回顧人機(jī)交互發(fā)展史，人類先后經(jīng)歷了基于命令行的CLI 時(shí)代，基于鼠標(biāo)鍵盤的GUI時(shí)代，基于觸摸的初級(jí)NUI時(shí)代。后面每一個(gè)階段比前一個(gè)階段更自然，學(xué)習(xí)成本更低，綜合效率更高。
進(jìn)入AI時(shí)代，人工智能給機(jī)器帶來三種能力：感知能力、認(rèn)知能力、自然語言輸出能力。感知能力使機(jī)器能聽得懂人類語言，認(rèn)知能力使機(jī)器能思考如何回答人類問題，自然語言輸出能力使機(jī)器可以像人類一樣表達(dá)——三種能力的綜合運(yùn)用將人機(jī)交互帶入語音交互階段。語音交互是最自然的人機(jī)交互方式，它極大地降低了人們與機(jī)器交互時(shí)的學(xué)習(xí)成本，將人機(jī)交互綜合效率帶上新的臺(tái)階，已成為非常重要的人機(jī)交互方式。
一、“等待體驗(yàn)”——語音交互體驗(yàn)的三分之一
生活中人與人的對(duì)話場景，對(duì)話是由“向?qū)Ψ秸f出一句話”、“等待對(duì)方回復(fù)”、“對(duì)方給出回復(fù)”三個(gè)階段不斷循環(huán)構(gòu)成。其中“等待對(duì)方回復(fù)”是對(duì)話體驗(yàn)的“三分之一”，會(huì)對(duì)回復(fù)的滿意度造成直接影響。在等待回復(fù)階段，如果對(duì)方處于認(rèn)真思考的狀態(tài)，會(huì)讓我們覺得被重視；然而，如果在等待過程中對(duì)方的注意力不在對(duì)話本身，即便對(duì)方給出的回復(fù)再好，我們也會(huì)心存疑慮。
對(duì)應(yīng)到人機(jī)語音交互中的三個(gè)部分——“輸入體驗(yàn)”、“等待體驗(yàn)”、“回復(fù)體驗(yàn)”，“等待體驗(yàn)”同樣處于整個(gè)體驗(yàn)循環(huán)鏈的中間環(huán)節(jié)，在語音交互體驗(yàn)中起到了承上啟下的重要作用。但是，關(guān)于語音交互中的“等待體驗(yàn)”在行業(yè)尚未被系統(tǒng)的研究，依舊處于模糊狀態(tài)。
1. 響應(yīng)時(shí)間一定是越短越好嗎？
數(shù)字性能管理平臺(tái)Dynatrace對(duì)用戶瀏覽網(wǎng)頁的行為進(jìn)行了研究，發(fā)現(xiàn)當(dāng)網(wǎng)頁加載速度提升0.5秒，可促進(jìn)用戶在網(wǎng)站的行為轉(zhuǎn)化核心數(shù)據(jù)提升10%。因此，在網(wǎng)頁設(shè)計(jì)和App設(shè)計(jì)中，盡量縮短等待時(shí)間是產(chǎn)品設(shè)計(jì)的不懈追求。
不同于基于視覺的交互，語音交互天然附帶情感屬性。然而，情感的體驗(yàn)是復(fù)雜的，它不只受效率這個(gè)單一變量的控制。大多數(shù)情況下，在生活中人與人對(duì)話時(shí)，一個(gè)過快的回答會(huì)給用戶帶來輕浮感和搶話感，而一個(gè)過慢的回答會(huì)給用戶帶來遲緩感和愚鈍感。
那么，在語音交互中，究竟什么樣的響應(yīng)時(shí)間能有最佳的體驗(yàn)?zāi)?？響?yīng)時(shí)間的體驗(yàn)趨勢是怎樣的呢？
2. 等待體驗(yàn)受哪些變量的影響？
在視覺設(shè)計(jì)領(lǐng)域，當(dāng)設(shè)計(jì)頁面的loading態(tài)時(shí)，為降低用戶的跳出率，設(shè)計(jì)師時(shí)常會(huì)通過給出進(jìn)度條，或采用趣味性的情感化設(shè)計(jì)來消除用戶的不安情緒。
但是在語音交互領(lǐng)域，語音的承載體是無形的，或不確定形態(tài)的，我們甚至沒有承載loading態(tài)的界面。在這種情況下等待體驗(yàn)又受哪些變量影響呢？影響的程度怎樣呢？
綜上，可以說在語音交互領(lǐng)域，等待體驗(yàn)雖然重要，但目前仍是“一團(tuán)迷霧”。鑒于此，我們以目前語音交互的主要載體——智能音箱產(chǎn)品為例，對(duì)AI產(chǎn)品中的等待體驗(yàn)問題進(jìn)行專題研究。
二、智能音箱的等待體驗(yàn)研究
目前的智能音箱，主要采用先語音喚醒后輸入指令的語音交互流程。鑒于此，我們可以將智能音箱的使用過程分為兩個(gè)主要階段：
1）喚醒階段：用戶通過指定的喚醒詞將音箱從等待態(tài)轉(zhuǎn)換為就緒態(tài)，音箱被喚醒后才可以接收用戶的語音指令。
2）用戶請(qǐng)求及反饋階段：用戶給出語音指令內(nèi)容以及智能音箱反饋結(jié)果滿足用戶的需求。
針對(duì)這兩個(gè)階段，我們先后通過以下三個(gè)實(shí)驗(yàn)進(jìn)行研究。
實(shí)驗(yàn)一：喚醒階段的響應(yīng)時(shí)間對(duì)等待體驗(yàn)的影響；
實(shí)驗(yàn)二：用戶請(qǐng)求及反饋階段的響應(yīng)時(shí)間對(duì)等待體驗(yàn)的影響；
實(shí)驗(yàn)三：視覺、聲音等不同反饋方式對(duì)等待體驗(yàn)的影響。
下面我們對(duì)每個(gè)實(shí)驗(yàn)的結(jié)論進(jìn)行逐一詳述：
實(shí)驗(yàn)一：喚醒階段的響應(yīng)時(shí)間對(duì)等待體驗(yàn)的影響
為了全面考察喚醒階段各種因素對(duì)等待體驗(yàn)的影響，在實(shí)驗(yàn)中，我們?yōu)橛脩籼峁┝瞬煌瑔拘秧憫?yīng)時(shí)間和不同喚醒反饋方式的智能音箱。用戶完成實(shí)驗(yàn)任務(wù)后，需要對(duì)音箱的喚醒響應(yīng)速度進(jìn)行評(píng)價(jià)（5點(diǎn)量表：太快了，接受不了；有點(diǎn)快，能夠接受；剛剛好；有點(diǎn)慢，能夠接受；太慢了，接受不了）。
實(shí)驗(yàn)一的結(jié)果表明最佳的喚醒響應(yīng)時(shí)間與喚醒反饋方式有關(guān)，不同喚醒反饋方式下，最佳響應(yīng)時(shí)間不同：
1）當(dāng)喚醒反饋為"燈光"反饋時(shí)，喚醒響應(yīng)速度越快越好，在200ms時(shí)，用戶響應(yīng)舒適度最高（對(duì)響應(yīng)時(shí)間評(píng)價(jià)為剛剛好的用戶比例），73%的用戶對(duì)速度滿意。
2）當(dāng)喚醒反饋為"燈光+音效"時(shí)，喚醒響應(yīng)速度的舒適時(shí)間為300ms左右，76%的用戶對(duì)速度滿意。
3）當(dāng)喚醒反饋為"燈光+人聲"時(shí)，喚醒響應(yīng)速度的舒適時(shí)間為500ms左右，74%的用戶對(duì)速度滿意。
（注意：本次實(shí)驗(yàn)設(shè)置了市面上主流的三種喚醒反饋方式：燈光、燈光+音效、燈光+人聲，以給不同反饋情況的響應(yīng)時(shí)間感受作參考，但對(duì)最優(yōu)反饋方式，除了響應(yīng)時(shí)間還受其他因素影響，將另著篇章探討。）
實(shí)驗(yàn)二：用戶請(qǐng)求及反饋階段響應(yīng)時(shí)間對(duì)等待體驗(yàn)的影響
由于用戶請(qǐng)求及反饋階段的響應(yīng)在技術(shù)實(shí)現(xiàn)和用戶預(yù)期上，與喚醒階段的響應(yīng)存在差異，因此我們通過第二個(gè)實(shí)驗(yàn)對(duì)用戶請(qǐng)求及反饋階段的最佳響應(yīng)時(shí)間范圍進(jìn)行研究。在實(shí)驗(yàn)中，我們?yōu)橛脩籼峁┝瞬煌憫?yīng)時(shí)間設(shè)置的智能音箱。
實(shí)驗(yàn)二的主要研究發(fā)現(xiàn)：
1）1250ms以內(nèi)是用戶認(rèn)為響應(yīng)速度較優(yōu)的區(qū)間，其中650ms為最佳體驗(yàn)值。在450ms時(shí)，少量用戶覺得響應(yīng)速度太快了，用戶會(huì)感覺到緊迫感和壓力，難以接受。
2）在1450ms時(shí)，有53%的用戶開始感覺響應(yīng)有延時(shí)，但仍能夠接受。
3）從2150ms開始，有20%的用戶認(rèn)為音箱響應(yīng)太慢，不能夠接受。我們認(rèn)為20%的用戶不滿意，已經(jīng)不足以被稱為一個(gè)優(yōu)秀的產(chǎn)品。
實(shí)驗(yàn)三：視覺、聲音等不同反饋方式對(duì)等待體驗(yàn)的影響
由于目前市場上的智能音箱在請(qǐng)求反饋階段的響應(yīng)時(shí)間普遍在1.5秒以上，并沒有達(dá)到實(shí)驗(yàn)二研究的理想響應(yīng)區(qū)間。因此，我們通過實(shí)驗(yàn)三進(jìn)一步研究反饋方式設(shè)計(jì)對(duì)用戶響應(yīng)速度感知的影響，我們?yōu)橛脩籼峁┝宋褰M具有不同反饋方式設(shè)計(jì)的方案。
在實(shí)驗(yàn)三的五組方案中，每組方案分別進(jìn)行了不同響應(yīng)時(shí)間設(shè)置。
實(shí)驗(yàn)三的主要研究發(fā)現(xiàn)，不同反饋方式設(shè)計(jì)會(huì)影響人們對(duì)音箱響應(yīng)速度的感知：
1）1250ms以內(nèi)，方案D感受較差，人聲反饋會(huì)產(chǎn)生搶話的感受，部分用戶認(rèn)為音箱響應(yīng)太快。
2）1350ms到2150ms，方案D、E感知舒適的用戶比例較高，加入人聲/音效后，如方案D的語音應(yīng)答“好的”，有助于緩解用戶延遲感受，提升速度感知體驗(yàn)。
3）在3150ms及以上的響應(yīng)時(shí)間，響應(yīng)方式設(shè)計(jì)對(duì)緩解延時(shí)的作用已經(jīng)不明顯，應(yīng)該盡量避免此類情況發(fā)生。
此外，實(shí)驗(yàn)三還發(fā)現(xiàn)響應(yīng)速度預(yù)期與用戶性別、任務(wù)類型有關(guān)。與男性相比，女性用戶對(duì)響應(yīng)時(shí)間容忍度更低，她們最長在音箱無反饋時(shí)可以容忍的平均響應(yīng)時(shí)間長度低于男性，即她們希望在更短的時(shí)間內(nèi)得到音箱的響應(yīng)反饋。
與音樂類、問答類等任務(wù)相比，用戶對(duì)控制類任務(wù)的響應(yīng)時(shí)間容忍度更低，用戶希望在控制類任務(wù)中有更加及時(shí)的響應(yīng)反饋。
三、小結(jié)
本文針對(duì)語音交互中的等待體驗(yàn)進(jìn)行了討論，并以智能音箱為例，重點(diǎn)對(duì)喚醒階段和請(qǐng)求反饋階段的響應(yīng)時(shí)間和反饋方式進(jìn)行了人類工效學(xué)實(shí)驗(yàn)研究。由于實(shí)驗(yàn)設(shè)定的條件和樣本數(shù)量等限制因素，實(shí)驗(yàn)研究結(jié)論可能不能代表所有智能音箱用戶在家居環(huán)境的全部感受，但希望通過我們的研究和探索，可以指導(dǎo)人工智能語音對(duì)話產(chǎn)品響應(yīng)時(shí)間和反饋方式的設(shè)計(jì)，幫助打造自然和的語音對(duì)話體驗(yàn)。
轉(zhuǎn)自：站酷-DUBEST