客廳里的人工智慧：我的設計沒有GUI - Andrew Ku · Amazon Echo用戶體驗設計師【Part II】

01-28

這是Amazon Lab126的聲音交互設計師Andrew Ku作客UX Coffee節目的下半部分轉播。在上半部分中，我們聊了聊：

媒體專業背景，為何轉行做設計？
台灣的設計行業是怎樣的？
做Voice UX是怎樣的體驗？設計的交付品是什麼？怎麼做原型設計？
Echo里的Alexa是男是女？設計師如何決定人工智慧的性格？

在下半部分中，我們繼續討論：

怎麼評估聲音設計的好壞？
怎麼同時搞定7個產品經理？
最後，Andrew還給設計師小夥伴推薦了幾部電影。

大家可以通過以下方式訂閱收聽我們的節目：

手機：iTunes、荔枝FM、喜馬拉雅FM、網易雲音樂、任何泛用型播客客戶端（如Overcast， Pocket Cast等）
網頁端：podcast.uxcoffee.co

在以上APP中搜索「UX Coffee」就可以找到我們啦！

-----

以下是訪談的下半部分文字版：

Riceman: 一般的design critique里，設計師會把mock展示出來，那在做voice design的design critique是什麼樣子的呢？

Andrew: 我們有樹狀圖的flow chart來做design critique，多數的情況還是看user scenario。比如說要開燈，有三個燈，我們是要加一個interaction問user開哪一個燈嗎，還是直接決定都打開？我們會mock up這些使用者情景，進入flow chart來決定兩個scenario哪個是對的。就像在圖形界面設計中，展示一個個screen的時候也是在展示這些scenario。只是我們產出品稍微不一樣而已，其實還是做用戶體驗設計。

張撓撓：那在critique的時候是直接展示流程圖嗎，還是要做一些prototype？

Andrew:要看是怎樣的產品。我們公司有一個產品，打字進去，會用Alexa的聲音念出來。有時需要做sound prototype，看態度對不對，用詞好不好聽。因為Alexa的聲音其實是一個錄音演員，她錄了很多的音，然後截斷所有念過的東西。比如我們錄了「I am happy」，每一個字都會被分開截斷。下一次我們用「I am happy」的時候，這一句話其實是被重組的，三個詞可能是從三個不同的錄音來的。然後我們把它們重組，然後調音，讓它聽起來像是自然在講話的情況。有很多情況我們放進這個模擬Alexa講話的軟體，會發現聽起來是不太對，因為這些字是被分開後重新組合的，調音調的不對。這時一般有兩種辦法：一種是找那個人來重錄一下，但她很貴。所以多數情況還是我們調整。有時我們做prototype是模擬使用者情景，像拍影片或者用ppt做presentation。主要不一樣的是因為聲音交互這個東西很新，沒有很多prototyping tools，設計師沒法方便地做出模擬的decision tree出來然後互動，所以需要真正prototyper來做end prototype。所以我們做prototype最快的是模擬情景，用聲音機器出一個音檔，模擬decision tree的決定，然後就感覺一下起來是怎麼樣。

Riceman: 沒想到錄Alexa的人這麼貴，而且只有一個人，我一直以為是電腦合成的。

Andrew: 其實的確是電腦合成的，現在語音科技是這樣。不知道你有沒有注意Google的聲音變了？他們找了一個人重新錄了全部的回答模式，變成一個比較自信、深沉，感覺有些年長的女聲，而之前是一個比較活潑動感的女聲。

Riceman: 如果給你們錄音的那個女性隨著年齡的增長聲音起了變化，不能保持一致性怎麼辦？

Andrew: 我剛加入team的時候也問過我的主管，他說我們大概會再找一個人，來模仿之前那個人的聲音，如果不能模仿，那我們可能就要重來。其實不知道你們注意到沒有，Siri從它發布以來到現在聲音也變了。（主播：可能只有做你這一行的才能辨認出來！）他們聲音變了可能是希望有一個新的personality，介紹一個新的人，不只是因為之前那個人的聲音有了變化。所有這些決定背後都有產品上的implication。設計上都會考慮它的人格特質是什麼，我們希望給使用者的感覺是什麼。比如Alexa在特質上就比較像一個主婦，而Siri就比較像一個活潑的朋友，而且你可能不太喜歡這個活潑的朋友（笑），它比較有自己的主見。

Riceman: 這些聲音是不是都比較偏女性的性格？

Andrew: 你可以把Siri改成一個英國男性的聲音，很多女性用戶喜歡這個聲音，因為他聽起來非常有磁性。很多使用者都發現多數情況女性的聲音比較溫暖，感覺不會去錯怪她。但是有一個反例，BMW之前做過一個測試，他們做給德國人用的車內導航系統，多數德國男性駕駛員不太信任女性給導航資訊。他們有一部車的導航系統都已經發布了，他們因為這個問題最後還是召回了所有的車子，改成一個男性的聲音。不同的文化和使用情景會影響用戶對聲音的期待。比如你只是問天氣和新聞資訊，跟導航資訊相比，用戶對不同性別是有不同信任程度的。

張撓撓：所以這些結論是通過用戶研究得出來的，那麼可以講一講研究的方法和過程嗎？

Andrew: 我們有研究人員專門研究Alexa的性格、態度和講話的模式是不是能被大眾接受。據我了解，在三四年前這個產品剛剛開始做的時候，他們也有看很多相關的使用者研究，比如像這種persoanl assistant或家庭助手的AI的聲音和性別應該是怎樣的等等。

Riceman: 用戶研究應該做了很多定性方面的，像訪談這種；那你們的後台有什麼數據去檢測你們設計的效果嗎？什麼樣的設計是好的聲音設計？可能比圖形界面設計更加難以判斷，衡量起來有很多不一樣的標準吧。

Andrew: 多數回復是比較簡單的，像「OK」，「that』s great」這種生活化的語句，其實沒有太大的問題，因為對使用者的影響沒有那麼大。有比較大的影響的，比如我一開始在設計的領域是電影資訊，其實裡面有非常非常多的資訊。比如當一個人問今天Deadpool在哪邊上映，那我們可能要確認你是問今天嗎、告訴他們show time啊、在哪一家電影院有演啊？當你有很多這樣的信息整合進一個回復的時候，我們就要去測試——我們可以放這麼多資訊在一個回答里嗎？當念放映場次的時候我們應該念全部的場次，還是就念接下來五個場次就夠了？所以這塊比較像是界面設計的information architecture，會影響到用戶能不能拿到足夠的資訊去完成他們的最終目標。我們要去做測試，找人來講他們要看哪部電影，我們來播有不同資訊量的回復，根據用戶反饋來判斷多少資訊量的回復是對的。

Riceman: 圖形界面會有像點擊率這種具體的數據來衡量一個設計是不是比另一個設計更好。舉一個電影的例子，好比說功夫熊貓今天在哪裡上映，接下來念的這段話可能有四五個版本，你怎麼判斷哪個更好？你剛才介紹的這種方法我覺得更像是在一個lab裡面，你找有限的用戶過來訪談，數據比較有限。我想知道有沒有跟點擊率相對應的在聲音設計領域中使用的一個評判標準？

Andrew: 其實這裡稍微難一些。我們會做大型的問卷調查，最重要的部分是，當你今天問了Alexa一個問題之後，它給你的資訊有沒有達到你的期待和滿足你的需求——比如能夠幫助你去看一部電影嗎？和點擊率對應的標準是比較難的。

Riceman: 你們有在統計用戶聽到不同的回答接下來follow-up的互動嗎？

Andrew: 我們有去看接下來的互動，只是這塊技術上有點難度，很難去追蹤和判斷用戶接下來的問題是跟之前的問題有關，還是開始了一段新的對話。他的目的是follow up之前的情景嗎？還是在問一個新的問題？因為你很難判斷這段互動的開始和結束。聲音科技並沒有一個系統化的模式去追蹤。公司會僱傭annotator，去聽很多的互動的完成情況。聲音交互的數據分析還處於很原始的狀態，工具也很有限。

張撓撓：那你覺得所有這些細節的雕琢對用戶體驗有什麼影響？用戶會care這些「小問題」嗎？它們是小問題嗎？

Andrew: 其實我們確實會想用戶可能不會感受到到這些小問題，但我們發現其實資訊量的多少用戶絕對會注意到，我們在設計的時候也會很注重這種事情。比較有趣的是很多小細節我們常常會微調它的回復，即使並不影響它的資訊量。比如之前timer的回復稍微變了一點，原本是說「Set a timer for 2 seconds」，Alexa會有一個簡短的回答「2 seconds starting now」。我們想這個回復是不是有點機械化，就把它改成「your alarm will ring in 2 seconds」。 我們想這樣的小改變用戶不會察覺吧，但我們收到了上萬封來自customer service的抱怨，說「為什麼它變了？」，大家還是察覺了。再比如之前對於「turn on my lights」的回復是「OK」，我們把它改成一個「叮」的earcon，也收到上萬的用戶抱怨說它感覺變成一個機器人了，我們就又把它改回「OK」。所以如果他們和Alexa有一個固定的互動模式，很多小細節的改變，用戶就會察覺到它變了。

張撓撓：那你們在launch每一個小改動之前會A/B test嗎？

Andrew: 有些改變如果我們認為不會有太大影響就不會做A/B test。但其實我們做了一個六個月的研究，發現使用者比較喜歡「叮」這個feedback。當我們deploy到產品里以後，發現不喜歡的customer真的非常不喜歡，他們回去跟客服去抱怨，然後我們就進入了一個兩難的情況。其實設計的時候，開啟和關閉的聲音是不一樣的，開啟時一個上揚的「叮╯」，關閉是「嘟嘟╮」，這是有意義的，因為你可以區分開燈和關燈。如果Alexa把turn on聽成了turn off，而回答只是OK的話，你沒有辦法辨識你本來想做的事情到底有沒有被達成。release以後，討厭它的人不停跟客服抱怨，導致一周之內我們就把它改回了OK。結果另外一群喜歡聲音的用戶又開始抱怨。（笑）

Riceman: 我覺得人類對於聲音的敏感應該是超出很多人的想像的。包括我們做這個播客節目也收到了很多反饋，大家會感覺到一些我們以為很難察覺的噪音。所以人們對差的聲音的忍耐度可能比對差的圖形界面有更直接的反應。

Andrew: 我們跟Alexa的互動是完全只有聲音的，所以並沒有一個視覺界面讓你分心，所以你會非常注意聲音上細節的改變。

Riceman: 比如我每天都會問Alexa天氣，那麼它播報的稍微有什麼差別我也能聽出來。

Riceman: 之前你在實習的時候做的是Fire TV，是一個智能電視產品。可能很多設計師做的大部分還是網頁和手機，智能電視可能也是最近幾年才興起，包括Google有Chromecast，大陸有小米電視盒子等等。你覺得智能電視的設計有什麼挑戰？設計智能電視和做網站、App有什麼區別嗎？

Andrew: 可以先講講我為什麼要做電視。其實我在找實習機會的時候有考慮是要進入傳統的媒介像是手機App和網站啊，還是做一些比較特別的界面？我個人認為手機App和網站已經有很多現有的組件可以選擇去做設計，但Fire TV是一個全新的平台，要重新考慮界面和組件，我覺得非常有趣。另外一個角度是因為我很喜歡比較能融入你生活情境的產品，像電視會讓你想到在客廳里不同的互動情境和模式。

最大的挑戰也是因為它是一個新的平台，你的界面要符合客廳的使用情境，比如距離是不一樣的，是非常dynamic的，有不同的活動會發生在客廳，比如朋友會來啊，或者你自己在看電視啊，這些不同的情境都要考慮進去。身為設計師你去想像這些是非常有趣的。另外一個挑戰就是操作，因為觸控界面和滑鼠有比較好的精準性，但電視基本上還是處於用上下左右十字遙控的情況，這塊是非常困難的，它在多數情況下不是一個非常符合直覺的使用模式，所以設計師要去想界面要怎樣做去符合這樣一個操控模式。

Riceman: 還要考慮它是一個公共空間？

Andrew: 對，比如朋友來，你有可能要提供符合和朋友在一起使用的feature；當你自己一個人在看電視的時候，你可能需要提供比較適合個人情境的東西，我們有做很多的嘗試。

Riceman: 你從在Amazon實習開始到後來轉正，我們一直聽說你有換manager的神奇記錄保持著。從你進公司開始，換了多少老闆了？

Andrew: （笑）來算一下哦~ 我在實習三個月之內走了兩個老闆，加入Echo Team之後先後有四個主管。很多人來問這是Amazon的文化嗎？還是因為我是個霉星啊？我覺得，我加入團隊的時期都是關鍵期，加入Fire TV團隊的時候正好是要發布產品，多數設計師跟了這個產品兩年，覺得產品發布了，差不多是做下一件大事的時候了。正好我進入Echo的時候也差不多是同樣的情況，這個產品已經做了四年了，終於正式發布，我主管可能有更好的機會，就決定去別的地方。

Riceman: 這對你有什麼影響嗎？

Andrew: Amazon非常強調自主管理的態度，沒有主管和PM你就要自主管理，世界不能因為你沒有主管而停。所以我覺得影響當然是有，最大的問題是我有很大的工作量，沒有主管去談說你可不可以幫我看看有沒有其他人有capacity，這樣我就可以focus在某些事情上；但最大的收穫就是我變得非常會做項目管理，不然我就會被壓死。我現在和7個產品經理合作，很多不同的項目在同時進行，如果你自己沒有管理能力，就算你有主管也沒用。主管不能幫你去跟每一個產品經理談，你要自己根據你現在的工作量跟他們談能分給你的時間是多少。雖然我們團隊很大，擴張非常快，但設計師的擴張並沒有那麼快，因為做聲音交互設計是很有挑戰性的。很多界面設計師剛轉到聲音設計的時候不能理解聲音科技，就還是轉回去做一般的圖形界面。這塊的訓練是非常困難的，我自己從開始做到我覺得自己真正開始理解至少花了六個月。聲音設計相對是較小的領域，我們基本上已經面試完所有這個領域的人了，這讓我們主管很擔心我們設計團隊的擴張。所以如果你對聲音設計感興趣可以來聊一聊，看看是不是適合轉來做這個領域。

Riceman: 你是怎麼同時和7個產品經理打交道的？在自我管理上有什麼技巧和經驗想和大家交流一下？

Andrew: 我覺得最大的幫助是你溝通上的記錄要非常詳細。我最大的問題是我有7個不同層面的項目，很多時候我剛剛跟這個產品經理講完又要和下個人講，我可能得到兩樣資訊已經忘了前面談了什麼。很多人覺得這已經不是真正在做design而是在做management了，但我覺得這對做設計也很重要，就是當任何談話發生的時候一定要記錄。開始時我也覺得跟一個人談完我還沒有時間去做設計，還要花一個小時去把所有細節記下來真的很麻煩。但當你在這樣一個大公司，跟非常多的人去接觸，這些記錄就變得非常重要。如果沒有記錄，你自己會跟不上，另外產品經理也在跟很多人談，他們也會忘，到最後你們會以為某些決定並沒有做。所以我現在開會都會開一個wiki page去記錄，確保任何決定都被記下來，才可以回去reference。這也能夠很好的在meeting里幫助大家開始對話，讓大家都知道背景之後再去談接下來的事情。

張撓撓：面對各種各樣的需求你怎麼push back？

Andrew: Transparency - 很透明的跟他們談你在做什麼事情，每一個project你覺得會花多少時間。通常產品經理不會像你的主管一樣進到你的設計項目里去看你的工作量，所以我會非常坦白地跟他們講我現在有多少工作，它們的deadline是什麼時候，我能給你的時間是多少，如果我沒有辦法做到就會說沒有辦法做，我只有兩隻手，一個腦袋。我可以到我團隊里看看能不能找到其他人幫你做，但我能給他們的時間我會告訴他們，問他覺得他的要求會花多少時間，我們可以來談我的時間能不能fit in 你的要求，如果不能fit in 我們可以另求方法，你可以跟你的主管說產品需要delay，或者我也可以找別的designer去幫你。

Riceman: 你自己給自己設優先順序嗎？

Andrew: 是我自己設，我會根據需求和deadline來設優先順序。在Amazon我也聽說過別的設計師自己這樣設優先順序，因為manager可能也沒時間管你。所以從某種層面，沒有manager有好有壞，會鞭策我自己有更好的管理系統。之前讀書的時候沒有機會學到這些，因為很多時候老師會幫你安排好，你也沒有產品開發和客戶的壓力。

張撓撓：所以是很有ownership。

Andrew: 對，非常有ownership。如果聽眾了解Amazon對於員工工作態度的要求，ownership確實是其中一個。

Riceman: 我知道即使你的工作非常非常忙，但你平時還是花很多時間在進行娛樂活動，主要是看電影，你是一個電影狂魔~ 有什麼電影想推薦給大家嗎？很多聽眾都是設計師或者IT行業的，可以是跟這些有關的。

Andrew: 從跟我最有關的開始好了，如果想要了解聲音設計的話，一定要去看「Her」這部電影，在台灣叫做《雲端情人》（在大陸就叫《她》）。最有趣的部分不只是聲音設計，其實視覺上也讓人感覺到它的界面是未來有可能發生的情境。對於聲音設計，這部電影是一個典範。目前多數情況的對話還像是命令行一樣，沒有那麼自然。未來我們希望可以做到像這部電影描寫的一樣，非常自然的語言、很多生活化的對話。不僅是聲音上，視覺界面上也是一樣。未來的互動還是不會只有聲音存在，有很多複雜的任務基本上還是需要界面來幫助。這部電影從某種角度來說很好的描寫了聲音加界面互動可以到哪種程度。

非工作相關的，我最喜歡的導演是Wes Anderson，他的電影比如《The Grand Budapest Hotel》，《Moonrise Kingdom》，裡面的攝影角度和顏色是非常inspiring的，非常和諧的配色模式，我們可以去學習，另外他的攝影的模式都是對稱的，也非常有趣。他所有的角色也都不是很典型的，做用戶體驗設計的時候我們常常需要考慮不同的族群，所以Wes Anderson的電影裡面的角色其實可以給設計師一些啟發，可以想像不同的有趣的personas和情境。

Riceman: 謝謝Andrew！節目最後有什麼聯繫方式可以留給大家？如果大家對聲音設計感興趣，或者對亞馬遜、對電影感興趣，怎麼跟你交流？

Andrew: 或者覺得我講的不合理也可以跟我來說。我的作品集是http://andrewisku.com，上面有我的email和Linkedin。你可以去Linkedin上搜尋，Amazon Lab126叫Andrew Ku的designer只有一個。

----

以上是Andrew Ku訪談播客文字版本的下半部分內容。覺得我們的播客有幫助的話，記得給我們點贊哦~

最後再說一次，大家可以通過以下方式訂閱收聽我們的節目：

手機：iTunes、荔枝FM、喜馬拉雅FM、網易雲音樂、任何泛用型播客客戶端（如Overcast， Pocket Cast等）
網頁端：podcast.uxcoffee.co

在以上APP中搜索「UX Coffee」就可以找到我們啦！

微信內搜索「UXCoffee」，或者掃描下方二維碼關注UX Coffee微信公眾賬號