前言：本文是团员Sherry的第2篇输出，欢迎有更多的团员们也来分享你的AI干货～
本文基于国内某独角兽公司的机器人产品形态，复盘一个主动推荐内容播报需求的产品设计过程。
首先给大家介绍产品：一款具有生命感的便携式智能机器人，目标人群主要为 6-10 岁的小孩和喜欢人工智能黑科技的年轻人，可应用于家庭、社交、教育、办公、行业等多个场景。
大家熟悉的 GUI 界面交互方式，只要用户主动点击即可收集到用户数据，产品是被动提供内容或服务。但随着新的交互方式 VUI 的出现，如果只是单纯通过用户指令让产品为你提供内容或服务，产品不能主动提供内容或服务，不免浪费了一个主动交互入口的优势，没有充分体现其人性化和智能化。于是有了下面的故事：
一、需求背景与目的
- 背景：当前机器人的交互方式偏向被动式，一旦用户对其新鲜度一过，产品的粘性严重不足
- 目的：需要主动交互的方式增加机器人的人性化和智能化，从而增加用户粘性。同时，未来希望能够基于用户行为主动发起交互，建立与用户的强连接，从而提供更多个性化的内容与服务，变得更智能化和人性化
那么，根据目的，有哪些数据指标可以评估这个主动推荐内容播报的效果呢？
- 月活
- 留存
- 开机率
- 触发率
- 播报完成率
- 开机时长
备注：当前机器人的内容与服务包含：TTS 播报和智能音箱应有的语音技能如播放流媒体等。
二、需求分析
简单来说：在合适的时间、合适的场景，给用户主动推荐合适的内容，并进行播报。这难道不就是，与推荐有异曲同工之妙吗？于是我对此好奇不已，因为一直都想做很懂用户的个性化推荐产品。
首先，梳理了当前可用的触发场景、时间和内容标签
- 触发场景：开机、待机唤醒、识别到人脸、后台运营 push（由于不像 APP 点击触发，这里需特别考虑人机交互，做到交互自然；后台运营 push 的语音播报较突然暂不考虑）
- 触发时间：早中下晚分段（注意什么时段不要打扰用户）
- 触发内容：打招呼、日期、天气、音乐、新闻、功能引导、故事、异常提示、自定义 TTS 播报等
然后，分析用户在不同时间、场景下他们有什么诉求，比如：
- 对于早上时间段（6：00-11：00），用户起床后，想要获取今天的天气、日期、新闻等内容或信息，或者听听音乐，那用户开机后无需操作，机器人就会主动播报，可以高效得满足用户需求；
- 机器人待机后，通过触发方式唤醒机器人时，考虑到是被用户唤醒，很可能是用户此时要使用机器人，所以主动推荐的内容应简短轻量的播报。同时结合产品具有生命感的定位，根据不同的待机时长设计不同的播报内容。类似你很久不理你的好朋友，你的朋友会想你或者说你怎么不理他，于是经过 6-24 小时的待机时长被唤醒后，机器人播报“你终于想起我来了，我还以为你不要我了”；大于 24 小时的待机时长被唤醒后，机器人播报"哎呀，我好想你呀”等；
- 对于晚上时间段（18：00-23：00），用户想要听一些舒缓身心的内容，比如睡前故事、轻音乐，同时为了在契合晚上时段在家的场合，增加用户对机器人功能的使用，可引导用户使用编程功能、设置闹钟等功能；
- 对于休息时间段（23：01-05：59），用户在休息时，是不希望被打扰的，播报默认关闭；
- 机器人识别到人脸后，就像熟人见面会打招呼的场景，结合生命感的产品定位，会主动向你打招呼，拉近与用户的距离，比如“嗨，xxx，喝下午茶了没~”
最后，分析应该推什么内容合适，梳理出需求框架
三、需求实现效果
整体效果不错，达到目标。
数据上：
- 月活：提升到 2 倍（起步阶段）
- 留存：次日留存提升了 13.9%，7 日后留存率环比增加 19%，30 日留存率增加了 23.2%
- 开机率：每日开机率提高 50%（原来只有 30%）
- 触发率：98%（由于电量不足或者其他网络异常情况导致没有 100%）
- 播报完成率：80%（未到 100%，说明用户对播报的内容仍有改善的空间）
- 开机时长：日均开机在线时长增加 36 分钟，单次使用时长增加 13 分钟（需增加数据周期才能确定效果的程度）
- 引导的功能使用次数：其中成为日均使用次数最多的有音乐、新闻、故事；编程的使用率提升了 5%
用户反馈上：用户反馈增加的主动内容播报的运营，十分人性化和智能化，提高自己使用机器人的次数，有惊喜感，超出预期。
四、总结经验教训
这个需求可以看作一个很小的推荐雏形，很多地方与做推荐的思路很像，比如用户与内容的匹配等，不断激发了自己对推荐的兴趣。为了以后做得更好，以下几点是总结的经验教训：
- 效果待优化：播报完成率为 80%，猜测原因是内容与用户匹配度不够，需要增加用户标签与内容标签的匹配；同时内容不多，需打磨并增加多样性
- 异常情况处理：需求前期未考虑到机器人联网未绑定状态的播报，以及升级引导播报的冲突问题，后续需要应加强异常情况的梳理
- 内容源的准备：在需求文档确定前，内容源也应准备好，比如验证黄历的内容是否适合播报
- 用户自定义操作：可能某些用户不需要机器人主动播报内容，为了避免对这些用户的打扰，用户可自行设置防打扰开关或者时间控制
- 对于内容少的推荐场景，如果要实现更精细化的精准推送，其实算是一个推荐系统的雏形，后续可以采用基于内容的推荐算法落地
五、下一步动作
当前最重要的是通过增加内容多样性，提高播报完成率，根据ROI初步规划如下
- P0:增加用户标签（外部数据或产品询问），增加相关性计算，从而提高用户与内容的匹配程度
- P0:通过人工+网上爬数据+推进内容提供方提供更多技能的方式，增加内容的多样性
- P0:增加内容的审核及监控机制，保证内容的可用性
- P1:设计可根据用户行为数据如播放完成率等，动态调整内容的权重，排序靠前的作为播报结果，最后再主动播报内容（需要算法支持，结合投入产出比评估）
- P2：根据调研、用户反馈和数据分析，评估用户需要防打扰开关或者自定义设置播报时间的迫切程度，再看是否纳入版本迭代
我认为，未来的人机交互将会越来越融合，运用各种多模态情感计算，像真人一样，不断拟合，进行全方位的意图分析，然后通过分析的行为数据，更懂用户，挖掘到用户更多的深层意图，从而主动提供更个性化的内容与服务（包括情感），变得更智能化和人性化。
附：团员Sherry的历史文章汇总：
-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+。