小時候,我花了好幾個小時設計樂高小鎮:小商店、蜿蜒的道路,還有那些太歡快的小人仔。那時候,我以為只要一桶積木就夠了。但事實上,即使是樂高也需要設計思維。
事實證明,同樣的童年本能正是我現在所做的事情的基礎:建立人工智慧聊天機器人。
擁有 UI/UX 背景,目前擔任 AI 研究員Botpress — 該平台支援數十萬個已部署的聊天機器人,其中包括幾個屢獲殊榮的聊天機器人 — 我親眼看到,單靠技術是不夠的。
優秀的聊天機器人之所以與眾不同,是因為聊天機器人的設計。
本文分享了我用來設計真正有效的聊天機器人的藍圖。我將介紹如何將普通機器人設計得更出色,如何讓對話流暢進行,以及如何建立人們樂於使用的聊天機器人。
什麼是聊天機器人設計?
聊天機器人設計是使用者體驗 (UX)、使用者介面 (UI) 和對話式 AI等 AI 技術的交會點,旨在創建有效的AI 聊天機器人和AI 助理。
聊天機器人設計的目標是讓聊天機器人對話感覺更流暢,讓使用者可以輕鬆獲得所需的內容而不會感到困惑。
為什麼聊天機器人設計很重要?
聊天機器人的設計很重要,因為每次聊天機器人的互動都會影響使用者對您的產品的看法。
如果體驗令人困惑,使用者就會流失。更糟的是,他們會對你的品牌留下負面印象。另一方面,如果設計有效,顧客就會回來。
這比以往任何時候都重要,因為在過去一年中,有 67% 的人使用聊天機器人來提供客戶支援。
在Botpress我們幫助 VR Bank 建立了一個 AI 聊天機器人來處理複雜的抵押貸款和退休流程——既包括嚴格監管的流程,也包括歷史上手動完成的流程。
透過結合使用者體驗專業知識、主題輸入和智慧自然語言理解,我們創建了一個聊天機器人,可以引導使用者做出敏感的財務決策,並將資料直接輸入他們的 CRM。
透過這個聊天機器人,我們幫助VR Bank 每年節省超過 53 萬歐元。
這就是優秀的聊天機器人設計的意義。它讓互動變得實用,並直接影響組織的獲利。
聊天機器人 UI 設計和聊天機器人 UX 設計有什麼不同?
聊天機器人 UI 設計的重點是使用者所看到的內容,而聊天機器人 UX 設計關注的是使用者在互動過程中的感受。
UI(使用者介面)包括聊天視窗、按鈕、顏色、圖示和訊息氣泡等。
簡而言之:UI 讓聊天機器人看起來不錯。
UX(使用者體驗)關乎完整的使用者旅程。它涵蓋了機器人溝通的清晰度,以及它如何有效地幫助用戶從 A 到 Z。 UX 還包括機器人如何處理錯誤。
簡而言之:UX 使聊天機器人使用起來簡單且愉快。
聊天機器人使用者體驗設計最佳實踐

使用者與您的機器人互動的方式可以決定他們是否獲得所需的幫助或完全放棄。
以下最佳實踐是我在實際機器人部署中發現的最有效的實踐。它們對於聊天機器人的實現至關重要,而且實用。
嵌入用戶旅程
我在聊天機器人部署中看到的最大錯誤是將機器人視為功能附加元件。
聊天機器人只有融入使用者旅程,引導人們到達他們想去的地方時,才能創造價值。
一個完美(且美味)的例子是 Fromeo,這是我們為魁北克牛奶產品公司 (Les Producteurs de lait du Québec) 建造的聊天機器人。
Fromeo 位於 Fromages d'ici 主頁的正中央,扮演著數位「起司管家」的角色,為用戶帶來他們從未意識到自己需要的體驗。
Fromeo 的工作是什麼?透過對話提供個人化推薦,幫助人們瀏覽數百種魁北克起司。 Fromeo 不會強迫人們瀏覽無盡的起司類別,而是透過簡單的「您今天想吃什麼?」來滿足他們的需求。
這是一個將聊天機器人嵌入使用者流程的典型案例。它將被動的瀏覽過程轉化為互動的、高價值的旅程。
從一開始就設定明確的期望
Ruby Labs 在擴展對六個基於訂閱的應用程式的支援時使用了這種方法。
當用戶打開支援聊天機器人時,他們會立即看到四個簡單的選項:
- 取消我的帳戶
- 帳單問題
- 排除技術問題
- 詢問一般問題
這些按鈕透過立即顯示最常見的需求來引導使用者獲得成功的結果。
這並不是什麼花俏的技術,而是要向人們清楚地展示機器人能提供什麼幫助。
這對於 Ruby Labs 每月自動執行超過 400 萬次支援會話並達到98% 的解決率起到了重要作用。
坦誠地告知聊天機器人無法做什麼也很重要。如果它無法處理退款或提供詳細的帳戶幫助等功能,請提前告知。
對話流程設計
我發現自己使用的原因之一ChatGPT 對話往往感覺很自然。
ChatGPT 停頓和回應的方式,感覺就像一場真正的來回對話。這種節奏讓我更容易吸收訊息,保持專注,尤其是在我問一些複雜的問題的時候。
這就是良好的對話流程,也是我讓聊天機器人聽起來更人性化的方式。
在設計對話流程時,我使用的其他一些技巧和竅門是:
- 保持簡短並切中要點
- 在訊息之間添加微妙的停頓,以便用戶有時間處理他們所看到的內容
如何建構聊天機器人的使用者體驗設計

1.深入研究使用者研究和意圖發現
在勾勒流程或撰寫任何資訊之前,你需要知道你的設計對像是誰。不是模糊的人物角色,而是真實的使用者、真實的目標、真實的阻力。
這是大多數機器人失敗的地方:它們是基於假設而不是證據建構的。
先回答三個基本問題:
- 典型用戶是誰? (例如,新訪客、回頭客、員工?)
- 他們的目標是什麼? (例如,獲得協助、進行購買、追蹤某些內容、取消訂閱?)
- 目前的經驗中什麼讓他們感到沮喪?
你無法在腦力激盪中找到這些問題的答案。與客服、銷售和產品等團隊溝通,了解使用者最難解決的問題。
然後查看支援票、聊天記錄或幫助中心搜尋以查找模式。
透過這項研究,您正在建立一個意圖圖:您的機器人需要處理的內容的列表,以及使用者如何自然地表達這些請求。
2. 為你的聊天機器人定義一個明確的目的
你的聊天機器人不需要做所有的事情。它只需要把一件事做得很好。
在撰寫任何訊息之前,請先確定影響最大的用例——用戶真正需要的東西以及您的團隊可以自信地實現自動化的東西。
您正在尋找一種能夠達到最佳效果的流程:
- 高頻
- 惹惱用戶
- 遵循可預測的模式
例如,在電子商務中,通常是訂單追蹤或產品查找:兩者都是頻繁的、結構化的、且自動化風險低。
確定重點後,為機器人寫一行任務。例如:“在兩分鐘內引導用戶完成帳戶取消,無需人工幹預。”
現在,用數字來定義成功。你的目標是達到 80% 的自動化?還是平均處理時間的縮短?還是升級數量減少?
3. 設計端到端Chat 旅行
在撰寫任何一則訊息之前,都要規劃好整個使用者旅程。這是聊天機器人使用者體驗的基礎。
如何像專業人士一樣繪製聊天機器人旅程
以下是我在每個專案中遵循的流程,無論是客戶支援、入職培訓或潛在客戶獲取:
- 用戶在哪裡遇到機器人?主頁?幫助中心?結帳頁面?
- 機器人如何辨識使用者想要什麼? (關鍵字、按鈕、使用者輸入)
- 每個意圖之後會發生什麼事?勾勒出所有變化
- 流程何時結束?如何結束?是升級、完成任務,還是回傳資料?
- 如果出現問題會發生什麼事?
範例旅程:訂單追蹤機器人
以下是供參考的基本流程:
- [歡迎訊息] :“您好👋想要追蹤訂單、查看配送狀態或提問嗎?”
→ 快速回覆:“追蹤我的訂單”、“配送資訊”、“聯絡客服” - [用戶選擇「追蹤我的訂單」]
- [機器人提示輸入訂單號碼] :“當然!您可以輸入您的訂單號碼嗎? ”
- [檢查資料庫]
→ 如果找到:“您的訂單已發貨,預計今天下午 4 點前送達。”
→ 如果找不到:“嗯,我找不到該號碼。想再試一次還是聯繫客服? ” - [使用者操作]
→ 重試或升級至客服人員 - [對話結束] :“很高興能幫上忙。走之前還有什麼事嗎?”
4. 編寫並測試範例對話
一旦您繪製了聊天機器人的流程,就該了解最重要的細節了:機器人所說的實際字詞。
這是我每次都遵循的規則:如果您不能為某個意圖寫一個現實的範例對話,那麼您還沒有準備好建立它。
首先,針對你的首要用例編寫 3 到 5 個範例對話:基於你的使用者研究的真實、具體的場景。這些對話應該反映使用者實際使用的語言,而不是經過美化的商業文案。
例如:
- 一位剛剛被重複收費並感到沮喪的用戶。
- 有人試圖重置密碼但沒有收到電子郵件。
- 首次使用的使用者不確定如何取消試用。
寫下整個互動過程,包括邊緣情況和尷尬的繞行情況。如果有人只回答了一半或偏離了腳本,機器人會如何處理?
保持訊息簡短清晰。將解釋分解成邏輯步驟,並使用換行符號來提高可掃描性。
寫好後,與您的團隊或更好的是,與真實用戶進行角色扮演對話。
大聲朗讀。
透過觀察使用者與機器人的互動日誌,了解使用者在哪些方面猶豫、誤解,或提出腳本未預料到的後續問題。這可以說是改善流程的最佳方法。
5. 建造你的聊天機器人
現在您的流程和內容已經準備就緒,是時候建立您的 AI 聊天機器人了。
你需要:
- 歡迎訊息
- 核心意圖(常見問題、帳戶協助、訂單查詢等)
- 支援切換邏輯
- 重試和回退處理
您的團隊還應該決定機器人如何儲存訂單號碼或用戶偏好等資料。它是否需要呼叫 API 來取得配送資料或日曆可用性?它是否應該記住過去的互動?
與Calendly或Google Calendar 用於調度, Zendesk用於支持,以及Stripe 或使用 Shopify 進行交易。自訂 API 可協助您連接內部系統。
6.不斷測試和改進
一旦您的機器人開始運作,您會很快知道哪些有效哪些無效。
為此,我們可以說:感謝聊天機器人分析。
在改進您的機器人方面,沒有什麼比來自真實用戶的真實數據更好。
發布後需要監控的一些關鍵指標:
- 最常見的意圖
- 高輟學節點
- 重複的短語引發回退
- 每次會話的時間/成功率
專業提示:建立「機器人改進日誌」。
我建議每兩週查看一次此日誌。追蹤更新及其影響。隨著新模式的出現,重新訓練你的意圖辨識。
聊天機器人使用者體驗設計的最佳工具
規劃和製圖工具
這些可以幫助您在編寫程式碼之前勾勒出聊天機器人的邏輯。它們是可視化流程和識別邊緣情況的理想選擇。
Lucidchart

作為一個為了好玩而建立聊天機器人的人(並且在人工智慧公司工作),這是迄今為止我最喜歡的用於規劃對話的工具之一。
它非常適合創建詳細的對話樹、回退路徑和決策邏輯。
我特別喜歡在與工程師或支援團隊合作時使用它,因為一切都非常直觀且易於協調。
獎勵:即時協作是非同步團隊合作的夢想。
米羅

我通常會用 Miro 來啟動聊天機器人設計工作坊。它非常適合將一些原始想法(例如意圖和範例語句)傾注到可視化的環境中。
如果說 Lucidchart 是我規範化事物的地方,那麼 Miro 就是我進行雜亂創意思考的地方。它也是進行早期團隊腦力激盪或在研究後捕捉用戶洞察的好地方。
異想天開

當我想要快速建立對話草稿或僅繪製一個小的功能流程時,這就是我的首選。
當我單獨工作或需要向沒有大型「工具設定」的人展示概念時,它是完美的選擇。
它還可以很好地保持事物的清潔和高水平,而無需過早地深入細節。
測試和研究工具
任何聊天機器人策略,如果沒有測試真實的用戶交互,都是不完整的。這些工具可以幫助您在發布前驗證對話設計並收集回饋。
PlaybookUX

我使用 PlaybookUX 對聊天機器人原型進行無主持測試,它總是能帶給我大量回饋。
您無需安排訪談即可了解使用者反應和導航行為。
它對於發現使用者誤讀機器人或在流程中發生意外轉變的點特別有用。
迷宮

我喜歡使用 Maze 進行快速訊號測試。
當你只是想知道:這個流程是否合理?
回顧

Lookback 支援現場訪談和螢幕錄製,因此您可以觀察即時反應和可用性問題。
就我個人而言,我只要觀察使用者在談話過程中猶豫三秒鐘,就能發現一些微小的時間問題或不清楚的措詞。
人工智慧聊天機器人平台
這些是聊天機器人實施過程中用於實際建立和部署對話體驗的端到端平台。它們通常包含邏輯、整合和自然語言處理工具。
Botpress

我把一切都建在Botpress :它在無程式碼和完全開發人員靈活性之間達到了最佳平衡。
Botpress 提供一個功能齊全的平台,用於建立對話式 AI,支援 NLU、RAG 和自訂流程。
可視化建構器對於設計師來說非常直觀,並且該平台支援即時測試和調試。
它非常適合希望以最少的程式碼從概念到生產的團隊。
最棒的是?它是免費的!
Rasa

作為一個非技術背景的人,我會說 Rasa 更注重工程設計。我曾經用 Rasa 開發過機器學習能力更強的自訂機器人,例如當我需要完全控制意圖模型的時候。
但是,如果您的團隊有 Python 經驗並且需要建立超出拖放邏輯的東西,那麼 Rasa 的功能非常強大。
Dialogflow

Dialogflow 非常適合簡單的機器人或當你的stack 已經深入 Google Cloud。
我曾經用它建造了一個支援語音的 IT 幫助機器人,它與Google Calendar 和表格。
對於高級流程或自訂邏輯來說它不那麼靈活,但如果您的需求很簡單,它就非常順暢。
分析和優化工具
聊天機器人上線後,您需要深入了解其運作方式。分析工具可以追蹤使用者行為、對話成功率、流失點等。
Botpress (內建)

另一個方面Botpress 我喜歡的是內建的分析標籤。
在上下文中調試流程並查看用戶在機器人感到困惑之前輸入的內容非常容易。
Dashbot

如果您正在運行多個機器人或想要一個專用的儀表板來提高參與度和效能,那麼 Dashbot 非常適合。
它為用戶提供了有關用戶保留和回退觸發器等內容的結構化洞察。
Google Analytics (自訂事件)

我強烈推薦Google Analytics 對於想要了解機器人如何影響轉換率、跳出率或整體頁面參與度的行銷團隊來說。
它不是原生的聊天機器人,但它非常適合更廣泛的漏斗分析。
設計更聰明的聊天機器人
聊天機器人設計是每個出色的聊天機器人體驗的基礎。
Botpress 是一個人工智慧代理平台,為每個人提供建構和部署具有自然對話的智慧代理的工具。
Botpress 擁有內建的設計工具、可重複使用的範本,以及強大的 NLU 引擎,讓您可以輕鬆創造出不僅可以運作,而且感覺像人類的機器人。
常見問題
設計和啟動聊天機器人需要花多少時間?
設計和啟動一個運作良好的聊天機器人可能需要幾小時到幾週的時間,視複雜程度而定。簡單的常見問題機器人可能會在 2 到 3 小時內啟用,而處理複雜任務的進階機器人可能需要幾天或更長時間才能確保品質和可靠性。
設計聊天機器人需要編碼技巧嗎?
由於Botpress (或Dialogflow) 等平台提供可視化建立工具和無程式碼工具,聊天機器人設計並不嚴格需要程式碼技能。但是,複雜的整合或特殊功能通常需要開發人員的支援,才能擴展聊天機器人的功能。
聊天機器人可以在同一機器人中處理多種語言或方言嗎?
如果聊天機器人是使用多語言自然語言理解 (NLU) 模型設計,並支援特定語言的訓練資料,就可以在同一機器人中處理多種語言或方言。許多現代的聊天機器人平台都提供內建的多語言功能,但您仍需要仔細規劃翻譯,並測試不同地區的用語、文化背景和使用者期望的細微差異。
如何衡量我的聊天機器人設計在推出後是否成功?
聊天機器人設計成功與否,可在啟用後使用任務完成率、使用者滿意度評分、回退率和平均解決時間等指標來衡量。對話記錄和使用者回饋有助於找出摩擦點和整體成效。
設計聊天機對話時,應該避免哪些常見錯誤?
聊天機器人設計中常犯的錯誤包括使用機械化或過度正式的語言、沒有闡明機器人的功能、創造忽略意外輸入的僵化流程,以及缺乏有效的備用訊息。與真實使用者進行測試有助於確保自然的對話以及流暢、有助益的互動。