如何设计聊天机器人的用户界面

未来，聊天机器人将会进行语音整合。

聊天机器人是可以模拟与人对话的应用程序。聊天机器人分为两种：

在2016年11月的快速公司创新节上，聊天机器人崭露头角。聊天机器人和虚拟助手正在成为移动用户界面的标准功能。Google于2016年9月发布了智能即时通讯应用程序Allo。Allo支持听写功能，同时具有虚拟助手的功能。苹果公司早在2011年10月推出了iOS功能Siri，并对其不断进行改进。Siri的听写功能从2012年5月就成为iOS系统的一个组成部分。有传言，三星的AI虚拟助手Bibby可能在即将发布的Galaxy 8中亮相。

聊天机器人现在已成为我们生活中不可或缺的一部分，如何设计出更好的聊天机器人的用户体验值得深思。

虽然聊天机器人可以模仿人类的对话，并跟人类进行交流，但他们并不是人类。包装成人类的聊天机器人会造成混乱，并引起用户不可预测的情绪反应，这样聊天机器人会失去用户的信任。因此，聊天机器人不应该试图说服用户他们就是人类。

如图1所示，在这个叫CARL的聊天机器人项目中，可用性测试参与者表示他们喜欢动画版聊天机器人。他们更倾向于选择不像人类并具有独特外观的聊天机器人。在他们看来，如果CARL看起来很像人类就很奇怪。

图1 -CARL

亚马逊的解决方案工程师证实了这一发现，他说到：“没有人喜欢看起来很像人类的聊天机器人”。因此，UX设计人员使用的视觉元素或对话必须清晰地传达聊天机器人只是机器人。

人们为什么不喜欢跟人类相似的聊天机器人呢？CARL项目的参与者提到，如果聊天机器人CARL以真实人物的形象呈现时，他们觉得有点奇怪。有参与者提到动画版的Carl更加有趣。

用户会将聊天机器人与他们知道的人进行关联。他们在与人工智能相关联时会在聊天机器人上投射一个角色。这些关联出现可能是由聊天机器人的用户界面或其响应模式引起的。

如图2所示，IDEO研究分析了女性对一个叫Coach聊天机器人的反应。在这项研究中，女性用户在聊天机器人上投射了一个俏皮，男性化的身份，即使这个拟人化的聊天机器人是由一名女性操作。虽然用户没有刻意这样做，用户潜意识中将聊天机器人进行拟人化，将它们与熟悉的人物橘色关联起来。 这项IDEO研究的结果与CARL的结果相似。

图2 -聊天机器人模拟

动画版的CARL聊天机器人是用户可以识别的相关角色。许多人提到CARL让他们想到自己的朋友。甚至在研究结束后的几周，参与者继续发送电子邮件，咨询Carl的近况。

没人喜欢和一个不会聊天的对话者对话。同样，没有人想回应一个不能进行正常对话的聊天机器人。设计合适的对话回应需要正确的找出意图。设计师必须找出正确的语言模式，语气和互动。对话设计的一种方法是语言地图索引，这就涉及到创建一个层级结构，这个层级结构囊括了构成回复的任何句子。虽然语言地图索引是一种有效的对话设计方法，但也很耗时。

什么是语言地图？语言地图将对话分解为句子和单词。语言地图有四种类型，每种语言地图依赖于不同的语言地图索引方法：

这种方法涉及将语言字符串分解成单个单词和标点符号，如图3所示：

最常见的语言地图类型是语法分析，语法分析可以分解字串以确定其语法关系，如图4所示：

这种分析形式将单词替换成符号，可以帮助聊天机器人理解句子意义，如图5所示：

这个分析方法打破了字串，以理解说话者的意图，如图6所示：

知道何时结束对话与如何开始会话同样重要。虽然聊天机器人可能是信息系统，网页或移动应用程序的一部分，但用户始终可以选择何时结束对话。如果用户表示想要结束对话，聊天机器人不应该继续纠缠用户。过分执着的聊天机器人会带来糟糕的用户体验。

图7是聊天机器人（Sephora）交流过度的例子。Sephora提供未经请求的提示，在用户不再给出回复情况下仍然进行对话。Sephora提供了一个小测试后，用户才最终回应。但Sephora仍然继续向用户灌输一系列信息，一个未经请求的视频，并重复推荐的提示。大家可以注意到，用户对这个过分执着的聊天机器人只回应了一次。

图7 -Sephora

用户此时无法关闭聊天，或把Sephora聊天机器人调成静音，也没有办法限制或定制用户接收的聊天次数，或停止重复提示的循环。如果能更好地理解用户的需要和需求，就很容易解决所有这些问题。用户应该可以随时结束对话，并自定义聊天机器人设置以最大程度满足他们的需要。

当我们听到来自电话销售商的套路信息时，我们会立马挂断电话。同理，当我们收到来自聊天机器人的套路回应时，我们倾向于忽略这些回应，并避开使用聊天机器人。这会导致用户体验不佳。

为了获得最佳的用户体验，聊天机器人应该称呼用户为 “Hey，Amelia!”。 他们还应该提供用户想要的信息。例如，如果用户在使用天气网站时，用户位置的当前天气将是最合适的回应。然而，如果用户在使用设计网站时，最新设计新闻或趋势的信息将更有可能吸引用户的注意。

麻省理工学院的聊天机器人Eliza早在1964年首次演示用户关注的问题。Eliza扮演了心理治疗师，提出标准问题，并可以将回答转述为下一个问题。如果用户行为不可预测的，舍去预定的脚本，Eliza的交流能力就会中断。因为Eliza无法把握用户的注意力，用户体验遭破坏，个性化对话的最佳解决方案是预期设计。什么是预期设计？

“ 预期设计是算法驱动的，以用户为中心的设计规范，我们已经看到产品和服务成功利用机器学习来推断用户的偏好。”

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!