编辑导语：随着互联网科技的不断发展，如今AI机器人产品开始深入我们的生活中，比如家里的智能音响、商场的接待机器人、餐厅的传菜机器人等等，机器人的出现在某些方面帮助了用户，提高用户体验；本文作者分享了关于用户视角的机器人产品体验，我们一起来了解一下。

从一个普通用户角度，切身体验了一次机器人产品，结合过往运营和产品经验，输出这份报告。不作引导，只是分享，给想入门AI行业的小伙伴一点参考和方向。

这篇文章有点长，值得了解。如果认为有用的话，请小伙伴们耐心看完，欢迎交流探讨

本报告的编纂目的：

通过走访三类场景对智能服务型机器人进行体验调研，结合采集网络数据，从运营角度整理出体验报告。

主要3个目的：

• 从用户角度审视智能机器人行业现状和产品优缺点；
• 从运营角度分析差异行业间的产品及用户运营工作的同异点；策划输出用户运营工作方法，以交互功能为基础中心，并结合用户生命周期分析方法和模型，输出因功能类型对应用户增长和留存等时期的策略，进而调整机器人产品运营计划，在用户运营层面精细化管理。
• 协助运营团队共同打造产品运营体系，发挥数据驱动能力。

用户运营和挖掘需求重要性：

在中国人工智能行业快速发展时期，智能机器人主要以服务场景为落地渠道，以交互为拉新导向，但缺少对真实场景业务流程的梳理和对现场用户需求的把控。

场景繁杂，功能导向难以满足产品发展需求，需要将用户运营放在越来越重要的位置，因此精准识别消费者需求成为提升户运营效率的关键。

用户运营方法论介绍：

公司基于多年沉淀下来用户数据资产，可以对用户在产品上的行为数据进行有效捕捉，将用户从未交互到交互后流失的全路径进行刻画，分为低潜、高潜、引入、成 长、成熟、衰退和流失七种不同的生命周期状态。

一方面可以建立统一的用户运营监控体系，积累和管理用户数据资产；另一方面也可以进行针对性营销，激活存量价值， 突破增量边界。

用户生命周期包含AWARE（吸引）、 APPEAL（认知）、 ACT（行动）、 ADVOCATE（拥护） +RFM用户分层体系中，基于用户生命周期模型，产品和用户的运营人员可结合运营现状监控用户在各个生命周期阶段的结构分布和流转情况。

围绕各生命周期用户进行洞察分析，并基于分析结果为每类用户匹配定制化的增长策略，真正实现科学的用户精细化运营。

某公司推出五款全系列机器人产品，包括接待机器人、零售机器人、儿童陪伴机器人、AI 音箱和机械臂机器人。

其中，接待机器人又细分为两款，不带大屏幕和大屏幕。分别投放于政务、酒店场景和商场场景；主要功能用于接待服务，承担了一部分前台接待员或商场导购员的角色，具备问候、引导、跟随、搜索、自动充电等功能。

2018 年，在上海举办的中国机器人产业发展高峰论坛上，中国机器人产业联盟理事长曲道奎指出中国机器人总量已有 14.1 万台，增速是 58.1%；而全球范围内则达到了 38.7 万台，增速达 31%。由此推断，2019 年中国机器人总量将增至 22.56 万台左右。

某公司的这五款机器人因功能不同而选择性地投放应用在差异化场景中，据公司2020 年 Q3 财报显示机器人总服务人次超 2 亿，语音交互频次日均超 800万次，并有超 10000台机器人值守超2000家客户。（数据从网络渠道获取）

从这些基础数据不难得出，该公司机器人在中国机器人市场占比已达 2.3%，可见未来市场空间非常大，智能机器人服务网路系统同样庞大；在 2B 业务实施过程中，消费者既是服务对象又是平行用户；而 B 端是连接产品和用户的中间载体，是跳脱不了的轴承场景，因此，运营的实质满足双边用户（B&C）的共同需求。

通过场景来覆盖用户，通过产品来聚集用户，通过功能来获取用户，通过数据来分析用户，通过迭代来留存用户，通过策略来产生付费转化、减少流失、裂变推荐；在 AARRR 模型中，足以描绘一个产品用户的生命周期 7 个阶段，从低潜、高潜、引入、成长、成熟、衰退到最后的流失。

本报告以接待机器人为体验研究对象，从酒店、政务、商场三个场景来分析对比，通过对不同场景的业务流程进行了解和观察，再结合用户反馈情况，整理了一份实际的运营效果，但并非代表这款机器人的整体运营现状。

由于对机器人的投放场景明细信息掌握不全，经过确认，选择了中关村-丽庭华苑酒店、温泉镇-创客小镇、朝阳路-大悦城，三处场景进行走访体验；到访期间，流动用户数量较少，现场未发现与豹小秘交互者，整体应用性一般，交互率低，运营方案需完善，优化空间大。

丽庭华苑酒店：

体验功能：聊天区块 | 问答区块 | 问路区块天气区块 | 接待区块 | 语音交互。

中关村创客小镇：

体验功能：签到区块 | 问答区块 | 跳舞区块闲聊区块 | 引领区块 | 参观路线。

朝阳大悦城：

体验功能：搜店区块 | 地图区块 | 餐饮区块广告区块 | 语音区块 | 娱乐区块。

根据近几天对机器人产品功能体验以及从其他途径了解掌握，设定满分为 5 分，根据体验分层研究法感依次打分。综合得分 4.58 分。

• 战略层（产品定位、用户需求分析、市场数据分析）产品定位准确，根据不同场景设计差异化功能；用户需求体现不足，还有可深挖空间；市场数据暂时无法获取，不好评价；评分 4.6 分。
• 范围层（基础功能 和 特色功能）基础功能符合场景要求，可以保证基本的用户使用体验；特色功能缺失。评分 4.2 分。
• 结构层（功能架构、业务流程、页面流程）功能架构明显，但存在非刚性需求，可优化；语音交互响应速度有延迟；屏幕页面跳转较流畅，触发响应及时；评分 4.5 分。
• 框架层（重要功能和页面分析、罗列优缺点、整改意见）主动问候与引导及搜索是豹小秘主要功能，在体验过程中表现练良好；功能设计有明显色块区分；但缺点是在店铺查找页面未按类目细分，可优化；评分 4.6 分。
• 表现层（视觉舒适度、界面一致性、功能可见性）UI 界面风格及布局基本保持一致性，统一色为蓝色，视觉体验舒适度良好，核心功能与普通功能均直接可见，显现度强。评分 5 分。

某品牌“服务类”机器人主打 3 类应用场景：餐饮、医疗、商场。

差别之处在于并非完全单纯接待服务型，而是业务实操型，即“操作工”。

• 餐饮场景中承担传菜员角色，自动协助用户完成点餐和送菜服务；
• 医疗场景中承担医生角色，实施现场人工智能和远程视频问诊，还可受售药和医保结算，帮助患者建立健康档案；
• 商场场景中承担捡货员角色，往返于货架和打包点，用户线上超市对线上订单的配货。

虽然该调研公司公司机器人可身兼数职，前台/保安/保洁/停车管理员，替代一些基础服务能力人员；但与以上对比的竞品，按照替代岗位性质分析，存在隐性差别。

接待引导型机器人存在多变性，交互复杂、指令复杂、执行复杂，这些问题归因于岗位性质弹性空间大；竞品机器人按照订单操作，有明确信息输入，交互简单、指令简单、执行简单，归因于程序化。

伴随人工智能行业突飞猛进与持续变革，运营方法论和数据驱动力在相当长的时间内，会成为竞争制胜核心要点。

即使在覆盖场景多样和快速抢占公域流量入口的今天，拉新成本日益增高，传统“以货为主”的运营模式也遭遇天花板，唯有向“以人为本”、以用户为中心的用户轻资产运营转型，深入洞察消费者心理，精准实现人货场匹配，才能进一步降本增效，释放产品及核心功能的更大潜力，在激烈的市场竞争中立于不败之地。

围绕用户运营这一课题，本报告引入“产品生命周期” 的概念， 结合该公司用户的行为数据， 提出“用户生命周期”的概念， 根据用户与机器人交互行为表现，并比对历史交互数据。

将用户划分为低潜期、高潜期、 引入期、成长期、成熟期、衰退 期和流失期，针对不同时期用户特点匹配不同的营销策略，为机器人用户运营人员提供抓手，以提升运营的精准度和成功率。

如图所示, 在用户生命周期曲线中，横轴为用户可能与机器人发生交互的时间序列，纵轴为用户在交互过程中贡献的价值。

沿着用户生命周期曲线，我们可以把用户分成三大阶段七个时期：

• 低潜期：潜在用户，场景内与机器人发生过交互，没有搜索相关行为；
• 高潜期：潜在用户，场景内与机器人发生过交互，近期开始有搜索相关行为，升值阶段：（留存用户）；
• 引入期：新用户，近期刚与机器人发生交互行为；
• 成长期：老用户，发生持续交互但没有到达稳定交互频次，趋势是交互行为增加；
• 成熟期：老用户，发生持续交互且达到稳定交互频次；
• 衰退期：老用户，发生持续交互但没有处于稳定交互频次，趋势是交互较少，挽回阶段：（流失用户）；
• 流失期：老用户，之前发生过交互行为，但近期都没有交互；

因为无法获得产品真实数据，我们以豹小秘产品为例，对多种场景交互数据进行模拟分析，计算用户的流失周期和稳定复购频次，对每个用户进行生命周期的划分。

不同的交互功能对应用户所处的生命周期是一个不断变化的动态过程，不同客户在生命周期各个阶段所处的时长也不同；而且，并非所有客户都会经历生命周期的每个阶段。

有些用户可能经历非常短暂的引入期后就迅速进入成长期和成熟期，也有用户在引入期之后就直接进入了流失期；而我们进行“用户精细化运营”的目标，就是尽快实现客户从获客阶段到升值阶段的转化，并尽可能长时间的把客户留存在升值阶段。

通过模拟分析机器人的10个功能交互对应用户生命周期结构的差异，我们可以总结出基于用户生命周期结构的用户运营方法论。

根据潜在用户、留存用户和流失用户在总用户中的占比，我们首先将交互功能的用户结构分为三大类型（L、U、 E），三种构型代表了三种不同的用户基本结构。

其中，我们选取 L 型用户结构为案例进行分析，其他两种类型（U&E）分析方法同理，不作过多描述。

整体用户结构类型：L 型代表功能类别

留存用户中处于成熟期的用户ARPU值是成长期的2~3倍，是引入期和衰退期的3~4 倍，所以在做好潜客拉新和流失召回的同时，还需要进一步挖掘留存用户的价值。

留存用户都处于哪个时期？分布如何？如何通过运营策略推动用户保持在成熟期状态？

为此，我们根据留存用户在不同时期的表现，定义了四种留存用户结构。

留存用户结构类型：L 型代表功能类别

豹小秘功能使用用户结构地图及重点运营人群勾划如下：

这款机器人产品定位是接待服务型机器人，从属于工具型产品，核心价值之一就是“好用+实用”。

在目前投放使用的 20 多个场景中，至少 20 种业务流程，实际每个场景不止一种业务，这就要求先掌握了解每个场景中包含的具体业务流程路径。

我们以此次体验的三处场景为例，对刚需和非刚需求细分处理。

2）酒店场景

刚性需求：房型及价格；天气播报；约车服务；周边交通路线；周边生活非刚需求：娱乐（封闭型商务场合不需要，可以取消）。

2）园区场景

刚性需求：入住公司信息查询；路线引导；周边生活 ；上下班打卡非刚需求：娱乐（半封闭型商务场合不需要，可以取消）。

3）商场场景

刚性需求：店铺查询；类目细分；广告位；周边交通路线；卡券领取非刚需求：娱乐（半封闭型型娱乐场景，可以保留）。

梳理清楚了不同场景的业务流程，分析了不同的用户需求；接下来，需要延展产品的价值空间，将靶心指向 B 端，进一步探索场景中隐藏的商业化需求。

当然，目前这款机器人已有的问候、解答、跟随等常规功能，我们不再讨论。

针对不同业务场景，更应该着重考虑其商业化价值的挖掘和输出。搭建并持续优化七大功能系统：智能互动（知识库）、用户属性（位置/数量/高矮）、人体跟随、障碍物回避、人脸识别、语 音识别、支付结算。

我列举了以下 3 点：

1）店铺导流

商场以购物、娱乐、餐饮等消费为主，即平台入驻了商家店铺，每个店铺是流量入口， 所以首要功能，第一步机器人为商家导流；实现逻辑为采集商家销售需求（促销、活动、 卡券）、机器人配置文字或语音、识别用户后自动唤醒播放和显示、弹出商家信息、人体 跟随或引导。

2）预警监控

根据场景差异以及实际需要，接待服务其实包含两层概念，一是前台人员；二是保安人员。

在实现了基本的问候与答疑需求基础上，是不是还可以赋予机器人预警功能？对内和对外。对内是自身保护，当出现被损坏和盗取行为时，自动发出警报；对外是环境监控，当出现灾情或恶性事件时，起到监控巡逻的作用。

3）智慧停车

道生一，一生二，二生三，三生万物，万物互联。一切以需求为开始，最快缴费是满足了对出行时间管理的需求。

很多商场已经使用了扫码提前缴费功能，如果从“地下搬到地上”是不是同理？除此还能附加找车功能，快速定位。实现逻辑为扫描缴费二维码、获取用户联系方式、支付（找车）、缴费成功。

自 1956 年，人工智能概念提出后，人们相继取得了一定的成就，随着每一个新的十年，创新和发现改变了人们对人工智能领域的基本知识；如果把机器做到了极致，可以主动与人完成任何交互、执行任何指令、参与各种场景中。

所以，当我们意识到机器人与人的最大差异后，如何将这些差别功能转嫁给该款机器人，并持续不断的优化和运营强化，这是我们要思考的课题；在目前应用场景中，用户获取比较困难。

业务流程，那就是人了，而不是机器人；机器人于人类最本质的区别，是“情感” 缺失，这是通过技术手段不能实现的，所有底层技术能力都是依赖于代码、算法、深度学习等。

将机器人赋予人的情感是对它最好的呵护与最大的信任。从而依赖于情感去发现和挖掘用户的需求，马斯洛需求理论中也把情感上满足放在了第二层往上。

在生理需求、安全需求、爱和归属感、尊重、自我实现这五类需求中，生理需求是范围最大最普遍的，也较容易实现和满足。一旦和情感搭上关系，都属于升级需求；比如人身安全（保险）、健康（医疗）、财产（金融）、友情（社交）、爱情（婚恋）、求学（知识付费），细分后非常明显，满足这些需求意味着大多数是服务型产业；从这点来看，机器人服务功能的可拓展性非常强，具体项在以上章节中已经详细提到过。

在这之前，我没有太多机会接触机器人，虽然以前也是从事AI行业产品运营工作，但产品本质有不同，机器人的AI技术涉及面比较广，导航、视觉、NLP等，都是复杂的技术领域；就拿语音这块来说，还可以细分成 ASR、NLG、NLU、NLP。

从机器人听到声音、识别声音、分析声音、将声音转化成文本、再把文本转换成声音，这是一个语音交互的过程。

好了， 以后再聊更具体的部分。

解释说明：本篇产品体验运营报告中提到数据以及部分内容和运营方法，均来自个人经验。有关公司和产品的数据均不是真实，且不具备使用价值。只是为了从一个普通用户角度，来设计一份产品体验报告。里面的内容仅作为论据起到对本人观点的支撑作用，并未展开完整说明，编写者拥有对此报告的最终解释权。

本文由 @HighSun 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 Unsplash，基于 CC0 协议