챗봇 디자인을 위한 완벽한 가이드

사용자 여정에 포함

제가 챗봇 배포에서 본 가장 큰 실수는 봇을 기능 추가 기능처럼 취급하는 것입니다. 

챗봇은 사용자 여정에 삽입되어 사람들이 가고 싶어하는 곳으로 안내할 때에만 가치를 창출합니다.

이에 대한 완벽하고 (맛있는) 예는 Les Producteurs de lait du Québec을 위해 만든 챗봇 Fromeo입니다. 

Fromeo는 Fromages d'ici의 홈페이지 중앙에 위치하여, 사용자에게 필요하다고 몰랐던 경험을 선사하는 디지털 "치즈 집사" 역할을 합니다.

Fromeo의 역할은 무엇일까요? 대화를 통해 개인 맞춤형 추천을 제공하여 수백 가지의 퀘벡 치즈를 탐색할 수 있도록 돕는 것입니다. Fromeo는 끝없는 치즈 카테고리를 일일이 탐색하는 대신, "오늘 기분이 어떠세요?"라는 간편한 경험을 통해 고객에게 다가갑니다.

이는 사용자 흐름에 챗봇을 내장하는 전형적인 사례입니다. 수동적인 탐색 세션을 상호작용적이고 가치 있는 여정으로 전환합니다.

처음부터 명확한 기대치를 설정하세요

Ruby Labs는 6개의 구독 기반 앱에 대한 지원을 확장할 때 이 접근 방식을 사용했습니다.

사용자가 지원 챗봇을 열면 네 가지 간단한 옵션이 즉시 표시됩니다. 

• 내 계정 취소
• 청구 관련 질문
• 기술 문제 해결
• 일반적인 질문을 하세요

이러한 버튼은 가장 일반적인 요구 사항을 바로 표시하여 사용자가 성공적인 결과를 얻을 수 있도록 안내합니다 . 

화려한 기술이 중요한 게 아닙니다. 봇이 어떤 도움을 줄 수 있는지 사람들에게 명확하게 보여주는 게 중요하죠.

이는 Ruby Labs가 매달 400만 건 이상의 지원 세션을 자동화하고 해결률을 98% 로 높이는 데 큰 역할을 했습니다. 

챗봇이 할 수 없는 일을 솔직하게 말하는 것도 중요합니다. 환불이나 자세한 계정 지원과 같은 서비스를 제공하지 못한다면, 미리 알려주세요.

대화 흐름을 위한 디자인

내가 사용하는 이유 중 하나는 ChatGPT 대화가 자연스럽게 느껴지는 경우가 많습니다.

ChatGPT 마치 서로 주고받는 듯한 느낌으로 멈췄다가 대답합니다. 이런 속도 덕분에 정보를 더 쉽게 받아들이고 집중할 수 있고, 특히 복잡한 질문을 할 때 더욱 그렇습니다.

이것이 좋은 대화의 흐름이며, 챗봇을 보다 인간적으로 들리게 만드는 방법입니다. 

대화 흐름을 디자인할 때 제가 사용하는 다른 팁과 요령은 다음과 같습니다.

• 짧고 요점만 담아 답변하기
• 사용자가 보고 있는 내용을 처리할 시간을 가질 수 있도록 메시지 사이에 미묘한 멈춤을 추가합니다.

1. 사용자 연구 및 의도 발견에 대한 심층 분석

흐름을 스케치하거나 단 하나의 메시지라도 작성하기 전에, 누구를 위해 디자인하는지 알아야 합니다. 막연한 페르소나처럼 말하는 것이 아니라 , 실제 사용자, 실제 목표, 실제 마찰을 염두에 두고 디자인해야 합니다.

대부분의 봇이 실패하는 이유는 증거가 아닌 가정에 기반해 만들어지기 때문입니다.

세 가지 기본적인 질문에 답하면서 시작하세요.

• 일반적인 사용자는 누구입니까? (예: 신규 방문자, 기존 고객, 직원?)
• 그들의 목표는 무엇인가? (예: 도움 받기, 구매하기, 무언가 추적하기, 구독 취소하기)
• 현재의 경험에서 무엇이 그들을 좌절시키는가?

브레인스토밍으로는 이러한 답을 찾을 수 없습니다. 고객 지원, 영업, 제품 팀과 같은 팀과 대화하여 사용자가 가장 어려움을 겪는 부분이 무엇인지 알아보세요. 

그런 다음 지원 티켓, 채팅 내용 또는 고객 센터 검색을 살펴보고 패턴을 찾아보세요. 

이러한 연구를 통해 의도 맵을 구축하게 됩니다. 의도 맵은 봇이 처리 해야 할 사항과 사용자가 자연스럽게 해당 요청을 표현하는 방식을 나열한 목록입니다.

2. 챗봇의 명확한 목적 정의

챗봇이 모든 것을 다 할 필요는 없습니다. 한 가지만 정말 잘하면 됩니다.

단 하나의 메시지도 작성하기 전에 가장 큰 영향을 미치는 사용 사례를 파악하세요. 즉, 사용자에게 실제로 필요한 것, 그리고 팀에서 자신 있게 자동화할 수 있는 것이어야 합니다. 

당신은 적절한 지점을 찾는 프로세스를 찾고 있습니다.

• 고주파
• 사용자를 짜증나게 한다
• 예측 가능한 패턴을 따릅니다

예를 들어, 전자상거래에서는 주문 추적이나 제품 조회가 주로 이루어집니다. 두 가지 모두 빈번하고 체계적이며 자동화하기 위험도가 낮습니다.

목표를 정했으면 봇에 대한 한 줄짜리 미션을 작성하세요. "상담원의 개입 없이 2분 이내에 사용자에게 계정 해지 절차를 안내하세요."와 같은 내용으로 작성하세요.

이제 성공을 숫자로 정의해 보겠습니다. 80% 자동화를 목표로 하고 계신가요? 평균 처리 시간 단축? 에스컬레이션 감소?

3. 엔드투엔드 설계 Chat 여행

단 하나의 메시지도 작성하기 전에 전체 사용자 여정을 계획하세요. 이것이 챗봇 UX의 기초입니다.

4. 샘플 대화 작성 및 테스트

챗봇의 흐름을 매핑한 후에는 가장 중요한 세부 사항 , 즉 봇이 실제로 말하는 단어를 살펴볼 차례입니다.

제가 항상 따르는 규칙은 다음과 같습니다. 의도에 맞는 현실적인 대화 샘플을 작성할 수 없다면 아직 만들 준비가 되지 않았다는 것입니다.

주요 사용 사례에 대한 3~5개의 샘플 대화를 스크립팅하는 것으로 시작하세요. 사용자 조사를 기반으로 한 실제적이고 구체적인 시나리오를 작성해야 합니다. 이는 정제된 비즈니스 문구가 아닌, 사람들이 실제로 사용하는 언어를 반영해야 합니다. 

예를 들어

• 이중으로 요금이 청구되어 좌절한 사용자입니다.
• 누군가가 비밀번호를 재설정하려고 하지만 이메일을 받지 못하고 있습니다.
• 체험판을 취소하는 방법을 모르는 신규 사용자입니다.

예외 상황과 어색한 우회로를 포함한 전체 상호작용을 작성하세요. 누군가 반쯤 대답하거나 대본에서 벗어난 말을 하면 봇은 어떻게 처리하나요?

메시지는 짧고 명확하게 작성하세요. 설명을 논리적인 단계로 나누고 줄 바꿈을 사용하여 내용을 더 쉽게 읽을 수 있도록 하세요.

대화를 작성한 후 팀원이나 실제 사용자와 함께 롤플레잉을 해보세요. 

큰소리로 읽어보세요. 

봇과 상호작용하는 사용자 로그를 확인하여 사용자가 어디에서 주저하거나, 잘못 이해하거나, 스크립트에서 예상하지 못한 추가 질문을 하는지 확인하세요. 이는 흐름을 개선하는 가장 좋은 방법이라고 할 수 있습니다. 

5. 챗봇 만들기

이제 흐름과 콘텐츠가 준비되었으니 AI 챗봇을 만들 차례입니다.

필요한 것:

• 환영 메시지
• 핵심 의도(FAQ, 계정 도움말, 주문 조회 등)
• 핸드오프 논리 지원
• 재시도 및 폴백 처리

팀에서는 봇이 주문 번호나 사용자 선호도와 같은 데이터를 어떻게 저장할지 결정해야 합니다. 배송 데이터나 일정 재고를 가져오기 위해 API를 호출해야 할까요? 이전 상호작용을 기억해야 할까요?

Calendly 와 같은 도구와 통합 Google Calendar 일정을 위해, 지원을 위해 Zendesk 사용하고 Stripe 또는 Shopify를 통해 거래를 진행할 수 있습니다. 맞춤형 API를 사용하면 내부 시스템과 연결하는 데 도움이 될 수 있습니다.

6. 지속적으로 테스트하고 개선하세요

봇이 가동되면 어떤 것이 효과가 있고 어떤 것이 효과가 없는지 빠르게 파악할 수 있습니다. 

이에 대해 우리는 이렇게 말할 수 있습니다: 챗봇 분석에 감사드립니다.

봇을 개선하는 데 있어 실제 사용자의 실제 데이터보다 더 좋은 것은 없습니다.

출시 후 모니터링해야 할 몇 가지 주요 지표:

• 가장 흔한 의도
• 높은 드롭아웃 노드
• 폴백을 치는 반복되는 문구
• 세션당 시간/성공률

전문가 팁 : "봇 개선 로그"를 만드세요. 

이 기록을 격주로 검토하는 것을 추천합니다. 업데이트 내용과 그 영향을 추적하세요. 새로운 패턴이 나타나면 의도 인식을 재훈련하세요. 

계획 및 매핑 도구

이러한 도구는 코드 한 줄을 건드리지 않고도 챗봇의 로직을 개략적으로 파악할 수 있도록 도와줍니다. 챗봇의 흐름을 시각화하고 예외 상황을 파악하는 데 이상적입니다.

루시드차트

‍

재미로 채팅봇을 만드는 사람(그리고 AI 회사에서 일하는 사람)으로서, 이 도구는 대화를 계획하는 데 사용하는 제가 가장 좋아하는 도구 중 하나입니다. 

자세한 대화 트리, 대체 경로, 의사 결정 논리를 만드는 데 좋습니다. 

특히 엔지니어나 지원팀과 함께 일할 때 이 기능을 사용하는 걸 좋아합니다. 모든 것이 시각적으로 뛰어나고 정렬하기도 쉽기 때문이죠. 

보너스: 실시간 협업은 비동기 팀 작업에 있어서 꿈과 같습니다.

미로

저는 보통 Miro에서 챗봇 디자인 워크숍을 시작합니다. 의도나 예시 문구 같은 원초적인 아이디어를 시각적인 공간에 쏟아붓기에 아주 좋죠.

Lucidchart가 제가 모든 것을 공식화하는 곳이라면, Miro는 복잡한 창의적 사고가 일어나는 곳입니다. 또한 초기 팀 브레인스토밍을 진행하거나 리서치 후 사용자 인사이트를 포착하기에도 좋은 곳입니다.

이상한 

빠른 대화 초안을 작성하거나 작은 기능 흐름을 간략하게 설명할 때 이 도구를 사용합니다.

혼자 작업할 때나 큰 "도구 설정" 없이 누군가에게 컨셉을 보여줘야 할 때 완벽해요. 

너무 일찍 세부 사항을 파고들지 않고도 깔끔하고 높은 수준의 내용을 유지하는 데도 좋습니다.

테스트 및 연구 도구

실제 사용자 상호작용을 테스트하지 않고는 챗봇 전략이 완성될 수 없습니다. 이러한 도구를 사용하면 대화 디자인을 검증하고 출시 전에 피드백을 수집할 수 있습니다.

PlaybookUX 

‍

저는 PlaybookUX를 사용하여 챗봇 프로토타입에 대한 비관리 테스트를 실행했고, 항상 귀중한 피드백을 얻었습니다.

인터뷰 일정을 잡지 않고도 사용자 반응과 탐색 동작을 모두 파악할 수 있습니다. 

특히 사용자가 봇을 잘못 이해하거나 흐름에서 예상치 못한 방향으로 나아가는 지점을 발견하는 데 유용합니다.

미로 

저는 빠른 신호 테스트를 위해 Maze를 사용하는 것을 좋아합니다. 

이 흐름이 의미가 있는지 알고 싶을 때

회고 

Lookback은 라이브 인터뷰와 화면 녹화를 지원하므로 실시간 반응과 사용성 문제를 관찰할 수 있습니다.

개인적으로, 저는 대화 중에 사용자가 3초간 망설이는 것을 보고 사소한 타이밍 문제나 불분명한 표현을 발견한 적이 있습니다.

AI 에이전트를 배포하시나요?

AI 에이전트 구현을 위한 청사진 읽기

지금 읽기

AI 챗봇 플랫폼

이러한 플랫폼은 챗봇 구현 과정에서 대화형 경험을 실제로 구축하고 배포하는 데 사용되는 엔드투엔드 플랫폼입니다. 여기에는 로직, 통합 및 자연어 처리 도구가 포함되는 경우가 많습니다.

Botpress

‍

나는 모든 것을 만든다 Botpress : 노코드와 개발자의 완전한 유연성 사이의 적절한 균형을 이룹니다.

Botpress NLU, RAG 및 사용자 정의 흐름을 지원하여 대화형 AI를 구축하기 위한 모든 기능을 갖춘 플랫폼을 제공합니다. 

시각적 빌더는 디자이너에게 직관적이며, 이 플랫폼은 실시간 테스트와 디버깅을 지원합니다. 

그리고 최소한의 코드로 컨셉에서 프로덕션까지 구현하려는 팀에 매우 적합합니다. 

가장 좋은 점은? 무료라는 거예요!

Rasa 

기술적인 배경이 없는 사람으로서, Rasa는 엔지니어링에 더 집중되어 있다고 말씀드리겠습니다. 저는 의도 모델을 완벽하게 제어해야 할 때처럼 머신러닝이 많이 사용되는 맞춤형 봇에 Rasa를 사용해 왔습니다.

하지만 팀에 Python 경험이 있고 드래그 앤 드롭 논리를 넘어서는 것을 구축해야 하는 경우 Rasa는 매우 강력한 도구입니다. 

Dialogflow 

Dialogflow 간단한 봇이나 stack Google Cloud에 이미 깊이 들어가 있습니다.

나는 이것을 한 번 사용하여 음성 지원 IT 헬프봇을 구축했습니다. Google Calendar 그리고 시트. 

고급 흐름이나 사용자 정의 논리에는 그다지 유연하지 않지만 요구 사항이 간단한 경우에는 정말 원활합니다.

분석 및 최적화 도구

챗봇을 출시하면 챗봇의 성능에 대한 인사이트가 필요합니다. 분석 도구는 사용자 행동, 대화 성공, 이탈 지점 등을 추적합니다.

Botpress (내장) 

‍

또 다른 측면 Botpress 제가 좋아하는 것은 내장된 분석 탭입니다.

봇이 혼란스러워지기 전에 사용자가 입력한 내용을 확인하고 맥락에 맞춰 흐름을 디버깅하는 것이 정말 쉽습니다.

대시봇 

여러 개의 봇을 운영하거나 참여와 성과를 위한 전담 대시보드가 필요한 경우 Dashbot이 적합합니다.

이는 사용자에게 사용자 유지 및 폴백 트리거와 같은 사항에 대한 체계적인 통찰력을 제공합니다. 

Google Analytics (사용자 정의 이벤트) 

나는 강력히 추천합니다 Google Analytics 봇이 전환율, 이탈률 또는 전반적인 페이지 참여에 어떤 영향을 미치는지 보고 싶어하는 마케팅 팀을 위한 것입니다. 

챗봇에 특화된 기능은 아니지만, 보다 광범위한 퍼널 분석에 적합합니다.

챗봇을 설계하고 출시하는 데 얼마나 걸리나요?

제대로 작동하는 챗봇을 설계하고 출시하는 데는 복잡성에 따라 몇 시간에서 몇 주까지 걸릴 수 있습니다. 간단한 FAQ 봇은 2~3시간 내에 출시할 수 있지만, 복잡한 작업을 처리하는 고급 봇은 품질과 안정성을 보장하기 위해 며칠 이상 걸릴 수 있습니다.

챗봇을 디자인하려면 코딩 기술이 필요한가요?

챗봇 디자인에 코딩 기술이 반드시 필요한 것은 아니며, Botpress (또는 Dialogflow)와 같은 플랫폼에서 제공하는 비주얼 빌더와 코드가 필요 없는 도구 덕분입니다. 하지만 복잡한 통합이나 특수 기능의 경우 개발자의 지원을 통해 봇의 기능을 확장할 수 있는 경우가 많습니다.

챗봇이 동일한 봇에서 여러 언어 또는 방언을 처리할 수 있나요?

챗봇이 다국어 자연어 이해(NLU) 모델을 사용하여 설계되고 언어별 학습 데이터를 지원하는 경우 동일한 봇에서 여러 언어 또는 방언을 처리할 수 있습니다. 많은 최신 챗봇 플랫폼이 기본으로 다국어 기능을 제공하지만 번역을 신중하게 계획하고 구문의 뉘앙스, 문화적 맥락 및 여러 지역의 사용자 기대치를 테스트해야 합니다.

출시 후 챗봇 디자인이 성공적인지 어떻게 측정할 수 있나요?

챗봇 설계의 성공 여부는 출시 후 작업 완료율, 사용자 만족도 점수, 폴백율, 평균 해결 시간 등의 지표를 사용하여 측정합니다. 대화 로그와 사용자 피드백은 마찰 지점과 전반적인 효과를 파악하는 데 도움이 됩니다.

챗봇 대화를 설계할 때 피해야 할 일반적인 실수에는 어떤 것이 있나요?

챗봇 디자인에서 흔히 저지르는 실수로는 로봇적이거나 지나치게 형식적인 언어 사용, 봇의 기능을 명확히 설명하지 않는 것, 예상치 못한 입력을 무시하는 경직된 흐름 생성, 효과적인 대체 메시지 부족 등이 있습니다. 실제 사용자와의 테스트는 자연스러운 대화와 원활하고 유용한 상호작용을 보장하는 데 도움이 됩니다.