，产品主要面对的主要是某行业的售前营销场景业务

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。

一、行业背景概况

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）

访客用户画像的理想方式是通过大数据/深度学习的方式做数据分析，但基于现实情况（产品线人力物力等因素）还未能做到如此精细化，前期我们会通过AI PM与数据工程师配合的方式来实行。

1.1.3 人工对话思路分析

弱人工智能时代，我们基于的假设是，机器人还无法超越人工。人工客服的行为是给机器人的一个目标和方向。所以在这样的假设前提下，我们对于对话机器人的设定主要在于“仿真”，即模拟优秀人工客服对话的方式进行对话。我们通过对优秀人工客服对话语料的分析，提取出对话思路与对话语料，作为机器人答疑和引导的方向和素材。

1.2 对话场景分析

除了做行业特性分析，业务分析另一大重要内容是对话场景分析，旨在确定和拆解访客进入对话的场景，为后续的对话设计做基础准备。

1.2.1 场景划分

主要进行场景的确定，梳理出场景列表。同时分析统计出各场景在该行业对话咨询中的占比，进而统计出，各场景覆盖业务范围。这样我们就可以得到，哪些场景是我们需要重点关注设计的场景，哪些场景是可以无需花太多精力来设计准备。

1.2.2 场景详情分析

场景详情包括：场景访客特征、场景访客问题、场景客服引导思路、场景对话特征 的分析。

• 场景访客特征：该场景下的访客的访客特征分析，具体分析维度的思路与“1.1.2 访客特征分析” 同，输出结果是该场景的访客特征标签；
• 场景访客问题：该场景下访客问题的统计，基本可以归纳为：为什么/会怎样/怎么办/可做什么；
• 场景客服引导思路：总结归纳该场景下客服引导思路，包括对话流程思路与话术，作为后续设计的指导素材。

1.2.3 分析方式

分析方式主要为两种：人工对话数据分析 和 用户访谈。基本方式与上文介绍同。值得说明的是，场景详情分析重要性极高，价值主要在于为对话产品设计提供方向和业务参考，保证后续设计和开发的方向不至于走偏，是指导性的调研分析。

2. 机器人产品定义

在了解了行业知识体系框架与优秀人工客服对话思路后，我们对要设计的对话机器人就有了方向和框架性的认知。即：对于我们要设计怎样的机器人，这样的机器人如何去满足业务要求，机器人的能力/功能要达到什么样的程度，有了基本的了解和认知。接下去我们就可以对机器人产品做定义。

机器人产品定义可以分为2部分：机器人人物形象设定 与 机器人能力界定。

2.1 机器人人物形象设定