智能对话中语音交互和图形交互的区别

人工智能领域，2020年迎来了NLP落地场景智能客服的崛起。不同场景和业务的应用要求智能对话更拟人、更懂客户。

本文以京东智能客服「开发票业务」从语音和图形两种产品形态，对智能对话的优化提出小小建议。

一、智能对话中语音交互和图形交互的区别

1）对话的引导项不同

语音交互的引导回复话术最多给出2-3个选择。图形交互的引导，在GUI页面内，可以显示多个引导项。

2）对话的上下文处理不同

语音交互的上下文存在对话树中，超过层级的对话内容会从对话树中删除，但用户人脑还存在上文感知，需要更专业和复杂的引导帮助用户进行下一步操作。

图形交互的上文存在对话列表内，用户很容易感知上文内容，哪怕上文失效，也可以回到之前的对话部分进行查看。

3）对话逻辑的处理不同

语音交互中，存在筛选、指代、相似内容搜索、跨场景对话等对话逻辑；一旦触发一个规则，需要增加更多引导回复方便用户完成对话任务。

图形交互的对话逻辑，可以用文本、tab、列表等方式辅助对话任务，便捷的点击操作，让用户更好的按引导完成对话。

4）对话的“拟人化”程度不同

用户要求语音交互比图形交互更“人性化”，希望对话的智能客服更像人；对话不仅包括ASR的声音拟人化，更要求对话的内容像日常说话一样自然，对话交互要秉持友好自然有个性的原则。

5）情绪识别模型的使用场景不同

语音交互中，情绪的感知相对比较强烈，用户一说话就能感知对方是情绪低落还是情绪高涨，情绪模型的对话应用于每一句用户回复的对话中。

图形交互中，只有用户输入的语言文字带有情绪内容，或使用情绪的表情符号，才能识别用户当前的情绪状态。

6）对话的兜底应答策略不同

语音交互中，经常会遇到智能客服回答不了的问题，这时候需要应对技能进入相对无解的状态，对话设计不能让用户的感觉“雪上加霜”，一般回复以「机灵可爱的承认没听懂+引导下一步话术」组合出现。

例如：“小东在自己强大的神经网路内走迷路啦，您如果还要继续开发票请对我说我要开发票”，图形交互的回复主要以展示下一步用户可能操作的TAB选项为主。

二、图形交互的智能客服

1. 当前智能客服对话存在的问题

• 回复话术内容过多文字过长堆叠严重，用户很难聚焦。
• 关联推荐的关联问题相关性不是很好。
• 没有精细的多轮对话流程引导。
• 回复的内容没有进行流程步骤的拆解。

2. 产品优化建议

1）回复话术准确、简洁、有目标性

例如：用户说“我要开发票”，直接引导用户开发票，完成任务。