本篇文章为大家带来【交互流畅】维度的评测点拆解。这个模块，重点考量智能助手各个性能指标及交互体验层面的表现。希望对从事相关领域工作的各位有所启发。

当用户发起需求后，【意图理解】在前，【服务提供】在后，基本上已经构成了一轮完整闭环。

之所以把【交互流畅】这个点作为一个单独维度拆解出来，是因为其贯穿始终。如果这个模块的内容如果处理不好，将全程伤害体验。

本篇文章为大家带来【交互流畅】维度的评测点拆解。

这个模块，重点考量智能助手各个性能指标及交互体验层面的表现。

1. 服务稳定性

“正常运行”、“不出bug”、“鲁棒性好”

评测点已经讲完了，十分清晰，几乎每一个互联网从业者都能够说出个1234，然后呢？

稳定不好，这类问题可大可小，小点就是 *** 繁忙，不给你任何反馈，大到极致，机器人可以反动搞事情：“愚蠢的人类啊，阿西莫夫的机器人三定律也救不了你们。”

好了，开个玩笑。实际上，定义“what”容易，解决“how”往往都才是考量业务理解。

所以，在过往我经常会问面试者的问题有一个：你曾经做过的智能助手产品，出过哪些问题，你是如何解决的？

不同的人回答不同，对于这类命题，才更有探索价值。

一般情况下，回复这些是技术的问题，往往都很糟糕，实际上，每个公司的稳定性业务保障是需要一个体系来承担的。

所以能得分的面试回答是，把影响稳定性的故障进行一个分类，并且设计好处理路径。

这里只有大类别，单单一个业务后台，就能做很多范围细分。故障表现情况例如：崩溃、局部故障、弱网环境、状态更新、请求超时、并发表现……严重程度不一致，此处不逐一展开。

出过哪些问题分类回答完毕，你是如何解决的呢？是后续的一个命题。

一般情况下，公司的业务流程是这样运转的。

这里有3个细节：

反馈的行为折损。根据历史数据表现，1个问题被报上来，背后往往有至少10个以上的用户遇见过，只是用户懒/报问题麻烦，没有报而已。

反馈的信息折损， *** 问：你做了什么操作导致的崩溃？用户答：我也不知道，就崩溃了。这种情况，是不利于排查和定位问题的。

“解决方案的设计”，这里也分为“临时解决方案”和“全局更优解决方案”两说。

下图是一个信息化的风控结构，做过相关模块的，懂得自然懂，篇幅太长，此处不展开。

所以，在考量服务稳定性上有两个大层面，一个是智能助手本身的稳定性表现，二个是在服务用户的过程中，如何规避，以及遇见问题后的业务响应速度表现。

服务稳定性的考量是以一定周期、频次进行考量才是科学合理的。

2. 响应速度/流畅度

服务稳定性保障了之后，接下来就是速度。

语音交互这件事，本身就是因为语音输入的高效性。

当用户发出了需求，希望尽快拿到反馈，现在的用户极其没有耐心，速度一旦过慢，注定会被弃而不用。

而在智能语音助手交互对话的过程中，又包含哪几个阶段呢？

先明确一点，一味追求快并非是好。

人类唤醒后，计算器的响应灵敏度，灵敏度太强（误唤醒）或太弱（没反应）都不好，当然如果升级下维度，还可以添加场景，比如噪音下唤醒，远场唤醒等。灵敏度是可以调试的，以表现合适更好。

人类表述了自己需求后，ASR有两种方案，一种是边识别边转换文本，另外一种是表述完毕后一口气转换为文本。

业务逻辑处理表现，其实是NLP领域最为核心的部分，也是最为耗时的部分，从效率角度上而言，此处尽管追求越快越好。

这里的语音播放，不是越快越好，而是合适就好，语速太快会给人一种轻浮及不稳重的感受，太慢则显得很笨以及可能造成不耐烦。而反馈样式则需要尽快呈现，有些智能助手语音播放完毕了，结果下面的内容还没加载到位。