前言

1. 數(shù)字人服務(wù)分類

隨著元宇宙概念的大熱，作為基礎(chǔ)建設(shè)元素的數(shù)字人在去年出現(xiàn)了井噴式的爆發(fā)。但實(shí)際上數(shù)字人并非近幾年的產(chǎn)物，如果從世界上第一位虛擬歌姬林明美算起的話，數(shù)字人已經(jīng)產(chǎn)生了近 40 年。

這些年來，各界對于數(shù)字人的定義和分類尚沒有統(tǒng)一的共識。從廣義上來講，任何以數(shù)字形式存在且具有類人外觀和行為的數(shù)字化資產(chǎn)都可劃為數(shù)字人范疇。依照此類定義，我們嘗試將市面上的數(shù)字人服務(wù)進(jìn)行歸類。從下圖可以看出，數(shù)字人依照應(yīng)用形態(tài)大致可以分為三類。除了由來已久的 IP 型數(shù)字人以外，市場中還出現(xiàn)了以完成服務(wù)為目標(biāo)的業(yè)務(wù)型數(shù)字人，以及以真人為原型強(qiáng)調(diào)替身屬性的分身型數(shù)字人。

像洛天依、AYAYI 這類虛擬偶像和博主可劃入到 IP 分類中，此類方向更關(guān)注數(shù)字人個人特性以及世界觀的塑造，通常會采用 3D 高保真風(fēng)格和手 K 或高精動作捕捉來確保整體形象的質(zhì)量。而虛擬分身型則是以現(xiàn)實(shí)世界中的真實(shí)人類作為原型，為其在數(shù)字世界中賦予新生命。像 Travis 與堡壘之夜合作，在游戲世界舉辦虛擬演唱會就是此類虛擬人的一種應(yīng)用。伴隨著元宇宙概念的流行，相信定位在分身賽道的產(chǎn)品會致力于形象制作成本的進(jìn)一步降低，從而讓虛擬分身能力成為新數(shù)字時(shí)代公民的基礎(chǔ)配備。

而筆者所在團(tuán)隊(duì)打造的數(shù)字人則是第三種--業(yè)務(wù)型數(shù)字人。與前兩類不同，業(yè)務(wù)型數(shù)字人通常使用 AI 驅(qū)動來完成人機(jī)交互。面對此類型數(shù)字人，如何發(fā)揮其擬人性的優(yōu)勢，打造真實(shí)的服務(wù)體驗(yàn)是本次設(shè)計(jì)的核心要點(diǎn)。接下來我們將在以下篇幅中介紹業(yè)務(wù)型數(shù)字人的設(shè)計(jì)實(shí)踐。

2. 數(shù)字人帶來的體驗(yàn)變革

“數(shù)字人"作為信息載體 服務(wù)趨向透明化

傳統(tǒng)的交互方式將界面中不同的元素，通過最優(yōu)信息組合與層級堆疊，來承載用戶與計(jì)算機(jī)之間的交流，如同翻譯一樣讓雙方彼此理解。但這樣固定行為路徑的信息結(jié)構(gòu)，對于用戶來說需要適應(yīng)和學(xué)習(xí)，喪失了一部分自主能動性。諾曼（Don Norman）曾提出“無界面的界面”，界面設(shè)計(jì)追求透明性，以將對人機(jī)互動的干擾降到最低。所以從本質(zhì)上來看，界面是以一個“具體對象”的身份出現(xiàn)的，既連接又分隔人與機(jī)器，以最自然的方式牽引與反饋信息與服務(wù)。而數(shù)字人正是界面服務(wù)本身的載體，讓用戶脫離界面本身的屏障，用更原始自然的方式面對界面，通過自然對話牽引服務(wù)。

界面成為關(guān)系的動態(tài)空間 信息流動在“人”與“數(shù)字人”之間

當(dāng)系統(tǒng)的對話由“數(shù)字人”來進(jìn)行承接后，界面的價(jià)值變成了推進(jìn)“數(shù)字人”與“人”之間的互動，建立連結(jié)。我們發(fā)現(xiàn)相比較傳統(tǒng)的線性交互邏輯，數(shù)字人的界面信息更偏向根據(jù)當(dāng)前環(huán)境與用戶狀態(tài)的動態(tài)推送，除反饋當(dāng)前對話結(jié)果外，也會根據(jù)場景中用戶不斷變化的多維信息為用戶進(jìn)行引導(dǎo)與推薦，同時(shí)為了保證服務(wù)場景的真實(shí)性，也需要與當(dāng)前的交互環(huán)境無縫銜接，就此可見，界面不止是任務(wù)效率工具，同時(shí)也模仿人與人之間關(guān)系構(gòu)建的方式，建立了人與機(jī)器互動的人文情懷。

以線下銀行客服為例的設(shè)計(jì)實(shí)踐

1. 項(xiàng)目背景

用戶與客戶價(jià)值雙驅(qū)動 為虛擬客服落地提供勢能

在探尋數(shù)字人產(chǎn)品落地場景的過程中，我們發(fā)現(xiàn)，需要將數(shù)字人的核心特性在特定領(lǐng)域中發(fā)揮核心價(jià)值，才能在市場中落地生長。因此低成本高轉(zhuǎn)化的線下銀行虛擬人客服，成為撬動金融行業(yè)的首選落地場景。

就客戶價(jià)值而言，線下服務(wù)場景每天有大量人工客服機(jī)械回答同樣的問題，企業(yè)要為這些重復(fù)勞動支付巨額人力成本。且服務(wù)人員素質(zhì)、知識儲備參差不齊，現(xiàn)場表現(xiàn)不穩(wěn)定，迫切需要低成本高質(zhì)量的服務(wù)工具。虛擬人本身作為信息載體，保留人與人面對面溝通方式的同時(shí)，大大提升了溝通效率與服務(wù)穩(wěn)定性，且平臺靈活的配置能力可支持業(yè)務(wù)實(shí)時(shí)更新，省去大量人工培訓(xùn)成本，成為企業(yè)信息人工服務(wù)的新觸點(diǎn)。

就用戶價(jià)值而言，角色身份上，面容親和衣著職業(yè)的客服人員更能獲取用戶信任，引發(fā)用戶交互興趣?；有螒B(tài)上，虛擬人打破了傳統(tǒng)界面交互框架，將人作為信息交互對象，讓服務(wù)有了具體“身份”，更易上手，信息獲取更自然，讓信息化程度不高的用戶也可以擺脫設(shè)備恐懼，實(shí)現(xiàn)零門檻交互。

2. 場景關(guān)系構(gòu)建

打破設(shè)備隔閡 讓 “職業(yè)形象” 等候在 “ 職業(yè)場景 ”

大屏設(shè)備僅僅作為承載數(shù)字人的媒介，我們希望界面在具體場景中 “隱身”，讓數(shù)字人真實(shí)站立在場景中，獲得用戶親和信任感，專注與她面對面溝通，不感到違和與侵?jǐn)_。為達(dá)成這個目標(biāo)，我們需要探究以下幾個問題：

1. 如何塑造金融客服的職業(yè)形象
2. 如何營造自然真實(shí)的對話場景

A.如何塑造金融客服的職業(yè)形象

塑造數(shù)字人的形象，我們一般會從人格特質(zhì)與職業(yè)特質(zhì)兩個方向分別對數(shù)字人的外表、情緒動作進(jìn)行綜合考量：

① 外表維度

即構(gòu)建數(shù)字人的臉型五官、發(fā)型、妝容服飾。對于業(yè)務(wù)型數(shù)字人，我們需要從人格特質(zhì)與職業(yè)特質(zhì)兩方面來思考他需要擁有什么樣的面容、五官特征以及服飾要素。

人格特質(zhì)：銀行客服需要表現(xiàn)出聰明專業(yè)的職業(yè)特點(diǎn)，同時(shí)又具備與人親和的性格。參考相關(guān)面相心理學(xué)研究，濃眉大眼、臉型略尖的外表會給人聰明的印象，而嘴角上揚(yáng)、眼型略彎，臉型棱角不凸顯的外表會更親和討喜，在模特的選擇上我們也盡量靠近這些特點(diǎn)。

職業(yè)特質(zhì)：偏分扎發(fā)是銀行客服常見的職業(yè)發(fā)型，妝容不易過濃，顯得干練有精神又平實(shí)親和。在衣著的選擇上，除職業(yè)工服外，為保障不同銀行品牌的服務(wù)通用性，我們在工服上添加了品牌露出位，透傳客戶品牌形象。

② 情緒動作維度

即構(gòu)建數(shù)字人情緒動作的選型與表現(xiàn)。因業(yè)務(wù)型數(shù)字人主要承載效率型任務(wù)，我們在情緒動作的選型上弱化了數(shù)字人人格特質(zhì)的表現(xiàn)，更偏向于職業(yè)特質(zhì)的表現(xiàn)。

職業(yè)特質(zhì)：為體現(xiàn)數(shù)字人職業(yè)特性，我們觀察了線下銀行客服的標(biāo)準(zhǔn)職業(yè)動作，選擇了雙手交叉于上腹部，丁字步站立的默認(rèn)站位體現(xiàn)職業(yè)素養(yǎng)，同時(shí)減少無意義的動作設(shè)計(jì)，利用數(shù)字人的動作表情傳達(dá)有效信息，如點(diǎn)頭表示聆聽，揮手表示內(nèi)容推薦與指引，動作表現(xiàn)上選擇幅度小、中性、自然的動作，以在表現(xiàn)鮮活靈動的同時(shí)不過分侵?jǐn)_用戶注意力。

B.如何營造自然真實(shí)的對話場景

為了能讓用戶在真實(shí)的線下場景有效且愉悅的體驗(yàn)服務(wù)，我們觀察了線下銀行的服務(wù)鏈路與空間設(shè)計(jì)，思考數(shù)字人全鏈路的進(jìn)店服務(wù)體驗(yàn)，就以下兩方面進(jìn)行了思考與拆解：

① 舒適安全的社交距離

為了讓數(shù)字人真實(shí)存在于場景中，與用戶建立舒適安全的溝通，我們需要探究合適的人物身高與大小以保障用戶與虛擬人之間距離適中交互自然。以 2019 年中國人平均身高作為參照，將 168cm 作為數(shù)字人實(shí)際身高，以便與用戶建立平等溝通的視角。通常人與人在進(jìn)行一般社交活動時(shí)，會保持 1.2m 左右的禮貌距離，在大屏的使用場景中，用戶與屏幕需保持 50cm 左右的操作距離，根據(jù)成像原理我們發(fā)現(xiàn)數(shù)字人的實(shí)際身高需要進(jìn)行適當(dāng)縮放才可以真實(shí)模擬禮貌社交距離。

我們采用真人模擬的測量方式，讓 2 位 168cm 身高的同事面對面站立保持 1.2m 距離來進(jìn)行大小觀測，將真人模擬感受到的變化移植到虛擬人的大小調(diào)整上，做出相對舒適安全的社交距離。

② 高效流暢的場景體驗(yàn)

關(guān)于線下場景體驗(yàn)的拆解，我們主要思考兩個方面，一是如何讓大屏界面能夠完美融入線下場景，數(shù)字人能夠真正站立在場景里；二是拆解從用戶進(jìn)店到服務(wù)結(jié)束全鏈路體驗(yàn)，區(qū)分近遠(yuǎn)場的不同訴求精細(xì)打磨體驗(yàn)。

場景模擬。關(guān)于數(shù)字人背景的設(shè)計(jì)，我們模擬了真實(shí)的線下客服場景，設(shè)立咨詢柜臺，本次方案中考慮到后續(xù)適用不同品牌銀行接入，在品牌透出的視覺元素區(qū)位均可快速配置與替換。

近遠(yuǎn)場體驗(yàn)拆解。Endsley 提出的三層情境意識（SA）模型，為信息處理提供了較為成熟的方法論，該理論分為三層：1.對當(dāng)前情境中成分的感知；2.對當(dāng)前情境的綜合理解；3.規(guī)劃預(yù)測該情境的未來情況。

將情景理論與遠(yuǎn)近場相結(jié)合可將用戶認(rèn)知與設(shè)計(jì)要素做如下拆解：

遠(yuǎn)場：建立認(rèn)知，引導(dǎo)靠近

根據(jù)上述的情境意識的三層模型，在情景獲取階段，重點(diǎn)在于為用戶提供明確的元素，幫助用戶快速建立有效認(rèn)知。界面中所傳遞的信息包括：動態(tài)的、模擬真實(shí)身高且身著職業(yè)裝的真人數(shù)字人，模擬銀行前臺的柜臺，銀行 logo 以及“空閑中，歡迎咨詢” 的狀態(tài)字樣；進(jìn)入情境解釋階段，對上述的元素進(jìn)行整合詮釋，用戶能夠明確建立起“智能的、可咨詢、可信賴、可使用”的認(rèn)知，此時(shí)結(jié)合用戶咨詢業(yè)務(wù)的需求內(nèi)因，能夠激發(fā)體驗(yàn)沖動；到情境反饋與預(yù)測階段，用戶會預(yù)測能夠與數(shù)字人進(jìn)行互動，解決需求，因此主動靠近，由遠(yuǎn)場轉(zhuǎn)為近場。

近場：建立關(guān)系，引導(dǎo)行為

銀行柜臺使用人群數(shù)字化程度不高，交互方式上盡量符合用戶自然對話的慣性認(rèn)知，實(shí)現(xiàn)新手的無感過渡，降低學(xué)習(xí)成本與認(rèn)知負(fù)荷。我們在具體交互方式的構(gòu)建上，總結(jié)出以下交互設(shè)計(jì)思路供參考：

• 主動服務(wù)

當(dāng)用戶進(jìn)入與數(shù)字人的交互區(qū)域，大屏自動通過圖像人臉識別獲取用戶信息，數(shù)字人進(jìn)入服務(wù)狀態(tài)，主動說話并推出服務(wù)卡片，讓用戶能夠快速建立服務(wù)認(rèn)知，聚焦任務(wù)操作。

• 指引明確

觸屏用戶天然習(xí)慣點(diǎn)擊操作，在信息輸入方式上，對于不同類型的任務(wù)需要引導(dǎo)用戶使用 GUI 操作還是語音輸入表達(dá)訴求，強(qiáng)調(diào)：“試試說 ” 與 “選擇” 的引導(dǎo)差異。同時(shí)在交互中的每一個狀態(tài)下，都需要讓用戶明確我現(xiàn)在可以做什么，如何做，可以獲取什么結(jié)果。要求數(shù)字人與用戶交互的每一個節(jié)點(diǎn)明晰，引導(dǎo)通俗易懂，操作簡單。

• 漸進(jìn)式引導(dǎo)

為減少用戶理解成本，我們在信息與操作的引導(dǎo)上采用單一路徑，用戶只需要跟隨虛擬人的逐步引導(dǎo)，傻瓜式操作即可流暢完成服務(wù)。

• 分支處理

在一問一答的語音交互中，有很多潛在分支需要處理才可以還原自然體驗(yàn)。比如用戶在服務(wù)進(jìn)行中長時(shí)間未給出明確操作，至少會有兩種情況：1.我們認(rèn)為用戶可能存在困惑，虛擬人會主動引導(dǎo)用戶進(jìn)行限定內(nèi)容選擇或聚焦提出問題。2.本身反饋內(nèi)容較復(fù)雜冗長用戶未操作則可能是還在消化信息，虛擬人需要延長等待時(shí)長等等。

3. 交互式數(shù)字人大屏的設(shè)計(jì)要點(diǎn)

A.交互式大屏的功能分區(qū)

交互式大屏有自己獨(dú)有的特性，本質(zhì)上是一塊超大觸屏，但從交互方式與信息焦點(diǎn)兩方面與傳統(tǒng)觸屏差異很大。在交互方式上，從手指的點(diǎn)按變成的整個手臂的移動，點(diǎn)觸以多指拍按與掃動為主。在信息焦點(diǎn)上，用戶曲臂操作屏幕，距離大屏的距離在 0.5m 左右，平視可接收的信息焦點(diǎn)有限，更多信息需要轉(zhuǎn)動眼球或頭部，那么用戶的視線需要被引導(dǎo)與定位，信息需要按區(qū)塊劃分優(yōu)先級，讓用戶更舒適流暢的獲取信息。

最佳操作區(qū)的設(shè)定

我們根據(jù)人因工程學(xué)，確定出大屏的最佳交互區(qū)域最佳可視區(qū)，來展示核心卡片信息。以 55 寸大屏，1.68m 平均身高用戶來進(jìn)行方案探索。依照人體站立不屈膝，右側(cè)大臂可旋轉(zhuǎn)橫向和縱向角度計(jì)算出最佳交互區(qū)域。

根據(jù)最佳交互區(qū)，我們可以將核心交互卡片放置于此，次級交互放置于外沿，邊緣區(qū)域不適合放置操作內(nèi)容。

最佳可視區(qū)的設(shè)定

垂直可視區(qū)域：在用戶保持站立時(shí)，最大視區(qū)為視平線以上 50° 和視平線以下 70°。視平線以上 25° 至視平線以下 30° 范圍內(nèi)為最佳眼睛轉(zhuǎn)動區(qū)，能夠以放松的狀態(tài)識別信息，所以展示內(nèi)容的最佳垂直視角在標(biāo)準(zhǔn)視線以上 25° 至以下 30°。

水平可視區(qū)域：雙眼區(qū)域大約在左右 60° 以內(nèi)，觀察超出左右 60° 的物體時(shí)，則需要集中精力才能識別物象，因此核心內(nèi)容區(qū)域在左右 60° 視角內(nèi)較為合理。

根據(jù)最佳垂直視角與水平視角的人因特點(diǎn)，結(jié)合頭部小幅度垂直向下 15° 轉(zhuǎn)動擴(kuò)大視角，我們計(jì)算得到 3 個可視區(qū)的劃分，核心可視區(qū)展示主要對話流信息；次級可視區(qū)展示次要的狀態(tài)信息，如收音反饋狀態(tài)；最大可視區(qū)內(nèi)盡量不放置信息。

基于對交互區(qū)和可視區(qū)的計(jì)算測量，在頁面布局中，我們將信息卡片最大程度的置于有效視區(qū)和次級交互區(qū)的重疊區(qū)域，用戶可以最舒適的狀態(tài)進(jìn)行閱讀和操作；將結(jié)束服務(wù)按鈕放置在次級交互區(qū)外延，減少對核心內(nèi)容的注意力分散；將音波引導(dǎo)動畫放在次級可視區(qū)，通過色彩與動態(tài)變化對用戶進(jìn)行引導(dǎo)。

B.交互式大屏的視覺設(shè)計(jì)

文字清晰易讀

考慮大屏的尺度與真實(shí)的使用場景，界面中內(nèi)容也需要相應(yīng)的放大以適配大屏體驗(yàn)。在金融產(chǎn)品場景下，界面中最主要呈現(xiàn)的內(nèi)容是文本信息，所以設(shè)計(jì)中要充分考慮文字的辨識度。合理運(yùn)用字階與對比度，能夠有效提高信息的可讀性，通過對比多種字號在不同距離下（遠(yuǎn)場、近場）的測試效果，對字體進(jìn)行了標(biāo)準(zhǔn)化定義，閱讀舒適的字號應(yīng)不小于 36px，輔助說明的文字可降至 24px。

除了字號大小，合理的對比度也對文本的易讀性起到至關(guān)重要的作用，參考 WCAG（Web 內(nèi)容無障礙指南）中對比度的不同級別建議，考慮公共的使用場景及部分中老年使用人群，因此將常規(guī)信息對比度設(shè)定為 7:1 以上，輔助信息不低于 4.5:1。

視覺焦點(diǎn)一致

用戶在瀏覽內(nèi)容需要頭部有上下小幅度轉(zhuǎn)動，為了讓用戶形成相對穩(wěn)定的閱讀模式，減少視線的跳躍感，我們將內(nèi)容區(qū)的信息展示設(shè)定為用戶輸入和客服回答相對應(yīng)的兩條內(nèi)容，且將它們的位置固定展示，這樣用戶在每次閱讀信息時(shí)，視覺焦點(diǎn)可以保持由同一位置開始。

數(shù)智人合理展示

數(shù)智人作為服務(wù)溫度與情感連接的對象，信息的展示要盡可能避免對數(shù)智人面部的遮擋，我們將信息的最大顯示區(qū)頂部設(shè)定在數(shù)字人下頜向下 10cm 處，確保數(shù)字人能夠較為舒適的呈現(xiàn)在用戶面前，當(dāng)頁面發(fā)生滾動時(shí)內(nèi)容與數(shù)智人的展示也較為合理。

但也存在有大量信息展示的需求，為了滿足高密度信息的有效傳達(dá)，針對圖片內(nèi)容進(jìn)行彈窗式擴(kuò)展展示，在該場景下，將彈窗高度設(shè)計(jì)為完全遮擋數(shù)字人的方式，避免卡片高度跟隨內(nèi)容變化而遮擋部分?jǐn)?shù)字人面部的情況出現(xiàn)。

次級可視區(qū)信息強(qiáng)化

用戶對于次級可視區(qū)的信息獲取效率有所降低，且該區(qū)域?qū)τ陬伾蛣討B(tài)的獲取更為敏感。因此想要提升該區(qū)域信息的傳達(dá)效率，可通過強(qiáng)對比顏色及增加動態(tài)的方式進(jìn)行強(qiáng)化。本次設(shè)計(jì)中語音輸入的引導(dǎo)信息放置在次級可視區(qū)，因此通過采用大面積深色蒙層，強(qiáng)化收音區(qū)信息有效露出，較為明顯的狀態(tài)切換，能夠從視覺上讓用戶對語音輸入的引導(dǎo)高效獲取。

關(guān)于未來思考

在數(shù)字人未來場景的應(yīng)用中，會越來越趨向于實(shí)時(shí)的自然交互。計(jì)算機(jī)視覺、語音語義理解等 AI 服務(wù)能力日益精進(jìn)成熟，多模態(tài)信息輸入使得數(shù)字人的感知能力逐漸增強(qiáng)，我們在復(fù)雜信息的拆解與應(yīng)用上，需要從用戶作為人本身的需求與高效完成任務(wù)兩方面出發(fā)，深度思考數(shù)據(jù)加工與應(yīng)用邏輯。在交互反饋上，數(shù)字人與 GUI 的配合方式也是值得研究的方向，對不同的應(yīng)用場景，在“人”與“ GUI ”的信息通道選擇側(cè)重會有很大差異，比如娛樂場景更偏向于人本身的情感化表現(xiàn)，而任務(wù)場景更側(cè)重于信息高效傳達(dá)。對于虛擬人本身生動性的表現(xiàn)上，也應(yīng)該更多的考慮虛擬人相貌、情緒、動作、表情在人物世界觀、生命感、人格化、業(yè)務(wù)屬性等方面的映射與表現(xiàn)，真正實(shí)現(xiàn)人與“人”的連接。對于以上方向我們也都在探索的路上，期待 AI 與人類能日益共生共榮，共創(chuàng)未來。

歡迎關(guān)注作者微信公眾號：「騰訊設(shè)計(jì)族」