前言：本文作者是团员“大番薯”，“交互式课程推荐BOT”这个重度干货非常长，将会分成3篇文章来叙述，本文是第1篇；也欢迎有更多的团员们来分享你的AI干货～
背景
1、何谓交互式推荐？
交互式课程推荐BOT的初衷是打造一款通过交互式问答来进行课程推荐的BOT，可以支持更灵活、更丰富的基于状态的多轮对话控制。目标是通过交互式的对话，帮助用户选到更合适的课程，并带来更好的交互体验。
设计之初，有参考过Facebook的一个推荐书籍的chatbot
- 核心观点：通过和你聊天获取你的性格倾向，从而推荐合适的商品
- 交互方式：纯文本聊天+选项点击
- 推荐方式：单个推荐+1-5分的打分
- 体验感受：出色的NLU能力和不错的对话设计
2、为什么在课程推荐场景要做交互式对话？
用户如果带有明确意图的时候，其实完全可以走搜索，所以各大公开的课程网站都会有搜索功能。如果用户完全没有表达意图，或者只是根据历史行为来进行推荐课程的话，那就完全又变成了推荐。
那交互式对话推荐是什么呢？笔者自身的理解，是通过自然语言的对话来连接搜索和推荐的桥梁，帮助人们更便捷地、更快速地获取某些信息。
在海量信息的情况下，交互式对话带来的好处有哪些呢？
首先，帮助用户选课或是推荐课程这个场景，用户不一定都带着很明确的需求而来，可能是只有个模糊的概念，也可能并没有明确的需求，交互式的对话就是为了帮助用户挖掘需求，引导用户，起到了导师或是课程规划师的作用。
其次，通过不断的对话过程，BOT可以不断收集用户的行为和反馈信息，不断明确需求，从而不断缩小可推荐课程的范围，最终推荐最为合适的课程给到用户。
推荐课程后，针对课程的任意问题和反馈，用户也可以表达，形成反馈闭环。
简而言之，交互式推荐增加了用户达成最终目标的互动过程，在这个互动的过程中，不仅明确了用户的需求，且带来了更有趣的交互体验，且有疑问时还可以进行提问并得到解答。想一想，就会觉得是很有帮助的一款对话BOT。
以上表达的是理想状态，那现阶段的算法技术是否可以达到这个程度呢？
主要难点是虽然聚焦在垂直领域，但非任务型的对话场景较为开放，为了带来更好的交互体验，对于用户的自然语言文本的理解就尤为重要。理解的情况下，如何给出令人愉悦的反馈？不理解的情况下，如何生成合适的表述，不至于让用户感觉BOT很智障？等等这些，都是做好交互式对话所需要考虑的范畴，下文会一一详解。
3、交互式对话和任务型对话的区别
任务型对话是业界做的比较多的，包括客服机器人和各种代理等，都是这个定位。这方面的文章之前也发了很多了，主要就是用来解决实际问题，目标明确，定位场景、产品设计、框架设计、设计意图分类、每个意图下的槽位、问法、对话策略和话术回复等等，都是一套比较成熟的模式。
不同点就在于针对不同的业务场景，所需要的设计点不太一样，比如电商场景和客服场景肯定关注的点就不一样，最终评价的方式也不一样。相对可扩展性较弱，每针对一个场景都会有不同的设计。
业内有专门做对话机器人的厂商，很多大厂也在做，由于对话系统本身的局限，导致只能通过文字或者简单的图片链接来进行交互，信息被极大地压缩了，站在这个角度，这一块整体的想象空间可能会稍微低一些。
还有一点是，任务型的对话由于目标明确，边界划分可以较为清晰，对于用户的回复，一旦划分为异常情况，可通过兜底或追问的方式来解决。这么做在目标清晰的情况下可以接受，不过确实牺牲了一部分用户体验，整体给人的感觉是对话流程比较僵硬和程式化，不带有情感。
交互式对话会对整体的对话体验比较关注，同时会增加一些共情的功能点，最重要的是将交互式对话和推荐进行结合，会比单纯的搜索和推荐更具有互动性，能通过更多途径获取更多用户信息反馈。
传统的搜索引擎和推荐系统主要是通过用户的浏览、点击、反馈动作等，但并没有提供更多的反馈途径，如果有一个这样BOT的载体可以让你直接通过对话来进行反馈，同时BOT也能理解你，那必然会挖掘更多用户的信息，推荐的效果也会更好。
总结如下：
任务型：面向任务，擅长完成特定的工作；模式较为成熟；可扩展性弱；人机互动感较弱。
交互式：偏娱乐化，关注对话体验和共情能力，对NLU要求更高，人机互动感强。
4、本文提纲
为了更清晰地呈现本文，拆解为几个要点，这些点都是需要特别考虑的：
1）角色定位
2）意图设计：包括用户可能的意图，BOT可能的意图和动作
3）对话管理：包括对话设计，对话状态，对话策略，对话生成
4）推荐：包括搜索推荐，画像推荐，相似推荐
5）测试&评价
6）落地应用场景
7）可优化方向
一、角色定位
角色定位，通俗地讲就是人设。众所周知，微软小冰在行业内算是较为领先的跨平台人工智能系统，小冰在如何构建人格化的对话系统方面，还是花了比较大的功夫。
以下是百科摘取的一段关于人格化的定义：
人格是指个体在对人、对事、对己等方面的社会适应中行为上的内部倾向性和心理特征。表现为能力、气质、性格、需要、动机、兴趣、理想、价值观和体质等方面的整合，是具有动力一致性和连续性的自我，是个体在社会化过程中形成的独特的心身组织。整体性、稳定性、独特性和社会性是人格的基本特征。
这里主要可以实现的点是能力、性格、兴趣、一致性、连续性，这个为我们的设计提供了很好的借鉴方向。设计之初，我们希望BOT的定位是类似微软小冰这样古灵精怪的萌妹子，风趣幽默活泼，善解人意，作为课程推荐小助手的存在，可以方便选课的用户。
二、意图设计
用户意图
针对课程推荐的场景，我们设想了需要识别的几种重要的用户意图：
在这些意图中，需要区分哪些是全局意图，哪些是等待上一轮BOT问题问后，用户回复的情况下再识别的意图。如果都是全局意图，可能会增加意图之间识别错误混淆的概率。
设计全局和非全局意图，主要是通过判断用户的这个行为是否需要依赖于对话上下文。比如，用户反馈理由，提及一些偏好的时候，大概率都是基于上文推荐课程后给出的反馈，这种情况就不需要全局；但如果是直接搜索推荐，比如说：我想看数据挖掘相关的课程，这种情况在整个对话流的任意位置都是可能发生的，那优先级肯定是最高的，属于全局意图。
用户意图在BOT对话的载体中，大部分都是通过自然语言对话的形式生成，但是也有些小trick，比如相似课程推荐和评分这些功能，如果通过自然语言文本来识别，在推荐多门课的情况下，势必会带来指代的问题，包括异常对话和追问机制的考虑。如果认为这一块不是重点的话，前期先通过简单的前端按钮和样式来替代，就会很好地避免这些问题。
未完待续：
三、对话管理：对话设计，对话状态，对话策略，对话生成
四、推荐：包括搜索推荐，画像推荐，相似推荐
五、测试&评价
六、落地应用场景
七、可优化方向
-END-
以上内容，来自饭团“AI产品经理大本营”，点击这里可关注：http://fantuan.guokr.net/groups/219/ （如果遇到支付问题，请先关注饭团的官方微信服务号“fantuan-app”）
---------------------
作者：黄钊hanniman，图灵机器人-人才战略官，前腾讯产品经理，7年AI实战经验，10年互联网背景，微信公众号/知乎/在行ID“hanniman”，饭团“AI产品经理大本营”，分享人工智能相关原创干货，200页PPT《人工智能产品经理的新起点》被业内广泛好评，下载量1万+。