用户在面对一款新产品，不管是在认知范畴还是操作层面，都会有一定的学习成本在里面。而如何帮助用户快速熟悉和上手操作，就成了新产品推向市场的一道难题。不仅如此，产品要在市场竞争中长久生存下去，除了要获得用户、留住用户，还要能活跃用户。从产品层面考虑，想要留住并活跃用户，好的引导和推荐是每款产品必不可少的。本文主要探究在对话式机器人领域里，产品该怎样设计功能引导及推荐。
全文结构以回答下面三个问题为主：
1、首次进入对话如何引导用户使用
2、不知道说什么的用户如何推荐
3、如何深入对话流，构成话轮转换
1、首次进入对话如何引导用户使用
新用户在第一次进入新产品时，都会带有些好奇和不知所措。特别是机器人这类比较新颖，还不具有普世性的产品。对于机器人产品，可以采用其独有的对话式交互，通过人和机器人的对话，一步步引导用户体验产品功能点。
这里有几个关键点要梳理下：第一，chatbot主要功能有哪些，这些功能的优先级如何排列，最符合用户期望的功能又有哪些。第二，chatbot是作为独立应用还是嵌入式功能，若为嵌入式功能，用户从不同入口进入，该做怎样的差异化引导。第三，是否区分不同的目标用户，这些目标用户的人物画像或关键词是什么。对这些不同类型或画像的目标用户，怎样引导更符合他们的心智模型。而从对话式交互体验上，就要考虑什么语言语气是用户自然交流时会说的，用怎样的话术才能吸引用户深入了解。
对于独立的机器人产品，新用户场景比较有限。用户刚进入时可以在chatbot简单介绍后，就将机器人所能支持的功能整体罗列出来。罗列一般采用横排左右滑屏的布局。横向滑屏其实有缺陷，大部分用户不会滑屏或基本上只滑半屏至一屏，这样就导致后几个功能用户看不到。而且列表推荐会影响对话轻量型的交互特征，给人头重脚轻的感觉。如果这些功能非目标用户期望或常用功能，置后排列也无妨。
也有些独立机器人app，新用户进入后并不给出功能列表，而是将功能集成在某个入口，通过话术引导用户去点击查看。比如出门问问对话界面，可以通过发问或点击左上角问号图标看到功能详情。微软cortana干脆就没有功能介绍这项内容，对于小娜无法回答的问题，统一返回bing搜索结果。这就无所谓支持或不支持哪些功能。这样设计的好处在于能够保证整体对话流轻量简洁，不用每次进入都给出功能列表。
不过具体采用哪种新手引导方式还要根据不同业务做出合适的选择。个人比较偏向于不给出功能列表，而是将功能点融入到对话里或集成在某个界面入口，在用户触发使用的时候再进行说明介绍。功能介绍列表更像是传统的GUI设计，本质上并不属于对话，而且会加重整体对话流。（不包括部分便于用户查看的GUI答案模块）
如果机器人是作为产品嵌入式功能，那么更适合用对话引导的方式让用户一步步了解产品功能。阿里小蜜，京东小咚、同花顺小花都属于嵌入在主产品下的附属功能。如果嵌入的场景比较多样，可以根据不同的场景给出对应的功能推荐。因为只有在触达用户需求的时候，用户才会有耐心了解并掌握它们。譬如同花顺分时页面右上角的机器人入口，如果新用户从这个页面进入，那么他一定是对这只股票有兴趣才会去看分时。这时候进入机器人就可以引导用户首先使用机器人的个股分析功能。
例如：
chatbot：您好，我是您的投资助理，可以帮您分析下这只股票哦
user：那帮忙分析下呗
chatbot：该股近20日区间大单净额和主力资金流向……。我还能从基本面、技术面和消息面这些方面帮您进行深入分析。
user：看下该股消息面怎么样
chatbot：从消息面上看……
2、不知道说什么的用户如何推荐
有些用户在面对机器人时不知道该说什么，可能只会说些“你好”、“你是谁”之类的话。他们并非不知道机器人所能提供的功能，而是不知道如何表达，或者不知道某些问题机器人也能问出来。
要解决这类问题可以从两方面考虑。一方面直接通过对话话术告诉用户可以怎么问，在结尾部分添加“你可以对我说”，“你可以问我”等表达。例如“如果您找不到某个功能入口，可以对我说‘打开最新资讯’。”
或者将“你可以问我”后面接的推荐问句以标签的形式放在输入框上，让用户一目了然。
另一方面就是在输入框内给出推荐问句，用户点发送按钮就直接发送问句。推荐问句要避免过长，能够在输入框可视范围内完整展示。其实在一些传统app搜索框内也会存在这类推荐形式。输入框内推荐问句不建议一成不变，可在间隔一定时长后切换问句。另外也可以在输入框周围给出默认推荐标签。不同于问答后的推荐标签，默认推荐标签以简短为主，并能在一屏内能展示2个或2个以上。
3、如何深入对话，构成话轮转换
主要有两种方式：问句推荐和话题引导
（1）问句推荐
● 进一步推荐
如果通过你的前期引导，用户主动发送问句，那么可以说你就向前迈进了一大步。下一个难题就是如何让用户和机器人持续对话。要解决这个难题，首先系统要能推荐和当前场景相符的问句。这些问句可以是在上一句基础上的继续发问，因为用户输入的问句意图不明确，导致给出答案比较模糊或是宽泛，在此基础上，我们可能还会推荐进一步筛选的问句给用户（不同于多轮对话，多轮是chatbot多次向用户发问，直到每个槽位都有对应值后，返回最终答案）。
举个例子：
user：附近有哪些餐馆？
chatbot：为您推荐几家附近的餐馆，非常不错，去试试吧
给出餐馆列表，并且给出进一步筛选问句
“离我最近的”、“哪些最便宜”、“哪些最有档次”、“哪些评分最高”……
● 相似推荐
推荐问句也可以是和用户问句相似的问句，或是同属于一个类型的问句。相似问句适用于客服类答案，用户在看完一个问题的解决方式后，也许会延伸出其他相关疑问。也可能用户本没疑问，但在系统的推荐下，又激起了用户的好奇心。例如在小蚂答里问“什么是花呗”，系统在给出回答后，会附带三个相关问题：“花呗如何提前还款”、“花呗的额度可以调整吗”、“点击还款，提示没有花呗额度”。
● 同类推荐
同类型问句之间相当于是平级关系，是评价一个事物不可或缺的各个维度。用户也许只对其中几个维度感兴趣。在没有个性化数据的前提下，可以展示几个热门或者主要的评价维度。这能够命中大部分用户的兴趣点。
举个例子：
user：中国平安怎么样
chatbot：该股……
系统回答用户问句的同时，给出各个方面的分析维度
“技术面分析”、“消息面分析”、“资金面分析”、“基本面分析”……
（2）话题引导
一般人和机器人对话都会包含特定场景，或者特定话题。深入对话，构成话轮转换不一定都要给出推荐问句。在部分场景下，也可以根据当下所处的场景，让机器人主动和用户进行交流。如果主动交流的话题是用户关心的，那么深入对话轮次的效果将会比推荐问句好很多。
关键问题是机器人以什么话题作为引子，引导用户对话。可以从大多数用户在该场景下和机器人交流的对话路径，或是以业务需求为目的所创建的对话路径展开，也可以是按照博主、大牛的使用操作逻辑展开。后一种在引导话术里最好带上“大V们都是怎么怎么的”，以吸引用户进一步交流。
举个例子：
user：想买个洗面奶，不知道买什么牌子
chatbot：先请问下您是什么肤质类型呢
user：油性肤质
chatbot：为您找到以下几款抗油清洁洗面奶
chatbot：如果您还是不知道该买什么，我可以推荐您几款时尚博主们比较青睐的洗面奶。其中之一就是xxx洗面奶，它在某某平台很受欢迎……
还有一种就是按照场景的固有逻辑给出引导，例如交易环节涉及到的路径主要是“下单-填写收货信息-确认订单-支付……”。
若用户当前场景为已填写收货信息，那么机器人就需要引导用户到确认订单环节，话术描述可以是“为了保障您的购物体验，请确认订单是否正确”。
如果积累了一定用户量，并且存储了用户画像标签，或是个性化数据。那么不管是问句推荐还是话题引导，都会更有效果。推荐问句可以按照用户特征给出，例如“猜你喜欢”推荐模式。而话题引导则是按照用户的使用逻辑、行为特征来设计。
总结
利用对话式交互对用户进行引导和推荐还比较新颖，许多方式方法还有待挖掘和探讨。但是通过引导和推荐留住并活跃用户的本质是一样的，只是换了一种承载形式。人工智能快速发展的浪潮已经不可抵挡，对话式交互也会成为继GUI界面后另一种自然交互“界面”。关于对话式交互设计还有更多领域等待我们深入研究。
