[vc_row][vc_column][vc_column_text]I denna artikel delar Kajsa Tretow – Conversation Designer på Talking to me – designtips och best practices för Chatbots och Digitala Assistenter. Denna del är den första av två delar, so stay tuned för nästa!
Den mänskliga aspekten
Kundmöten som tidigare skedde mellan två personer till exempel i en butik eller via telefon blir nu automatiserade i allt större utsträckning. I flera branscher, såsom exempelvis bank och finans, sker idag en majoritet av kundkontakter via automatiserade, och i allt högre grad konversationsbaserade, gränssnitt – såsom exempelvis via en chatbot eller en digital assistent.
Även om vi rör oss in i en värld av automatisering så möjliggör moderna konversationsgränssnitt samtidigt en utveckling i motsatt riktning, mot något mer mänskligt. I det här fallet handlar det om att interaktioner som brukar ske genom visuella digitala gränssnitt, som ett webbformulär eller en mobilapp, med hjälp av ny teknologi kan bli mer intuitiva för oss människor.
Tidigare har vi ju varit tvungna att att lära oss teknologins språk och anpassa vår kommunikation efter de gränssnitt som har funnits till hands, till exempel en fjärrkontroll till en TV eller ett operativsystem på datorn, men med hjälp av AI och konversationsgränssnitt så börjar vi närma oss en punkt där vi människor kan kommunicera med teknologi på våra villkor och med hjälp av vårt naturliga språk.
Men för att skapa lösningar som människor inte bara vill använda utan dessutom tycker om krävs konversationsdesign. Vad är då konversationsdesign och vad skiljer om man jämför med design av traditionella gränssnitt?
Komplex input
En stor fördel med konversationsgränssnitt (som exempelvis en chatbot eller röststyrd digital assistent) är förmågan att hantera komplexa inputs, vilket gör det möjligt för användaren att gräva djupt i stora mängder data utan att behöva fylla i ett stort formulär eller klicka sig igenom ett långt flöde. Tänk er exempelvis processen att boka en tågresa via ett klassiskt webbformulär. Om man att man i stället för att gå igenom det flödet bara skulle kunna säga via text eller röst: ”Jag vill resa från Stockholm till Göteborg på fredag förmiddag, i andra klass, och sitta framlänges i tyst avdelning. Vad kostar det och när går tågen?”
En väldesignad digital assistent som är integrerad med rätt API:er skulle kunna ställa ett par adekvata följdfrågor och sedan helt enkelt fullfölja bokningen åt en. Man säger helt enkelt bara vad man vill ha och får det.
Synkronisk output
Men, hur ser det ut när det gäller outputs? Jo, enkla outputs och svar som inte innehåller för mycket information eller för många alternativ fungerar jättebra, men tyvärr är konversationsgränssnitt lite sämre på komplexa och långa outputs.
Det här gäller såklart främst devices utan skärm, som smarta högtalare; för då är konversationerna helt synkroniska vilket betyder att de sker vid en specifik tidpunkt och därefter försvinner och inte längre är tillgängliga. Då gäller det att minimera användarens kognitiva belastning, alltså den mängd information som användaren förväntas hålla i huvudet för att kunna medverka i konversationen på ett meningsfullt sätt.
Underhåll och finslipning (AI-träning)
Underhåll och finslipning är ju inte aktiviteter som är specifika för just konversationsgränssnitt, men de är ännu viktigare när man jobbar med sådana. För hur väldesignad en digital assistent än är, så är det omöjligt att förutspå vad varenda användare kommer att säga när de interagerar med den och loggarna efter lansering kommer oundvikligen att innehålla helt ny information som inte var uppenbar på förhand. I stället för att se errors som något som bör undvikas till varje pris, kan de ses som en tillgång i form av värdefull data om hur designen kan utökas för att uppfylla användarnas behov ännu bättre. Träning och utveckling av din digitala assistent är en helt central del för att säkerställa en optimal användarupplevelse.
Begränsade resurser och verktyg
Även om konversationsgränssnitt egentligen inte är ett nytt fenomen så finns det relativt få etablerade resurser och riktlinjer. När det gäller verktyg så finns det väldigt många på marknaden både för att prototypa och att bygga. Däremot finns det få som har hunnit bli så etablerade och robusta som de förhoppningsvis kommer att bli i framtiden. Vi bidrar gärna i utvärdering och val av plattform baserat på era behov.
Mentala modeller
En så kallad mental modell är den uppfattning som ligger till grund för en användares förväntan på och förståelse för vad hen interagerar med och HUR hen skall interagera med det. För många användare är teknologin relativt ny och det innebär att de ofta saknar en mental modell för en chatbot eller digital assistent.
När en specifik mental modell saknas, så använder man gärna den befintliga modell som ligger närmast, vilket i det här fallet kan vara allt från ett talsvarssystem, en Messenger-chat, att prata med en människa eller att prata med en robot om användaren har erfarenhet av sådana. Användarens mentala modell kommer att styra dennes beteende och det är därför jätteviktigt att med hjälp av design guida användaren genom interaktionen för att säkerställa en enhetlig varumärkesupplevelse som motsvarar eller helst överträffar förväntningarna.
I del 2 av den här posten kommer vi presentera konkreta best practices när det kommer till design av konversationsbaserad AI såsom chatbot, voicebots och digitala assistenter.
Av Kajsa Tretow, Conversation Designer
[/vc_column_text][/vc_column][/vc_row]
