AI目前在不同行业有各自的细分应用。对话机器人，针对不同的业务场景，有每个领域的细分落地。由此，对于对话机器人的整体设计思路也不同。
笔者目前在国内一家AI厂商从事AI PM的工作，产品主要面对的主要是某行业的售前营销场景业务。不同于市面上主流的售后机器人的对话产品，该行业的售前机器人有其特殊的行业特性与对话产品需求点。根据以往的实践与归纳总结的AI对话设计方法论，本文通过阐释基于该行业的对话产品设计流程与思路，拆解从0到1搭建售前营销机器人的过程。
以下是本文的思路框架与概览。
在介绍对话产品设计之前，先介绍一下行业的业务背景。
笔者所面对的行业，为某垂直领域的行业。该行业中，又有更进一步的行业细分，分为行业1，行业2，行业3，等等。行业间有如下特点：
整个大行业有共通的业务特性、业务场景与用户诉求点；
细分行业间，有部分共同的行业知识，但每个细分行业，又有各自单独的行业知识；
人工客服接待对话的场景，细分行业间有共通的对话技巧与思路，但同时每个细分行业又有各自的独特性；
不同的细分行业，售前对话思路有所差异。根据对售前客服接待的难易程度，可将对话复杂度分为：高、中、低 3个层级。各细分行业的分布占比大致为 高：中：低 =1:7:2；
目前由于业务线处于初步阶段与持续完善阶段，本文先从业务 对话复杂度等级为高 的细分行业为例，具体阐释对话产品设计的流程与思路。
二、对话设计流程 1. 业务分析业务分析主要是对细分行业的整体情况做分析，目的是为对话产品设计提供对话知识框架和对话设计思路。主要包括2个方向：行业特性分析 和 对话场景分析。
1.1 行业特性分析
行业特性分析，指的是对该行业的知识体系做梳理，并对现有人工客服接待的对话访客特征做分析。
1.1.1 知识体系梳理
重要性
每个行业内，都有其独有的知识体系。知识体系分析，对于对话产品设计来说至关重要。它决定了整个对话机器人的应答语料话术库的整体方向与内容，起了方向性的作用。
如何做
一般AI PM需要根据业务需要，与数据工程师配合，进行相关信息的获取与梳理。主要通过以下几种方式：
1）人工对话数据抽取分析
从已有的人工客服接待对话数据中，抽取行业知识框架体系中的关键信息，从而梳理构建行业知识框架。包括不限于实体关键信息的抽取，通过无监督学习的聚类（如K-means聚类等）等方式获取信息分类，等等。
抽取之后的数据，需要进行人工筛选和梳理，输出相应的知识框架结构。
2）用户调研
用户调研的方式是从另一个维度去考量分析行业知识。主要通过与行业专家（通常是客户）做用户访谈的形式来进行。
行业专家是对该行业有深刻理解且有深厚的知识沉淀的专家，TA会对行业有一套抽象归纳的知识结果。这是对1）点中数据抽取方式的有效补充。数据抽取的角度，主要是基于数据特性的归类与抽象，用户调研可从业务角度进行补充和方向调优。避免出现技术实现的数据分析，与业务脱轨、偏离方向的各类情况。
3）其他各方资料信息搜集
资料信息搜集，包括各种网上资料、线下书籍等，作为知识查询的补充。通常在各类的行业领域资讯网会有相应的资料可查询，有必要可安排数据工程师做数据爬虫。但得到的数据也仅供知识框架分析用，若要作为话术语料，则需进一步清洗和筛选。
1.1.2 访客特征分析
笔者在做AI PM之前，做过2年的互联网PM。在做AI产品设计时，其实很多时候都会运用到做互联网设计的方法论，即使实际的工作内容不同，但是思维是一致的。比如访客特征分析下，主要是对进入对话的访客做特征分析，即访客用户画像。目的是为了形成对话产品服务的C端用户的关键信息特征与需求分析，进而做相应的对话设计。
访客特征分析主要对以下几个特征进行分析与归类：
角色
基本信息（性别、年龄、主诉载体、来源渠道）
对话目的（为什么/会怎样/怎么办/可做什么）
表达方式
用户情绪
用户预期
访客留联意愿度
（根据业务需要，会进行标签维度的新增）
本文网址：http://www.afeijie.com/gulouqu/35565.html ，喜欢请注明来源河南开封新闻网。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
