手機(jī)智能語音交互功能調(diào)查及對策*

梁永強(qiáng) ，李培林 ，王 崴 ，瞿 玨 ，2

（1.空軍工程大學(xué)，西安 710051；2.西北工業(yè)大學(xué)，西安 710072）

0 引言

隨著技術(shù)的進(jìn)步，人與計(jì)算機(jī)的交互界面從最初的命令行發(fā)展到窗口圖形界面，再到觸摸屏，以及如今正蓬勃發(fā)展的融合觸、聽、視覺的多通道人機(jī)交互模式［1］，人機(jī)交互的方式變得越來越人性化。伴隨著智能手機(jī)的普及，人與手機(jī)之間的交互方式也越來越受到各大生產(chǎn)廠家的關(guān)注，如今的消費(fèi)者早已不能滿足于觸屏按鍵式的單一交互方式［2］。蘋果公司推出Siri，引發(fā)了手機(jī)裝載智能語音系統(tǒng)的熱潮，隨后Google在Android平臺上推出了Google Now，微軟也將語音技術(shù)應(yīng)用于Windows Phone系統(tǒng)，在國內(nèi)，科大訊飛推出訊飛語音輸入，百度搜狗等公司推出語音助手［3］，各大手機(jī)廠商紛紛將智能語音技術(shù)應(yīng)用于自己的產(chǎn)品。

如今，手機(jī)使用已成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠郑瑐鹘y(tǒng)的觸屏按鍵式交互方式不僅有損于人的視力、頸椎健康［4］，而且長期視覺單通道交互方式對人的心理健康也非常不利［5］，從心理學(xué)和工效學(xué)的角度分析，傳統(tǒng)的人與手機(jī)交互方式造成了較大程度的“生理資源”不平衡，一方面“視覺資源”用到了極限，另一方面“聽覺資源”并沒有得到充分利用［6］。

語音交互是最為自然、便捷、高效的人機(jī)交互方式，它使人機(jī)界面同時具備了“聽”和“說”能力，為目前的交互設(shè)計(jì)帶來了廣度和深度上的擴(kuò)展［7］。2016年4月發(fā)布的《2015中國智能語音產(chǎn)業(yè)發(fā)展白皮書》［8］指出，智能語音應(yīng)用需求不斷擴(kuò)大，以大數(shù)據(jù)、云計(jì)算、移動互聯(lián)網(wǎng)等關(guān)鍵技術(shù)為基礎(chǔ)的智能語音產(chǎn)業(yè)迅速發(fā)展，2015年，全球智能語音產(chǎn)業(yè)規(guī)模達(dá)到了61.2億美元，較2014年增長34.2%。其中中國智能語音產(chǎn)業(yè)規(guī)模達(dá)到40.3億元，較2014年增長41.0%。預(yù)計(jì)在未來較長一段時間內(nèi)，智能語音產(chǎn)業(yè)將得到進(jìn)一步的發(fā)展和擴(kuò)大。

然而，由于技術(shù)的限制和用戶使用習(xí)慣的固化，語音交互并未得到人們的有效利用，智能語音產(chǎn)業(yè)也面臨著諸如“非交互剛性需求”、“只是其他智能產(chǎn)品中間件”、“語音信息安全隱患”等等困惑與迷局［9-10］。對于智能語音交互，目前絕大多數(shù)的研究都集中在語音識別、語音合成、語義理解等功能“可用性”技術(shù)層面，對于智能語音交互中的便捷性和滿意度等“易用性”指標(biāo)方面研究很少，本文通過問卷調(diào)查的方式分析研究用戶智能語音交互功能的使用狀況，對于當(dāng)前手機(jī)語音交互技術(shù)的評價和改進(jìn)均有重要的意義。

1 問卷設(shè)計(jì)與方案實(shí)施

1.1 問卷設(shè)計(jì)

本次調(diào)查采用自主設(shè)計(jì)的《手機(jī)智能語音交互功能使用狀況調(diào)查》問卷。主要包括5個部分共計(jì)21道題目。其中第1部分是個人基本信息，具體包括性別、年齡、學(xué)歷、職業(yè)和性格類型。第2部分是關(guān)于用戶智能語音交互功能需求的調(diào)查，該部分參考藍(lán)戈智庫調(diào)查團(tuán)隊(duì)的《中國智能語音手機(jī)市場調(diào)查》中有關(guān)市場潛力方面的問卷題目設(shè)計(jì)，主要用于調(diào)查用戶在生活場景中是否存在傳統(tǒng)觸摸按鍵式交互不便解決的問題。第3部分是關(guān)于用戶對智能語音功能的掌控程度，具體是指用戶對目前手機(jī)中存在的語音功能的了解程度和使用情況。第4部分用于調(diào)查用戶眼中智能語音交互優(yōu)勢不足。最后一部分則是用于收集用戶對于智能語音交互的改進(jìn)建議。

1.2 方案實(shí)施

本次調(diào)查采用電子問卷和紙質(zhì)問卷兩種方式，其中電子問卷發(fā)布在專業(yè)“問卷網(wǎng)”上并通過微博、朋友圈、人人網(wǎng)等社交媒介進(jìn)行廣泛傳播，發(fā)布時間為一個月，共收集到有效問卷688份。紙質(zhì)問卷主要面向在校大學(xué)生、研究生進(jìn)行，通過研究者現(xiàn)場指導(dǎo)填寫、當(dāng)場逐份回收的方式進(jìn)行，共發(fā)布500份，收集到有效問卷427份。有效問卷數(shù)量為1 115份。

2 調(diào)查結(jié)果及分析

2.1 基本信息

表1 個人基本信息比例分布

從統(tǒng)計(jì)結(jié)果可知，調(diào)查樣本中男女比例基本一樣，符合現(xiàn)實(shí)情況。可以看出，18歲~34歲年齡段占被調(diào)查總?cè)藬?shù)的87.1%，事實(shí)上這個年齡段正是手機(jī)使用的主力軍。本科學(xué)歷的被調(diào)查人員占總?cè)藬?shù)的73.6%，職業(yè)方面學(xué)生占49.3%，性格類型中內(nèi)向型和外向型所占比例差別不大。分析認(rèn)為，本科學(xué)歷大學(xué)生群體思想活躍，調(diào)查這部分人關(guān)于智能語音交互功能的現(xiàn)狀對于本研究很有意義，綜上所述，本次獲取的調(diào)查樣本符合研究需求。

2.2 功能需求

問題：您在日常生活中使用手機(jī)時是否遇到如下問題？

圖1 智能語音功能需求比例分布

調(diào)查中提到的6種人們?nèi)粘Ｉ钣龅降那榫熬梢苑从吵鰝鹘y(tǒng)觸摸按鍵式手機(jī)交互的劣勢，每一種情景的調(diào)查結(jié)果均反映出絕大多數(shù)（超過70%）的手機(jī)用戶都面臨著手機(jī)傳統(tǒng)交互方式帶來的不便，尤其是“多人自拍合影，不方便按鍵拍照”和“大量文字錄入，觸摸按鍵感到疲乏”兩項(xiàng)，功能需求人數(shù)都超過了90%。上述調(diào)查結(jié)果反映了現(xiàn)實(shí)中絕大多數(shù)手機(jī)用戶對于智能語音交互功能需求是存在的，手機(jī)智能語音功能市場潛力很大。

2.3 掌控程度

問題1：請問您知道智能語音手機(jī)可以解決上一題中提到的問題嗎？

圖2 智能語音功能掌控程度比例分布

從圖2的調(diào)查結(jié)果可知，301人（27.0%）知道并且正在使用手機(jī)智能語音功能，可以看出手機(jī)語音功能的普及率比較低，425人（38.1%）表示用過手機(jī)智能語音功能但不盡人意，這反映出手機(jī)語音交互在用戶體驗(yàn)方面存在很大改善空間，121人（10.9%）不知道手機(jī)有智能語音功能，考慮這部分人可能是中老年用戶，對手機(jī)的新功能嘗試較少，說明手機(jī)智能語音功能存在宣傳的必要性。僅有36人（3.2%）對語音功能不知道也不感興趣，這也說明絕大多數(shù)手機(jī)用戶對智能語音功能抱有使用期望。

問題2：請問您對手機(jī)智能語音的以下功能使用情況是？

圖3 智能語音功能掌控程度比例分布

圖3 是針對用戶了解和掌握手機(jī)智能語音具體功能的調(diào)查統(tǒng)計(jì)結(jié)果，反映的事實(shí)與圖2的數(shù)據(jù)總體一致，這也說明本次問卷調(diào)查結(jié)果是比較可靠的。對于實(shí)現(xiàn)上述手機(jī)操作，通過測試可知語音交互比傳統(tǒng)觸摸按鍵交互更加高效，但許多人幾乎不使用語音這項(xiàng)功能，這是值得設(shè)計(jì)人員和研究人員思考的問題。

2.4 優(yōu)勢不足

問題1：您覺得手機(jī)智能語音交互相對于傳統(tǒng)觸摸按鍵交互方式有哪些優(yōu)勢？

圖4 智能語音功能優(yōu)勢比例分布

圖4 的統(tǒng)計(jì)結(jié)果可以看出，670人（60.1%）認(rèn)為相對于傳統(tǒng)觸摸按鍵交互，智能語音交互的優(yōu)勢是“解放雙手，方便快捷”，這是語音交互最直觀的體現(xiàn)，也是用戶對智能語音功能最迫切的期望點(diǎn)，分別有445人（39.9%）認(rèn)為智能語音交互的優(yōu)勢是“自然高效”和“滿足特定場景操作需求”，前者體現(xiàn)了語音交互的易用性，后者則體現(xiàn)了智能語音功能的實(shí)用性，尤其是后者可以切實(shí)解決用戶的現(xiàn)實(shí)問題，應(yīng)該加以改進(jìn)并適當(dāng)宣傳，真正使之在手機(jī)用戶中得以普及推廣。另外還有338人（30.3%）認(rèn)為智能語音功能擁有“個性化情感體驗(yàn)”的優(yōu)勢，調(diào)查過程中通過訪談，部分受訪者認(rèn)為“長期使用觸摸按鍵操作手機(jī)使人的語言表達(dá)能力下降，嚴(yán)重的將導(dǎo)致用戶的心理出現(xiàn)問題”，而智能語音交互方式在一定程度上可以彌補(bǔ)這一缺陷，使人機(jī)交互更加人性化。

問題2：請問您認(rèn)為手機(jī)語音交互主要存在哪些問題？

圖5 智能語音功能優(yōu)勢不足比例分布

從圖5的統(tǒng)計(jì)結(jié)果可以看出，875人（78.5%）認(rèn)為“手機(jī)智能語音交互操作過于繁瑣，界面不友好”，以某國產(chǎn)智能手機(jī)為例，每次使用手機(jī)語音功能前都需要“解鎖手機(jī)，打開語音助手應(yīng)用，長按話筒圖符，然后對著手機(jī)說話”，此過程可能出現(xiàn)由于用戶手沒有按到圖符準(zhǔn)確位置導(dǎo)致語音輸入無效的問題，從而使用戶失去耐心，放棄使用語音功能，轉(zhuǎn)而使用更為習(xí)慣并且有效的傳統(tǒng)交互方式。并且上述操作過程確實(shí)比較繁瑣，不符合語音交互的自然高效。589人（52.8%）表示“習(xí)慣使用傳統(tǒng)觸摸按鍵操作方式，無需改變”，手機(jī)觸摸屏按鍵交互經(jīng)過多年發(fā)展已逐漸深入人心，雖然在使用過程中有時可能會遇到不便，但基本都在用戶可接受范圍之內(nèi)。478（42.9%）人認(rèn)為“手機(jī)語音功能的語義理解能力差”，458人（41.1%）則認(rèn)為“手機(jī)語音識別準(zhǔn)確度低”，語音識別和語義理解是語音交互技術(shù)的核心，筆者及相關(guān)研究人員測試發(fā)現(xiàn)，目前手機(jī)在語音識別普通話方面的準(zhǔn)確度高達(dá)99%以上，之所以有部分用戶認(rèn)為語音識別準(zhǔn)確度低，主要與用戶自身普通話水平、語腔語調(diào)及所處環(huán)境的噪聲因素有關(guān)。247人（22.1%）覺得“對著手機(jī)說話，感覺很傻”，分析問卷發(fā)現(xiàn)這部分人性格類型大多屬于內(nèi)向型。204人（18.3%）則表示“不了解手機(jī)語音交互操作”，這與本文前面的結(jié)果是相一致的。

2.5 改進(jìn)建議

問題1：您覺得未來手機(jī)語音交互會取代傳統(tǒng)觸摸按鍵交互成為主流嗎？圖6（左圖）。

問題2：若語音交互不斷改進(jìn)，相對于觸摸按鍵你更愿意選擇語音交互操作嗎？圖6（右圖）。

圖6 智能語音功能使用期望比例分布

圖6 結(jié)果顯示，783人（70.2%）認(rèn)為未來手機(jī)語音交互會取代傳統(tǒng)觸摸按鍵交互成為主流，144人（12.9%）則持否定態(tài)度，若語音交互不斷改進(jìn)，相對于觸摸按鍵645人（57.8%）更愿意選擇語音交互操作，206人（18.5%）表示不會。可以看出絕大多數(shù)人對于手機(jī)智能語音交互的前景持積極態(tài)度，也更愿意選擇語音交互方式。

問題3：您覺得手機(jī)語音交互功能最需要在哪方面加以改進(jìn)？

圖7 智能語音功能改進(jìn)建議比例分布

針對具體改進(jìn)建議，432人（38.7%）認(rèn)為手機(jī)語音交互功能最需要在“更友好的操作界面”方面加以改進(jìn)，有294人（23.6%）認(rèn)為最需要改進(jìn)的是“更智能的語義理解能力”，188人（16.9%）認(rèn)為是“更快捷的操作流程”，150人（13.4%）覺得是“更準(zhǔn)確的語音識別能力。

問題4：如果可以，請寫下您認(rèn)為手機(jī)智能語音交互方面存在的問題，以及提出改進(jìn)建議？

考慮到本次調(diào)查問卷難免有疏漏之處，問卷最后一道題目用于收集用戶建議，經(jīng)筆者和相關(guān)研究人員整理討論，選取部分有代表性的意見和建議列舉如下頁表2。

2.6 結(jié)果分析

2.6.1 用戶特征對手機(jī)智能語音功能需求的影響

為進(jìn)一步探討用戶特征對手機(jī)智能語音功能需求的影響，本文將問卷調(diào)查結(jié)果進(jìn)行數(shù)字量化，對應(yīng)“功能需求”6個題項(xiàng)的問題答案“是”和“否”的映射規(guī)則為：（是=1，否=0），因此，功能需求單個樣本分值范圍為（0，6）。針對性別、年齡、職業(yè)、學(xué)歷以及性格特征隨機(jī)選取一定數(shù)量的相同樣本數(shù)進(jìn)行方差分析，考慮到年齡為17歲以下和50歲以上的調(diào)查樣本過少，在年齡特征差異性分析中排除這兩項(xiàng)，事實(shí)上，17歲以下正處于初級教育階段，使用手機(jī)機(jī)會較少，而50歲以上用戶對于手機(jī)功能需求顯然與其他年齡段用戶存在顯著差異，針對這一特殊群體相關(guān)研究文獻(xiàn)也很多。另外由于調(diào)查樣本學(xué)歷為本科的占73.6%，故對用戶的學(xué)歷因素也不進(jìn)行方差分析。

表2 用戶意見和建議統(tǒng)計(jì)

表3 用戶特征對功能需求差異性

分析表3數(shù)據(jù)結(jié)果可以看出，性別因素（F=0.694，P=0.406）和職業(yè)因素（F=0.500，P=0.735）對語音功能需求的差異性不顯著，而年齡因素（F=2.275，P=0.034）、性格因素（F=6.538，P=0.011）對語音功能需求的差異性顯著。可以看出年齡為26歲~34歲的用戶（均值為4.943）的需求明顯大于年齡為17歲~25歲（均值為4.585），分析原因可能是由于前者日常生活更豐富（如駕車、洗衣做飯等），對語音功能的需求場合更多。此外，性格為外向型（均值為4.842）比內(nèi)向型（均值為4.465）對語音功能的需求更高。

2.6.2 用戶特征對手機(jī)智能語音掌控程度的影響

對應(yīng)“掌控程度”題項(xiàng)的6個問題答案量化規(guī)則為：（知道，正在使用=5、知道，偶爾使用=4、知道，幾乎不用=3、用過，不盡人意=2、不知道，如果可以會考慮使用=1、不知道，也不感興趣=0），因此，功能需求單個樣本分值范圍為（0，5）。具體數(shù)據(jù)統(tǒng)計(jì)分析結(jié)果見表4。

表4 用戶特征對掌控程度差異性

分析表4數(shù)據(jù)結(jié)果可以看出，性別因素（F=6.554，P=0.719）對語音功能掌控程度的差異性不顯著，而年齡因素（F=0.934，P=0.036）、職業(yè)因素（F=4.242，P=0.004）、性格因素（F=3.896，P=0.013）對語音功能掌控程度的差異性顯著，其中年齡為17歲~25歲、職業(yè)為學(xué)生以及外向型性格的用戶對語音功能的掌控程度明顯高于其他特征的手機(jī)用戶，原因可能是這部分人思想活躍，易于嘗試和接受新鮮事物，具有較強(qiáng)的學(xué)習(xí)能力。

2.6.3 手機(jī)智能語音不同功能使用差異性分析

對應(yīng)問題“您對手機(jī)智能語音的以下功能使用情況是？”答案量化規(guī)則為：（經(jīng)常使用=3偶爾使用=2幾乎不用=1不知道有這項(xiàng)功能=0），一種功能單個樣本分值范圍為（0，3），對10種不同語音功能的差異性進(jìn)行分析，再將10種功能分為“生活幫助”、“休閑娛樂”、“調(diào)侃交流”3類，對比3類功能的差異性。具體數(shù)據(jù)統(tǒng)計(jì)分析結(jié)果見表5。

表5 不同功能使用差異性

可以看出，用戶對10種常見語音功能的使用情況差異性非常明顯，將10種功能分為3類后，依舊表現(xiàn)出明顯的差異性，其中“生活幫助”方面的語音功能（均值為1.741）使用情況得分最高，“休閑娛樂”（均值為 1.404）其次，“調(diào)侃交流”（均值為1.129）得分最低。

3 結(jié)論

1）手機(jī)智能語音功能市場潛力大，但需引導(dǎo)用戶轉(zhuǎn)變使用習(xí)慣

問卷調(diào)查結(jié)果及數(shù)據(jù)分析顯示，日常使用手機(jī)的過程中，用戶普遍都遇到傳統(tǒng)觸摸按鍵交互不便解決的問題，導(dǎo)致用戶手機(jī)體驗(yàn)滿意度下降。由于受操作習(xí)慣的影響，雖然很多用戶都了解語音交互可以滿足手機(jī)在特殊場合的操作需求，但很少有用戶去嘗試。用戶對手機(jī)語音功能缺乏了解，更沒有認(rèn)識到手機(jī)語音交互潛在的巨大操作便捷性，因此，需要商家進(jìn)行宣傳引導(dǎo)。此外，可以考慮結(jié)合自適應(yīng)界面方式，通過上下文感知用戶操作意圖，適時提示和引導(dǎo)用戶使用語音交互。

2）用戶對智能語音功能關(guān)注度高，但使用率低

語音交互是最自然的人機(jī)交互方式，從人機(jī)界面設(shè)計(jì)的角度講，使用語音交互有兩個直接的優(yōu)點(diǎn)，一是語言比鍵盤輸入快且有效；二是在多通道任務(wù)情景中提供了另一附加的反應(yīng)通道，使手可以騰出來做其他事［11］。相對于傳統(tǒng)的手機(jī)交互方式，語音交互是一種個性化的操作體驗(yàn)，因此，普遍受到用戶關(guān)注，然而用戶體驗(yàn)滿意度低和語音功能的可替代性導(dǎo)致其使用率低，相對于傳統(tǒng)觸控操作，語音交互在操作步驟、反應(yīng)時間等人機(jī)交互效率方面并無明顯優(yōu)勢，這是用戶放棄使用語音功能的一個重要原因。

3）智能語音功能易用性差，改進(jìn)空間大

如今的手機(jī)語音功能更多體現(xiàn)的設(shè)計(jì)理念是實(shí)用性和娛樂性，與真正意義的語音交互還有一定差距，技術(shù)的限制使手機(jī)語音一度成為“雞肋功能”。手機(jī)語音交互要想真正得以推廣，成為下一代主流人機(jī)交互方式關(guān)鍵要解決其易用性問題，首先是語音識別對用戶的語言水平要求要更加寬松，語義理解更加智能，并且具有一定的學(xué)習(xí)能力。其次操作要更加便捷，能正確把握用戶的操作意圖，減少甚至不用輔助觸摸按鍵，操作更加自然和人性化。