某个话题下的推荐及用户行为

某个话题下的推荐及用户行为

用户进入某个话题，一般是通过用户主动发问触发，或者机器人采用主动式对话引导用户进入。

当进入某个话题后，如果要按照既定路径深入对话，通常会由机器人发问、用户回答的模式来让系统主导对话进程，直到系统收集到所有必须信息，并根据这些信息执行某些行为。

当机器人反问用户时，会给用户几个快捷回复选项。举个简单的例子：

Chatbot: “请问您是想要哪种颜色的T恤衫？（提供库存有的T恤颜色：红色、黄色、蓝色）”

User: “红色”

Chatbot: “OK，已将红色T恤衫添加至购物车。”

该轮对话中，T恤衫的颜色是根据库存现有颜色预设好的，推荐选项通常比较固定，而且选项还会根据库存变化动态调整。

当然T恤衫的推荐维度不止颜色一种， 还包括：品牌、版型、材质等。

这类推荐选项通常由答案决定——即有什么样的答案就给和答案对应的选项内容(这里指T恤衫库存颜色)。另外，推荐不一定要以选项的形式单独拎出来，也可以融在反问话术里，如“请问您要红、黄、蓝哪种颜色的T恤衫呢？”这种方式适用于选项数在2-3个以内，且内容不长的推荐。

然而，设计上要考虑的还不止是推荐选项上的这些happy path，也要考虑用户可能会说些推荐之外的东西。

还是上个例子，比如：用户说了其他没有的颜色、说了多种颜色、跳转其他话题、返回某些任务节点等等。

如果是单纯的移动端界面，可以通过场景化输入解决，即只提供点击输入。不过若是纯语音设备，就无法预知用户可能会说些什么。在设计过程中，尽量将用户可能出现的回答类型遍历一遍。

虽然回答基本上由话题内容决定，但也可以抽象出一些通用的类型。我总结了以下几种：

愉悦路径（happy path）：用户按给定的推荐回答，能够顺利走通主路径。