제작 시 피해야 할 13가지 실수 Chatbots

chatbots 을 잘 설계하면 기업이 고객과 더 쉽게 소통할 수 있습니다. 앱보다 개발 비용이 훨씬 저렴하며, 채팅에서 바로 사용할 수 있고(정의상) 다운로드할 필요가 없다는 등의 장점이 있습니다.

chatbots 를 만들 때 흔히 저지르는 실수.

1. 너무 많은 텍스트 요구

가능하면 텍스트 입력이 필요하지 않도록 챗봇을 설계해야 합니다. 사용자는 타이핑보다 간단한 버튼 클릭을 선호합니다. 가능하면 텍스트 대신 그래픽 위젯을 사용해야 합니다. 최악의 경우 사용자가 선택할 수 있는 번호가 매겨진 옵션을 텍스트에 표시할 수도 있습니다.

여기서 중요한 지표는 작업을 완료하기 위한 터치 횟수입니다.

2. 그래픽 UI 미사용

채팅 사용자 인터페이스는 다음과 같은 많은 단점이 있기 때문에 많은 작업에 적합한 인터페이스가 아닙니다:

• 그래픽 인터페이스처럼 사용 가능한 모든 옵션을 간결하고 쉽게 볼 수 있는 개요를 제공하지 않습니다.
• 위에서 설명한 대로 선택 항목을 입력하는 투박한 방식입니다.
• 사용자는 진행 중인 작업의 상태를 볼 수 없거나 프로세스에 얼마나 많은 단계가 포함될 수 있는지 전혀 알 수 없습니다.
• 사용자가 마음이 바뀌거나 실수한 경우 취소하거나 되돌릴 수 없습니다.

대부분의 주류 채팅 애플리케이션은 사용자가 봇의 화면으로 사용자 지정 그래픽이 포함된 웹 보기를 추가할 수 있도록 허용합니다. 웹 보기를 사용하면 UX가 확실히 개선됩니다.

물론 응답성은 웹 뷰에서도 고려해야 할 사항이며 개발자와 궁극적으로 채팅 플랫폼 개발자가 해결해야 할 문제입니다.

또한 채팅 기록에 저장하고 싶지 않은 비밀번호와 같은 보안 정보를 입력할 때 웹 보기를 사용해야 한다는 것은 잘 알려지지 않은 사용 사례입니다.

3. 봇에 너무 많은 개성을 부여하기

적절한 경우 약간의 개성은 좋은 것입니다. 예를 들어 사람들에게 너무 많은 텍스트를 읽으라고 요청하는 등 유용성을 방해하는 개성은 경험을 떨어뜨릴 수 있습니다.

봇이 사용자가 원하는 것을 이해하지 못할 때 사용자가 봇의 개성을 얼마나 인정할지 생각해 볼 필요가 있습니다. 이 경우 상황을 훨씬 더 악화시킬 것입니다!

4. 봇을 너무 스크립트화하기

현재 chatbots 에는 사용자가 결함을 참을 수 있도록 하는 참신한 가치가 분명히 있습니다. 항상 그렇지는 않을 것입니다.

이 블로그 게시물의 대부분의 요점은 자체 블로그 게시물의 주제가 될 수 있으며 이 블로그 게시물은 확실히 그 범주에 속합니다.

스크립트 봇의 장점은 사용자 경험이 엄격하게 제어되고, 한 입 크기의 덩어리로 제공되며, 사용자가 관심 있는 주제를 탐색할 수 있다는 점입니다. 따라서 최종 사용자가 매우 이해하기 쉬운 경험을 제공합니다.

이 접근 방식의 단점은 앱이나 웹사이트에서 볼 수 있는 사용자 지정 사용자 인터페이스에 비해 탐색이 매우 투박하고 제한적이라는 것입니다. 예를 들어 뒤로 가기 버튼은 데스크톱과 모바일에서 매우 많이 사용되지만 봇의 경우 메뉴를 사용하던 위치로 다시 이동해야 하므로 매우 투박한 솔루션입니다.

스크립트로 작성된 접근 방식은 옵션에 대한 개요를 미리 볼 수 없고 순차적인 탐색에 갇혀 있다는 점 등 앞서 채팅 인터페이스에 대해 언급했던 것과 같은 여러 측면에서 부족합니다.

그래픽 인터페이스와 NLP를 적절히 사용하면 봇을 훨씬 더 효율적으로 사용할 수 있습니다.

물론 개발 속도와 기능의 한계라는 측면에서 상충되는 부분이 있을 수 있습니다. 파워포인트 프레젠테이션은 완전한 인터랙티브 웹사이트로 만들면 훨씬 개선될 수 있습니다. 그러나 이 프레젠테이션으로 충분히 업무를 수행할 수 있다면 시간, 노력 및 경제적 관점에서 대화형 웹 사이트 구축을 정당화할 수 없을 것입니다.

5. 사용자 범위 관리 안 함

자연어 처리(NLP)를 일회성 명령에 사용하더라도(여러 단계의 대화가 아닌 현재로서는 불가능합니다) 한계가 있습니다. 현실적으로 사용자가 얼마나 다양한 방식으로 질문할 수 있을지 예상하기 어렵기 때문입니다.

Google 블로그에 따르면 사이트에서 수행되는 검색의 15%는 완전히 새로운 검색, 즉 이전에 본 적이 없는 검색이라고 합니다. 이는 하루에 약 8억 건의 검색입니다.

따라서 빈번하지 않거나 일회성 업무의 경우, 사람들이 질문할 범위를 명확히 하여 질문의 범위를 제한하는 방법을 찾는 것이 중요합니다.

물론 빈번한 작업의 경우 기계와 함께 사용자를 "훈련"할 수 있습니다. 재생 목록 관리나 음식 주문과 같은 빈번한 가사 작업의 경우 사용자는 NLP에 적응하게 됩니다.

6. 루프에서 인간을 사용하지 않음

봇의 배후에 사람이 있을 가능성이 있다고 생각하지 않는 한 사용자가 완전한 문장으로 질문을 입력하는 것을 보기는 어렵습니다.

물론 문장을 입력하는 것은 특히 모바일에서 버튼 몇 개를 클릭하는 것보다 더 많은 노력이 필요하므로 봇이 제대로 응답하지 못하면 사용자의 불만이 빠르게 증가하게 됩니다.

휴먼 인 더 루프는 사람이 봇을 대신하여 최종 사용자에게 수동으로 응답할 수 있는 기능입니다.

휴먼 인 더 루프는 순수 자동화 시스템보다 비용이 더 많이 들지만, 많은 경우 인간 상담원이 이미 질문에 답하고 있고 봇은 단순 반복 질문에 답하여 효율성을 높이기 위해 도입됩니다.

최종 사용자가 좌절하지 않도록 하려면 봇이 질문에 답할 확률이 매우 높지 않은 경우 대화가 사람에게 에스컬레이션되도록 하는 것이 중요합니다.

봇이 질문에 답변하는 신뢰 수준은 NLP 엔진의 결과이므로 일반적으로 대화가 자동으로 사람에게 에스컬레이션되는 신뢰 수준을 쉽게 설정할 수 있습니다.

봇 대화가 인간에게 에스컬레이션되는 경우에도 봇은 여전히 가치를 더할 수 있습니다. 봇은 사람이 더 빠르게 응답하는 데 사용할 수 있는 미리 준비된 답변을 보여줄 수 있으며, 여기에는 그래픽 위젯도 포함될 수 있습니다. 물론 사람의 응답을 모니터링함으로써 봇은 향후 더 많은 질문에 답할 수 있도록 스스로를 훈련시킬 수 있습니다.

7. 개방형 검색에 Chatbots 사용

앞서 언급했듯이 chatbots NLP를 사용하는 것은 쿼리에 대한 응답이 제한적이고 큐레이션이 가능한 좁은 범위 내에서 잘 작동합니다. 실제로 NLP를 가장 잘 활용하는 방법 중 하나는 지루한 의사 결정 트리를 거치지 않고도 사용자가 원하는 옵션으로 이동할 수 있는 일종의 제한 검색입니다.

하지만 개방형 검색은 다릅니다. 이 경우 사용자는 모든 관련 요소가 무엇인지 미리 알 수 없습니다. 사용자는 사용 가능한 모든 옵션과 관련 요소에 대한 개요를 매우 빠르게 파악한 다음 필터를 사용하여 검색 기준에 따라 옵션의 범위를 빠르게 좁히고 싶어 합니다.

봇에게 특정 위치에서 숙박하기에 가장 좋은 호텔을 추천해 달라고 요청할 수는 있지만, 광범위한 검색 및 필터링 도구를 사용하여 좋은 호텔 웹사이트를 검색하는 것보다 같은 시간 내에 더 나은 솔루션을 제공할 가능성은 거의 없습니다.

NLP 경로는 솔루션의 품질/가치보다 속도와 편의성을 더 중요하게 생각하는 경우 좋은 경로가 될 수 있습니다. 예를 들어 꽃을 구매할 때 가장 좋은 가격을 제시하는 꽃집을 찾는 데 시간을 소비하기보다는 가장 편리한 솔루션을 사용하는 것이 상대적으로 더 만족스러울 수 있습니다.

8. 처음부터 챗봇 구축하기

필요한 모든 기능을 제공하는 프레임워크를 사용할 수 있는데 처음부터 봇을 개발하지 말아야 하는 이유는 여러 가지가 있습니다.

공통 구성 요소로 제공할 수 있는 기능을 코딩하는 데 시간과 노력을 낭비해서는 안 될 뿐만 아니라, 프레임워크에 대한 하나의 통합으로 많은 타사 통합 기능을 바로 사용할 수 있는데도 타사 서비스에 대한 여러 통합을 작성하는 데 시간을 낭비해서는 안 됩니다.

위의 모든 사항은 프레임워크에서 구성 요소 및 통합의 소스 코드에 대한 액세스 권한을 제공하여 필요에 따라 사용자 지정할 수 있는 경우 특히 그렇습니다.

9. 전체 문제를 해결하지 못함

고객이 작업을 완료하기 위해 채팅 채널을 떠날 필요가 없다면 봇이 정말 유용할 것입니다. 고객이 프로세스의 특정 단계를 완료하기 위해 채팅을 떠나야 한다면 봇의 유용성은 떨어집니다.

물론 봇이 필요한 모든 단계를 처리하는 것이 불가능할 수도 있지만, 가능하다면 봇이 전체 프로세스를 처리할 수 있다면 최종 고객에게는 훨씬 더 가치가 있을 것입니다.

예를 들어, 고객이 챗봇을 사용하여 커피 한 잔을 구매할 때 챗봇에게 결제하여 거래를 완료할 수 있는 옵션이 있어야 합니다. 가능하면 고객이 바리스타에게 현금을 지불하도록 강요해서는 안 됩니다. 차량 서비스가 끝날 때 기사에게 현금을 지불해야 한다면 Uber는 그다지 좋은 서비스가 아닐 것입니다.

10. 프로세스에 불필요한 단계가 있음

당연한 말이지만 훌륭한 고객 경험은 단순함과 편리함에서 비롯됩니다. 고객이 주어진 작업을 완료하기 위해 수행해야 하는 단계 수를 포함하여 모든 면에서 고객의 노력을 최소화해야 합니다.

예를 들어, 고객이 항상 같은 종류의 커피를 주문하는 경우 프로세스 시작 시 해당 유형의 커피에 대한 빠른 주문 옵션을 제공해야 합니다.

11. 앱이 작업을 더 잘 완료할 수 있는 경우 Chatbots 사용

Chatbots 가 모든 업무에 완벽하지는 않습니다. 어떤 경우에는 기업이 애플리케이션을 사용하여 고객에게 더 나은 서비스를 제공할 수 있습니다.

예를 들어 프로세스에 여러 화면에서 피드백 및 조정이 필요하고 세부적인 수준이 높다면 봇보다는 앱을 사용하는 것이 더 합리적입니다.

이는 특히 데스크톱 애플리케이션에 해당되지만 모바일 애플리케이션에도 적용됩니다.

12. 제어를 위한 유연성 희생

이 소프트웨어 개발의 일반적인 규칙은 chatbots 에도 동일하게 적용됩니다. 사용자가 봇과 상호작용하는 방식에 유연성을 부여하는 것은 입력 오류가 더 많이 발생하더라도 중요합니다.

고객이 실수를 했을 때 자신이 한 일을 되돌릴 수 있다면, 사용자 경험은 덜 경직되고 통제될수록 훨씬 더 좋아질 것입니다.

13. 데이터 제공

AI는 데이터를 새로운 석유로 만들었습니다. 많은 AI 기업의 챗봇 비즈니스 모델은 무엇보다도 AI를 개선하는 데 사용할 수 있는 데이터를 수집하기 위해 서비스를 무료로 제공하는 것입니다.

데이터를 제3자에게 넘기면 챗봇에 다음과 같은 보안 위험이 발생할 수 있습니다:

• 필요한 경우, 즉 잠겨 있는 경우 NLP 엔진을 쉽게 전환할 수 없습니다.
• NLP 또는 일반 AI를 향상시키기 위해 자신의 데이터를 사용할 수 없습니다.
• 데이터를 처리하는 데 사용되는 방법과 기술을 배울 가능성이 줄어듭니다.
• 다른 시스템과의 통합 또는 관련 기능 생성 등 다른 목적으로는 회원님의 데이터를 사용할 수 없습니다.
• 회원님이 직접 데이터의 보안이나 개인정보 보호를 보장할 수 없습니다.

chatbots 이 주류로 자리 잡으면서 UX 및 개발에 대한 많은 모범 사례가 등장할 것입니다. 위의 내용 중 일부가 봇 UX를 저해하는 문제를 식별하는 데 도움이 되기를 바랍니다.