如何設計聊天機器人的用戶界面

3 評論 11509 瀏覽 46 收藏 15 分鐘

未來,聊天機器人將會進行語音整合。

聊天機器人是可以模擬與人對話的應用程序。聊天機器人分為兩種:

  1. 基于指令的聊天機器人。這類聊天機器人的智能程度是根據開發人員的程序而定,但其能力有限,使用體驗不佳。
  2. 使用人工智能(AI)的聊天機器人。這類聊天機器人實際上能理解人類語言,而不僅僅是指令,在與人交互過程中變得更智能。

在2016年11月的快速公司創新節上,聊天機器人嶄露頭角。聊天機器人和虛擬助手正在成為移動用戶界面的標準功能。Google于2016年9月發布了智能即時通訊應用程序Allo。Allo支持聽寫功能,同時具有虛擬助手的功能。蘋果公司早在2011年10月推出了iOS功能Siri,并對其不斷進行改進。Siri的聽寫功能從2012年5月就成為iOS系統的一個組成部分。有傳言,三星的AI虛擬助手Bibby可能在即將發布的Galaxy 8中亮相。

聊天機器人現在已成為我們生活中不可或缺的一部分,如何設計出更好的聊天機器人的用戶體驗值得深思。

聊天機器人不是人類

雖然聊天機器人可以模仿人類的對話,并跟人類進行交流,但他們并不是人類。包裝成人類的聊天機器人會造成混亂,并引起用戶不可預測的情緒反應,這樣聊天機器人會失去用戶的信任。因此,聊天機器人不應該試圖說服用戶他們就是人類。

如圖1所示,在這個叫CARL的聊天機器人項目中,可用性測試參與者表示他們喜歡動畫版聊天機器人。他們更傾向于選擇不像人類并具有獨特外觀的聊天機器人。在他們看來,如果CARL看起來很像人類就很奇怪。

圖1 -CARL

亞馬遜的解決方案工程師證實了這一發現,他說到:“沒有人喜歡看起來很像人類的聊天機器人”。因此,UX設計人員使用的視覺元素或對話必須清晰地傳達聊天機器人只是機器人。

人們為什么不喜歡跟人類相似的聊天機器人呢?CARL項目的參與者提到,如果聊天機器人CARL以真實人物的形象呈現時,他們覺得有點奇怪。有參與者提到動畫版的Carl更加有趣。

聊天機器人是人物角色的投射

用戶會將聊天機器人與他們知道的人進行關聯。他們在與人工智能相關聯時會在聊天機器人上投射一個角色。這些關聯出現可能是由聊天機器人的用戶界面或其響應模式引起的。

如圖2所示,IDEO研究分析了女性對一個叫Coach聊天機器人的反應。在這項研究中,女性用戶在聊天機器人上投射了一個俏皮,男性化的身份,即使這個擬人化的聊天機器人是由一名女性操作。雖然用戶沒有刻意這樣做,用戶潛意識中將聊天機器人進行擬人化,將它們與熟悉的人物橘色關聯起來。 這項IDEO研究的結果與CARL的結果相似。

圖2 -聊天機器人模擬

動畫版的CARL聊天機器人是用戶可以識別的相關角色。許多人提到CARL讓他們想到自己的朋友。甚至在研究結束后的幾周,參與者繼續發送電子郵件,咨詢Carl的近況。

對話是關鍵

沒人喜歡和一個不會聊天的對話者對話。同樣,沒有人想回應一個不能進行正常對話的聊天機器人。設計合適的對話回應需要正確的找出意圖。設計師必須找出正確的語言模式,語氣和互動。對話設計的一種方法是語言地圖索引,這就涉及到創建一個層級結構,這個層級結構囊括了構成回復的任何句子。雖然語言地圖索引是一種有效的對話設計方法,但也很耗時。

什么是語言地圖?語言地圖將對話分解為句子和單詞。語言地圖有四種類型,每種語言地圖依賴于不同的語言地圖索引方法:

1. 詞素處理

這種方法涉及將語言字符串分解成單個單詞和標點符號,如圖3所示:

2. 語法分析

最常見的語言地圖類型是語法分析,語法分析可以分解字串以確定其語法關系,如圖4所示:

3. 語義分析

這種分析形式將單詞替換成符號,可以幫助聊天機器人理解句子意義,如圖5所示:

4. 語用分析

這個分析方法打破了字串,以理解說話者的意圖,如圖6所示:

知道什么時候結束一段對話

知道何時結束對話與如何開始會話同樣重要。雖然聊天機器人可能是信息系統,網頁或移動應用程序的一部分,但用戶始終可以選擇何時結束對話。如果用戶表示想要結束對話,聊天機器人不應該繼續糾纏用戶。過分執著的聊天機器人會帶來糟糕的用戶體驗。

圖7是聊天機器人(Sephora)交流過度的例子。Sephora提供未經請求的提示,在用戶不再給出回復情況下仍然進行對話。Sephora提供了一個小測試后,用戶才最終回應。但Sephora仍然繼續向用戶灌輸一系列信息,一個未經請求的視頻,并重復推薦的提示。大家可以注意到,用戶對這個過分執著的聊天機器人只回應了一次。

圖7 -Sephora

用戶此時無法關閉聊天,或把Sephora聊天機器人調成靜音,也沒有辦法限制或定制用戶接收的聊天次數,或停止重復提示的循環。如果能更好地理解用戶的需要和需求,就很容易解決所有這些問題。用戶應該可以隨時結束對話,并自定義聊天機器人設置以最大程度滿足他們的需要。

通過預期設計實現個性化

當我們聽到來自電話銷售商的套路信息時,我們會立馬掛斷電話。同理,當我們收到來自聊天機器人的套路回應時,我們傾向于忽略這些回應,并避開使用聊天機器人。這會導致用戶體驗不佳。

為了獲得最佳的用戶體驗,聊天機器人應該稱呼用戶為 “Hey,Amelia!”。 他們還應該提供用戶想要的信息。例如,如果用戶在使用天氣網站時,用戶位置的當前天氣將是最合適的回應。然而,如果用戶在使用設計網站時,最新設計新聞或趨勢的信息將更有可能吸引用戶的注意。

麻省理工學院的聊天機器人Eliza早在1964年首次演示用戶關注的問題。Eliza扮演了心理治療師,提出標準問題,并可以將回答轉述為下一個問題。如果用戶行為不可預測的,舍去預定的腳本,Eliza的交流能力就會中斷。因為Eliza無法把握用戶的注意力,用戶體驗遭破壞,個性化對話的最佳解決方案是預期設計。什么是預期設計?

“ 預期設計是算法驅動的,以用戶為中心的設計規范,我們已經看到產品和服務成功利用機器學習來推斷用戶的偏好?!?/p>

“在預期設計的下一階段,產品和服務將旨在預測每一個需要和需求。清早,當你準備上班,通過聲音激活的個人助理將評估你的通勤時間,提醒你地鐵即將晚點后,確認道路交通狀況良好,然后幫你呼叫Uber,順利讓你在晨會前趕到辦公室, 這些操作都是自動的,無需咨詢,而且這些操作都是沒有問題的。當你到達辦公室時,您的咖啡機已經定位好你的位置,你一走進來,你的咖啡已經準備好了。”

預期設計基于用戶的過去行為和固定行為來預測用戶的未來行為。通過簡化選擇,聊天機器人設計者旨在使用戶的生活更輕松。然而,這種方法并沒有考慮規范的偏差,這就需要對回復進行調整,不然就會出現故障。為了防止這種故障出現,用戶和平臺都需要安全網。

當預期設計做出錯誤選擇時,聊天機器人會冒多層次的故障,如圖8所示。這時用戶獲得最初的感受是混亂,缺乏信任和憤怒。

例如,用戶可能有以下反應:

(1)混亂

“為什么我得到這個?這與我有什么關系?”

(2)缺乏信任

“聊天機器人曾給我推薦了一個很好的度假去處,但這次的推薦非常糟糕。”

(3)憤怒

“為什么聊天機器人為我推薦孕婦裝?我沒有懷孕!這很讓人尷尬!”

圖8 平衡成本的概率

設計人員必須考慮的風險包括用戶的惱怒和其他錯誤的成本。根據受眾和行業的不同,用戶原諒預期設計中的所犯的錯誤的意愿也不同。對于聊天機器人,這個行業的風險相對較低。聊天機器人是在線平臺或數字產品的一部分。令用戶尷尬是最可能出現的問題。但是,根據品牌或平臺,聊天機器人可以通過提供抱歉的表情來減輕給用戶帶來的傷害。

聊天機器人的預期設計的一個更大的問題是用戶的冷場。用戶可能不信任聊天機器人,因為它給出的建議或對話不會向前推薦。如果聊天機器人不能促成用戶采取行動,用戶可能完全無視聊天機器人的推薦。這將造成巨大的用戶體驗問題。因此,聊天機器人必須具有吸引力,引導用戶采取行動,并通過對話準確地預測用戶的行為。這樣做將成功獲取用戶的信任。圖9說明了人類對機器人的信任。

圖9 托管機器人

聊天機器人語音界面的未來

精心設計的聊天機器人為人們提供了愉快的用戶體驗。人工智能使聊天機器人不斷改進和創造更好的對話。這反過來又使人們更容易使用聊天機器人來克服自動化所帶來的不便。使用聊天機器人計劃你一周的安排就是一個例子,但這只是一個開始。

未來,聊天機器人將會進行語音整合。隨著聊天機器人的聊天設計的改進,Alexa和其他語音用戶界面也將得到改善。結合語音和聊天機器人的功能可以讓設計師創造越來越高的個性化水平。用戶可以選擇聽到對話,也可以直接查看信息交流,然后選擇使用語音或短信來回應聊天機器人。這種靈活性可以完全改變聊天用戶體驗。這樣的聊天機器人可以提供視覺和聽覺感官體驗的組合。圖10是一個具有集成語音交互功能的聊天機器人Blair的原型。

預期設計將使聊天機器人能夠在個性化的層面上為人類服務,即使聊天機器人沒有人類的理解能力。通過預期設計,人工智能聊天工具可以在更多層次上感知人類需求,并以更多樣化的方式幫助人們。

 

譯者:oftodesign

原文作者:Amelia Wong

原文地址:http://www.uxmatters.com/mt/archives/2017/02/designing-conversational-chatbot-user-interfaces.php

本文由 @oftodesign 翻譯發布于人人都是產品經理。未經許可,禁止轉載。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 先看評論在看文章的有木有

    來自北京 回復
  2. 有點蒙圈。。。原諒我的水平吧

    來自北京 回復
  3. 消滅零回復,哈哈。先馬稍后看

    來自廣東 回復