Desain Chatbot: Semua yang Anda Butuhkan untuk Membangun Bot yang Lebih Baik di 2026

Saat kecil, saya menghabiskan waktu berjam-jam mendesain kota Lego: toko-toko kecil, jalan berliku, dan minifigur yang selalu ceria. Dulu saya pikir cukup hanya dengan sekotak balok. Tapi ternyata, bahkan Lego pun butuh pemikiran desain.

Ternyata, naluri masa kecil itu adalah dasar dari apa yang saya lakukan sekarang: membangun AI chatbot.

Dengan latar belakang di UI/UX dan kini bekerja sebagai peneliti AI di Botpress — platform di balik ratusan ribu chatbot yang telah digunakan, termasuk beberapa chatbot pemenang penghargaan — saya melihat langsung bahwa teknologi saja tidak cukup.

Yang membedakan chatbot hebat adalah desain chatbot.

Artikel ini membagikan cetak biru yang telah terbukti yang saya gunakan untuk mendesain chatbot yang benar-benar berfungsi. Saya akan membahas bagaimana desain chatbot mengubah bot biasa menjadi luar biasa, apa yang membuat percakapan mengalir, dan bagaimana membangun chatbot yang disukai orang.

Apa itu desain chatbot?

Desain chatbot adalah titik temu antara pengalaman pengguna (UX), antarmuka pengguna (UI), dan teknologi AI seperti conversational AI untuk menciptakan AI chatbot dan AI assistant yang efektif.

Tujuan desain chatbot adalah membuat percakapan dengan chatbot terasa lebih lancar, sehingga pengguna bisa mendapatkan apa yang mereka butuhkan dengan mudah tanpa merasa tersesat.

Mengapa desain chatbot itu penting?

Desain chatbot penting karena setiap interaksi dengan chatbot membentuk persepsi pengguna terhadap produk Anda.

Jika pengalamannya membingungkan, pengguna akan pergi. Lebih buruk lagi, mereka akan meninggalkan kesan negatif terhadap merek Anda. Sebaliknya, jika desainnya baik, pelanggan akan kembali.

Dan ini semakin penting karena 67% orang telah menggunakan chatbot untuk dukungan pelanggan dalam setahun terakhir.

Di Botpress, kami membantu VR Bank membangun AI chatbot untuk menangani alur hipotek dan pensiun yang kompleks — dua proses yang sangat diatur dan sebelumnya manual.

Dengan menggabungkan keahlian UX, masukan ahli, dan pemahaman bahasa alami yang cerdas, kami menciptakan chatbot yang membimbing pengguna melalui keputusan keuangan sensitif dan langsung mengirim data ke CRM mereka.

Melalui chatbot ini, kami membantu VR Bank menghemat lebih dari €530.000 per tahun.

Itulah yang dilakukan desain chatbot yang hebat. Ia membuat interaksi terasa membantu dan berdampak langsung pada keuntungan organisasi.

Apa perbedaan antara desain UI chatbot dan desain UX chatbot?

Desain UI chatbot berkaitan dengan apa yang dilihat pengguna, sedangkan desain UX chatbot berkaitan dengan bagaimana perasaan pengguna selama berinteraksi.

UI (antarmuka pengguna) mencakup hal-hal seperti jendela chat, tombol, warna, ikon, dan balon pesan.

Singkatnya: UI membuat chatbot terlihat menarik.

UX (pengalaman pengguna) mencakup seluruh perjalanan pengguna. Ini meliputi seberapa jelas bot berkomunikasi dan seberapa baik bot membantu pengguna dari A ke Z. UX juga mencakup bagaimana bot merespons kesalahan.

Singkatnya: UX membuat chatbot mudah dan menyenangkan untuk digunakan.

Praktik Terbaik Desain UX Chatbot

Cara pengguna berinteraksi dengan bot Anda bisa menentukan apakah mereka mendapatkan bantuan yang dibutuhkan atau justru menyerah.

Praktik terbaik berikut adalah yang paling berdampak dalam penerapan bot di dunia nyata yang pernah saya lihat. Praktis dan penting untuk implementasi chatbot.

Menyatu Dalam Perjalanan Pengguna

Kesalahan terbesar yang saya lihat dalam penerapan chatbot adalah memperlakukan bot seperti fitur tambahan.

Chatbot hanya memberikan nilai jika benar-benar menyatu dalam perjalanan pengguna, membimbing orang ke tujuan yang memang mereka inginkan.

Contoh sempurna (dan lezat) adalah Fromeo, chatbot yang kami buat untuk Les Producteurs de lait du Québec.

Fromeo tampil di halaman utama Fromages d’ici, berperan sebagai “pelayan keju” digital yang mengundang pengguna ke pengalaman yang tidak mereka sadari mereka butuhkan.

Tugas Fromeo? Membantu orang menjelajahi ratusan keju Quebec dengan memberikan rekomendasi personal melalui percakapan. Alih-alih memaksa orang menelusuri kategori keju tanpa akhir, Fromeo menawarkan pengalaman mudah “Hari ini ingin keju seperti apa?”.

Ini adalah contoh klasik bagaimana chatbot menyatu dalam alur pengguna. Ia mengubah sesi penelusuran pasif menjadi perjalanan interaktif yang bernilai tinggi.

Tetapkan Ekspektasi yang Jelas Sejak Awal

Ruby Labs menggunakan pendekatan ini saat memperluas dukungan di enam aplikasi berbasis langganan.

Saat pengguna membuka chatbot dukungan mereka, langsung muncul empat pilihan sederhana:

• Batalkan akun saya
• Pertanyaan penagihan
• Mengatasi masalah teknis
• Ajukan pertanyaan umum

Tombol-tombol ini mengarahkan pengguna ke hasil yang sukses dengan langsung menampilkan kebutuhan paling umum.

Bukan soal teknologi canggih. Ini tentang menunjukkan dengan jelas apa yang bisa dibantu oleh bot.

Pendekatan ini berperan besar dalam kemampuan Ruby Labs mengotomatisasi lebih dari 4 juta sesi dukungan setiap bulan dengan tingkat penyelesaian 98%.

Penting juga untuk jujur tentang apa yang tidak bisa dilakukan chatbot. Jika tidak bisa menangani pengembalian dana atau bantuan akun detail, sampaikan sejak awal.

Rancang Alur Percakapan yang Baik

Salah satu alasan saya sering menggunakan ChatGPT adalah karena percakapannya terasa alami.

ChatGPT berhenti sejenak dan merespons dengan cara yang terasa seperti percakapan sungguhan. Ritme ini membuat informasi lebih mudah dicerna dan pengguna tetap terlibat, terutama saat saya bertanya hal-hal kompleks.

Itulah contoh alur percakapan yang baik dan cara saya membuat chatbot terdengar lebih manusiawi.

Beberapa tips dan trik lain yang saya gunakan saat merancang alur percakapan adalah:

• Menjaga respons tetap singkat dan langsung ke inti
• Menambahkan jeda singkat antar pesan agar pengguna punya waktu memproses apa yang mereka lihat

Cara Menyusun Desain UX Chatbot

1. Lakukan Riset Pengguna Mendalam dan Temukan Intent

Sebelum membuat alur atau menulis satu pesan pun, Anda harus tahu siapa yang Anda rancang. Bukan sekadar persona—pengguna nyata, tujuan nyata, hambatan nyata.

Di sinilah kebanyakan bot gagal: mereka dibangun berdasarkan asumsi, bukan bukti.

Mulailah dengan menjawab tiga pertanyaan dasar:

• Siapa pengguna tipikalnya? (misal, pengunjung baru, pelanggan lama, karyawan?)
• Apa tujuan mereka? (misal, minta bantuan, membeli sesuatu, melacak sesuatu, membatalkan langganan?)
• Apa yang membuat mereka frustrasi dalam pengalaman saat ini?

Jawaban ini tidak akan Anda temukan dalam sesi brainstorming. Bicaralah dengan tim seperti dukungan pelanggan, penjualan, dan produk untuk mengetahui di mana pengguna paling sering mengalami kesulitan.

Lalu lihat tiket dukungan, transkrip chat, atau pencarian di pusat bantuan untuk menemukan polanya.

Lewat riset ini, Anda membangun peta intent: daftar hal yang harus ditangani bot Anda, dan bagaimana pengguna biasanya mengungkapkan permintaan tersebut.

2. Tentukan Tujuan yang Jelas untuk Chatbot Anda

Chatbot Anda tidak perlu melakukan segalanya. Ia hanya perlu melakukan satu hal dengan sangat baik.

Sebelum menulis satu pesan pun, identifikasi kasus penggunaan dengan dampak tertinggi — sesuatu yang benar-benar dibutuhkan pengguna dan bisa diotomatisasi tim Anda dengan percaya diri.

Cari proses yang memenuhi kriteria berikut:

• Sering terjadi
• Membuat pengguna kesal
• Pola prosesnya dapat diprediksi

Misalnya, di e-commerce, biasanya pelacakan pesanan atau pencarian produk: keduanya sering terjadi, terstruktur, dan berisiko rendah untuk diotomatisasi.

Setelah Anda menentukan fokus, tuliskan misi bot dalam satu kalimat. Misalnya: “Membantu pengguna membatalkan akun tanpa intervensi agen dalam waktu kurang dari dua menit.”

Sekarang, tentukan keberhasilan secara kuantitatif. Apakah Anda menargetkan 80% otomatisasi? Penurunan rata-rata waktu penanganan? Lebih sedikit eskalasi?

3. Rancang Perjalanan Chat dari Awal hingga Akhir

Rencanakan seluruh perjalanan pengguna sebelum menulis satu pesan pun. Ini adalah dasar dari UX chatbot.

Cara Memetakan Perjalanan Chatbot Secara Profesional

Berikut proses yang selalu saya gunakan di setiap proyek, baik untuk dukungan pelanggan, onboarding, maupun pengumpulan prospek:

1. Di mana pengguna pertama kali bertemu bot? Beranda? Pusat bantuan? Halaman pembayaran?
2. Bagaimana bot mengenali keinginan pengguna? (kata kunci, tombol, input pengguna)
3. Apa yang terjadi setelah setiap intent? Gambarkan semua variasinya
4. Kapan dan bagaimana alur berakhir? Apakah dialihkan ke agen, menyelesaikan tugas, atau mengembalikan data?
5. Apa yang terjadi jika terjadi kesalahan?

Contoh Perjalanan: Bot Pelacakan Pesanan

Berikut alur dasar sebagai referensi:

1. [Pesan sambutan]: “Hai 👋 Ingin melacak pesanan, cek status pengiriman, atau punya pertanyaan?”
   → Balasan cepat: “Lacak pesanan saya”, “Info pengiriman”, “Hubungi dukungan”‍
2. [Pengguna memilih ‘Lacak pesanan saya’]
3. [Bot meminta nomor pesanan]: “Tentu! Bisakah Anda memasukkan nomor pesanan Anda?”‍
4. [Periksa database]
   → Jika ditemukan: “Pesanan Anda sedang dalam pengiriman dan harus tiba sebelum jam 4 sore hari ini.”
   → Jika tidak ditemukan: “Hmm, saya tidak dapat menemukan nomor tersebut. Ingin coba lagi atau hubungi dukungan?”‍
5. [Aksi pengguna]
   → Coba lagi atau eskalasi ke agen‍
6. [Akhir percakapan]: “Senang bisa membantu. Ada lagi yang bisa saya bantu sebelum Anda pergi?”

4. Tulis dan Uji Contoh Dialog

Setelah Anda memetakan alur chatbot, saatnya masuk ke detail yang paling penting: kata-kata yang benar-benar diucapkan bot Anda.

Aturan yang selalu saya pegang: Jika Anda belum bisa menulis percakapan contoh yang realistis untuk sebuah intent, berarti Anda belum siap membangunnya.

Mulailah dengan membuat 3 sampai 5 dialog contoh untuk kasus penggunaan utama Anda: skenario nyata dan spesifik berdasarkan riset pengguna. Dialog ini harus mencerminkan bahasa yang benar-benar digunakan orang, bukan naskah bisnis yang terlalu formal.

Contohnya:

• Pengguna yang baru saja dikenakan biaya ganda dan merasa frustrasi.
• Seseorang yang mencoba mengatur ulang kata sandi tapi tidak menerima email.
• Pengguna baru yang belum yakin cara membatalkan uji coba.

Tulis seluruh interaksi, termasuk kasus pinggiran dan situasi tidak terduga. Jika seseorang memberi jawaban setengah-setengah atau keluar dari alur, bagaimana bot menanganinya?

Jaga pesan tetap singkat dan jelas. Pecah penjelasan menjadi langkah-langkah logis dan gunakan jeda baris agar mudah dibaca.

Setelah ditulis, lakukan simulasi dialog dengan tim Anda atau, lebih baik lagi, dengan pengguna nyata.

Bacakan dengan suara keras.

Dengan mengamati log interaksi pengguna dengan bot, lihat di mana mereka ragu, salah paham, atau mengajukan pertanyaan lanjutan yang tidak diantisipasi oleh skrip Anda. Ini bisa dibilang cara terbaik untuk memperbaiki alur.

5. Bangun Chatbot Anda

Setelah alur dan konten siap, saatnya membangun AI chatbot Anda.

Anda akan membutuhkan:

• Pesan sambutan
• Intent inti (FAQ, bantuan akun, pencarian pesanan, dll.)
• Logika pengalihan ke dukungan
• Penanganan ulang dan fallback

Tim Anda juga perlu menentukan bagaimana bot akan menyimpan data seperti nomor pesanan atau preferensi pengguna. Apakah perlu memanggil API untuk mengambil data pengiriman atau ketersediaan kalender? Haruskah bot mengingat interaksi sebelumnya?

Integrasikan dengan alat seperti Calendly atau Google Calendar untuk penjadwalan, Zendesk untuk dukungan, serta Stripe atau Shopify untuk transaksi. API kustom dapat membantu menghubungkan ke sistem internal Anda.

6. Uji dan Sempurnakan Secara Berkelanjutan

Setelah bot Anda aktif, Anda akan segera mengetahui apa yang berhasil dan apa yang tidak.

Dan untuk itu, kita bisa bilang: terima kasih, analitik chatbot.

Tidak ada yang mengalahkan data nyata dari pengguna nyata untuk meningkatkan bot Anda.

Beberapa Metrik Penting untuk Dipantau Setelah Peluncuran:

• Intent yang paling sering muncul
• Node dengan tingkat keluar tinggi
• Frasa berulang yang memicu fallback
• Waktu per sesi / tingkat keberhasilan

Tips Pro: Buat "Log Peningkatan Bot".

Saya sarankan untuk meninjau log ini setiap dua minggu. Catat pembaruan dan dampaknya. Latih ulang pengenalan intent saat pola baru muncul.

Alat Terbaik untuk Desain UX Chatbot

Alat Perencanaan & Pemetaan

Alat-alat ini membantu Anda menggambarkan logika chatbot sebelum menulis kode. Cocok untuk memvisualisasikan alur dan menemukan kasus pinggiran.

Lucidchart

‍

Sebagai seseorang yang suka membangun chatbot untuk bersenang-senang (dan bekerja di perusahaan AI), ini adalah salah satu alat favorit saya untuk merencanakan percakapan.

Sangat bagus untuk membuat pohon percakapan detail, jalur fallback, dan logika keputusan.

Saya terutama suka menggunakannya saat bekerja dengan engineer atau tim dukungan karena semuanya sangat visual dan mudah disepakati bersama.

Bonus: kolaborasi real-time sangat membantu untuk kerja tim secara asinkron.

Miro

Saya biasanya memulai lokakarya desain chatbot di Miro. Sangat cocok untuk menuangkan ide mentah seperti intent dan contoh frasa ke dalam ruang visual.

Jika Lucidchart adalah tempat saya merapikan hasil akhir, Miro adalah tempat proses kreatif yang masih berantakan terjadi. Tempat ini juga bagus untuk sesi brainstorming awal tim atau mencatat wawasan pengguna setelah riset.

Whimsical

Ini andalan saya saat ingin membuat draft percakapan cepat atau hanya menggambar alur fitur kecil.

Sangat pas saat saya bekerja sendiri atau perlu menunjukkan konsep ke orang lain tanpa perlu pengaturan alat yang rumit.

Juga bagus untuk menjaga semuanya tetap bersih dan di level tinggi tanpa harus masuk ke detail-detail kecil terlalu awal.

Alat Pengujian & Riset

Strategi chatbot tidak lengkap tanpa menguji interaksi pengguna nyata. Alat-alat ini membantu Anda memvalidasi desain percakapan dan mengumpulkan masukan sebelum peluncuran.

PlaybookUX

‍

Saya telah menggunakan PlaybookUX untuk menjalankan pengujian tanpa moderator pada prototipe chatbot, dan selalu mendapatkan banyak masukan berharga.

Anda mendapatkan reaksi pengguna dan perilaku navigasi tanpa harus menjadwalkan wawancara.

Sangat berguna untuk menemukan titik di mana pengguna salah paham dengan bot atau mengambil jalur yang tidak terduga dalam alur.

Maze

Saya suka menggunakan Maze untuk pengujian sinyal cepat.

Saat Anda hanya ingin tahu: Apakah alur ini masuk akal?

Lookback

Lookback mendukung wawancara langsung dan perekaman layar sehingga Anda bisa mengamati reaksi dan masalah kegunaan secara real-time.

Saya pribadi pernah menemukan masalah kecil pada waktu respons atau kata-kata yang kurang jelas hanya dengan melihat pengguna ragu selama tiga detik di tengah percakapan.

Platform AI Chatbot

Ini adalah platform end-to-end yang digunakan saat implementasi chatbot untuk benar-benar membangun dan meluncurkan pengalaman percakapan. Biasanya sudah termasuk alat logika, integrasi, dan pemrosesan bahasa alami.

Botpress

‍

Saya membangun semuanya di Botpress: platform ini pas di tengah antara tanpa kode dan fleksibilitas penuh untuk developer.

Botpress menawarkan platform lengkap untuk membangun AI percakapan dengan dukungan NLU, RAG, dan alur kustom.

Builder visualnya intuitif untuk desainer, dan platformnya mendukung pengujian serta debugging secara real-time.

Dan sangat cocok untuk tim yang ingin beralih dari konsep ke produksi dengan sedikit kode.

Yang terbaik? Gratis!

Rasa

Sebagai seseorang dari latar belakang non-teknis, saya bisa bilang Rasa lebih menuntut sisi rekayasa. Saya pernah memakai Rasa untuk bot kustom berbasis ML, misalnya saat butuh kontrol penuh atas model intent.

Namun jika tim Anda punya pengalaman Python dan ingin membangun sesuatu di luar logika drag-and-drop, Rasa sangat kuat.

Dialogflow

Dialogflow cocok untuk bot sederhana atau jika tumpukan teknologi Anda sudah terintegrasi dengan Google Cloud.

Saya pernah menggunakannya untuk membangun helpbot IT berbasis suara yang terhubung ke Google Calendar dan Sheets.

Tidak sefleksibel untuk alur lanjutan atau logika khusus, tapi sangat mulus jika kebutuhan Anda sederhana.

Alat Analitik & Optimasi

Setelah chatbot Anda aktif, Anda perlu mengetahui bagaimana performanya. Alat analitik melacak perilaku pengguna, keberhasilan percakapan, titik keluar, dan lainnya.

Botpress (bawaan)

‍

Salah satu aspek Botpress yang saya sukai adalah tab analitik bawaan.

Sangat mudah untuk men-debug alur dalam konteks dan melihat apa yang diketik pengguna sebelum bot menjadi bingung.

Dashbot

Jika Anda menjalankan beberapa bot atau ingin dasbor khusus untuk keterlibatan dan performa, Dashbot sangat bagus.

Dashbot memberikan wawasan terstruktur kepada pengguna tentang hal-hal seperti retensi pengguna dan pemicu fallback.

Google Analytics (event khusus)

Saya sangat merekomendasikan Google Analytics untuk tim pemasaran yang ingin melihat bagaimana bot memengaruhi konversi, bounce rate, atau keterlibatan halaman secara keseluruhan.

Ini memang bukan khusus chatbot, tapi sangat baik untuk analisis funnel yang lebih luas.

Rancang Chatbot yang Lebih Cerdas

Desain chatbot adalah fondasi dari setiap pengalaman chatbot yang hebat.

Botpress adalah platform agen AI yang memberikan semua orang alat untuk membangun dan meluncurkan agen cerdas dengan dialog alami.

Dengan alat desain bawaan, template yang dapat digunakan ulang, dan mesin NLU yang kuat, Botpress memudahkan pembuatan bot yang tidak hanya berfungsi, tapi juga terasa manusiawi.

Mulai bangun hari ini. Gratis.

FAQ

Berapa lama waktu yang dibutuhkan untuk merancang dan meluncurkan chatbot?

Merancang dan meluncurkan chatbot yang berfungsi baik bisa memakan waktu mulai dari beberapa jam hingga beberapa minggu, tergantung pada kompleksitasnya. Bot FAQ sederhana bisa aktif dalam 2 sampai 3 jam, sedangkan bot yang lebih canggih untuk tugas kompleks bisa memerlukan beberapa hari atau lebih untuk memastikan kualitas dan keandalannya.

Apakah saya perlu keahlian coding untuk merancang chatbot?

Keahlian coding tidak wajib untuk desain chatbot, berkat builder visual dan alat no-code yang disediakan oleh platform seperti Botpress (atau Dialogflow). Namun, integrasi kompleks atau fitur khusus sering kali membutuhkan dukungan developer untuk memperluas kemampuan bot.

Bisakah chatbot menangani beberapa bahasa atau dialek dalam satu bot?

Chatbot dapat menangani beberapa bahasa atau dialek dalam satu bot jika dirancang menggunakan model NLU multibahasa dan mendukung data pelatihan khusus bahasa. Banyak platform chatbot modern menawarkan kemampuan multibahasa bawaan, namun Anda tetap perlu merencanakan terjemahan dengan cermat dan menguji nuansa bahasa, konteks budaya, serta ekspektasi pengguna di berbagai wilayah.

Bagaimana saya bisa mengukur keberhasilan desain chatbot setelah diluncurkan?

Keberhasilan desain chatbot diukur setelah peluncuran menggunakan metrik seperti tingkat penyelesaian tugas, skor kepuasan pengguna, tingkat fallback, dan rata-rata waktu penyelesaian. Log percakapan dan umpan balik pengguna membantu mengidentifikasi titik masalah dan efektivitas keseluruhan.

Kesalahan umum apa yang harus dihindari saat merancang percakapan chatbot?

Kesalahan umum dalam desain chatbot meliputi penggunaan bahasa yang kaku atau terlalu formal, tidak menjelaskan kemampuan bot, membuat alur yang kaku sehingga mengabaikan input tak terduga, dan kurangnya pesan fallback yang efektif. Pengujian dengan pengguna nyata membantu memastikan percakapan yang alami dan interaksi yang lancar serta bermanfaat.