聊天机器人设计完整指南

嵌入用户旅程

我在聊天机器人部署中看到的最大错误是将机器人视为功能附加组件。 

聊天机器人只有融入用户旅程，引导人们到达他们想去的地方时，才能创造价值。

一个完美（且美味）的例子是 Fromeo，这是我们为魁北克牛奶产品公司 (Les Producteurs de lait du Québec) 构建的聊天机器人。 

Fromeo 位于 Fromages d'ici 主页的正中央，扮演着数字“奶酪管家”的角色，为用户带来他们从未意识到自己需要的体验。

Fromeo 的工作是什么？通过对话提供个性化推荐，帮助人们浏览数百种魁北克奶酪。Fromeo 不会强迫人们浏览无尽的奶酪类别，而是通过简单的“您今天想吃什么？”来满足他们的需求。

这是一个将聊天机器人嵌入用户流程的典型案例。它将被动的浏览过程转化为互动的、高价值的旅程。

从一开始就设定明确的期望

Ruby Labs 在扩展对六个基于订阅的应用程序的支持时使用了这种方法。

当用户打开支持聊天机器人时，他们会立即看到四个简单的选项： 

• 取消我的帐户
• 账单问题
• 排除技术问题
• 询问一般问题

这些按钮通过立即显示最常见的需求来引导用户获得成功的结果。 

这并不是什么花哨的技术，而是要向人们清楚地展示机器人能提供什么帮助。

这对于 Ruby Labs 每月自动执行超过 400 万次支持会话并达到98% 的解决率起到了重要作用。 

坦诚地告知聊天机器人无法做什么也很重要。如果它无法处理退款或提供详细的账户帮助等功能，请提前告知。

对话流程设计

我发现自己使用的原因之一ChatGPT 对话往往感觉很自然。

ChatGPT 停顿和回应的方式，感觉就像一场真正的来回对话。这种节奏让我更容易吸收信息，保持专注，尤其是在我问一些复杂的问题的时候。

这就是良好的对话流程，也是我让聊天机器人听起来更人性化的方式。 

在设计对话流程时，我使用的其他一些技巧和窍门是：

• 保持简短并切中要点
• 在消息之间添加微妙的停顿，以便用户有时间处理他们所看到的内容

1.深入研究用户研究和意图发现

在勾勒流程或撰写任何信息之前，你需要知道你的设计对象是谁。不是模糊的人物角色，而是真实的用户、真实的目标、真实的阻力。

大多数机器人都失败了：它们是基于假设而不是证据构建的。

首先回答三个基本问题：

• 典型用户是谁？（例如，新访客、回头客、员工？）
• 他们的目标是什么？（例如，获得帮助、进行购买、跟踪某些内容、取消订阅？）
• 当前的经历中什么让他们感到沮丧？

你无法在头脑风暴中找到这些问题的答案。与客服、销售和产品等团队沟通，了解用户最难解决的问题。 

然后查看支持票、聊天记录或帮助中心搜索以查找模式。 

通过这项研究，您正在构建一个意图图：您的机器人需要处理的内容的列表，以及用户如何自然地表达这些请求。

2. 为你的聊天机器人定义一个明确的目的

你的聊天机器人不需要做所有的事情。它只需要把一件事做得很好。

在撰写任何一条消息之前，请先确定影响最大的用例——用户真正需要的东西以及您的团队可以自信地实现自动化的东西。 

您正在寻找一种能够达到最佳效果的流程：

• 高频
• 惹恼用户
• 遵循可预测的模式

例如，在电子商务中，通常是订单跟踪或产品查找：两者都是频繁的、结构化的，并且自动化风险低。

确定重点后，为机器人写一行任务。例如：“在两分钟内引导用户完成账户取消，无需人工干预。”

现在，用数字来定义成功。你的目标是实现 80% 的自动化？还是平均处理时间的缩短？还是升级数量减少？

3. 设计端到端Chat 旅行

在撰写任何一条消息之前，都要规划好整个用户旅程。这是聊天机器人用户体验的基础。

4. 编写并测试示例对话

一旦您映射了聊天机器人的流程，就该了解最重要的细节了：机器人所说的实际词语。

这是我每次都遵循的规则：如果您不能为某个意图写一个现实的示例对话，那么您还没有准备好构建它。

首先，针对你的首要用例编写 3 到 5 个示例对话：基于你的用户研究的真实、具体的场景。这些对话应该反映用户实际使用的语言，而不是经过美化的商业文案。 

例如

• 一位刚刚被重复收费并感到沮丧的用户。
• 有人试图重置密码但没有收到电子邮件。
• 首次使用的用户不确定如何取消试用。

写下整个交互过程，包括边缘情况和尴尬的绕行情况。如果有人只回答了一半或偏离了脚本，机器人会如何处理？

保持信息简短清晰。将解释分解成逻辑步骤，并使用换行符来提高可扫描性。

写好后，与您的团队或更好的是，与真实用户进行角色扮演对话。 

大声朗读。 

通过观察用户与机器人的交互日志，了解用户在哪些方面犹豫、误解，或者提出脚本未预料到的后续问题。这可以说是改善流程的最佳方法。 

5. 构建你的聊天机器人

现在您的流程和内容已经准备就绪，是时候构建您的 AI 聊天机器人了。

你需要：

• 欢迎信息
• 核心意图（常见问题解答、帐户帮助、订单查询等）
• 支持切换逻辑
• 重试和回退处理

您的团队还应该决定机器人如何存储订单号或用户偏好等数据。它是否需要调用 API 来获取配送数据或日历可用性？它是否应该记住过去的交互？

与Calendly或Google Calendar 用于调度， Zendesk用于支持，以及Stripe 或使用 Shopify 进行交易。自定义 API 可帮助您连接内部系统。

6.不断测试和改进

一旦您的机器人上线，您将很快了解到哪些有效，哪些无效。 

为此，我们可以说：感谢聊天机器人分析。

在改进您的机器人方面，没有什么比来自真实用户的真实数据更好。

发布后需要监控的一些关键指标：

• 最常见的意图
• 高辍学节点
• 重复的短语引发回退
• 每次会话的时间/成功率

专业提示：创建“机器人改进日志”。 

我建议每两周查看一次此日志。跟踪更新及其影响。随着新模式的出现，重新训练你的意图识别。 

规划和制图工具

这些可以帮助您在编写代码之前勾勒出聊天机器人的逻辑。它们是可视化流程和识别边缘情况的理想选择。

Lucidchart

‍

作为一个为了好玩而构建聊天机器人的人（并且在一家人工智能公司工作），这是迄今为止我最喜欢的用于规划对话的工具之一。 

它非常适合创建详细的对话树、回退路径和决策逻辑。 

我特别喜欢在与工程师或支持团队合作时使用它，因为一切都非常直观且易于协调。 

奖励：实时协作是异步团队合作的梦想。

米罗

我通常会用 Miro 来启动聊天机器人设计工作坊。它非常适合将一些原始想法（比如意图和示例语句）倾注到可视化的环境中。

如果说 Lucidchart 是我规范化事物的地方，那么 Miro 就是我进行杂乱创意思考的地方。它也是进行早期团队头脑风暴或在研究后捕捉用户洞察的好地方。

异想天开 

当我想要快速构建对话草稿或仅绘制一个小的功能流程时，这就是我的首选。

当我单独工作或需要向没有大型“工具设置”的人展示概念时，它是完美的选择。 

它还可以很好地保持事物的清洁和高水平，而无需过早地深入细节。

测试和研究工具

任何聊天机器人策略，如果没有测试真实的用户交互，都是不完整的。这些工具可以帮助您在发布前验证对话设计并收集反馈。

PlaybookUX 

‍

我使用 PlaybookUX 对聊天机器人原型进行无主持测试，它总能给我带来大量反馈。

您无需安排访谈即可了解用户反应和导航行为。 

它对于发现用户误读机器人或在流程中发生意外转变的点特别有用。

迷宫 

我喜欢使用 Maze 进行快速信号测试。 

当你只是想知道：这个流程是否合理？

回顾 

Lookback 支持现场采访和屏幕录制，因此您可以观察实时反应和可用性问题。

就我个人而言，我只要观察一下用户在谈话过程中犹豫三秒钟，就能发现一些微小的时间问题或不清楚的措辞。

部署人工智能代理？

阅读我们的人工智能代理实施蓝图

立即阅读

人工智能聊天机器人平台

这些是聊天机器人实施过程中用于实际构建和部署对话体验的端到端平台。它们通常包含逻辑、集成和自然语言处理工具。

Botpress

‍

我把一切都建在Botpress ：它在无代码和完全开发人员灵活性之间达到了最佳平衡。

Botpress 提供一个功能齐全的平台，用于构建对话式 AI，支持 NLU、RAG 和自定义流程。 

可视化构建器对于设计师来说非常直观，并且该平台支持实时测试和调试。 

它非常适合希望以最少的代码从概念到生产的团队。 

最棒的是？它是免费的！

拉萨 

作为一个非技术背景的人，我会说 Rasa 更注重工程设计。我曾经用 Rasa 开发过机器学习能力更强的自定义机器人，比如当我需要完全控制意图模型的时候。

但是，如果您的团队有 Python 经验并且需要构建超出拖放逻辑的东西，那么 Rasa 的功能非常强大。 

Dialogflow 

Dialogflow 非常适合简单的机器人或当你的stack 已经深入 Google Cloud。

我曾经用它构建了一个支持语音的 IT 帮助机器人，它与Google Calendar 和表格。 

对于高级流程或自定义逻辑来说它不那么灵活，但如果您的需求很简单，它就非常顺畅。

分析和优化工具

聊天机器人上线后，您需要深入了解其运行情况。分析工具可以追踪用户行为、对话成功率、流失点等。

Botpress （内置） 

‍

另一个方面Botpress 我喜欢的是内置的分析选项卡。

在上下文中调试流程并查看用户在机器人感到困惑之前输入的内容非常容易。

Dashbot 

如果您正在运行多个机器人或想要一个专用的仪表板来提高参与度和性能，那么 Dashbot 非常适合。

它为用户提供了有关用户保留和回退触发器等内容的结构化洞察。 

Google Analytics （自定义事件） 

我强烈推荐Google Analytics 对于想要了解机器人如何影响转化率、跳出率或整体页面参与度的营销团队来说。 

它不是原生的聊天机器人，但它非常适合更广泛的漏斗分析。

设计和发布一个聊天机器人需要多长时间？

设计和发布一个功能完善的聊天机器人可能需要几个小时到几周的时间，具体取决于复杂程度。简单的常见问题机器人可能在 2 到 3 小时内上线，而处理复杂任务的高级机器人则需要几天或更长时间才能确保质量和可靠性。

设计聊天机器人需要编码技能吗？

由于Botpress （或Dialogflow）等平台提供了可视化构建器和无代码工具，聊天机器人设计并不严格要求编码技能。但是，复杂的集成或特殊功能通常需要开发人员的支持，以扩展机器人的功能。

同一个聊天机器人可以处理多种语言或方言吗？

如果聊天机器人在设计时使用了多语言自然语言理解（NLU）模型并支持特定语言的训练数据，它就能在同一个机器人中处理多种语言或方言。许多现代聊天机器人平台都提供内置的多语言功能，但您仍然需要仔细规划翻译，并测试不同地区的措辞、文化背景和用户期望的细微差别。

如何衡量我的聊天机器人设计在发布后是否成功？

使用任务完成率、用户满意度评分、回退率和平均解决时间等指标来衡量推出后的聊天机器人设计是否成功。对话记录和用户反馈有助于确定摩擦点和整体效果。

设计聊天机器人对话时应避免哪些常见错误？

聊天机器人设计中常见的错误包括：使用机器人语言或过于正式的语言、不明确机器人的功能、创建忽略意外输入的僵化流程以及缺乏有效的后备信息。与真实用户进行测试有助于确保对话自然流畅、互动有益。