店里来了一位熟客,拿起一包烟,付了钱。这是一笔很普通的销售,老板顺手就完成了交易。可是要在系统里准确记下这一笔交易,要做的事情远比交易本身多:选客户,选商品,填数量,核对金额,最后保存。这些步骤每天要重复很多次。
我想从这个场景开始,是因为它最能说明一个问题:系统记录的是生意,但录入的所有成本,常常落在做生意的人身上。
录入数据的场景
一个小店每天都有销售发生,把数据录入系统却是一件容易被忽略的事。它很小,却决定了系统里的数据能不能真实地保留下来。
先打开页面,再一项项填
过去的做法是这样的:打开新增销售记录页面,依次选择客户和商品,填入数量和金额,逐个字段检查,最后点击保存。每一步单独看都不复杂。
问题在于,这些步骤加在一起,会让人在收银的间隙里停下来。店主脑子里想的是「张三来买了一包烟」,屏幕上要的却是客户、商品、数量三个字段。
表单的设计逻辑很清楚:系统需要结构化的数据,才能做库存、对账和统计,所以表单要求用户按自己的结构去填。这对系统是合理的,对用户却意味着重复、持续且枯燥的动作。
录入的入口,决定数据质量
录入慢,人就会少记、不愿意记录。少记一笔,数据就不完整,后面的库存、对账、客户分析,都建立在这份数据之上。
所以录入数据的入口其实是整个系统数据质量的起点。入口设计得好,数据才有机会完整地留下来,后面的分析才有可信的基础。
把重复枯燥动作交给系统
自然语言录入的基本做法并不复杂:用户输入想说的话,系统把这些话翻译成结构数据,再由用户确认。真正的难点在中间的每一环。
从一句话到结构
输入「张三来买了一包烟」,系统要先识别出其中的几类信息:谁,买了什么,买了多少。这些信息分别对应系统里的客户、商品和数量字段。
提取出来的文字,不能直接入库。客户名要和已有的客户资料对照,商品要和商品目录对照。对不上的时候,系统应该列出候选让用户选,不要乱填数据也不要代替用户去猜。
这一步看起来是技术细节,实际上决定了确认卡片上的内容能不能被信任。提取错一次,用户就会开始怀疑整个功能。
录入从几步变成一句话
把两种方式放在一起看。过去的每一步,都是为了让系统读懂字段。现在能留下来的,是人真正要做的判断:听懂了没有,对不对,要不要改。
- 以前:打开新增销售记录页面,逐个字段选择和填写,检查无误后保存。
- 现在:说一句话,看一眼确认卡片,点击确认即可。
这也是我觉得这个改造值得做的地方。它没有减少系统需要的信息,只是把获取信息的负担,从人的手上挪到了系统上。
确认卡片保留最后的判断权
提取错了,用户可以在卡片上直接修改;提取对了,点一下确认就完成。风险被留在看得见的地方,每一次写入都经过了人的审计。
我把确认卡片看作整个设计的护栏。它让系统先把准备工作做完,最后的决定仍然交给人。对于会影响账目的数据,这一步不能省。
第一步在哪里
接下来谈我的判断。它来自我自己做的系统,适用范围有限,所以我也愿意把边界写清楚。
改造的第一步在入口处
很多系统的改造,一开始就想着推翻重来:数据结构要改,业务流程要改,页面也要重做。成本高,风险大,往往做到一半就停下了。
自然语言交互提供了另一条路。它可以只在入口处换一种输入方式,原有系统后面的存储、统计、权限都保持原样。改造的范围小,验证起来也快。
这是我去年年初形成的判断。我认为很多人还没有意识到,这个入口其实是可以先改的。
同一件事,在部署上也撞见过
十一月十三号我写过一次阿里云部署,结尾留了一句,说那个自然语言录入的 CRM 会放到后面的文章里细讲,这篇就是。反过来看,那次部署本身也是同一件事的另一个样子。
一台全新的 ECS,从装环境、构建、配 Nginx 到接上 GitHub Actions 自动上线,全程用自然语言对话完成,大约一个小时跑通。中间 SSH 认证卡了四轮,它自己判断原因、自己改,我在旁边确认和授权。远不是一句话的事,但确实是我说目标、它拆步骤执行。
那次和这次是同一个形态:都在原有系统的入口换一种交互方式,后面的存储、环境、构建、权限都没有重做。部署这类活以前要一条条敲命令、自己写脚本,现在只要说清楚要什么结果。
两件事放在一起看,我不再把它当成某个功能偶然好用。录入、部署、配置,这些原本要专门技能的环节,正在被同一种方式改写:人描述意图,系统翻译成操作,人保留最后的确认。改造的对象还是那些跑了很久的系统,变的只是入口。
这条我仍然只敢说成判断:两个案例都在我自己手上,样本不多。但如果这个形态在更多系统里站得住,它就是现存系统改造的一条路线。趋势这个词我留着,等更多案例来兑现。
哪些情况适合,哪些还要验证
我这个案例是进销存场景,记录结构相对固定,错误也容易被发现和修改。这些条件,让它比较适合作为第一步。
- 比较适合:结构相对固定的记录;频率高;错误容易在卡片上发现。
- 还要验证:复杂的业务流程;多人协作的数据;错误代价很高的场景。
复杂业务、多人协作、错误代价高的场景,情况会复杂得多。在那里,这个判断是否成立,还需要更多实践来回答。
说错了怎么办
任何系统都会出错。自然语言提取出错,是常态,是设计时就要预先考虑的事。所以真正要设计的,是出错以后怎么办:能不能看见,能不能改,能不能追溯到原始的那一句话。
保留原始输入,保留卡片上的修改记录,这两样东西看起来不起眼,却决定了用户在出错之后还敢不敢继续用。
接下来怎么做
如果你也想试试,这里给出一个可以照着做的起点,以及判断效果的几个标准
先挑一个动作
如果你的系统里已经有录入功能,不必全部改。先挑一个最高频、结构最清楚的动作,比如销售录入。
选择的标准有三条:发生得多,字段相对固定,出错后容易发现。满足这三条的动作,最适合做第一个。
看三个地方,效果怎么样
第一,看用户是否还在用。如果确认卡片做出来以后,大家慢慢回到旧的表单,说明这种交互方式需要改进和优化,但也许是不熟练或者其他问题,需要调研后确认改进方向。
第二,看用户改了多少。卡片上的修改越频繁,说明提取的准确率还有空间。修改的内容,也能告诉你哪类表达最容易出错。
第三,看数据是不是更完整了。这是改造最终要达到的目的,也是最不容易自欺的一个标准。
我的判断
我的判断很简单:自然语言交互是改造现存系统的第一步。它的价值在于让录入变轻,让数据更完整,而且不需要推翻已经在运行的系统。花最少的代价拿到高额的回报。
这只是一个案例的判断,它是否成立,还要看更多系统的实际表现。