一台机器怎么学会"第一次就对"
无人饮品终端交互设计访谈录

怕遇到"第一次来、后面还有人在排队"的客人。这个组合是地狱难度。

你想象一下：一个五十多岁的大姐，可能刚在隔壁超市买完菜，看见一台机器，想给孙子带杯热奶。她走过去，屏幕亮着，上面十几款饮品，字不大，图很小，还有个"会员积分"的按钮在闪。她站了十秒，手指悬在半空没敢点。后面排着两个年轻人，都在玩手机，但余光都在看她的背影。她最后说了句"算了"，走了。

这一走，这台机器在她心里就永远是一个"搞不懂的东西"。下次再路过，她不会再看第二眼。这就是我们做交互最怕的事——不是客人点错，是客人根本不点。

所以我跟团队立了个规矩：每次评审设计稿，先问一句话——"如果我妈第一次用，能不能自己走通？"我妈六十二，微信会发语音，但扫码支付是最近两年才学会的。这个标准很土，但比任何可用性测试都灵。

五个维度：看、点、付、防错、反馈。我把它们叫"无人终端的交互五件套"，每一件都要独立过关，不能靠别的环节补。

这五件套听着都是常识。但你去商场里随便找一台无人设备，能五件全齐的，不多。很多厂商只盯着"炫"——屏要大、动画要花、要能 AI 生成配方。可一个五十岁用户需要的不是 AI 生成配方，是"我点了牛奶，它真的给我出牛奶"。

改过，而且是被一次很尴尬的现场逼出来的。

2019 年，我们第一代台式机铺进某社区便利店。装机那天我跟着去了，路过一个阿姨，七十多岁，在机器前站了很久。我过去帮她，她说："小伙子，这个怎么弄？"我教她：扫码、选、付款。她扫码扫了三次才成功——不是她不会，是手机摄像头对准那个二维码的角度不对，站着扫有反光。

那次之后我们加了两件事：第一，屏幕上常驻一个"大字模式"，点一下整机字放大一倍、按钮变高，收款二维码也放大；第二，出杯口下沿加了一圈防滑垫——阿姨说端杯子怕洒，垫子让她放心端。

后来我们把"大字模式"升级成了常驻的"简单模式"：首屏只剩三四个大按钮——热饮、冷饮、常点、帮助。点进去每一层都只有一两个选项，每一步语音都会念出来。这个模式后来在不少社区、康养、政务服务场景里成了主力入口，比我们预想的受欢迎得多。

两代机器，两种答案，背后是同一条逻辑。

台式机 DZ-KFJT-C1，我们用的是 10.1 寸触屏，因为它的主场景是办公室茶水间、便利店、服务台——人流相对分散，用户年龄层偏年轻，触屏能承载更多 SKU 和营销位。但我们在触屏之外保留了关键的实体物理键：一个"出杯口"的物理按键，贴在机身侧面，专门给"不知道屏幕还能按"的人——很多人会本能地去机身摸一个物理按键，摸到了就安心了。

大屏机 DZ-KFJX-C1，32 寸屏，14 个 SKU，168 颗胶囊一仓，场景是商场、交通枢纽、园区——用户站着的时间更短，决策要更快。我们用大分区 + 冷热色块 + 常点记忆，让熟客三秒能点完。

我的结论是：不要迷信触屏，也不要迷信实体键。判断标准只有一个——目标用户在这个场景下，哪条路最容易走通，就走哪条。

语音我们做得克制。不是做不了，是不想喧宾夺主。

现在的机器会播报：选品时念出名字和温度，支付成功念金额，出杯时提示"请取走您的饮品"。这些是"确认性语音"，让用户每一步都踏实。但我们没有做"跟机器聊天点单"——在嘈杂的商场里，对着机器喊话识别率并不高，而且很多人会觉得尴尬。无人零售的核心场景是"快点、少麻烦"，不是"陪聊"。

真正的语音价值在售后和引导：机器侧预留了语音求助入口，遇到问题用户可以直接喊"帮助"，会播放一步步的操作引导。对不识字、看不清字的用户，这是比屏幕更可靠的最后一道兜底。

说实话，触屏对全盲用户有天然上限，我不跟你绕。但"上限"不等于"什么都不做"。

我们能做到的是：选品语音同步播报（念出每款饮品的名字和口味）、货道胶囊区亮灯引导、出杯口固定在同一位置不挪动、机身关键操作位做成实体凸点。这些不能代替盲人读屏，但能让"弱视、老花、不认识字"这三大类用户走通——他们的人数，远比全盲用户多。

更重要的是心态。我跟团队讲：无障碍不是做一个"无障碍版本"，而是在每个正常版本里，把"看不清、够不着、听不见"这三种情况都当成默认用户来考虑。DZ-KFJT-C1 机身 682mm 的高度，出杯口离地特意压在一个"坐轮椅也能伸手够到"的区间，这是测试时用轮椅实测过的。

对，这个环节我们叫"陌生人测试"。规则很简单：找没见过的用户，不给任何说明，让他自己点一杯，我们在旁边看。不许开口。

有次请了个七十岁的大爷，他花了三分钟，成功点了一杯茶。但整个过程里他干了一件事让我们后背发凉——他点完"确认"之后，又退回去重看了一遍所有页面，嘴里念叨："我怕点错了，扣了钱喝不上。"

那之后我们把"支付前确认"改成了两步：先出"金额大字 + 饮品名大字 + 请核对"，再单独一个"确认支付"的大按钮。防错的核心不是防手指，是防"怕"。用户心里那句"我怕点错了"，才是流失的真正原因。

陌生人测试我们每次改版都做，每次都能测出新问题。最近一次抓到的 bug 是：冷链机在低温下屏幕响应变慢，老花用户快速连点导致连下了两单。现在已经加了"300ms 双击间隔锁"。

很多人把"无人"理解成"没有人"，我们理解成"不用找人"。

一台机器放在那里，真正成功的标志不是"没人管"，而是"没人需要管"——用户不需要找人帮忙操作，运营方不需要找人守着维修，采购方不需要找人盯库存。交互设计是这一切的第一道门。用户操作不顺，就会去找人问，一问，人工成本就回来了，"无人"就名存实亡了。

所以你看我们的后台：每台设备的"求助触发率"（用户点了帮助、或操作超时放弃的比例）是比"出杯量"还重要的 KPI。求助率高，说明交互出问题了，要先改交互，而不是加人。

挑机器的时候，别只看参数表——什么 168 颗胶囊、32 寸屏、30 秒出杯，这些当然重要。但请你一定要求供应商做一件事：给你一台真机，现场点一杯，全程别让他的人帮你。你点得顺不顺、慌不慌、有没有哪个瞬间想放弃，这台机器就值多少分。

参数是写给采购看的，交互是写给用户用的。而决定一台机器能不能活下来的，永远是后者。

是，而且这个担心非常合理。无人设备没人看着，用户的信任门槛天然比有人柜台高。我们做过一次小范围的拦访（示例口径），问路过机器但没下单的人为什么不买，排在第一位、超过一半人提到的，是"怕乱扣费、怕信息泄露"——而不是"不好喝"。

所以支付这件事，我们做的不是"加更多支付方式"，是"让每一笔钱都看得见"。具体到交互上，三条铁律：第一，支付前必须有金额确认页，且金额要大、要单独一屏，不允许"选完直接扣"；第二，支付失败、超时未取、重复扣款的异常单，系统自动原路退款，不给用户找客服的机会；第三，刷脸支付默认关闭，需要用户在 App 里主动开启，开启时把"刷脸数据存哪、怎么删"写清楚，而不是藏在一长串用户协议里。

还有一个小细节：出杯口上方常年贴着一张提示——"本机仅销售胶囊饮品，不采集任何健康状况信息"。有同行问我为什么写这么一句，我说因为总有人担心"机器会不会偷看我的健康数据"。与其解释一百遍，不如把话亮在明面上。坦诚，本身就是一种交互设计。

这两类人，是无人零售最容易出"安全笑话"的地方，处理不好就是事故。

孩子的问题主要是误触和烫伤。我们的对策是三层：物理层，热饮出杯口做了抬高和防溅挡板，杯体用加厚纸杯，杯盖扣合到位前不出杯；交互层，儿童身高基本够不到热饮的默认选择区，饮品温度低于设定值不制作；防错层，连续快速点按会触发"防误触锁定"，需要长按确认才能继续。

至于喝多了的人，我这么说吧——凡是"摇摇晃晃还能把一杯点完"的交互，多半是合格的；凡是"需要精确对焦、精细滑动、多步操作"的，对醉酒用户就是灾难。我们碰过最夸张的一次，一位用户半夜点了三杯，第二天早上打电话来说"我不是故意的"。后台一看，他其实只下了一单，剩下两单是系统在支付超时后自动取消、自动退款的。他以为点了三杯，其实只扣了一杯的钱——这种"看起来傻、其实在兜底"的设计，才是无人设备该有的样子。

跟，但按自己的节奏跟。我们现在已经在做两件事：一是"常点预判"——根据时段、天气、用户历史订单，把最可能点的那一款推到首屏第一位，省掉翻找；二是"免交互下单"——熟客绑定会员后，扫码即默认出常点那杯，确认支付两步搞定，最快可以做到"扫一下、点一下、拿走"。这些都不是花架子，是真真切切在缩短"从想喝到喝到"的时间。

至于语音对话点单，我依然持保留态度。无人零售是"低语境、高频次、快节奏"的场景，绝大多数用户要的是"快"，不是"陪聊"。AI 的价值应该藏在背后——帮你记住口味、帮你推荐、帮你省步骤——而不是逼每个人跟机器说一句"我要一杯少冰三分甜的燕麦拿铁"。交互的终极形态，是让用户感觉不到交互的存在。