AI产品经理：对话型机器人话术设计思路
对话型机器人和其他的智能产品不一样，它在使用的过程中用户可能会将它当成一个人来看待，所以对话型机器人在于人沟通的时候，要尽可能的与人的思维接近，能有继续聊下去的冲动。本文作者主要在文章中聊聊关于对话型机器人话术的设计思路。
对话是沟通的有效途径，会说话会使得沟通效率事半功倍。所以说，说话也是一门艺术，我们常常看到一些鸡汤文章写道：
急事，慢慢地说；小事，幽默地说；没把握的事，谨慎地说；没发生的事，不要胡说；做不到的事，别乱说；伤害人的事，不能说；伤心的事，不要见人就说；别人的事，小心地说；自己的事，听别人怎么说；尊长的事，多听少说；夫妻的事，商量着说；孩子们的事，开导着说。
这是人于人沟通的说话的艺术，那么人机沟通又该怎么设计呢？
删繁就简三秋树对话型机器人和其他产品不同，用户在使用中会自然而然的把它当成一个人来看待，所以他就不能啰嗦。文字越多表达的信息越准确，那是说明书，要用户反复来看的。
但是对话型机器人说的话如果你不明白，直接可以继续追问。所以对话型机器人设计的第一个思路就是：简单明了。
以保险行业机器人为例：
“我是你的保险管家智小保，可以帮你查询你的保单，筛选最适合你的保险，为你提供保险名词解释，有任何保险相关问题你可以随时问我哦”
引导语是机器人和用户第一次见面时，打招呼说的话，话中需要包含三类必要信息：自我介绍，功能介绍，操作介绍。
“Hi，我是智小保，可以选保险，存保单，解答一切保险问题，快来试试吧”
缩减和组合之后，可以减少不必要信息的冗余，一目了然的明白了机器人的作用和功能，直接进入体验环节，减少用户流失。
知我心者知我求大家都喜欢和知心姐姐聊天，就是因为你说完话后，知心姐姐可以透过你的语言信息，知道你要表达的东西，说出你想要知道的答案。同理，对话型机器人的回答，不只是回答用户表面信息，更要通过表面信息去理解用户的深层次需求，给出最舒心的答案。
例如：
Q：我要去东来顺。
A1：找到三个东来顺，您要去哪里？
A2：找到三个东来顺，您要去第几个？
A1回复不如A2，A2能够让用户准确的选出确定的答案，对于机器人来说，收到的信息是确定的，避免了错误率。不过再多想一步，用户问什么选择这一家，选择这一家的依据又是什么呢？
可以如下回复：
A3：找到三家东来顺，您是要去交通最快的还是评价最高的？
这样的话就可以通过一个预设的维度，帮助用户做出一个简单的分类选择。而不仅仅是数字排序。那现在的导航系统其实会有一个推荐线路，帮助用户做出一个选择，更加减少了用户的思考。
可以如下回复：
A4：找到三家东来顺，建议去***店，该店评分*分，距离*公里。
老妪能解唐代大诗人白居易写诗，都念给老太太听，老太太能明白了，就不修改了，否则改到老太太能懂为止。这就是老妪能解的典故，同理对话型机器人不同于书面文章，必须要以口语话为标准，才能做到沟通顺畅灵活。
例如：
“好的 ”，“没问题”。这两个是常用的同意态度应答语。
“好的好的” 、“好的没问题”、“没问题哦，好的”都是口语中使用频率更高的，表达更积极的同意态度，语法上有点问题，但表达上没问题。但是这样读起来这个机器人才是活生生的不是一个冷冰冰的机器。
一言一语总关情沟通对话就是为了要传达信息，信息可不可以被量化？怎样量化？
那就是“信息熵”。
早在1948年，香农(Shannon)在他著名的《通信的数学原理》论文中指出：
“信息是用来消除随机不确定性的东西。”
并提出了“信息熵”的概念（借用了热力学中熵的概念），来解决信息的度量问题。
根据香农(Shannon)给出的信息熵公式，对于任意一个随机变量X，它的信息熵定义如下，单位为比特(bit)：
H(X)=−∑xεXP(x)logP(x))
从香农给出的数学公式上可以看出：信息熵其实是一个随机变量信息量的数学期望。日常生活中，我们经常说某人说话言简意赅，信息量却很大，某些人口若悬河，但是废话连篇，没啥信息量。
这就是信息熵低的表现，对于对话型机器人，相同数量的文字，如何才能传递更多的信息。那就是增加另外一个维度：情绪。
例如：
A：请您按照以上三个步骤完成操作，可以输出您的报告。
B：只要按照这三步，就可拿到你的报告喽。
A和B表达了同样的实用信息，即按照给出的三个步骤，可以拿到报告。但是B语句，带有情绪，“只要”“就可以”告诉用户这件事很简单，“喽”语气词，表明会话氛围欢快友好，利于用户放松。B比A更少的字符，表达出更多的信息熵。
欲说莫休对于多轮对话的验证结果，其中有一个重要指标就是平均对话轮数。以聊天机器人小冰为例：尽管它只会聊天打屁，偶尔唱歌，还能写诗，倒是做不了什么正事，微软仍对它非常满意。
因为它取得了一个其他智能语音助理和聊天机器人难以取得的成就，在平均对话轮数(conversationspersession,CPS)这个指标上达到了23，远超Siri、Alexa甚至自家的小娜。
那么如何提高对话轮数，不把天聊死呢？
开放域多轮对话中每一轮回复的选择，不仅需要考虑是否能够有效回复当前输入，更需要考虑是否有利于对话过程的持续进行。
以下面两个对话为例：
A：赵丽颖是不是很好看？
B：太可爱了
A：赵丽颖是不是很好看？
B：还是杨幂好看一些。
第二组给出了不同意见，使得话题有了讨论空间。增加了继续对聊的可能性。
A：你喜欢看什么电影？
B：我喜欢看让子弹飞。
A：你喜欢看什么电影？
B：《让子弹飞》我看过好多遍，你呢？
看第二组可以知道，让机器人学会反问，可以在一个话题上进行深入探讨，使得对话持续下去。
总结说话是一门语言的艺术，让机器人能说话简单，会说话难。既要说得好听，还有说的有用。既要花言巧语，还要猜透用户的心。路漫漫其修远兮，还需要慢慢去求索。
作者：老张，宜信集团保险事业部智能保险产品负责人，运营军师联盟创始人之一，《运营实战手册》作者之一。
本文由@老张原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Pixabay，基于CC0协议
[转]浅谈聊天机器人设计思路
如果你是我以前的博友，那你一定知道小D是谁了，小D是我设计的第一个WEB聊天机器人，虽然只花了两天的时间完成他，但也花了我不少的心思，今天我就给大家谈谈我做小D时的设计思路以供交流，如果你对智能聊天感兴趣，或许能帮你节省大量查找资料的时间。
1 知识库
机器人要想回答出你所提出的问题，那么首先它就要具备自己的知识库，就和人一样，逻辑分析的前提，需要你具备对这个问题所储备的知识以供参考，所以知识库的重要性就不可避免的成了很重要的成分，那么我们怎么描述聊天机器人的知识库呢，由于当初只是做来玩玩，所以我只是很简单的做出了一一对应关系的数据库。
例如：我们生活在哪个星球上？对应回答就是：地球！
由此很多问题和相对应的答案便组成了我们的知识库（也就是数据库，我用的是MySql）！知识库的大小直接关系到你的机器人是不是聪明。
2 语句分析
当然，仅有知识库是不能进行对问题分析并做出答案的，所以我们必须要赋予程序能够自我分析的能力。程序要想更加聪明，那不得不依靠强大的智能算法，因为我不是专业人士，所以开始也没使用到很多智能算法，只是简单的把句子中的分词提炼出来。
我是这样设计我的小D的，先是进行完全匹配，然后是语句分析，最后是模糊匹配。
完全匹配就是把问题的整个字符串拿到数据库中去查寻答案，如果能查到记录便把对应的答案返回给提问者！如果不能查到，就进行模糊匹配，所谓模糊匹配就是最大限度的把整句话的意思放到知识库去查询（我的方案是先进行语句分析，再模糊匹配）。
例如：地球的半径是多少？
如果完全匹配并没从知识库中检索到信息，那么下个过程就是语句分析了，我们先把整个句子的各个词语分开！
例如：地球/的/半径/是/多少？
在这里不得不提到分词算法，分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。而我们要做的就是要将这一个又一个的分词从句子中提炼出来。
这里有个分词算法的PPT，点击下载
感兴趣的朋友可以仔细研究下他们是做分词系统出了名了，我们可以借鉴其中的方法，如图：
当我们把分词提炼出来了，我们就可以进行最大的匹配了---也就是模糊查询，我把它分为了两步，一就是进行整句模糊查询，因为可以尽可能的保留全句的意思：
例如：select*fromQYwherequestionlike"*地球*的*半径*是*多少*"
这样就能从知识库中查到更多关联的问题了，也有更多的答案选择！
如我们可以查到：你知道地球的半径是多少吗? 等很多包含整句的问题!
当然如果数据库中完全没有完全匹配的问题,那么可以提出关键词,我的方法是分词最长原则!
如:地球/的/半径/是/多少？
其中[地球][半径][多少]就是里面的最长关键词，我们可以设计算法，通过组合来匹配！
例如：可以把[地球]和[半径]组合在一起
select*fromQYwherequestionlike"*地球*半径*"
这样即使全句模糊匹配找不到也能找到，当然这样的组合就要看你的程序是怎么写的，当然组合的要求要符合程序的特点，如果组合次数过于大多会影响程序的反应速度！所以最合理的组合能提高程序的使用性！当然如果经过这三个步骤没有相关匹配问题，我的小D就不能回答你所提出的问题了！它会很老实的回答：“我不知道？”等意思！
这里要强调个技巧，比如在匹配问题的时候很可能会检索到很多的答案，这时候我们可以设计个随机选择函数，任意性的选择答案，那样程序就比较人性化了？比如你问到：“你吃饭没？”那么它可以回答“吃了”“没有”“我不吃饭”
而不是单一的回答。。。
我只是简要的谈到了聊天程序设计的方法，当然这和那些真正专业的程序比较起来还是有很大的差距，如果你只是做来玩玩，以上这些就足够了，比如现在我在小D的程序里应用了缩句的方法，这也只是想提高它分析问题的能力，如果朋友你真想在智能聊天方面继续深究，那么就要下更大的工夫了。