智能语音在私域场景下的一片蓝海
看到这个标题，很多人会疑问，私域和公域的区别点在哪里？
概念：
「公域」主要是指当前的使用场景是全体90%的用户，同时用户之间分享和需求的资源、信息是公用的，以及用户获取资源的途径也是多元化的。
「私域」表示用户群群体是独特的，部分的，只满足身处当前场景下的用户需求用户得到的信息；已经获取的信息方式也是独一无二的，换一个场景所有的内容都会失效。
一、举例：餐饮业
我们所有的用户都去过饭馆点餐吃饭，可以试想，一个语音机器人帮助到店用户完成菜单推荐——辅助用户关于价格等基础问题——完成用户的结账行为。
我们会发现整个流程适用于所有的餐馆行业，机器人代替人工，满足了用户的基本点菜需求，当前场景就是典型的公域内的智能语音交互场景。
那私域的语音场景是什么？
是基于不同餐馆的定位，售卖产品的不同，提供针对性的点餐服务。
可以试想，我们去潮汕牛肉，用户会有以上几个问题“腱子肉是哪里？”、“这个肉我妈妈可以吃吗？她牙口不好”、“你家今天的优惠是什么”。
也可以试想，我们去海底捞我们会问什么？“给我一个皮筋扎一下头发吧”、“你们这里的半份和一份都是多大量？”、“美甲到我了请叫一下我”。
我们试想，同样的问题首先可能不会同时出现在不同的餐馆内，例如要皮筋和美甲的两个问题我们不会在潮汕牛肉问服务员；同时，我们也会发现，相同的问题两家店给出的答案信息也是不同的，例如今天的优惠两家一定不一样。
假如两家同时购买一批餐饮行业的机器人，在满足基础的公域服务以后，基本就干不了其他事情，还需要更多的人工服务员帮助客户解决私域里面的信息问题。
二、举例：车机场景
随着智能车机的语音发展，更多的用户在车里会用语音开启导航、听音乐、查路线等等基础的公域服务。
私域服务包括什么呢？
首先，在车机的场景，私域场景的服务是和用户信息密切相关的内容，例如：车机会主动提示用户附近有去过的咖啡馆要不要买一杯咖啡、车机提示用户今天是爱人的生日要不要买一束花。
其次，在车机场景下，和当前车场或者车品牌有密切先关的服务；试想，如果用户当前没有玻璃水，如果问车机“附近哪里有玻璃水”，车机可以导航去附近合作的4S店；假如车机没有这个服务，用户会打开手机app购买玻璃水，或者手机查附近购买玻璃水的地点；这就等于把用户从私域场景推向的公域场景，就是一次用户需求的不满足。
当然还有更多的关于车机QA，汽车会员服务等私域的信息只能在确定的场景下实现，更换了品牌所有的信息都会不一样。
三、举例：酒店行业
酒店智能机器人可以满足用户基本的check in或者其他公域服务；然而不同的酒店由于目标群体的不同，酒店的定位不同，提供的服务和服务内容也是不一样的；用户在语音交互的时候，获取到的信息和内容完成不同。
以私域的语音服务举例，对于住民宿的用户群体，主要是旅行和休闲为主，酒店可以语音提示附近的好吃好玩好去处；这里可以重点推荐和当前民宿有合作的项目，最后还可以提供特产送到家的服务等。
而对于出差人士，商务酒店和快捷酒店是当前用户群里的主要选择，这类型的酒店在语音产品上，不需要提供好玩好吃推荐；主要围绕商务人事，提供叫醒服务、咖啡服务，或者云视频会议等语音服务才是刚需。
通过以上三个例子，相对清楚的分析智能语音对话在同等场景下，公域和私域的不同语音服务和产品定位。
如果需要智能语音更加智能，变成可以交流的机器人，或者可以满足客户在特定场景的80%的需求，需要做私域内的产品需求挖掘，以及产品设计。
如果还是按当前市面上，小度、天猫、叮咚等针对全部C端客户做产品设计，不仅仅会走到产品的发展瓶颈，同时很难再次推动智能语音交互的发展。
四、我要说的核心方法
面对当前私域蓝海应该怎么做？
其实只需要一句话概括——按私域的特定需求，做私域需求的深度挖掘和知识库的产品整理。
主要有以下三个方式：
对需求做数据化管理：可以采取多种的数据和需求挖掘手段，从客户和专业人士的访谈获取，通过学习业务员的语无内容、录音追踪等方式，对当前私域下用户需求的问题做归纳和整理。
数据结构化：把收集来的需求，做结构化的技术处理，按需求的内容、对象、范围抽离出不同维度的知识内容；将单条的数据做相关的简单的联系，从一对一变成一对多，或者多对一的方式。
知识化处理数据内容：将上一步整理的结构化数据，在模型中完成网状的数据内容拉手，真正做到网状的知识图谱；例如：针对牛肉是不是我妈妈吃这个问题，针对不用妈妈的年龄，是否做过牙齿手术等更多的相关性问题，形成知识图谱，并抽离说问题和私域的相关程度，争取做到适用于多个私域场景。
智能语音的最终目的是智能对话，可以完成类人行为的对话内容，私域场景下的智能语音发展将会是下一片蓝海。
私域语音也是私域场景下，用户使用和需求的刚需。
如果私域语音产品做好了，不仅会帮助企业减少很多的人工成本；同时对千人千面的满足也实现了实质性进展，同时对真正的智能对话的落地提供了基本保障。