챗봇 디자인이란 무엇인가요?

엔터프라이즈 컨텍스트 내의 정교한 챗봇 설계 프로세스에는 비즈니스 프로세스 관리 및 프로세스 마이닝이 통합되어 있어 챗봇 구현이 사용자 경험 및 비즈니스 성과를 개선할 수 있는 부분과 방법을 식별하고, 챗봇 상호 작용 중 또는 이후에 취해야 할 특정 조치를 매핑합니다.

다른 사용자 중심 디자인 분야와 마찬가지로 챗봇 디자인에서도 UI와 UX 디자인은 서로 연결되어 있기는 하지만 서로 다른 두 가지 개념입니다.

UI 디자인은 레이아웃, 버튼, 토글, 색상, 텍스트 필드 및 글꼴과 같은 가시적인 시각적 요소, 즉 사용자가 제품, 앱 또는 웹사이트와 가장 직접적으로 상호 작용하는 측면(또는 '인터페이스')의 외관을 말합니다. 챗봇 UI 디자인은 사용자가 텍스트를 입력하는 위치나 챗봇 창의 크기 및 위치 등의 의사 결정에 영향을 줍니다.

UX 디자인은 각 단계에서 어떤 조치를 취할 수 있는지, 사용자에게 어떤 정보를 제공하거나 수집할지, 이상적인 사용자 여정이 어떻게 전개되는지 등 전략적이고 논리적인 문제를 다룹니다. 챗봇 UX 고려 사항에는 챗봇이 어떤 질문을 할 것인지, 특정 입력에 어떻게 응답하는지, 언제 인간 상담원에게 케이스를 에스컬레이션할 것인지 등이 포함됩니다.

본질적으로 UI 디자인은 UX 디자인을 움직이게 합니다. 챗봇이 말하는 내용(그리고 그 이유)은 UX 디자인이지만 챗봇 대화가 사용자에게 표시되는 방식은 UI 디자인이며, 챗봇이 특정 단계에서 요청하는 정보는 UX 디자인이지만 사용자가 답변을 입력하거나 드롭다운에서 선택하는 방식은 UI 디자인입니다.

챗봇의 사용자 인터페이스의 세부적인 사항은 브랜드, 사용자, 사용 사례의 고유한 특성에 따라 달라질 수 있지만, 일부 UI 디자인 고려 사항은 상당히 보편적입니다.

모든 상황에서 챗봇 UI는 다음과 같아야 합니다.

• 사용하기 쉬움: 좋은 챗봇은 직관적인 챗봇입니다. 어디를 살펴봐야 하는지, 무엇을 클릭해야 하는지, 어떻게 진행해야 하는지 명확해야 합니다.
• 빠른 응답: 챗봇 UI는 대형 데스크톱 모니터든 모바일 앱의 작은 화면이든 모든 관련 기기에서 일관된 경험을 제공해야 합니다.
• 매력적이어야 함: 버튼부터 애니메이션, 라벨과 드롭다운의 복사(또는 '마이크로카피')에 이르기까지 모든 요소는 형태와 기능에 맞게 신중하게 구성해야 합니다.
• 브랜드 반영: 색상과 글꼴부터 챗봇의 페르소나를 지정하는 아바타까지, 챗봇은 브랜드의 연장선상에서 다뤄져야 합니다.

Slack, WhatsApp 또는 Facebook Messenger와 같은 타사 메시징 앱과의 통합과 같은 일부 챗봇 구현의 경우 대화형 인터페이스를 사용자 지정할 수 없습니다. 이러한 고정된 UI 요소는 UX 계획에 반영되어야 합니다.

많은 기업, 특히 처음부터 맞춤형 UI를 개발할 리소스가 없는 기업의 경우, UI 결정을 간소화하는 템플릿과 드래그 앤 드롭 워크플로를 갖춘 챗봇 빌더를 사용하는 것이 가장 효율적입니다. 선도적인 챗봇 제공업체는 브랜딩에 맞게 스타일 요소를 사용자 정의할 수 있는 기회를 제공하지만, 검증된 UI 디자인 패턴을 준수하면 조직의 고유한 UX 우선순위에 집중할 수 있습니다.

챗봇 UX 디자인을 더 자세히 살펴보면서 이 맥락에서 특정한 의미를 갖는 특정 용어를 사용해보겠습니다.

• 의도: 의도는 사용자가 챗봇과 상호 작용하려는 목적, 즉 청구서 결제나 질문에 대한 답변 얻기와 같이 해결하려는 구체적인 목표나 문제를 의미합니다.
• 발화: 발화는 "안녕하세요!" 또는 "청구서를 결제하고 싶습니다" 또는 "예"와 같이 교환 중에 하는 모든 개별적인 진술을 말합니다.
• 교환: 교환은 두 개 이상의 발화로 구성됩니다. 기본적으로 이 용어는 사용자와 챗봇 간의 주고받는 대화를 총체적으로 의미합니다.
• 연락: 사용자가 챗봇을 이용하는 각 인스턴스를 연락이라고 합니다. 연락은 교환과 완전히 동일한 개념이 아닙니다. 사용자가 챗봇 창을 열어 연락을 시작했지만 챗봇의 인사말에 응답하지 않으면 교환이 발생하지 않은 것입니다. 사용자가 대화를 다시 시작하면 해당 연락에는 여러 번의 교환이 포함됩니다.
• 도메인: 도메인은 고객 지원이나 인사와 같이 챗봇의 범위를 광범위하게 설명하는 용어입니다. 각 도메인은 여러 주제로 구성되어 있습니다. ChatGPT와 같이 모든 주제에 대해 대화하도록 설계된 챗봇을 오픈 도메인 챗봇이라고 합니다.
• 주제: 주제는 도메인 내의 특정 주제 또는 작업의 집합입니다. 예를 들어 고객 지원 도메인에는 청구서 결제, 매장 영업 시간 또는 반품과 같은 주제가 포함될 수 있습니다.각 주제는 특정 사용자 의도에 매핑됩니다.
• 엔티티: 엔티티는 발화에서 언급된 제품, 문서, 서비스 등 사용자 의도와 관련된 명사입니다. 엔티티를 올바르게 식별하는 것은 자연어 처리(NLP)의 중요한 요소입니다.
• 에스컬레이션: 에스컬레이션은 챗봇에서 인간 상담원에게 전달하는 것을 말합니다. 이는 '계획된' 에스컬레이션 또는 '폴백' 에스컬레이션(봇이 사용자의 의도를 인식하거나 해결할 수 없는 경우)일 수 있습니다.
• 단계: 챗봇과 사용자 간의 모든 상호 작용은 하나의 단계입니다.단계에는 인사, 명확성을 위한 질문, 행동, 인수인계 또는 잡담 등이 포함될 수 있습니다.
• 흐름 논리: 흐름 논리는 봇이 각 발화에 반응하고 다음 단계로 진행하는 방식을 제어합니다. 여기에는 간단한 if-else 문, Decision Trees, 복잡한 알고리즘 또는 머신 러닝 기반의 확률적 논리가 포함될 수 있습니다.
• 선호 응답: 사용자 의도를 해결하는 방향으로 교환을 긍정적으로 진행하는 발화입니다.
• 선호하지 않는 응답: 의도를 해소하기 위한 교환을 진행하지 않는 발화입니다.

훌륭한 챗봇 경험을 위해서는 최종 사용자가 필요로 하는 것이 무엇인지, 그리고 이러한 요구 중 어떤 것이 대화 환경을 통해 가장 잘 해결될 수 있는지를 깊이 이해해야 합니다. 챗봇을 도입하는 것은 단순히 챗봇이 할 수 있기 때문이 아니라 챗봇이 최상의 사용자 경험을 제공할 것이라는 확신이 있기 때문입니다.

FAQ는 자주 발생하고 예측 가능한 문의, 작업 및 문제를 해결할 수 있는 훌륭한 지식 기반입니다. 고객 서비스 팀도 마찬가지로 인사이트를 제공할 수 있는 중요한 자원입니다. 강력한 비즈니스 프로세스 관리를 구축하면 기회와 비효율성을 더욱 파악할 수 있을 뿐만 아니라 각 도메인과 관련된 다양한 지식 센터, 커뮤니케이션 채널, 복잡성, 보안 및 개인정보 보호 수준을 파악하는 데 도움이 됩니다.

챗봇은 양방향 대화가 필요하거나 봇이 기존 수단보다 더 빠르고, 더 쉽고, 더 자주 무언가를 수행할 수 있을 때 가장 큰 가치를 제공합니다. 어떤 도메인은 도움말 문서나 설정 마법사를 사용하는 것이 더 나을 수 있습니다. 고도의 기술적 지원이 필요하거나 민감한 개인 정보가 필요한 경우 등의 기타 업무는 실제 사람에게 맡기는 것이 더 나을 수 있습니다.

챗봇을 처음 도입할 때는 뛰기 전에 걷는 것이 현명합니다. 데이터가 적을수록 예측에 대한 확신이 떨어집니다. 여러 주제에 걸쳐 초기 챗봇을 구축하는 데 수개월을 투자한 기업이 출시 후 사용자 행동에 대한 주요 가정이 잘못되었다는 사실을 알게 되어 사실상 처음부터 다시 시작해야 하는 상황을 직면하기도 합니다. 더 짧은 주제 및 의도 목록을 효과적으로 처리하는 것이 더 넓은 도메인에서 일관성 없는 결과를 제공하는 것보다 더 나은 사용자 경험을 제공합니다.

그렇지만 성장 잠재력이 있는 도메인을 선택하세요. 진정으로 성공적인 챗봇 전략은 독립형 솔루션이 아니라 웹사이트, 메시징 앱, 전화 시스템 등 모든 관련 채널에 배포된 대화형 툴이 학습 및 최적화를 위한 공유 데이터를 생성하여 서로를 강화하는 것입니다.

챗봇 제품은 크게 규칙 기반 챗봇과 AI 챗봇의 두 가지 카테고리로 나뉩니다.

규칙 기반 챗봇은 간단하고 경제적입니다. 챗봇은 if-then-else 규칙에 따라 작동합니다. 각 단계(또는 Decision Trees의 분기)에는 챗봇이 인식할 수 있는 특정 입력이 할당되며, 각 입력은 스크립트로 작성된 응답과 일치합니다. 자연어 처리(NLP)가 없는 규칙 기반 봇은 사용자의 발화를 간단한 문구나 미리 작성된 옵션으로 제한해야 합니다. 사용자의 요구가 매우 예측 가능하고 반복적이며 단순하지 않으면 성공에 한계가 있을 수 있으며, 이러한 상태는 규모를 확장할 때에도 그대로 유지될 것입니다.

AI 챗봇은 더 강력하고 다재다능하며 확장성이 뛰어납니다. 대화형 AI와 같은 인공 지능 기능은 이러한 챗봇이 사용자의 고유한 발화를 해석하고 그 안에서 사용자의 의도를 정확하게 식별할 수 있도록 지원합니다. 머신 러닝은 규칙 기반 프로그래밍을 보완하거나 대체할 수 있으며, 시간이 지남에 따라 어떤 발화가 선호되는 응답을 생성할 가능성이 가장 높은지 학습합니다. 과거 및 샘플 발화에 대해 훈련된 생성형 AI는 실시간으로 봇 응답을 작성할 수 있습니다. 가상 에이전트는 로보틱 프로세스 자동화(RPA)가 가능한 AI 챗봇으로, 이를 통해 효용성이 더욱 향상됩니다.

많은 상황에서 하이브리드 접근 방식의 이점을 누릴 수 있으며, 대부분의 AI 봇은 규칙 기반 프로그래밍도 가능합니다.

고객 경험의 세부적인 부분을 설계하기 전에 챗봇의 기초를 계획하세요.

• 시작 채널 결정: 사용자가 봇과 상호 작용하는 채널은 봇이 제공하는 기능에 따라 자연스럽게 맞춰져야 합니다. 각 채널은 사용자가 자신을 표현하는 방법, 봇이 응답하는 방법, 통합에 사용할 수 있는 시스템에 영향을 줍니다. 도메인을 선택한 후에는 관련 채널에서 작업할 수 있는지 확인하세요. 예를 들어 웹사이트의 결제 페이지를 운영하는 팀에서 챗봇 클라이언트를 추가하는 것을 허용하지 않는다면 결제 관련 질문을 자동화하지 마세요.

• 주요 주제 파악: 챗봇 계획의 기본 목표는 봇의 '최소한의 실행 가능한 지식'(MVK)을 결정하는 것입니다. MVK는 봇이 목적을 달성하기 위해 수행할 수 있어야 하는 최소 주제 적용 범위입니다. 여기에는 주제의 폭(다루어야 할 다양한 주제의 전체 범위)과 주제의 깊이(각 주제가 얼마나 철저하게 다루어져야 하는지)가 모두 포함됩니다. 주제 폭부터 시작: 선택한 도메인과 관련된 가능한 모든 주제를 나열한 다음 우선순위를 지정합니다. 주제의 폭을 넓히면 주제를 더욱 심도 있게 다룰 수 있어 성공 가능성이 높아집니다.

• 모든 관련 지식 기반 수집: 봇은 해당 범위에 속하는 사용자 의도를 이해하고 해결하는 데 필요한 모든 정보에 액세스할 수 있어야 합니다. 이러한 정보는 웹페이지, 데이터베이스, 문서, 자주 묻는 질문, CRM 플랫폼, 온라인 트랜잭션 처리(OLTP) 시스템 등 서로 다른 출처에 분산되어 있는 경우가 많기 때문에 한 곳에 모두 모여 있지 않을 수도 있습니다. 지능형 검색은 모든 관련 데이터 소스를 집계하고 정보 검색을 간소화할 수 있는 이상적인 방법입니다.

사용자는 무의식적으로 봇 뒤에 있는 캐릭터를 자동으로 유추합니다. 챗봇은 로봇이라는 투명성을 유지하면서 공감, 호기심, 인내심, 친근함 등 인간과의 대화에서 추구하는 긍정적인 특성을 전달해야 합니다. 후자는 사용자의 기대치를 관리하고 '언캐니 밸리' 효과(인간형 사물에 의해 유발되는 이상한 불안감)를 방지하는 데 필수적입니다. 이는 이름, 아바타 및 인사말을 신중하게 선택함으로써 쉽게 달성할 수 있습니다.

챗봇의 성격은 대화 디자인의 대부분의 요소에 영향을 미칩니다. 이는 브랜드를 반영해야 하며 의도한 사용자와 기능에 적합해야 합니다. 예를 들어 피트니스 보조 봇은 적극적인 언어를 사용해야 하고, 건강 관리 진단 앱은 농담을 피해야 합니다.

먼저, 챗봇이 다양한 스펙트럼에서 어디에 속하는지 생각해 보세요.

• 재미있음 vs. 진지함
• 열정적임 vs. 침착함
• 격식 있는 vs. 격식 없는
• 따뜻함 vs. 차가움
• 권위 있음 vs. 공감성 있음

챗봇은 대화의 절반만 제공합니다. 사용자가 제공하는 나머지 반의 대화는 전혀 예측할 수가 없습니다. 강력한 대화 설계는 사용자가 어떤 말을 하든 챗봇의 응답이 자연스럽고 믿을 수 있으며 생산적으로 느껴지는 방식으로 대화 흐름에 접근하여 긍정적인 사용자 경험을 보장합니다.

주제를 제대로 다루려면 이상적인 대화 경로를 설계할 뿐만 아니라 잠재적인 혼동, 우회, 막다른 골목 등 대화가 이어질 수 있는 모든 고유한 경로를 구상해야 합니다. "약속을 변경하고 싶습니다"를 인식하도록 예약 봇을 프로그래밍할 수는 있겠지만 사용자는 "화요일에는 더 이상 갈 수가 없어요"라고 말할 수도 있습니다.최적의 경로가 있을 수 있지만 플랜 A가 실패할 경우 플랜 B가 있나요? 플랜 B가 실패할 경우 봇이 사용자에게 문제를 설명할 수 있나요? 사용자가 요청을 이해하지 못하는 경우 봇이 발화를 다르게 표현할 수 있나요?

흐름 논리가 완벽하더라도 실수는 발생할 수 있습니다. 하지만 사소한 결함으로 인해 거래가 중단되어서는 안 됩니다. 여기서 AI 챗봇의 가장 큰 장점은 중단을 피하기 위해 모든 오타를 수동으로 예측하고 계획하는 대신 인공 지능이 교육받은 정보에 따라 가정을 세우고 일을 계속 진행할 수 있다는 것입니다. 예를 들어, IBM watsonx Assistant는 맞춤법 오류에 대한 자동 수정 기능과 의도 및 엔티티 인식을 지원하는 퍼지 로직 기능을 제공합니다. 마찬가지로 Speech to Text를 사용하는 AI 봇은 음성 입력의 억양, 부정확한 발음, 전문 용어를 올바르게 해석하도록 훈련할 수 있습니다.

사람과 사람 사이의 일반적인 대화에서와 마찬가지로 사용자는 이해받고 있다는 느낌을 받기를 원합니다. 챗봇 설계는 선호하지 않는 응답을 포함한 모든 봇 응답이 사용자의 발언과 관련성이 있고 유익한 정보를 제공하도록 함으로써 이를 달성할 수 있습니다. 챗봇 대화를 카피라이팅할 때는 사용자가 말한 내용을 인정하고 주제를 갑자기 바꾸거나 대화가 갑자기 넘어가거나 사용자가 문의 초기에 제공한 정보를 '잊어버리는' 것을 피해야 합니다.

챗봇에는 한계가 있습니다. 우아하게 실패하고 대화를 복구할 수 있는 경로를 제시하는 능력은 필수적입니다. 봇이 잘못하는 것은 괜찮지만, 잘못하고 관련성 없는 정보를 제공하는 것은 고객과의 교환을 망치고 챗봇에 대한 신뢰를 떨어뜨릴 수 있습니다. 봇은 괴롭힘을 우아하게 처리하고, 무의미하거나 관련이 없는 발언을 인식하고, 주제 전환에 반응하고, 대화를 다시 정상으로 되돌릴 수 있도록 설계되어야 합니다.

항상 사용자의 부담을 줄입니다.

• 더 적은 요구: 긴 주문 번호 대신 마지막 네 자리로도 충분합니다. 고객의 이름과 간단한 추가 정보(예: 주문 날짜)만 있으면 주문 번호가 전혀 필요하지 않을 수도 있습니다.
• 명확한 선택지: 모든 질문을 신중하게 설계하세요. 사용자는 "수요일 또는 목요일에 예약하기를 원하세요?"라는 질문에 선호하지 않는 응답인 "예"로 답할 수 있습니다. 하지만 “수요일이나 목요일을 선택해 주세요”에 대한 답변은 두 가지뿐입니다.
• 버튼: 가능한 옵션 목록이 적은 경우 미리 작성된 옵션(전화 시스템의 경우 키패드 번호)을 선택하면 작업이 더 쉬워지고 선호하지 않는 응답이 나올 가능성을 없앨 수 있습니다.

명확하고 간결한 문구는 마찰을 줄이고 사용자의 시간에 대한 존중을 보여줍니다. 긴 설명이 필요한 경우 대화 흐름을 다시 생각해 보세요.

효과적인 챗봇 설계에는 지속적인 테스트, 배포 및 개선 주기가 포함됩니다. 개인은 예측할 수 없는 행동을 할 수 있지만, 이전 연락 기록의 데이터를 분석하면 대화 흐름을 파악하고 대화 설계를 개선하고 확장할 수 있는 기회를 발견할 수 있습니다.

챗봇은 방대한 양의 사용자 데이터를 활용하고 이를 생성하고 분석합니다. 이러한 데이터는 신중하게 다루어야 합니다. 그렇게 하지 않으면 윤리적 결과뿐만 아니라 잠재적으로 법적 및 재정적 결과를 초래할 수 있습니다.

또한 챗봇 도입에도 영향을 미칠 수 있습니다. Pew Research에 따르면¹, 미국인의 절반 이상이 챗봇이 개인 데이터를 수집하는 방법(및 수집량)에 대한 우려로 제품 사용을 중단하기로 결정했다고 합니다.

• 사용자 데이터는 도난, 오용 또는 데이터 손상으로부터 보호되어야 합니다.
• 정책은 EU의 일반 데이터 보호 규정(ibm.com 외부 링크)(및 CCPA와 같은 유사 규정)을 준수해야 합니다.
• 개인정보 설정 및 권한은 명확하고 찾기 쉬우며 조정이 가능해야 합니다.
• 사용자는 어떤 데이터가 어떤 상황에서 사용되고 있는지 알고 이를 제어할 수 있어야 합니다.