O’REILLY Book Notes: 設計聊天機器人(2/5)
聊天機器人層面剖析 :
Part 1 品牌、個性、人工介入
1–1 品牌
好的品牌使顧客記得你，讓他們願意回流使用，並推薦給他人。
從視覺出發，最快被注意的Logo所展示的圖示、圖像、顏色是傳遞品牌定位的第一步，書中以Kip舉例，他以獨特企鵝標誌、鮮豔色彩、友善的特徵吸引使用者。
對話中的貼圖與圖像，也必須配合主Logo的色調與風格，讓設計具備一致性能夠增強品牌連結，並可以透過有意識的視覺提示(例如一張購物的kip推購物車貼圖)，引導使用者進入情境，讓品牌與他們的生活產生連結。
命名方式則可以根據功能、用戶期待、商標考量來取名。例如: Statsbot就是一個在對話裡提供分析與統計的機器人；Lyft維持了清楚簡潔的品牌名稱，讓使用者產生與現有行動應用程式一樣功能的期待；商標則要考量重複性問題，太通用的名字容易記但也可能與另一個聊天機器人衝突。
讓使用者感知到產品或服務，就是品牌管理。
1–2 個性
個性設定目的在於，用戶於使用過程體驗的一致性，同時向用戶暗示聊天機器人的類型。
當然，設計個性前需要考量也可以參考不同的面向：
- 環境(用戶在什麼情境下會使用chatbot)
- 受眾(目標族群使用動機、個性、人物誌的形象)
- 主要任務
- 條件變數
- 普遍接受度(地區文化、時代背景)
- 現有品牌(是否存在上層品牌帶來的既定印象)
- 存在價值(核心理念)
書中以Poncho天氣貓為範例。環境以消費者、有趣、社交；受眾是20~40歲大人，為early adopters；任務是天氣預報及通知；而條件變數則設定為若預報錯誤，以幽默的方式處理；用戶也普遍接受通知打擾的行為，讓他可以習慣存於手機上；主要價值落在取得天氣資訊，並保持輕量化。
整合起來的個性設定，就為風趣、幽默、惡作劇、喜劇化、能夠取悅手機新生代的族群。
當定義了個性設定後，維持體驗的一致性是非常重要的前提。
1–3 人工介入
提供真人協助的管道，可以讓機器人在特定情境下，挽救機器人的服務失敗。例如需要授權的活動、確認報價與批准貸款、機器人答案不一致時，就須要建立錯誤回報的管道。
其他需要設置「我要找真人」情境如：
- chatbot無法辨識用戶意圖或需求時
- chatbot無法理解用戶語言
- chatbot辨識出用戶的不滿(負面詞彙)或關鍵字
(我要吉你，消保官、金管會等等)。 - 持續的輪迴與循環讓用戶鬼打牆
Part 2 人工智慧
2–1 Natural Language Understanding (NLU, 自然語言理解)
讓機器人從用戶對話中擷取需求。需要建構在大量對話資訊上的機器學習才能達到。甚至從中理解對話脈絡中的變數，了解「這一定是鋼鐵人系列」的「這」是什麼。
2–2 對話管理
現實生活中，人類的對談通常不只單一面向，可能聊完興趣，接到人生觀，從旅行經驗聊到餐廳後，一個轉折又回到整趟旅行的小結，是需要理解對話前後脈絡才能進行回覆。
2–3 影像辨識 / 電腦視覺
- Google Allo 中 Google Assistant可上傳圖片
- Google Vision API 提供辨識人臉情緒服務
- 光學字元辨識 (OCR)
2–4 情感分析
以人為本的價值，讓機器人具備同理心的可能，因此分析用戶詞彙中的情緒會是相當重要的一環。
Part 3 對話
3–1 初次登場
- 聲明目的: 機器人應清楚表達自己的作用與如何幫助用戶。
- 教導如何使用: 以引導按鈕來拆解使用步驟。
- 設置 (Configuration): 提醒、偏好、所在地(時間)、帳戶綁定等等。
3–2 功能腳本
任務導向的對話步驟越少越好，且偏向商用情境。
但主題導向則可以有較多步驟，依照用戶參與度來決定，並偏向消費情境。
- 任務導向對話:
定義任務 → 建立節點 (也稱啟用, Initiation) → 從起點與終點開始 → 加入中間環節的對話與選項 → 測試
分歧 (divergent) ，用戶做出預期以外的行動，偏離原始軌道，並提出尚未準備好的需求，兩種方法處理，一為過程導正，二為人工介入。
另一種流程設計方式，實體提取 (Entity extraction)
定義任務 → 給予隨機選項 → 篩選出用戶需求 → 測試
了解用戶在對話漏斗中離開的位置，用來檢查機器人是否有令人難以理解的步驟，或無法理解用戶意圖的節點，進一步設計必要的實體來完成任務。
- 主題導向對話:
定義一組主題 (抽象或具體) → 建立主題周邊資料集的屬性 → 對話測試
設計轉回軌道的對話，例如「有意思，你知道……」，運用在當聊天機器人查詢資料庫內，沒有匹配的資訊時使用的方法。
主題導向一樣能夠使用實物提取的技巧、意圖比對、對話控件。
添加對談話沒有直接貢獻的語句，藉此增加對話深度，與降低用戶認為是與機器交談的感受
3–3 隨機化
相同句子的回答方式，需要多設定不同組回答方式，降低機械化的反感。
引導促發 (priming) 用問句引導用戶以正確格式回答，同時避免模糊的回答。
3–4 回應性
針對無法處理的用戶訊息，依舊要設定對話回應。
3–5 徵求意見回饋
維持可以向上反饋的管道，設定指令獲選單中的選項，也可以安插在每一次對話的結尾。
