Reka Bentuk Chatbot: Semua yang Anda Perlukan untuk Membina Bot yang Lebih Baik pada 2025

Semasa saya kecil, saya menghabiskan berjam-jam mereka bentuk bandar Lego: kedai kecil, jalan berliku dan patung mini yang terlalu ceria. Pada masa itu, saya fikir yang diperlukan hanyalah sebaldi batu bata. Tetapi sebenarnya, walaupun Legos memerlukan pemikiran reka bentuk. 

Ternyata, naluri zaman kanak-kanak yang sama adalah asas kepada apa yang saya lakukan sekarang: membina AI chatbots .

Dengan latar belakang dalam UI/UX dan kini bekerja sebagai penyelidik AI di Botpress — platform di sebalik ratusan ribu chatbot yang digunakan, termasuk beberapa chatbot yang memenangi anugerah — saya telah melihat secara langsung bahawa teknologi sahaja tidak mencukupi. 

Apa yang membezakan chatbots yang hebat ialah reka bentuk chatbot.

Artikel ini berkongsi pelan tindakan terbukti yang saya gunakan untuk mereka bentuk chatbot yang benar-benar berfungsi . Saya akan membincangkan cara reka bentuk chatbot menukar bot asas kepada bot yang hebat, perkara yang membuatkan perbualan mengalir dan cara membina bot sembang yang orang suka gunakan.

Apakah reka bentuk chatbot?

Reka bentuk Chatbot ialah persimpangan di mana pengalaman pengguna (UX), antara muka pengguna (UI) dan teknologi AI seperti AI perbualan bersatu untuk mencipta chatbots AI dan pembantu AI yang berkesan.

Matlamat reka bentuk chatbot adalah untuk menjadikan perbualan chatbot terasa lebih lancar, jadi pengguna boleh mendapatkan apa yang mereka perlukan dengan mudah tanpa rasa kehilangan.

Mengapa reka bentuk chatbot penting?

Reka bentuk chatbot penting kerana setiap interaksi chatbot membentuk cara pengguna melihat produk anda. 

Jika pengalaman itu mengelirukan, pengguna berhenti. Lebih buruk lagi, mereka pergi dengan tanggapan negatif terhadap jenama anda. Sebaliknya, apabila reka bentuk berfungsi, pelanggan kembali. 

Dan ini lebih penting daripada sebelumnya kerana 67% orang telah menggunakan chatbot untuk sokongan pelanggan pada tahun lalu. 

Pada Botpress , kami membantu VR Bank membina chatbot AI untuk mengendalikan aliran gadai janji dan persaraan yang kompleks — kedua-dua proses yang dikawal selia dan manual mengikut sejarah. 

Dengan menggabungkan kepakaran UX, input perkara subjek dan pemahaman bahasa semula jadi pintar, kami mencipta chatbot yang membimbing pengguna melalui keputusan kewangan yang sensitif dan menyuap data terus ke CRM mereka.

Melalui chatbot ini, kami membantu VR Bank menjimatkan lebih daripada €530,000 setiap tahun .

Itulah yang dilakukan oleh reka bentuk chatbot yang hebat. Ia menjadikan interaksi berasa membantu dan ia memberi kesan secara langsung kepada keuntungan organisasi.

Apakah perbezaan antara reka bentuk UI chatbot dan reka bentuk UX chatbot?

Reka bentuk UI Chatbot adalah mengenai perkara yang pengguna lihat, manakala reka bentuk UX chatbot adalah mengenai perasaan pengguna semasa interaksi.

UI (antara muka pengguna) termasuk perkara seperti tetingkap sembang, butang, warna, ikon dan buih mesej. 

Ringkasnya: UI menjadikan chatbot kelihatan baik.

UX (pengalaman pengguna) adalah mengenai perjalanan pengguna penuh. Ia merangkumi sejauh mana bot berkomunikasi dengan jelas dan sejauh mana ia membantu pengguna mendapatkan dari A hingga Z. UX juga termasuk cara bot bertindak balas terhadap kesilapan. 

Ringkasnya: UX menjadikan chatbots mudah dan menyeronokkan untuk digunakan.

Amalan Terbaik Reka Bentuk UX Chatbot

Cara pengguna berinteraksi dengan bot anda boleh membuat atau memecahkan sama ada mereka mendapat bantuan yang mereka perlukan atau menyerah sepenuhnya. 

Amalan terbaik berikut ialah yang saya lihat membuat perbezaan terbesar dalam penggunaan bot dunia sebenar. Ia praktikal dan penting untuk pelaksanaan chatbot .

Benamkan Dalam Perjalanan Pengguna

Kesilapan terbesar yang saya lihat dalam penggunaan chatbot ialah menganggap bot seperti alat tambah ciri. 

Chatbots hanya mencipta nilai apabila ia dibenamkan ke dalam perjalanan pengguna, membimbing orang ke mana mereka sudah mahu pergi.

Contoh yang sempurna (dan lazat) ini ialah Fromeo, chatbot yang kami bina untuk Les Producteurs de lait du Québec. 

Fromeo duduk di hadapan dan tengah di halaman utama Fromages d'ici, bertindak sebagai "pelayan keju" digital yang menjemput pengguna ke dalam pengalaman yang mereka tidak tahu mereka perlukan.

kerja Fromeo? Bantu orang ramai menavigasi beratus-ratus keju Quebec dengan memaparkan cadangan diperibadikan melalui perbualan. Daripada memaksa orang ramai untuk menyemak imbas kategori keju yang tidak berkesudahan, Fromeo menemui mereka dengan "Apakah perasaan anda hari ini?" pengalaman.

Ini ialah contoh buku teks untuk membenamkan chatbot ke dalam aliran pengguna. Ia menukar sesi penyemakan imbas pasif kepada perjalanan yang interaktif dan bernilai tinggi.

Tetapkan Jangkaan Jelas dari Mula

Ruby Labs menggunakan pendekatan ini apabila menskalakan sokongan merentas enam apl berasaskan langganan.

Apabila pengguna membuka chatbot sokongan mereka, mereka serta-merta dibentangkan dengan empat pilihan mudah: 

• Batalkan akaun saya
• Soalan pengebilan
• Selesaikan masalah teknikal
• Tanya soalan umum

Butang ini membimbing pengguna ke arah hasil yang berjaya dengan memenuhi keperluan yang paling biasa dengan segera. 

Ia bukan tentang teknologi mewah. Ini tentang menunjukkan kepada orang, secara jelas, perkara yang bot boleh bantu.

Ini memainkan peranan besar dalam keupayaan Ruby Labs untuk mengautomasikan lebih 4 juta sesi sokongan setiap bulan dengan kadar resolusi 98% . 

Ia juga penting untuk jujur tentang perkara yang tidak boleh dilakukan oleh chatbot. Jika ia tidak mengendalikan perkara seperti bayaran balik atau bantuan akaun terperinci, nyatakan terlebih dahulu.

Reka Bentuk untuk Aliran Perbualan

Salah satu sebab saya mendapati diri saya menggunakan ChatGPT selalunya perbualan itu terasa semula jadi.

ChatGPT berhenti seketika dan bertindak balas dalam cara yang dirasakan seperti bolak-balik sebenar. Langkah itu menjadikannya lebih mudah untuk menyerap maklumat dan terus terlibat, terutamanya apabila saya bertanya soalan yang rumit.

Begitulah rupa aliran perbualan yang baik dan cara saya menjadikan chatbots terdengar lebih manusiawi . 

Beberapa petua dan helah lain yang saya gunakan semasa mereka bentuk aliran perbualan ialah:

• Memastikan jawapan ringkas dan pada intinya
• Menambahkan jeda halus antara mesej supaya pengguna mempunyai masa untuk memproses perkara yang mereka lihat

Cara Menstruktur Reka Bentuk UX Chatbot

1. Menyelam dalam Penyelidikan Pengguna dan Penemuan Niat

Sebelum anda melakar aliran atau menulis satu mesej, anda perlu tahu untuk siapa anda mereka bentuk. Bukan dalam istilah persona yang tidak jelas— pengguna sebenar, matlamat sebenar, geseran sebenar.

Di sinilah kebanyakan bot gagal: ia dibina daripada andaian, bukan bukti.

Mulakan dengan menjawab tiga soalan asas:

• Siapakah pengguna biasa? (cth, pelawat baharu, pelanggan yang kembali, pekerja?)
• Apakah matlamat mereka? (cth, dapatkan bantuan, buat pembelian, jejak sesuatu, batalkan langganan?)
• Apa yang mengecewakan mereka dalam pengalaman semasa?

Anda tidak akan menemui jawapan ini dalam sumbang saran. Bercakap dengan pasukan seperti sokongan pelanggan, jualan dan produk untuk mendengar tempat pengguna yang paling bergelut. 

Kemudian lihat tiket sokongan, transkrip sembang atau carian pusat bantuan untuk mencari corak. 

Melalui penyelidikan ini, anda sedang membina peta niat: senarai perkara yang perlu dikendalikan oleh bot anda dan cara pengguna secara semula jadi menyatakan permintaan tersebut.

2. Tentukan Tujuan Yang Jelas untuk Chatbot Anda

Chatbot anda tidak perlu melakukan segala-galanya. Ia hanya perlu melakukan satu perkara dengan baik .

Sebelum anda menulis satu mesej, kenal pasti kes penggunaan berimpak tertinggi — sesuatu yang sebenarnya diperlukan oleh pengguna dan sesuatu yang boleh diautomatikkan oleh pasukan anda dengan yakin. 

Anda sedang mencari proses yang mencapai titik manis:

• Kekerapan tinggi
• Mengganggu pengguna
• Mengikut corak yang boleh diramal

Contohnya, dalam e-dagang, biasanya penjejakan pesanan atau carian produk: kedua-duanya kerap, berstruktur dan berisiko rendah untuk diautomatikkan.

Setelah anda mengunci fokus anda, tulis misi satu baris untuk bot. Sesuatu seperti: "Bimbing pengguna melalui pembatalan akaun dengan campur tangan ejen sifar dalam masa kurang dari dua minit."

Sekarang, takrifkan kejayaan secara berangka . Adakah anda menyasarkan 80% automasi? Penurunan dalam purata masa pengendalian? Lebih sedikit peningkatan?

3. Reka Bentuk Hujung ke Hujung Chat Perjalanan

Rancang keseluruhan perjalanan pengguna sebelum anda menulis satu mesej. Ini adalah asas chatbot UX.

Cara Memetakan Perjalanan Chatbot Seperti Pro

Berikut ialah proses yang saya ikuti pada setiap projek, sama ada untuk sokongan pelanggan, onboarding atau penangkapan petunjuk:

1. Di manakah pengguna menemui bot? Laman utama? Pusat bantuan? Halaman daftar keluar?
2. Bagaimanakah bot akan mengenali apa yang pengguna mahu? (kata kunci, butang, input pengguna)
3. Apa yang berlaku selepas setiap niat? Lakarkan semua variasi
4. Bila dan bagaimana aliran itu berakhir? Adakah ia meningkat, menyelesaikan tugasan atau mengembalikan data?
5. Apa yang berlaku apabila sesuatu berlaku?

Contoh Perjalanan: Bot Penjejakan Pesanan

Berikut ialah aliran asas untuk rujukan:

1. [Mesej alu-aluan] : “Hai 👋 Ingin menjejaki pesanan, menyemak status penghantaran atau bertanya soalan?”
   → Balasan pantas: “Jejaki pesanan saya”, “Maklumat penghantaran”, “Bercakap dengan sokongan ”
2. [Pengguna memilih 'Jejak pesanan saya']
3. [Bot menggesa nombor pesanan] : "Tentu! Bolehkah anda memasukkan nombor pesanan anda?" ‍
4. [Semak pangkalan data]
   → Jika ditemui: “Pesanan anda sudah habis untuk penghantaran dan akan tiba sebelum jam 4 petang hari ini.”
   → Jika tidak ditemui: "Hmm, saya tidak dapat mengesan nombor itu. Ingin mencuba lagi atau hubungi sokongan?" ‍
5. [Tindakan pengguna]
   → Cuba lagi atau hubungi ejen
6. [Tamat perbualan] : "Suka hati saya boleh membantu. Ada apa-apa lagi sebelum anda pergi?"

4. Tulis dan Uji Contoh Dialog

Setelah anda memetakan aliran chatbot anda, tiba masanya untuk mendapatkan butiran yang paling penting : perkataan sebenar yang bot anda katakan.

Berikut ialah peraturan yang saya ikuti setiap kali: Jika anda tidak boleh menulis contoh perbualan yang realistik untuk niat, anda belum bersedia untuk membinanya lagi.

Mulakan dengan menskrip 3 hingga 5 sampel dialog untuk kes penggunaan teratas anda: senario sebenar dan khusus berdasarkan penyelidikan pengguna anda. Ini harus mencerminkan bahasa sebenar yang digunakan orang, bukan salinan perniagaan yang telah dibersihkan. 

Sebagai contoh:

• Pengguna yang baru sahaja dicas dua kali dan kecewa.
• Seseorang cuba menetapkan semula kata laluan mereka tetapi tidak menerima e-mel.
• Pengguna kali pertama yang tidak pasti cara membatalkan percubaan mereka.

Tulis keseluruhan interaksi, termasuk sarung tepi dan lencongan yang janggal. Jika seseorang memberikan separuh jawapan atau keluar dari skrip, bagaimanakah bot mengendalikannya?

Pastikan mesej ringkas dan jelas. Bahagikan penjelasan kepada langkah logik dan gunakan pemisah baris untuk meningkatkan kebolehimbasan.

Setelah ditulis, mainkan dialog dengan pasukan anda atau lebih baik, dengan pengguna sebenar. 

Baca mereka dengan kuat. 

Daripada menonton log pengguna yang berinteraksi dengan bot, lihat tempat orang teragak-agak, salah tafsir atau bertanya soalan susulan yang tidak dijangkakan oleh skrip anda. Ini boleh dikatakan cara terbaik untuk meningkatkan aliran. 

5. Bina Chatbot Anda

Memandangkan aliran dan kandungan anda sudah sedia, tiba masanya untuk membina AI chatbot anda .

Anda perlukan:

• Mesej alu-aluan
• Niat teras (Soalan Lazim, bantuan akaun, carian pesanan, dll.)
• Menyokong logik lepas tangan
• Cuba semula dan pengendalian mundur

Pasukan anda juga harus memutuskan cara bot akan menyimpan data seperti nombor pesanan atau pilihan pengguna. Adakah ia perlu memanggil API untuk mengambil data penghantaran atau ketersediaan kalendar? Patutkah ia mengingati interaksi masa lalu?

Sepadukan dengan alatan seperti Calendly atau Google Calendar untuk penjadualan, Zendesk untuk sokongan, dan Stripe atau Shopify untuk transaksi. API tersuai boleh membantu berhubung dengan sistem dalaman anda.

6. Uji dan Perhalusi secara berterusan

Setelah bot anda disiarkan secara langsung, anda akan mengetahui dengan pantas perkara yang berkesan dan apa yang tidak. 

Dan untuk itu, kita boleh berkata: terima kasih, analisis chatbot .

Tiada apa-apa yang mengalahkan data dunia sebenar daripada pengguna sebenar dalam hal meningkatkan bot anda.

Beberapa Metrik Utama untuk Memantau Selepas Pelancaran:

• Niat yang paling biasa
• Nod keciciran tinggi
• Frasa berulang yang memukul mundur
• Masa setiap sesi / kadar kejayaan

Petua Pro : Buat "Log Peningkatan Bot". 

Saya mengesyorkan menyemak log ini setiap dua minggu. Jejaki kemas kini dan kesannya. Latih semula pengecaman niat anda apabila corak baharu muncul. 

Alat Terbaik untuk Reka Bentuk UX Chatbot

Alat Perancangan & Pemetaan

Ini membantu anda melakar logik chatbot sebelum anda menyentuh baris kod. Ia sesuai untuk menggambarkan aliran dan mengenal pasti kes tepi.

Carta Lucid

‍

Sebagai seseorang yang membina chatbots untuk berseronok (dan bekerja di syarikat AI), ini adalah salah satu alat kegemaran saya untuk merancang perbualan. 

Ia bagus untuk mencipta pokok perbualan terperinci, laluan sandaran dan logik keputusan. 

Saya sangat suka menggunakannya apabila bekerja dengan jurutera atau pasukan sokongan kerana semuanya sangat visual dan mudah untuk diselaraskan. 

Bonus: kerjasama masa nyata adalah impian untuk kerja pasukan async.

Miro

Saya biasanya memulakan bengkel reka bentuk chatbot di Miro. Ia bagus untuk membuang idea mentah seperti niat, dan contoh frasa ke dalam taman permainan visual.

Jika Lucidchart adalah tempat saya memformalkan sesuatu, Miro adalah tempat pemikiran kreatif yang tidak kemas berlaku. Ia juga merupakan tempat yang bagus untuk menjalankan sumbang saran pasukan awal atau menangkap cerapan pengguna selepas penyelidikan.

Aneh 

Ini adalah pilihan saya apabila saya ingin membina draf perbualan pantas atau hanya melakar aliran ciri kecil.

Ia sesuai apabila saya bekerja secara solo atau perlu menunjukkan konsep kepada seseorang tanpa "persediaan alat" yang besar. 

Ia juga bagus untuk memastikan perkara itu bersih dan tahap tinggi tanpa menyelami butiran terperinci terlalu awal.

Alat Pengujian & Penyelidikan

Tiada strategi chatbot yang lengkap tanpa menguji interaksi pengguna sebenar. Alat ini membantu anda mengesahkan reka bentuk perbualan dan mengumpulkan maklum balas sebelum pelancaran.

PlaybookUX 

‍

Saya telah menggunakan PlaybookUX untuk menjalankan ujian tidak disederhanakan pada prototaip chatbot, dan ia sentiasa memberi saya maklum balas daripada lombong emas.

Anda mendapat reaksi pengguna dan tingkah laku navigasi semuanya tanpa perlu menjadualkan temu duga. 

Ia amat berguna untuk mengesan titik di mana pengguna salah membaca bot atau mengambil pusingan yang tidak dijangka dalam aliran.

Maze 

Saya suka menggunakan Maze untuk ujian isyarat pantas. 

Apabila anda hanya ingin tahu: Adakah aliran ini masuk akal?

Imbas kembali 

Lookback menyokong temu bual langsung dan rakaman skrin supaya anda boleh memerhati reaksi masa nyata dan isu kebolehgunaan.

Secara peribadi, saya telah menangkap isu masa kecil atau perkataan yang tidak jelas hanya dengan melihat pengguna teragak-agak selama tiga saat pertengahan konvo.

Platform AI Chatbot

Ini adalah platform hujung ke hujung yang digunakan semasa pelaksanaan chatbot untuk benar-benar membina dan menggunakan pengalaman perbualan. Mereka selalunya termasuk alat untuk logik, penyepaduan dan pengendalian bahasa semula jadi.

Botpress

‍

Saya membina segala-galanya Botpress : ia menyentuh titik manis antara tanpa kod dan fleksibiliti pembangun penuh.

Botpress menawarkan platform berciri penuh untuk membina AI perbualan dengan sokongan untuk NLU, RAG dan aliran tersuai. 

Pembina visual adalah intuitif untuk pereka bentuk, dan platform menyokong ujian dan penyahpepijatan masa nyata. 

Dan ia sangat sesuai untuk pasukan yang ingin beralih dari konsep ke pengeluaran dengan kod minimum. 

Terbaik dari semua? Ia percuma!

Rasa 

Sebagai seseorang yang berasal dari latar belakang bukan teknikal, saya akan mengatakan bahawa Rasa lebih intensif kejuruteraan. Saya telah menggunakan Rasa untuk lebih banyak bot tersuai yang berat ML seperti semasa saya memerlukan kawalan penuh ke atas model niat.

Tetapi jika pasukan anda mempunyai pengalaman Python dan perlu membina sesuatu di luar logik drag-and-drop, Rasa sangat berkuasa. 

Dialogflow 

Dialogflow bagus untuk bot mudah atau apabila anda stack sudah jauh di dalam Google Cloud.

Saya menggunakannya sekali untuk membina bot bantuan IT berdaya suara yang terikat Google Calendar dan Helaian. 

Ia tidak begitu fleksibel untuk aliran lanjutan atau logik tersuai, tetapi benar-benar lancar jika keperluan anda adalah mudah.

Alat Analitis & Pengoptimuman

Setelah chatbot anda disiarkan secara langsung, anda memerlukan cerapan tentang prestasinya. Alat analitis menjejaki tingkah laku pengguna, kejayaan perbualan, titik drop-off dan banyak lagi.

Botpress (terbina dalam) 

‍

Satu lagi aspek Botpress yang saya suka ialah tab analitis terbina dalam.

Sangat mudah untuk menyahpepijat aliran dalam konteks dan melihat perkara yang ditaip pengguna sebelum bot menjadi keliru.

Dashbot 

Jika anda menjalankan berbilang bot atau mahukan papan pemuka khusus untuk penglibatan dan prestasi, Dashbot bagus.

Ia memberi pengguna cerapan berstruktur tentang perkara seperti pengekalan pengguna dan pencetus sandaran. 

Google Analytics (acara adat) 

Saya sangat mengesyorkan Google Analytics untuk pasukan pemasaran yang ingin melihat cara bot mempengaruhi penukaran, kadar lantunan atau penglibatan halaman keseluruhan. 

Ia bukan chatbot-asli, tetapi ia bagus untuk analisis corong yang lebih luas.

Reka Bentuk Chatbots Lebih Pintar 

Reka bentuk chatbot adalah asas kepada setiap pengalaman chatbot yang hebat.

Botpress ialah platform ejen AI yang memberi semua orang alat untuk membina dan menggunakan ejen pintar dengan dialog semula jadi. 

Dengan alatan reka bentuk terbina dalam, templat boleh guna semula dan enjin NLU yang berkuasa, Botpress memudahkan untuk mencipta bot yang bukan sahaja berfungsi tetapi berasa manusia.

Mula membina hari ini . Ia percuma.

Soalan lazim

Berapa lama masa yang diambil untuk mereka bentuk dan melancarkan chatbot?

Mereka bentuk dan melancarkan chatbot yang berfungsi dengan baik boleh mengambil masa dari beberapa jam hingga beberapa minggu, bergantung pada kerumitan. Bot Soalan Lazim yang mudah mungkin disiarkan dalam masa 2 hingga 3 jam, manakala bot yang lebih maju yang mengendalikan tugas yang rumit boleh mengambil masa beberapa hari atau lebih untuk memastikan kualiti dan kebolehpercayaan.

Adakah saya memerlukan kemahiran pengekodan untuk mereka bentuk chatbot?

Kemahiran pengekodan tidak diperlukan sepenuhnya untuk reka bentuk chatbot, terima kasih kepada pembina visual dan alat tanpa kod yang ditawarkan oleh platform seperti Botpress (atau Dialogflow ). Walau bagaimanapun, penyepaduan kompleks atau ciri khusus sering mendapat manfaat daripada sokongan pembangun untuk memperluaskan keupayaan bot.

Bolehkah chatbot mengendalikan berbilang bahasa atau dialek dalam bot yang sama?

Chatbot boleh mengendalikan berbilang bahasa atau dialek dalam bot yang sama jika ia direka menggunakan model pemahaman bahasa semula jadi (NLU) berbilang bahasa dan menyokong data latihan khusus bahasa. Banyak platform chatbot moden menawarkan keupayaan berbilang bahasa terbina dalam, tetapi anda masih perlu merancang terjemahan dengan teliti dan menguji nuansa dalam frasa, konteks budaya dan jangkaan pengguna merentas wilayah yang berbeza.

Bagaimanakah saya boleh mengukur sama ada reka bentuk chatbot saya berjaya selepas pelancaran?

Kejayaan reka bentuk Chatbot diukur selepas pelancaran menggunakan metrik seperti kadar penyiapan tugas, skor kepuasan pengguna, kadar sandaran dan purata masa penyelesaian. Log perbualan dan maklum balas pengguna membantu mengenal pasti titik geseran dan keberkesanan keseluruhan.

Apakah kesilapan biasa yang harus saya elakkan semasa mereka bentuk perbualan chatbot?

Kesilapan biasa dalam reka bentuk chatbot termasuk menggunakan bahasa robotik atau terlalu formal, tidak menjelaskan keupayaan bot, mencipta aliran tegar yang mengabaikan input yang tidak dijangka dan kekurangan mesej sandaran yang berkesan. Ujian dengan pengguna sebenar membantu memastikan perbualan semula jadi dan interaksi yang lancar dan membantu.