什么是聊天机器人设计？

企业环境中复杂的聊天机器人设计流程还结合了业务流程管理和流程挖掘，以便确定聊天机器人实施可在何处以及以何种方式来改善用户体验和业务成果，以便映射在聊天机器人交互期间或之后所要采取的具体行动。

在聊天机器人设计中，与所有面向用户的其他设计学科一样，UI 与 UX 设计是两个截然不同但又相互关联的概念。

UI 设计是指事物的外观：有形的视觉元素，如布局、按钮、切换开关、颜色、文本字段和字体—即，用户最直接交互（或“对接”）的产品、应用程序或网站的各个方面。聊天机器人 UI 设计会反映用户在何处键入文本输入或是聊天机器人窗口的大小和位置等决策。

UX 设计是指事物的运作方式：战略与后勤问题；例如，每一步可采取哪些行动、向用户提供或从用户处收集哪些信息，以及理想的用户旅程应如何展开。聊天机器人 UX 考量包括聊天机器人会提出哪些问题、它如何响应特定输入或何时将案例上报给人工代理。

就本质而言，UI 设计为 UX 设计注入了活力。聊天机器人表述的内容（及其背后的原因）属于 UX 设计范畴，但聊天机器人对话会如何向用户呈现则属于 UI 设计范畴；聊天机器人在给定步骤中请求的信息属于 UX 设计范围，但用户是应键入其答案还是从下拉列表中选择答案则属于 UI 设计范畴。

虽然您自己的聊天机器人的用户界面细节可能会因您的品牌、用户和用例的独特性质而异，但某些 UI 设计考量则属于相当普遍的共识。

在所有环境下，您的聊天机器人 UI 均应：

• 易于使用：出色的聊天机器人应足够直观。在何处进行查找、点击哪些控件以及如何继续操作均应一目了然。
• 能提供响应：您的聊天机器人 UI 应在所有相关设备上提供一致的体验，无论是在大型桌面显示器上还是在移动应用程序的小屏幕上。
• 引人入胜：从按钮到动画再到标签和下拉菜单上的文案（或“缩微本”），所有内容均应针对其形式和功能进行精心构建。
• 能反映您的品牌：从颜色和字体到您为聊天机器人分配的角色头像，您的聊天机器人均应被视为自身品牌的一种延伸。

对于某些聊天机器人实施方式（例如，集成到 Slack、WhatsApp 或 Facebook Messenger 等第三方消息传递应用程序），会话界面无法进行自定义。此类固定 UI 元素应纳入 UX 规划之中。

对于很多企业，尤其是那些缺乏资源从头开始开发定制 UI 的企业，使用附带模板和拖放工作流程的聊天机器人构建器来简化 UI 决策是最为高效的做法。领先的聊天机器人提供商提供了自定义样式元素以适应品牌打造，但固守经验证的 UI 设计模式可让企业专注于自身组织的特有 UX 优先事项。

在进一步探讨聊天机器人 UX 设计时，我们会使用一些在此方面具有特定含义的术语。

• 意图：意图是指用户与聊天机器人互动的目的—要解决的具体目标或问题，如支付账单或解答问题。
• 回答：回答是指交流过程中的任意单独陈述，如“你好！”或“我想支付账单”或“是的”。
• 交流：一次交流由两个或多个回答组成。就本质而言，该术语整体是指用户与聊天机器人之间的来回对话。
• 联系：用户与聊天机器人接触的每个实例均为一次联系。联系并不完全与交流等同：如果用户通过打开聊天机器人窗口来发起联系，但没有响应聊天机器人的问候，则未进行任何交流；如果用户重新启动对话，则此次联系此时会包含多次交流。
• 领域：领域是对聊天机器人擅长范围的广泛描述，例如客户支持或人力资源。每个领域均包含多个主题。旨在就任意主题进行交谈的聊天机器人（如 ChatGPT）称为开放域聊天机器人。
• 主题：主题是指某一域内的特定主题或任务集。例如，客户支持域可能包含账单支付、商店营业时间或退货等主题。每个主题均会映射到特定的用户意图。
• 实体：实体是与用户意图相关的一个名词，如回答中提及的产品、文档或服务。正确识别实体是自然语言处理 (NLP) 的一项重要元素。
• 上报：上报是指从聊天机器人到人工代理的任务交接。它可能属于“计划内”上报，也可能属于“回退”上报（当机器人无法识别或解决用户的意图时）。
• 步骤：聊天机器人与用户之间的每次来回交互均为一个步骤。步骤可能包括问候、澄清问题、操作、交接，甚至是闲聊。
• 流程逻辑：流程逻辑决定了机器人如何对每个回答做出反应，并继续执行下一步骤。其中可能涉及简单的 if-else 语句、决策树、复杂的算法或机器学习驱动型概率逻辑。
• 首选回复：可积极推动交流以便解决用户意图的回答。
• 非首选回复：无法推动交流以解决用户意图的回答。

出色的聊天机器人体验需深入了解最终用户的需求，以及对话体验最能满足其中的哪些需求。使用聊天机器人不仅在于您可以使用它，还在于您确信聊天机器人会提供最佳的用户体验。

常见问题解答是针对经常出现且可预测的查询、任务和问题的绝佳知识库。客户服务团队同样也是重要的洞察来源。强大的业务流程管理可进一步发现机遇和效率低下问题，并有助于划分与每个领域相关的不同知识中心、沟通渠道和复杂性级别、安全性和隐私级别。

当您需要双向对话或是机器人能比传统方式更快、更轻松或更频繁地完成某事时，聊天机器人便可提供最大价值。帮助文章或设置向导可能更适合某些域。其他域（例如，那些需要高度技术化的帮助或敏感个人信息的域）则可能最好留给真人处理。

对于首个聊天机器人，在跑之前先学会走才是明智之举。掌握的数据越少，做预测时的信心就越低：花费数月时间构建涵盖多个主题的首个聊天机器人的公司通常会（在发布后）了解到有关用户行为的关键假设存在错误，且其实必须从头做起。与在更广泛的领域中提供不一致的结果相比，有效处理较短的主题与意图列表可提供更好的用户体验。

话虽如此，还是应选择一个具有增长潜力的领域。真正成功的聊天机器人策略所得到的并非独立的解决方案，而是部署在所有相关渠道（网站、消息传递应用程序、电话系统）中的对话工具，而这些工具可通过生成用于训练和优化的共享数据来相互充实。

广义而言，聊天机器人产品可分为两个类别：基于规则的聊天机器人和 AI 聊天机器人。

基于规则的聊天机器人既简单又经济。它们会根据 if-then-else 规则进行操作：每个步骤（或决策树中的分支）均分配有聊天机器人可识别的特定输入，且每个输入均与一条脚本化回复相匹配。由于缺乏自然语言处理 (NLP) 功能，基于规则的机器人必须将用户回答限制为简单的短语或预先编写的选项。此特点可能会限制成功，除非您用户的需求是高度可预测、重复且直接的，且随着您规模的不断扩大，此类需求仍会保持这些特点。

相比之下，AI 聊天机器人更为强大、用途广泛且可扩展。会话式 AI 等人工智能功能有助于此类聊天机器人解读用户的特有回答并准确识别其中的用户意图。机器学习可补充或取代基于规则的编程，以便随着时间的推移来学习哪些回答最有可能产生首选回复。在过往回答和样本回答基础上进行训练的生成式 AI 可实时编写机器人回复。虚拟代理是指能实现机器人流程自动化 (RPA) 的 AI 聊天机器人，从而可进一步增强其实用性。

很多情况均受益于混合方法，且大多数 AI 机器人还能实现基于规则的编程。

在设计客户体验的精细细节之前，请先规划聊天机器人的基础。

• 确定起始渠道：用户与机器人互动的渠道应与机器人的功能自然地保持一致。每个不同渠道均会影响用户表达自己的方式、机器人的响应方式以及可用于整合的系统。挑选域后，确保您可与相关渠道开展合作。例如，如果运行您网站的付款页面的团队不允许您将聊天机器人客户端添加到其中，则请勿自动提出付款问题。

• 确定主要话题：聊天机器人规划的基本目标是确定您的机器人的“最小可行知识（或 MVK））”。MVK 是指机器人实现其目的所须具备的最小主题覆盖范围。它既涉及主题广度（要涵盖的各种不同主题），同时也涉及主题深度：每个主题必须覆盖的详尽程度。从主题广度开始：列出与所选域相关的所有潜在主题，然后划分其优先级。专注的主题广度有助于提高主题深度，从而增大成功机会。

• 汇总所有相关知识库：机器人必须能访问所有必要的信息，以了解并处理属于其范围内的用户意图。这些信息可能并不全部集中在一个位置：它们通常分布在不同来源中，例如网页、数据库、文档、常见问题解答、CRM 平台和在线交易处理 (OLTP) 系统。智能搜索是聚合所有相关数据源和简化信息检索的理想方式。

用户会在不知不觉中自动推断出机器人背后的角色。它应传达我们在人类对话中所寻求的各种积极特征（同理心、好奇心、耐心、和善），同时保持作为机器人的透明度。后者对于管理用户期望和避免“恐怖谷”效应至关重要：由不太正确的人形事物所引起的怪异不安感。为此，最简便的办法便是在选择名称、头像和问候语时考虑周到。

聊天机器人的个性会影响对话设计的大部分元素。它应反映您的品牌并符合其既定用户和功能：健身助手机器人应采用活跃的语言；医疗保健诊断应用程序则应避免开玩笑。

首先要考虑您的聊天机器人在各方面的优势：

• 搞笑与严肃
• 热情与冷静
• 正式与非正式
• 温煦与冷酷
• 权威与相关

聊天机器人仅能提供一半的对话。您无法控制或完全预测属于用户的那一半。强大的对话设计可通过以某一方式（无论用户如何回答，聊天机器人的回复都让人感觉自然、可信且富有成效）处理对话流程来确保正面的用户体验。

要真正覆盖一个主题，不仅需设计出理想的对话路径，还需设想对话可能遵循的所有独特路径，其中包括潜在的困惑、迂回和死胡同。您可对调度机器人进行编程，以使其识别出“我想更改约会时间”，但用户可能会说：“我没法在星期二安排约会”。您可能有一条最佳路径，但如果 A 计划失败，是否还有 B 计划可用？如果 B 计划失败，您的机器人能否向用户解释此问题？如果用户不理解某一请求，机器人能否换一种说法？

即使流程逻辑毫无破绽，也会发生错误，但小的缺陷不应破坏交流。此时，AI 聊天机器人具有一大优势：人工智能可做出有根据的假设并保持事态发展，而非手动预测和规划每一个拼写错误来避免中断。例如，IBM watsonx Assistant 具有自动更正拼写错误的功能，以及有助于识别意图和实体的模糊逻辑功能。同样，具有语音转文本功能的 AI 机器人可接受训练，以便正确解读语音输入中的口音、错误发音和行话。

与普通人与人之间的对话一样，用户希望感觉到自己被理解。聊天机器人设计可通过确保所有机器人回复（甚至是非首选回复）均富含信息且与用户的回答相关来实现此目标。在撰写聊天机器人对话时，应确认用户所说的内容，并避免生硬地改变主题、对话中出现随机跳跃或“忘记”用户在此联系期间的先前时段所提供的信息。

聊天机器人具有局限性。“优雅地宣告失败并提供修复对话的途径”，这一能力必不可少：机器人出错是可以接受的，但出现错误和答非所问则可能会使交流注定失败，并耗尽用户对聊天机器人的信任。机器人的设计必须能优雅地处理骚扰、识别胡言乱语或答非所问的回答，同时还能对话题转移做出反应并使对话重回正轨。

持续减少用户的负担。

• 少提要求：避免询问过长的订单号，只提供最后四位数字是否便已足够？知晓对方的姓名和额外简易信息（例如订单日期）后是否便完全无需再获悉该编号？
• 明确的选择：对每个问题仔细措辞。用户可能会对“您想要周三还是周四的预约？”回答“是”—一个非首选的答案。但对 "请选择周三或周四"的回答只有两个。
• 按钮：当潜在选项较少时，选择一个预先编写的选项（对于电话系统，则是选择一个小键盘数字）会让事情变得更简单，同时消除出现非首选回复的可能性。

简洁明了的文案可减少摩擦，并体现出对用户时间的尊重。如需给出冗长的说明，则应重新考虑您的对话流程。

行之有效的聊天机器人设计涉及测试、部署和改进的持续循环。个人的行为可能无法预测，但分析过往联系中的数据则可揭示中断的流程以及可改进和扩展对话设计的机会。

聊天机器人会依赖、生成并分析大量用户数据。处理这些数据时必须谨慎。否则，不仅会招致道德问题，还会引发潜在的法律与财务后果。

此外，它还可能会影响聊天机器人的采用率：根据 Pew Research¹ 的说法，超过半数的美国人决定不使用某一产品，因为他们对该产品如何（以及收集多少）个人数据心存担忧。

• 应保护用户数据免遭盗窃、滥用或数据损坏。
• 相关政策应符合欧盟的《通用数据保护条例》（ibm.com 外部链接）（以及 CCPA 等类似法规）。
• 隐私设置和权限应足够清晰、可供查找且可调整。
• 用户应了解并控制正在使用哪些数据，以及会在什么情况下使用它们。