智能語音在私域場景下的一片藍海
看到這個標題，很多人會疑問，私域和公域的區別點在哪里？
概念：
「公域」主要是指當前的使用場景是全體90%的用戶，同時用戶之間分享和需求的資源、信息是公用的，以及用戶獲取資源的途徑也是多元化的。
「私域」表示用戶群群體是獨特的，部分的，只滿足身處當前場景下的用戶需求用戶得到的信息；已經獲取的信息方式也是獨一無二的，換一個場景所有的內容都會失效。
一、舉例：餐飲業
我們所有的用戶都去過飯館點餐吃飯，可以試想，一個語音機器人幫助到店用戶完成菜單推薦——輔助用戶關于價格等基礎問題——完成用戶的結賬行為。
我們會發現整個流程適用于所有的餐館行業，機器人代替人工，滿足了用戶的基本點菜需求，當前場景就是典型的公域內的智能語音交互場景。
那私域的語音場景是什么？
是基于不同餐館的定位，售賣產品的不同，提供針對性的點餐服務。
可以試想，我們去潮汕牛肉，用戶會有以上幾個問題“腱子肉是哪里？”、“這個肉我媽媽可以吃嗎？她牙口不好”、“你家今天的優惠是什么”。
也可以試想，我們去海底撈我們會問什么？“給我一個皮筋扎一下頭發吧”、“你們這里的半份和一份都是多大量？”、“美甲到我了請叫一下我”。
我們試想，同樣的問題首先可能不會同時出現在不同的餐館內，例如要皮筋和美甲的兩個問題我們不會在潮汕牛肉問服務員；同時，我們也會發現，相同的問題兩家店給出的答案信息也是不同的，例如今天的優惠兩家一定不一樣。
假如兩家同時購買一批餐飲行業的機器人，在滿足基礎的公域服務以后，基本就干不了其他事情，還需要更多的人工服務員幫助客戶解決私域里面的信息問題。
二、舉例：車機場景
隨著智能車機的語音發展，更多的用戶在車里會用語音開啟導航、聽音樂、查路線等等基礎的公域服務。
私域服務包括什么呢？
首先，在車機的場景，私域場景的服務是和用戶信息密切相關的內容，例如：車機會主動提示用戶附近有去過的咖啡館要不要買一杯咖啡、車機提示用戶今天是愛人的生日要不要買一束花。
其次，在車機場景下，和當前車場或者車品牌有密切先關的服務；試想，如果用戶當前沒有玻璃水，如果問車機“附近哪里有玻璃水”，車機可以導航去附近合作的4S店；假如車機沒有這個服務，用戶會打開手機app購買玻璃水，或者手機查附近購買玻璃水的地點；這就等于把用戶從私域場景推向的公域場景，就是一次用戶需求的不滿足。
當然還有更多的關于車機QA，汽車會員服務等私域的信息只能在確定的場景下實現，更換了品牌所有的信息都會不一樣。
三、舉例：酒店行業
酒店智能機器人可以滿足用戶基本的check in或者其他公域服務；然而不同的酒店由于目標群體的不同，酒店的定位不同，提供的服務和服務內容也是不一樣的；用戶在語音交互的時候，獲取到的信息和內容完成不同。
以私域的語音服務舉例，對于住民宿的用戶群體，主要是旅行和休閑為主，酒店可以語音提示附近的好吃好玩好去處；這里可以重點推薦和當前民宿有合作的項目，最后還可以提供特產送到家的服務等。
而對于出差人士，商務酒店和快捷酒店是當前用戶群里的主要選擇，這類型的酒店在語音產品上，不需要提供好玩好吃推薦；主要圍繞商務人事，提供叫醒服務、咖啡服務，或者云視頻會議等語音服務才是剛需。
通過以上三個例子，相對清楚的分析智能語音對話在同等場景下，公域和私域的不同語音服務和產品定位。
如果需要智能語音更加智能，變成可以交流的機器人，或者可以滿足客戶在特定場景的80%的需求，需要做私域內的產品需求挖掘，以及產品設計。
如果還是按當前市面上，小度、天貓、叮咚等針對全部C端客戶做產品設計，不僅僅會走到產品的發展瓶頸，同時很難再次推動智能語音交互的發展。
四、我要說的核心方法
面對當前私域藍海應該怎么做？
其實只需要一句話概括——按私域的特定需求，做私域需求的深度挖掘和知識庫的產品整理。
主要有以下三個方式：
對需求做數據化管理：可以采取多種的數據和需求挖掘手段，從客戶和專業人士的訪談獲取，通過學習業務員的語無內容、錄音追蹤等方式，對當前私域下用戶需求的問題做歸納和整理。
數據結構化：把收集來的需求，做結構化的技術處理，按需求的內容、對象、范圍抽離出不同維度的知識內容；將單條的數據做相關的簡單的聯系，從一對一變成一對多，或者多對一的方式。
知識化處理數據內容：將上一步整理的結構化數據，在模型中完成網狀的數據內容拉手，真正做到網狀的知識圖譜；例如：針對牛肉是不是我媽媽吃這個問題，針對不用媽媽的年齡，是否做過牙齒手術等更多的相關性問題，形成知識圖譜，并抽離說問題和私域的相關程度，爭取做到適用于多個私域場景。
智能語音的最終目的是智能對話，可以完成類人行為的對話內容，私域場景下的智能語音發展將會是下一片藍海。
私域語音也是私域場景下，用戶使用和需求的剛需。
如果私域語音產品做好了，不僅會幫助企業減少很多的人工成本；同時對千人千面的滿足也實現了實質性進展，同時對真正的智能對話的落地提供了基本保障。