“智能语音助手”的竞品分析 —— 你好小悟小爱同学(4)

竞品分析假设

背景假设:

        假设,我是负责“你好小悟”的一名产品经理,负责其中的“出行”模块。

        现在“导航”作为一个高频的需求,而这个功能的体验在用户反映下来仍不怎么理想。我想提升“导航”功能的用户体验,所以想做一个竞品分析来指导一下如何优化。

        我现在这个优化应该是要进入下一个大版本,距离版本节点还有2周。

        我现在这个小Team有2个产品,3个开发(2前1后),1个美术。

(在实际,我还是需要对产品整体的方向有一个认知作为基础)

竞品分析目标:

        获取竞品对应功能的优势点,优化“导航”功能。

竞品分析面向的对象:

        面向产品经理自己,也许需要组织评审会讨论,来帮助挖掘或拓展这次迭代。

竞品选择以及理由:

        小爱同学(APP),作为直接竞品。

        选择的理由,通过横向对比市面上的竞品,小爱同学的产品形态(虚拟的助手APP)与你好小悟更为类似,同时小爱同学上线时间更早,迭代周期更长,所呈现的较为完善的功能更具备借鉴的价值。

竞品分析——战略向的信息比对

产品策略:

在这里插入图片描述

版本迭代:

在这里插入图片描述
        通过观察,你好小悟自上线之后,并没有在语音技术上有明显的大迭代,3个大版本都是不断在新增实用技能,诸如“充话费”、“寄快递”、“买电影票”,以满足目标用户在日常生活中的长尾需求,同时不断地在降低软件的使用门槛还有功能的理解成本。所以,几次改动是符合战略走向以及产品定位的,即让产品更实用。这样,得到以上的动向信息,接下来的优化也是要基于这个前提来进行的,目前看起来战略走向没有太多变化。

        对于小爱同学而言,在19年5月前,其几个大版本不断在新增诸如“星座”、“笑话”、“口技”、“念诗”等非实用的技能,也是符合其定位的,为了满足目标用户日常休闲时的娱乐需求。而在19年5月之后,它不但在手机端发布了VUI,同时还新增了多轮对话技术,以及导航功能,开始在手机移动端发力,并在高频需求(打车、导航)方面开始布局,目的应该是为了让小米手机更具备竞争力,增强手机端用户的体验。

竞品分析——技术向的信息比对(评分)

在这里插入图片描述
        从上述标准可看出,你好小悟在各个技术维度上均处于下风,特别是在ASR、NLP、TTS上和小爱同学有明显的差距,这也是因为小爱同学掌握大量数据后迭代得出的结果。但是在最后一项“对话系统”的技术比对上,你好小悟只是稍稍落后,可见其在这一块下了不少功夫,旨在提升用户在交流过程中的流畅度以及便利性。

        所以,你好小悟要在其战略方向上继续发展的话,还是需要扩大用户数量,这样NLP和ASR的水平才能提升,这两项也是其整体用户体验稍逊的关键所在。

竞品分析——产品功能结构比对(YES/NO)

在这里插入图片描述

出行技能(6):

        在出行方面,小悟4比3领先,可以看到小悟在提供出行的便利性上,是占优的,不但提供了打车、导航这两个高频的需求,还覆盖了订机票、火车票的低频需求。而对于小爱来说,只有导航比较实用,其余两个技能应该是相对较软。

生活技能(14):

        在生活方面,小悟以9比8领先,而小悟侧重的技能全部是提供生活便利性的技能,小爱则聚焦于居家环境,在提供生活问题的便利和实用上体现了较大的劣势。

娱乐技能(10):

        在最后在娱乐方面,小悟以6比9落败,可以从这一点明显看出双方在定位上导致的功能差异,小爱同学在休闲逗乐方面的优势是更强的。

功能信息呈现路径:

        你好小悟:引导(首次使用)→唤醒→指令下达→多轮对话确认→文本回复/模块信息卡回复(极少部分)/第三方功能内部调用→多轮对话待命…

        小爱同学:唤醒→指令下达→多轮对话确认→文本回复/模块信息卡(完全)/第三功能外部调用→多轮对话待命…

结论:

        你好小悟在实用性上的确是实至名归,不但在生活服务上占有最高的优先级,同时一站式整合的思路也展现出了其便利性(第三方内部直接调用,无需下载对应APP),但也体现出了人性化娱乐化上的短板。

        小爱同学虽然是以休闲娱乐为最高优先级,但是小爱同学在“重叠功能”上做的也是可圈可点的,在信息的呈现上有高度的模块化(技能全部模块化的前提下,信息呈现也展现了其模块化的可视化),传递的内容更清晰、更完备,所以小悟完全有理由去参考学习。

竞品分析——产品“导航”功能比对

在这里插入图片描述

功能路径:

        你好小悟:唤醒→AI回应→指令“去公司”→首次确认“告诉用户去某地方填写地址,或是告知地址”→APP内弹出出行方式选择,并确认是否导航→APP内弹窗开始导航→结束。

        小爱同学:唤醒→AI回应→指令“去公司”→首次确认直接弹出地址输入弹窗,并告知用户下次它会记住→第三方导航开启→手动返回APP→结束。

功能体验对比:

        首先,流程简易度。通过观察功能体验路径,小悟每次都要唤醒,还要等小悟醒来后示意你能说话了,才能说话。对“导航”这种高频的出行操作,还有是优化空间的。例如,“你好小悟,公司/回家”,这种通过“唤醒词+指令”的方式,提高沟通效率。这只是一点,下面几点均影响了流程简易度,是叠加的效应。

        其次,指令理解能力。通过实际体验,我发现小悟不支持简单的指令,例如“回家”“公司”都无法识别,需要我使用很明确的主语或动词才会开启功能,而小爱却不是,很简单一句“公司”,直接告诉我“没问题”,并迅速开导航。可见,这一点不但体现了小悟在语料上的不足,还体现了其人性化上的弱点,因为小悟只会说“正在为您开启前往XX的路径规划”,很啰嗦,很死板。

        再次,地址引导录入体验。通过实际体验,我发现小悟在这点上很低效也很笨,低效在于要用户自己去找所谓的“常用信息”去录入,很笨在于我选择告诉它“公司在XX”,它前两次居然没有记住,在录入地址的过程,如果提出其他指令还会引发类似于BUG的体验,示意我“小悟还在为你找地址呢”,这比较尴尬。而小爱的话,直接弹出地址录入,并告诉我“告诉小爱你公司在哪里,下次我就记住了”,我感到非常温暖,并且觉得这里的设计很有效率。这也是反映了“流程简易度”上的又一低效的点。

        接着,指令执行效率。为什么这么说,因为小悟选择出行的方式还是模板化了,它没有考虑家和公司的出行方式,其实是在一段时间内很习惯的高频操作,即“出行偏好”,用户不需要每次说“回家”都要选方案,或者开一个非常用交通工具的导航,很费神。小悟可以在我录入地址时顺便问我的偏好。比如,我最近去公司就是骑单车,我说一句“你好小悟,公司”,小悟就可以告诉我,“明白了/收到/最近您都骑行去公司,如果有变化可以告诉小悟”,然后直接开导对应出行方式的航即可,要改了再说,不需要那么啰嗦。

        最后,流程稳定性。因为小悟调的第是第三方的API,并直接把对应模块拉到自己的APP上做弹窗呈现功能,这一点是这款APP的一贯思路,在用户需要持续语音操作的前提下,这样能降低“页面跳转数”以及用户的“选择成本”。但是,这样会带来功能的不稳定,毕竟不是原生APP而是阉割版本,在实际体验过程中,指南针经常会出现延迟转动或不动的情况,这样的体验带来了一种不安全感,信任度会打折扣。不过这个应该算是性能的维护,就不列入优化点中,但需要注意。

竞品分析——结论

综上,我整理了几个小悟可以优化的备选点:
  • 优化点1:通过“唤醒词+指令”的方式直接开启导航;
  • 优化点2:丰富指令格式,提升对简单指令的理解能力;
  • 优化点3:简化初次或再次录入信息的体验,尽量主动弹窗让用户输入,而不是让他去找;
  • 优化点4:在支持录入信息的界面,加入“出行偏好”的附带设置,进一步提升“回家”、“公司”这样的高频需求的指令效率
考虑标准-性价比:
  • 性价比公式
    在这里插入图片描述
    • 商业价值:顺应了战略的发展规划,符合公司价值观,达成项目长短期目标,能提升KPI,能提升竞争力;

    • 用户价值:为用户解决了问题,提升了效率,提升了用户的体验,满足了用户的诉求。

    • 成本:时间占用,开发人员占用,美术人员占用,直接的钱的消耗。

优化点评审:
  • 资源
    • 产品:2;
    • 前端:2;
    • 后端:1;
    • 美术:1;
    • 时间:10个工作日。
  • 性价比对比
    在这里插入图片描述
    • 优先级S:优化点2,对指令效率的提升也是比较明显,也容易实现;
    • 优先级A:优化点3,对新用户更友好,符合近期版本目标,时间上也允许;
    • 优先级B:优化点4,可能需要训练模型并调参,时间上可能比较赶;
    • 优先级C:优化点1,涉及到底层技术改动,实现起来并测试到一个好的效果,应该是有一定难度的,性价比最低,但是对整体效率上是一个大的提升,来得及可以先做起来,看看效果。
优化结论:

        综上,在有限的时间、资源的限制下,基于性价比的考虑后,排列出优先级,我想做S到B这3个优化,C的话看看大家怎么看

        之后会组织项目成员讨论一下,开个评审会,让大家帮助完善想法,确定最终方向后再起草PRD。

几点额外的考虑:

        是否可以基于用户使用时长以及功能的使用次数,对用户实现分级,即“新手”、“专家”。当用户过渡到“专家”,熟悉软件操作后,再采用简短的指令以及提示,没必要一直从头到尾给那么多的信息。

        是否可以增加对话式标识,在多轮对话中,小悟下一句接话的内容,开头会附带“不错、了解了”等信息,来表示对用户回答的反馈,更具人性化,显得更聪明。

        是否可以将所有呈现出来的信息模块化,比如各种技能卡都封装在统一规格的UI内展示信息,除了一些没必要展示技能卡UI的直接说话之外,如“百科”之类的都如小爱同学一样放入统一UI框内展示。现在小悟比较散,显得比较凌乱,而小爱同学则显得整整齐齐。这也不单是显得如何,这样的改动能教育用户,提供更容易理解、易读的信息

        此外,小悟以不跳转第三方APP为设计思路,来聚焦任务,并降低用户的使用门槛。但是,这样的设计也带来一种结果就是用户容易觉得枯燥、视觉疲劳。即,页面显得很死,是否可以考虑加入如“夸克宝宝”一样的虚拟形象常驻于UI上,当用户作出各种指令时或待机时,虚拟形象均会有对应的动态反馈,这样APP传递给用户的感受会更好,显得灵动。

感想

        “简单”的竞品分析告一段落,当时就是简简单单一句“对比一下两个智能语音产品”这个问题后面要有这么多操作,即认知基础以及实操经历,难怪自己词不达意。

        切合文章标题“竞品分析”的内容,仅仅只是这篇(4)的后半段,前面的内容均是为认知做铺垫,或许对或许错,但重点是,要有。

        最后,祝自己好运吧。

(全文完)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/34444.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

手机问题——语音让小爱同学学习用户对手机的操作并复现

文章目录 问题那么我们能否让小爱同学控制手机屏幕,完成我们事先录制的操作呢?日常有语音转文字,实时中英翻译,以及用语音控制屏幕的需求,小爱同学都可以办到吗?语音转文字中英文实时翻译语音控制屏幕 问题…

智能问答技术概览及在小爱同学的实践

一、引言 人通过获取和应用知识,能够实现对客观事物的认知和推理。从脑科学、神经科学的角度来说,人类的认知推理能力是一个非常复杂的系统,研究者对其机理的认识还非常有限。从人工智能的角度来说,研究者试图通过人工智能的技术去…

Tech talk丨情感对话技术:小爱同学治愈人心的底层逻辑

孤独是人生常态,不知道从什么时候开始,我们不再是那个高兴就笑、难过就哭的小朋友,而是习惯了什么都憋在心里,变成了一个沉默而压抑的大人。但生活也需要陪伴,在每一个愤怒、嫉妒、失望的瞬间,我们渴望被倾…

手机访问 Ai

官方GPT应用,感觉流程太复杂,需要美区id还需要升级系统,好不容易下载好了纯英文界面,gpt4功能也没联网,这里给大伙推荐个平替app,在ios应用商店搜 构构 即可使用已调教好的ChatGPT,很方便。 &a…

国外短信平台收不到验证码,怎么解决?

背景:国外短信平台,经常遇到验证码收不到的情况 如果您是一家海外企业或跨国公司,那么国外短信平台的使用一定不可或缺。无论您是要给客户发送营销信息,还是给员工发送公司通知,使用国外短信平台都能帮助您实现高效的…

【统计学习方法】EM算法实现之隐马尔科夫模型HMM

1 基本概念 1.1 马尔科夫链(维基百科) 马尔可夫链(英语:Markov chain),又称离散时间马尔可夫链(discrete-time Markov chain,缩写为DTMC),因俄国数学家安德…

NLP --- 隐马尔可夫HMM(EM算法(期望最大化算法))

期望最大化 (Expectation Maximization) 算法最初是由 Ceppellini[2] 等人 1950 年在讨论基因频率的估计的时候提出的。后来又被 Hartley[3] 和Baum[4] 等人发展的更加广泛。目前引用的较多的是 1977 年 Dempster[5]等人的工作。它主要用于从不完整的数据中计算最大似然估计。后…

Python用MCMC马尔科夫链蒙特卡洛、拒绝抽样和Metropolis-Hastings采样算法

最近我们被客户要求撰写关于MCMC的研究报告,包括一些图形和统计输出。 我们将研究两种对分布进行抽样的方法:拒绝抽样和使用 Metropolis Hastings 算法的马尔可夫链蒙特卡洛方法 (MCMC)。像往常一样,我将提供直观的解释、理论和一些带有代码…

机器学习笔记马尔可夫链蒙特卡洛方法(二)马尔可夫链与平稳分布

机器学习笔记之马尔可夫链蒙特卡洛方法——马尔可夫链与平稳分布 引言回顾:蒙特卡洛方法马尔可夫链与平稳分布马尔可夫链平稳分布细致平衡 关于平稳分布的补充马尔可夫链的本质平稳分布的收敛性证明 相关总结 引言 上一节介绍了蒙特卡洛方法的具体思想 以及一些具体…

大气模型软件:WRF、CMAQ、SMOKE、MCM、CAMx、Calpuff、人工智能气象、WRFchem、PMF、FLEXPART拉格朗日粒子扩散、WRF-UCM、EKMA

推荐给大家一些大气科学相关的模型软件,今天主要整理了一些需求量较高的,大家可以详细了解。零基础的可以点击此链接 >>零基础学习大气污染模式(WRF、WRF-chem、smoke、camx等) 目录 一、(WRF-UCM)…

毕业论文-马尔可夫随机场

0 序言 这篇博客也与我的毕业论文有关,在上个阶段中,我用python代码实现了EM算法,并及进行了细节上的改进,并记录成了博客: 毕业论文-EM算法学习总结https://blog.csdn.net/qq_41938259/article/details/128396229?s…

马尔科夫系列——三、隐马尔可夫模型 - 学习问题 - Baum-Welch算法

转载的过程中发现,原文有些地方不太理解,就阅读了其他的文章,然后把代码的实现也引进来了。之前并没有验证代码的准确性,后面有人说,代码可能有问题,我尝试了修改。把简单修改版本的也放上来。 目录 一、…

马尔可夫链蒙特卡洛(MCMC)在python中的实战案例应用

最近由于工作繁忙,博客更新较慢,所以请大家见谅!pymc是一个做贝叶斯分析的python库,我之前的博客中已经介绍了pymc的使用方法,今天再给大家做个更详细的应用案例介绍。该案例来自于github,我将其代码稍微修…

马尔可夫蒙特卡洛(MCMC)附python代码

马尔可夫蒙特卡洛(MCMC) 1.马尔可夫链(Markov Chain) 随机过程是一组随机变量 X t X_t Xt​的集合, t t t为整数的时候,就是离散随机过程。马尔可夫过程是指一个满足马尔可夫性质的随机过程。马尔可夫性质是指: P ( X t 1 ∣ X…

隐马尔可夫模型在map-matching中的应用

该要 Map-matching是指将手机gps上报的轨迹点(经纬度)映射到路网上。由于精度问题,上报的轨迹点通常和实际位置有所偏差,因此产生了很多算法进行绑路,其中效果最好的是hmm(隐马尔可夫模型)的应…

隐马尔可夫模型HMM+维特比算法(Viterbi Algorithm)进行词性标注代码实现(自然语言处理课程第二次作业)

文章目录 一、理论描述二、算法描述三、详例描述具体过程分析题目数据预处理转移概率矩阵:发射概率矩阵: HMM维特比算法进行词性标注开始进行词性标注:The:bear:is:on:the:move&…

海尔计算机无法装win7系统,海尔Haier电脑预装win8换win7系统BIOS设置及安装教程

现在市场很多笔记本或一体机电脑都是预装win8或win8.1操作系统,但很多用户还是比较习惯使用Win7或xp操作系统,所以会在预装的win8系统上安装自己所习惯的操作系统,一般情况要更换预装的系统是要对BIOS进行设置的,在不同品牌的电脑…

海尔微型计算机硬盘如何拆卸,海尔a62的详细拆机步骤【图文教程】

随着社会的不断发展,台式电脑已经无法满足市场的需求了,现在 笔记本电脑 非常地流行,它以轻薄的机身和过高的配置赢得了很多顾客的喜爱,所以市场上也出现了各种品牌的笔记本电脑。大家知道吧,任何东西都是优势互补的&a…

海尔计算机无法装win7系统,海尔品牌机win10改win7系统教程

近期有朋友向小编反映说,最近想将海尔品牌机预装的win10系统改成win7的,但是每次ghost完系统后,总是启动不开,这是怎么回事呢?这一般是bios的设置不对,这里小编就来给大家介绍一下海尔品牌机怎么将win10改成…

海尔android 电视直播软件,海尔智能电视如何安装直播软件看直播

嗨,大家好,今天我来给大家简单介绍一下智能电视怎么安装第三方软件?买了智能电视,很多用户 都会发现它不能像传统电视一样去看直播电视。这个时候我们就需要去安装第三方软件去解决。 一般来说,在智能电视里面&#xf…