Panduan Lengkap Desain Chatbot

Sematkan ke dalam Perjalanan Pengguna

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

Chatbot hanya menciptakan nilai ketika mereka tertanam dalam perjalanan pengguna, membimbing orang ke tempat yang ingin mereka tuju.

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

Fromeo berada di bagian depan dan tengah pada beranda Fromages d'ici, bertindak sebagai “pelayan keju” digital yang mengundang pengguna ke dalam pengalaman yang tidak mereka ketahui bahwa mereka butuhkan.

Pekerjaan Fromeo? Bantu orang-orang menjelajahi ratusan keju Quebec dengan memberikan rekomendasi yang dipersonalisasi melalui percakapan. Alih-alih memaksa orang untuk menjelajahi kategori keju yang tak terbatas, Fromeo menemui mereka dengan pengalaman mudah "Apa yang Anda rasakan hari ini?"

Ini adalah contoh buku teks tentang penyematan chatbot ke dalam alur pengguna. Chatbot mengubah sesi penelusuran pasif menjadi perjalanan interaktif yang bernilai tinggi.

Tetapkan Harapan yang Jelas Sejak Awal

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

Saat pengguna membuka chatbot dukungan mereka, mereka langsung disajikan dengan empat opsi sederhana: 

• Batalkan akun saya
• Pertanyaan tentang penagihan
• Memecahkan masalah teknis
• Ajukan pertanyaan umum

Tombol-tombol ini memandu pengguna menuju hasil yang sukses dengan segera menampilkan kebutuhan yang paling umum. 

Ini bukan tentang teknologi canggih. Ini tentang menunjukkan kepada orang-orang, secara gamblang, apa saja yang dapat dilakukan oleh bot.

Hal ini memainkan peran besar dalam kemampuan Ruby Labs untuk mengotomatiskan lebih dari 4 juta sesi dukungan setiap bulan dengan tingkat penyelesaian 98% . 

Penting juga untuk bersikap jujur tentang apa yang tidak dapat dilakukan oleh chatbot. Jika chatbot tidak dapat menangani hal-hal seperti pengembalian dana atau bantuan akun yang terperinci, sampaikan hal tersebut di awal.

Desain untuk Aliran Percakapan

Salah satu alasan saya menemukan diri saya menggunakan ChatGPT begitu seringnya sehingga percakapan terasa alami.

ChatGPT berhenti sejenak dan merespons dengan cara yang terasa seperti bolak-balik. Kecepatan itu memudahkan saya menyerap informasi dan tetap terlibat, terutama saat saya mengajukan pertanyaan yang rumit.

Seperti itulah alur percakapan yang baik dan begitulah cara saya membuat chatbot terdengar lebih manusiawi . 

Beberapa tips dan trik lain yang saya gunakan dalam mendesain alur percakapan adalah:

• Menjaga tanggapan tetap singkat dan langsung ke intinya
• Menambahkan jeda halus di antara pesan sehingga pengguna punya waktu untuk memproses apa yang mereka lihat

1. Selami Riset Pengguna dan Penemuan Niat

Sebelum Anda membuat sketsa alur atau menulis satu pesan, Anda perlu tahu untuk siapa Anda mendesain. Bukan dalam istilah persona yang samar-samar —pengguna nyata, tujuan nyata, gesekan nyata.

Di sinilah sebagian besar bot gagal: mereka dibuat berdasarkan asumsi, bukan bukti.

Mulailah dengan menjawab tiga pertanyaan mendasar:

• Siapa saja pengguna tipikal? (misalnya pengunjung baru, pelanggan lama, karyawan?)
• Apa tujuan mereka? (misalnya, mendapatkan bantuan, melakukan pembelian, melacak sesuatu, membatalkan langganan?)
• Apa yang membuat mereka frustrasi dengan pengalaman saat ini?

Anda tidak akan menemukan jawaban ini dalam curah pendapat. Bicaralah dengan tim seperti dukungan pelanggan, penjualan, dan produk untuk mengetahui di mana pengguna paling kesulitan. 

Kemudian lihat tiket dukungan, transkrip obrolan, atau pencarian pusat bantuan untuk menemukan pola. 

Melalui penelitian ini, Anda membangun peta maksud: daftar apa yang perlu ditangani bot Anda, dan bagaimana pengguna secara alami mengutarakan permintaan tersebut.

2. Tentukan Tujuan yang Jelas untuk Chatbot Anda

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

Sebelum Anda menulis satu pesan pun, identifikasi kasus penggunaan yang berdampak paling tinggi — sesuatu yang benar-benar dibutuhkan pengguna dan sesuatu yang dapat diotomatisasi oleh tim Anda dengan percaya diri. 

Anda mencari proses yang tepat sasaran:

• Frekuensi tinggi
• Mengganggu pengguna
• Mengikuti pola yang dapat diprediksi

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

Setelah Anda fokus, tulis misi satu baris untuk bot tersebut. Sesuatu seperti: "Pandu pengguna melalui pembatalan akun tanpa campur tangan agen dalam waktu kurang dari dua menit."

Sekarang, definisikan kesuksesan secara numerik . Apakah Anda menargetkan 80% otomatisasi? Penurunan waktu penanganan rata-rata? Lebih sedikit eskalasi?

3. Mendesain End-to-End Chat Perjalanan

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

4. Tulis dan Uji Contoh Dialog

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

Inilah aturan yang selalu saya ikuti: Jika Anda tidak dapat menulis contoh percakapan yang realistis untuk suatu tujuan, Anda belum siap untuk membangunnya.

Mulailah dengan membuat 3 hingga 5 contoh dialog untuk kasus penggunaan utama Anda: skenario nyata dan spesifik berdasarkan riset pengguna Anda. Ini harus mencerminkan bahasa aktual yang digunakan orang, bukan teks bisnis yang disunting. 

Sebagai contoh:

• Pengguna yang baru saja dikenai biaya ganda dan merasa frustrasi.
• Seseorang mencoba mengatur ulang kata sandinya tetapi tidak menerima email.
• Pengguna pertama kali yang tidak yakin cara membatalkan uji cobanya.

Tuliskan seluruh interaksi, termasuk kasus-kasus ekstrem dan jalan memutar yang tidak lazim. Jika seseorang memberikan jawaban yang setengah-setengah atau keluar dari naskah, bagaimana bot menanganinya?

Sampaikan pesan dengan singkat dan jelas. Bagi penjelasan menjadi beberapa langkah logis dan gunakan jeda baris untuk meningkatkan kemudahan pemindaian.

Setelah ditulis, mainkan dialog tersebut dengan tim Anda atau lebih baik lagi, dengan pengguna sungguhan. 

Bacalah dengan suara keras. 

Dari pengamatan log pengguna yang berinteraksi dengan bot, lihat di mana orang ragu-ragu, salah menafsirkan, atau mengajukan pertanyaan lanjutan yang tidak diantisipasi oleh skrip Anda. Ini bisa dibilang cara terbaik untuk meningkatkan alur. 

5. Bangun Chatbot Anda

Sekarang alur dan konten Anda sudah siap, waktunya membangun chatbot AI Anda .

Anda akan membutuhkan:

• Pesan selamat datang
• Maksud inti (FAQ, bantuan akun, pencarian pesanan, dll.)
• Mendukung logika serah terima
• Penanganan percobaan ulang dan fallback

Tim Anda juga harus memutuskan bagaimana bot akan menyimpan data seperti nomor pesanan atau preferensi pengguna. Apakah bot 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, dan Stripe atau Shopify untuk transaksi. API khusus dapat membantu menghubungkan dengan sistem internal Anda.

6. Uji dan perbaiki secara terus menerus

Setelah bot Anda ditayangkan, Anda akan belajar dengan cepat apa yang berhasil dan apa yang tidak. 

Dan untuk itu, kami dapat mengucapkan: terima kasih, analitik chatbot .

Tidak ada yang mengalahkan data dunia nyata dari pengguna nyata dalam hal meningkatkan bot Anda.

Beberapa Metrik Utama yang Perlu Dipantau Pasca Peluncuran:

• Maksud yang paling umum
• Node putus sekolah tinggi
• Frasa berulang yang mencapai fallback
• Waktu per sesi / tingkat keberhasilan

Kiat Pro : Buat "Log Peningkatan Bot". 

Saya sarankan untuk meninjau log ini dua minggu sekali. Lacak pembaruan dan dampaknya. Latih kembali pengenalan maksud Anda saat pola baru muncul. 

Alat Perencanaan & Pemetaan

Ini membantu Anda membuat sketsa logika chatbot sebelum Anda menyentuh sebaris kode. Ini ideal untuk memvisualisasikan alur dan mengidentifikasi kasus-kasus ekstrem.

Lucidchart

‍

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

Sangat bagus untuk membuat pohon percakapan terperinci, jalur cadangan, dan logika keputusan. 

Saya sangat suka menggunakannya saat bekerja dengan para insinyur atau tim pendukung karena semuanya sangat visual dan mudah diselaraskan. 

Bonus: kolaborasi waktu nyata adalah impian bagi kerja tim asinkron.

miro

Saya biasanya memulai lokakarya desain chatbot di Miro. Miro sangat cocok untuk menuangkan ide-ide mentah seperti maksud dan contoh frasa ke dalam arena bermain visual.

Jika Lucidchart adalah tempat saya memformalkan berbagai hal, Miro adalah tempat terjadinya pemikiran kreatif yang berantakan. Ini juga merupakan tempat yang bagus untuk menjalankan curah pendapat tim di awal atau menangkap wawasan pengguna pasca-penelitian.

Aneh 

Ini adalah pilihan saya saat saya ingin membuat draf percakapan cepat atau sekadar membuat sketsa alur fitur kecil.

Sempurna saat saya bekerja sendiri atau perlu menunjukkan suatu konsep kepada seseorang tanpa "peralatan" yang besar. 

Ini juga bagus untuk menjaga segala sesuatunya tetap bersih dan bermutu tinggi tanpa menyelami detail-detail yang rumit terlalu dini.

Alat Pengujian & Penelitian

Tidak ada strategi chatbot yang lengkap tanpa menguji interaksi pengguna yang sebenarnya. Alat-alat ini membantu Anda memvalidasi desain percakapan dan mengumpulkan umpan balik sebelum peluncuran.

PlaybookUX 

‍

Saya telah menggunakan PlaybookUX untuk menjalankan pengujian tanpa pengawasan pada prototipe chatbot dan itu selalu memberi saya banyak sekali masukan.

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

Ini terutama berguna untuk menemukan titik di mana pengguna salah membaca bot atau mengambil arah yang tidak terduga dalam alurnya.

Labirin 

Saya suka menggunakan Maze untuk pengujian sinyal cepat. 

Ketika Anda hanya ingin tahu: Apakah aliran ini masuk akal?

Melihat kembali 

Lookback mendukung wawancara langsung dan rekaman layar sehingga Anda dapat mengamati reaksi waktu nyata dan masalah kegunaan.

Secara pribadi, saya menemukan masalah waktu kecil atau kata-kata yang tidak jelas hanya dengan melihat pengguna ragu-ragu selama tiga detik di tengah percakapan.

Menerapkan Agen AI?

Baca Cetak Biru kami untuk Implementasi Agen AI

Baca Sekarang

Platform Chatbot AI

Ini adalah platform menyeluruh yang digunakan selama implementasi chatbot untuk benar-benar membangun dan menerapkan pengalaman percakapan. Platform ini sering kali menyertakan alat untuk logika, integrasi, dan penanganan bahasa alami.

Botpress

‍

Saya membangun semuanya di Botpress : ia mencapai titik yang tepat antara tanpa kode dan fleksibilitas pengembang penuh.

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

Pembangun visualnya intuitif bagi desainer, dan platformnya mendukung pengujian dan penelusuran kesalahan secara waktu nyata. 

Dan ini sangat cocok bagi tim yang ingin beralih dari konsep ke produksi dengan kode minimal. 

Yang terbaik dari semuanya? Gratis!

Rasa 

Sebagai seseorang yang berasal dari latar belakang non-teknis, saya akan mengatakan bahwa Rasa lebih intensif dalam hal teknik. Saya telah menggunakan Rasa untuk bot kustom yang lebih berfokus pada ML, seperti ketika saya membutuhkan kontrol penuh atas model intent.

Namun jika tim Anda memiliki pengalaman Python dan perlu membangun sesuatu yang melampaui logika drag-and-drop, Rasa sangatlah hebat. 

Dialogflow 

Dialogflow sangat bagus untuk bot sederhana atau saat Anda stack sudah ada jauh di dalam Google Cloud.

Saya pernah menggunakannya untuk membangun helpbot TI berkemampuan suara yang terhubung ke Google Calendar dan Lembar. 

Tidak begitu fleksibel untuk alur tingkat lanjut atau logika khusus, tetapi sangat lancar jika kebutuhan Anda sederhana.

Alat Analisis & Optimasi

Setelah chatbot Anda aktif, Anda memerlukan wawasan tentang cara kerjanya. Alat analitik melacak perilaku pengguna, keberhasilan percakapan, titik-titik penghentian, dan banyak lagi.

Botpress (terintegrasi) 

‍

Aspek lain dari 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.

dasbor bot 

Jika Anda menjalankan banyak bot atau menginginkan dasbor khusus untuk keterlibatan dan kinerja, Dashbot adalah pilihan yang tepat.

Memberikan wawasan terstruktur kepada pengguna mengenai hal-hal seperti retensi pengguna dan pemicu fallback. 

Google Analytics (acara khusus) 

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

Ini bukan chatbot asli, tetapi bagus untuk analisis saluran yang lebih luas.

Berapa lama waktu yang dibutuhkan untuk mendesain dan meluncurkan chatbot?

Merancang dan meluncurkan chatbot yang berfungsi dengan baik dapat memakan waktu mulai dari beberapa jam hingga beberapa minggu, tergantung pada kerumitannya. Bot FAQ sederhana dapat ditayangkan dalam 2 hingga 3 jam, sementara bot yang lebih canggih yang menangani tugas-tugas kompleks dapat memakan waktu beberapa hari atau lebih untuk memastikan kualitas dan keandalan.

Apakah saya memerlukan keahlian coding untuk mendesain chatbot?

Keterampilan pengkodean tidak sepenuhnya diperlukan untuk desain chatbot, berkat pembangun visual dan alat tanpa kode yang ditawarkan oleh platform seperti Botpress (atau Dialogflow). Namun, integrasi yang kompleks atau fitur khusus sering kali mendapat manfaat dari dukungan pengembang untuk memperluas kemampuan bot.

Dapatkah chatbot menangani beberapa bahasa atau dialek dalam bot yang sama?

Chatbot dapat menangani berbagai bahasa atau dialek dalam bot yang sama jika dirancang menggunakan model pemahaman bahasa alami multibahasa (NLU) dan mendukung data pelatihan khusus bahasa. Banyak platform chatbot modern menawarkan kemampuan multibahasa bawaan, tetapi Anda masih perlu merencanakan terjemahan dengan hati-hati dan menguji nuansa dalam frasa, konteks budaya, dan ekspektasi pengguna di berbagai wilayah.

Bagaimana cara mengukur apakah desain chatbot saya berhasil setelah diluncurkan?

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

Kesalahan umum apa yang harus saya hindari saat merancang percakapan chatbot?

Kesalahan umum dalam desain chatbot termasuk menggunakan bahasa robotik atau terlalu formal, tidak mengklarifikasi kemampuan bot, membuat alur yang kaku yang mengabaikan input yang tidak terduga, dan tidak memiliki pesan fallback yang efektif. Pengujian dengan pengguna nyata membantu memastikan percakapan yang alami dan interaksi yang lancar dan bermanfaat.