LLM 및 AI 기반 솔루션의 등장에도 불구하고 챗봇은 여전히 관련성이 있고 널리 퍼져 있습니다. 효율적이고 비용 효율적이며 프로세스 자동화(예: 고객 질문 답변), 특정 응답 구현 등 모든 기능이 비교할 수 없는 편의성과 결합되어 있습니다. . 하지만 챗봇을 출시하는 것만으로는 충분하지 않습니다! 오히려 UX의 품질이 성공을 결정하는 요소이며 이는 우리와 같은 개발자에게 달려 있습니다.
첫째, 약간의 배경 지식: 이 기사는 클라이언트를 위한 챗봇을 개발하는 최근 프로젝트에서 얻은 교훈에서 영감을 받았습니다. 따라서 챗봇 개발 영역에 들어가야 하는 경우(또는 이미 그 영역에 진입한 경우) 이 가이드가 명확성을 제공할 수 있습니다. 챗봇이 아무리 발전하더라도 우리 인간이 이를 사용하는 한 이러한 원칙은 지속될 가능성이 높습니다. 그 말로 시작합시다.
1: 단순성과 명확성
효과적인 챗봇 서비스의 핵심은 단순성과 명확성입니다. 사용자는 상호작용 방법을 직관적으로 이해해야 합니다. 특히, 챗봇이 받아들일 수 있는 명령과 수행할 수 있는 작업이 명확해야 합니다.
가능한 전략 중 하나는 사용자 요청에 응답하는 추가 모듈이나 명령을 만드는 것입니다.
도움말 명령
도움말 명령
이를 통해 사용자에게 기존 명령, 추가 기능, 기능 등에 대한 일반 정보를 제공할 수 있습니다.
...그리고 해당 도움말 메시지
...그리고 해당 도움말 메시지
이 명령의 결과에는 다른 명령을 사용하는 방법, 각 명령에 사용할 수 있는 매개 변수 및 기타 유용한 정보에 대한 정보도 포함될 수 있습니다.
이 점에 대한 추가 참고 사항: 모든 사용자가 액세스할 수 있는 텍스트 채널에 사용 가능한 명령 및 옵션에 대한 자세한 정보를 배치하는 것도 좋은 생각입니다. 사용자에게 표시되는 메시지에는 문자 제한이 있을 수 있으므로 챗봇의 응답에는 사용 가능한 명령 및 옵션에 대한 간략한 개요만 포함될 수 있습니다.
계속해서 두 번째 접근 방식은 신규 사용자를 위한 상세한 온보딩 프로세스를 만드는 것입니다. (실제로 이는 개별적으로 또는 첫 번째 방법과 함께 고려됩니다.)
여기서 온보딩은 단지 사용자에게 최신 정보를 제공하는 것이 아닙니다. 우리는 챗봇의 기능에 대한 깊은 몰입을 찾고 있습니다. 신규 사용자는 대화형 작업을 통해 봇의 다양한 기능에 대해 배울 수 있습니다.
개발 도구에 대한 UX 연구를 무시해서는 안 됩니다. 빠른 시작 가이드
개발 도구에 대한 UX 연구를 무시해서는 안 됩니다. 빠른 시작 가이드
2023년 12월 27일
개발 도구에 대한 UX 연구 표지를 무시해서는 안 됩니다. 빠른 시작 가이드
또한 읽어보세요
이것이 어떻게 구현될 수 있는지에 대한 한 가지 예는 다음과 같습니다. 사용자는 "생성"이라는 채널로 이동하여 "담장 위의 고양이"와 같은 특정 요청을 사용하여 봇에게 이미지를 생성하도록 요청할 수 있습니다. 충분히 쉽죠? 하지만 이 간단한 작업조차도 봇이 수행할 수 있는 작업을 확고히 하는 데 도움이 됩니다!
이와 같은 작업은 실용적일 뿐만 아니라 대화형이므로 더욱 매력적이고 심지어… 재미있을 수도 있습니다.
???? 또한 우리 모두가 알고 있지만 거의 인정하지 않는 사실에 주목하겠습니다. 즉, 사용자가 실제로 지침과 문서를 읽는 데 시간을 거의 들이지 않는다는 것입니다. (따라서 이 접근 방식이 실제로 더 효과적일 수 있습니다!)
웹사이트에 챗봇의 기능에 대한 가장 자세한 정보를 배치하고 챗봇의 응답에 이 페이지에 대한 링크를 제공하는 것을 고려할 수 있습니다.
이 접근 방식에는 몇 가지 장점이 있습니다.
첫째, 챗봇의 기능에 관심이 있는 사용자가 추가 정보를 얻기 위해 해당 사이트로 연결되므로 사이트로 더 많은 트래픽을 유도하는 데 도움이 될 수 있습니다. 결과적으로 사용자 참여와 전체 사이트 트래픽이 증가하여 순위와 가시성에 긍정적인 영향을 미칠 수 있습니다.
둘째, 이 방법을 통해 사용자는 언제든지 챗봇 기능에 대한 전체 정보에 편리하게 액세스할 수 있습니다. 사용자는 챗봇 작동 방식, 기능, 허용되는 명령 등에 대한 광범위한 정보를 얻을 수 있습니다. 이를 통해 봇과 상호 작용하는 프로세스가 크게 단순화되어 UX가 향상됩니다.
2. 유연성
우리의 챗봇은 사람들과 상호 작용하도록 설계되었다는 점을 기억하는 것이 중요합니다.
글쎄, 대부분의 경우.
글쎄, 대부분의 경우.
그리고 모든 사람들과 마찬가지로 우리 봇과 상호 작용하는 사람들도 문법 오류나 오타와 같은 실수를 할 수 있습니다. 그러나 오류가 있더라도 봇이 질문을 이해할 수 없는 경우 우리의 주요 임무는 사용자의 실수를 지적하지 않습니다. 대신, 우리의 목표는 사용자의 요청을 이해하고 적절한 답변을 제공하기 위해 인간적으로 가능한 한 열심히 노력하는 것입니다.
오류 및 오타 처리가 항상 자동으로 수행되어서는 안 된다는 점을 고려하는 것이 중요합니다. 우선, 봇은 사용자의 요청을 올바르고 완전하게 이해하기 위해 질문을 명확히 하도록 제안할 수 있습니다.
모호하거나 불확실한 경우 봇은 사용자에게 확인이나 설명을 요청해야 하는 경우도 있습니다.
둘째, 봇은 사용자 요청의 실수를 무시하려고 응답을 공식화하려고 시도할 수 있습니다. 즉, 이는 위험할 수 있으며 오류를 제외하거나 잘못 해석하면 요청의 의미가 크게 바뀔 수 있다는 점을 인정해야 합니다.
자동 수정과 사용자에게 설명 요청 사이의 "황금 평균"을 찾아야 합니다.
어떤 경우든 사용자와 성공적으로 상호 작용하려면 가장 일반적인 오류와 오타를 인식하고 수정하도록 챗봇을 교육해야 합니다. 이는 사용자와 봇의 상호 작용을 개선하는 데 직접적으로 도움이 되어 대화에 대한 만족도가 높아집니다. 사용자는 명령을 입력할 때 중요하지 않은 오류를 범했더라도 질문에 대한 정확하고 완전한 답변을 얻을 수 있습니다.
예를 들어 사용자가 봇에 대한 요청을 작성할 때 특정 매개변수나 키워드 세트를 지정하는 경우 이를 용이하게 하기 위해 Levenshtein 거리를 사용하여 요청 처리를 구현할 수 있습니다 .
이 방법은 두 문자열 사이의 "거리", 즉 한 문자열을 다른 문자열로 변환하는 데 필요한 단일 문자 변경(삽입, 삭제 또는 대체) 횟수를 측정합니다. 이를 사용하면 최소한의 노력으로 간단한 사용자 오타를 피할 수 있습니다.
3. 대응성
효과적인 사용자 상호작용을 위해서는 봇 속도가 매우 중요합니다. 연속성, 부드러움, 자연스러운 의사소통 흐름을 보장하려면 응답 시간을 최소화해야 합니다.
응답 지연은 신뢰성이 낮고 비효율적이라는 인상을 줄 수 있으며 이로 인해 사용자가 봇 사용을 단념하고 의욕을 잃을 수 있습니다.
그러나 봇의 속도와 안정성 사이의 균형을 찾는 것은 각 사례마다 고유하다는 점을 잊지 마십시오. 최적의 비율을 직접 찾아야 합니다. 이 문제에 대한 일반적인 조언은 효과가 없거나 해로울 수도 있습니다.
봇 속도 최적화에 관한 간단한 사례 연구
대신 우리의 경험을 설명해 보겠습니다. 챗봇 개발 프로젝트 중 하나를 통해 우리는 잠재적인 미래 부하를 고려했습니다. 우리는 챗봇의 부하가 작을 것이라고 가정했기 때문에 일부 작업과 변환은 하드 드라이브에 데이터를 저장하지 않고 메모리에서 직접 처리하기로 결정했습니다. 이로 인해 봇의 응답 시간이 크게 단축되고 효율성이 향상되었습니다.
"AI"가 그 자리를 표시합니다: 기업을 위한 빠른 AI 보물지도
"AI"가 그 자리를 표시합니다: 기업을 위한 빠른 AI 보물지도
2023년 6월 28일
"AI" 표지: 기업을 위한 빠른 AI 보물 지도
또한 읽어보세요
그러나 로드가 증가하면 이 접근 방식을 검토해야 할 수도 있습니다! 따라서 이 솔루션을 구현하기 전에 우리는 고객에게 모든 장점과 단점에 대해 설명하고 이 접근 방식이 현재 단계에서 최적이라고 함께 결정했습니다.
이러한 종류의 결정은 봇이 배포되는 컴퓨터/서버의 특성에 따라 달라집니다. 메모리가 제한된 시스템에서는 이러한 접근 방식이 바람직하지 않거나 허용되지 않을 수 있습니다.
사용자 요청을 처리할 때 2초 이상의 지연이 예상되는 경우 사용자에게 피드백을 제공하고 요청의 현재 상태를 표시하는 것이 중요합니다. 이렇게 하면 봇이 "멈췄다"거나 작동하지 않는다는 인상을 주지 않는 데 도움이 됩니다.
봇이 긴 요청 처리를 시작하면 사용자에게 작업이 시작되었음을 알리는 메시지를 보내고 작업이 완료되면 알려야 합니다. 제어감은 좋은 UX의 큰 부분이며, 이 터치는 큰 도움이 됩니다.
4. 개인화
4번 항목으로 넘어가겠습니다. 이번에는 개인적인 문제입니다. 사용자의 개별 선호도에 맞게 챗봇을 조정하면(예를 들어 사용자의 요청을 기억하고 이 정보를 기반으로 권장 사항을 컴파일하는 등) 의사소통이 더욱 자연스럽고 즐겁습니다.
개인화는 주로 사용자의 이전 상호 작용에서 수집된 데이터를 분석하여 구축됩니다. 이를 통해 봇은 각 특정 사용자에 대한 응답과 제안을 "학습"하고 조정할 수 있습니다.
개인화는 재치 있게 이루어져야 한다는 점을 명심하는 것이 중요합니다. 우리는 단지 보다 개인화된 서비스를 위해 사용자의 개인 정보를 과도하게 사용하거나 침해하는 것을 원하지 않습니다.
5. 오류 처리
미래는 지금이다! 그러나 적어도 현재로서는 오류가 여전히 존재하는 것 같습니다. 오류가 없는 제품은 없으며, 챗봇도 예외는 아닙니다. 봇이 새로운 오류를 적절하게 처리하고, 사용자에게 이를 알리고, 그러한 상황에서 대체 조치를 제공하는 능력을 갖는 것이 정말 중요합니다.
사용자의 요청에 따라 발생할 수 있는 모든 오류를 철저하게 분석하고 고려해야 합니다. 그리고 무엇이 잘못되었는지 설명하는 명확하고 유익한 오류 메시지를 표시해야 합니다.
이러한 봇이 얼마나 뻔뻔스러울 수 있는지 보여주는 몇 가지 예를 포함하여 몇 가지 예를 들어보겠습니다.
{
unknown_language:
"Sorry, we're currently only able to generate images using English",
improper:
'No, no, no, you are better than that. Watch your profanity, please!',
rate_limit:
"Sorry, it's a bit crowded on our server! Please try again later.",
required_field: 'Sorry, a field is required',
too_slow:
'Generating your image is taking longer than usual due to a high volume of requests.',
transform_un_supported:
'Sorry, we don’t currently support this transformation.',
error_429: "Sorry, we can't recraft just as fast as you click.",
error_500:
'Task failed. We are already dealing with this issue. Please try again later',
not_found:
'Sorry, we could not find the image which you provided as a style.',
is_nsfw:
"We couldn't create any images from your description. Please try a new prompt.",
}
다음은 요청에 알 수 없는 매개변수가 전달될 때 표시되는 오류 메시지 중 하나의 예입니다.
봇 요청에 알 수 없는 언어가 있습니다.
봇 요청에 알 수 없는 언어가 있습니다.
잊지 마세요. 오류로 인해 챗봇이 충돌하거나 중단되어서는 안 됩니다. 가능한 한 많은 오류를 방지하기 위해 예상하고 노력해야 합니다. 예를 들어, 챗봇 개발 프로젝트 중 하나에서는 TDD(테스트 중심 개발) 접근 방식을 사용했습니다. 이렇게 하면 앞서 언급한 오류를 방지할 수 있습니다. 개발자는 먼저 가능한 모든 문제 영역을 식별한 다음 이를 제거하는 코드를 작성합니다.
개발은 지속적인 개선과 변화의 과정이며, TDD 접근 방식을 통해 사용자 오류 알림이 모든 조건에서 안정적이고 효과적으로 작동하도록 보장할 수 있었습니다.
화성의 바람 소리를 나타내는 전파
이러한 원칙을 준수하면 기능적일 뿐만 아니라 편리한 챗봇을 개발하는 데 도움이 됩니다. 따라서 귀하의 비즈니스에 효과적입니다! 결국 챗봇의 목표는화성인을 섬겨라!제품과 인간의 상호 작용을 단순화하고 사용자가 목표를 더 빨리 달성하도록 돕습니다.
마지막 참고 사항: 챗봇 개발은 일회성, 설정하고 잊어버리는 일이 아니라 지속적인 개선과 적응의 과정입니다. 계속해서 사용자로부터 피드백을 수집하고, 테스트를 수행하고, 오류를 수정하고, 개선 사항을 구현하세요!
