求。

在《人类简史》一书中，认为语言能力是智人区别于其他猿类最重要的特质和能力，因为语言能力，智人可以互相通过对话而形成更丰富的交互，从而才有了协作和后来的文明。

人类有三种最直接的方式来使用语言：“一对零”、“一对多”、“一对一”。

“一对零”是自我内化的反思、总结、沉淀，不向外做交互和分享。“一对多”是广播式的宣讲和相对单向的输出，譬如开大会或者发号施令。“一对一”是对话，群聊也是由许多的“一对一”构成的，所以我认为不存在真正意义上的“多对多”对话。我认为对话是我们人与外界进行交互的最直接即时的途径（注意“即时”很重要）。

所谓对话，一定是一个双方交互行为，并且互为I/O（input / output）的过程。比如两个人对话，每个人所说的话，对于自己而言是输出，对于对方而言是输入。原则上，对话可以永远持续下去。但我们几乎从未见过两个人会永远在对话，那是因为，如果需要对话持续下去，双方都需要保持参与，任何一方觉得疲劳或者无价值感了，对话就会终止。

对话的场景更加贴近我们的生活行为，它频次最高，且环境开放多变，分析它背后的需求并不容易。现在，我们需要回答两个问题。

1.1 对话为什么能够开始？

我认为人在对话中存在三个层面的需求。

第一层，是基础问答的需求，可以描述为：我有一个问题，请你回答我。二次追问的问题，属于新问题，这个过程，非常类似于我们今天所使用的搜索引擎。

第二层，是任务流程协作的需求，以达成某种目的为止，可以描述为：我想请你帮我买一张明天下午14:00-18:00出发，北京到上海的机票，经济舱，尽可能便宜，最好是东航的。我们和朋友相约去逛街，拜托同事帮忙预定会议室，接受闺蜜的请求明早叫她起床，这些都是任务流程协作的需求。

第三层，是共同的情感建立，无论喜怒哀乐。聊天的目标很难定量量化，我们更多是尝试定性地去制定聊天的目标。可能是心情不好需要人陪，也可能是好事情需要向好朋友分享，我们需要对话来表达进行最直接即时的表达。我并不认为只有孤独的情感才需要对话，人作为拥有万年发展历程的群居动物，与他人进行情感分享是早已刻入基因的特质。只是，我们建立的情感在不同人之间会有所不同，对于信任之人的情感建立会很深刻，而对于点头之交则会保留许多。

开启一段对话一定源自上述的某种需求，而开启的契机则是一个相对明确的话题，哪怕只是一句“我饿了”。

1.2 对话为什么会持续？

对话能够持续，是有两个层面的原因。

第一个原因，是至少一方的需求没有得到满足。比如我去提问题，对方回答我不满意，我就会持续追问。两个女生在一起聊八卦，听的人很入神，讲的人才有成就感能继续讲下去。

第二个原因，是双方相对平等。如果我提了个问题，或者请对方帮个忙，但是对方始终是一种高姿态不搭理我，那我就很容易放弃，不想聊了。反过来，如果对方对我过分尊敬，总在说一些没有营养的恭维拍马屁的话，时间久了，我也会变得更虚荣，而且会觉得很无聊。所以，人不会和自己阶层或者品味相差太多的人聊天，绝大多数人更不会和宠物长时间聊天。

对话会终止，最根本的原因是，双方都放弃了这轮对话。感性一些来描述对话终止的原因，可以认为是双方都觉得“疲惫”了，也就是这一轮对话的能耗消耗殆尽，哪怕是情侣之间说甜言蜜语，聊个两三千句也会觉得累了，也会在十几个回合的互道“晚安”中结束本次对话。

所以，对话总会终止，能耗殆尽就会终止。

2“对话机器人”产品的发展

源自搜索引擎

在我以前的文章《进阶之路：站在高视角看产品是一种怎样的体验》中，讲述过一个概念，叫做“知识诅咒”，简单说，现在我明白一件事情，但是要完整清楚的讲授给你，是很难的，因为我们所拥有的知识背景不同，我们对同一件事情的理解不同。这也就解释了，为什么很多老师在上课的时候索然无味，很多人做Presentation的时候显得苍白无力，这其实是知识诅咒在起作用。

知识诅咒带来一个很大的问题，就是每当我们接触到一个陌生事物时，都会和自己的背景知识进行类比，譬如对于长发飘飘的素颜美女，在我所知中，这类美女一般都是家境不错，待人温柔，家教优良，所以当我再次见到一个类似的美女时，我会做相似的第一印象类比。

不只是美女，我们几乎所有的认知都源自于过往的背景知识。

在人类发展的历史上，对于即时的问答需求几乎时时刻刻都存在，最早大家是询问部落中最年长的智者，后来大家互相都有了知识储备，就可以通过对话来进行基本的问答和辩论，这一个过程持续了千万年。同一个问题，最早时只能去问一个人，得到一个答案，到后来，可以去问很多人，得到许多答案，然后“择其善者而从之”。如果我能把所有人都问一遍，可能会得到一个巨大的答案集合，我需要过滤、排序、取舍，你发现，这个过程就是“搜索引擎”。我们使用搜索引擎时，是通过一个“输入框”输入想问的问题或者关键词，然后搜索引擎会丢给我一个经过相关性排序和优化的答案集合。

但我认为两个原因，会导致搜索引擎会逐渐向对话机器人演变。

其一，精准答案的需求愈发旺盛

搜索引擎从简单的信息集合展示，逐渐向精准答案给予，这个已经持续了好几年。“百度阿拉丁”就是这方面的典型，譬如当你问“北京天气”，百度搜索结果页第一项是经过精心设计的天气卡，会通过丰富的UI展示天气相关的信息。在头部热门搜索词中，阿拉丁已经可以覆盖大多数，但是对于腰部需求和长尾需求，随着信息爆炸，人们对于翻多页进行搜索的忍耐度会越来越低，对于“快”“准”的需求只会越来越大。

其二，搜索场景下输入能耗太大

从能耗体验的角度来说，搜索的输入框远高于对话聊天的输入框，即使是同一个话题的持续输入，对话聊天的疲劳感也会明显低于搜索。如果今天人们每天平均提问的次数是N，那么几年后会迅速到10N，体验不升级会很难让用户满意。而回归对话的方式，是一种很好的体验优化，可以抵消需求的增长。

文后续内容，详细请点击：https://t.zsxq.com/6iaauFa