Lätt att säga, men kanske svårare att få till i praktiken? Hur kommer man dit? Låt mig utveckla mina tankar runt tre av de vanligaste saker som göra en bot bra: Tydlighet, personlighet och enkelhet. Hur gör man dessa diffusa termer konkreta?
Den snabba summeringen är:Med iterativ utveckling och en release varje eller varannan vecka kommer du snart se när det är rätt att prioritera vad – för din första version behöver inte klara allt det här. Nedan följer lite mer resonemang som jag hoppas hjälper till.
För att beta av de tre områdena ett och ett: Vad är en tydlig bot? För mig är det att boten har en tydlig roll att fylla. När man bestämt vad den är till för blir det enklare att mäta om man lyckas och därför enklare att rätta till felsteg. Så försök inte få den att göra allt. Då är det lätt att man inte hinner med att göra någonting riktigt bra. Ge arbetet tid. Iterera. Lär av användare. Igen. Och igen. De tänker garanterat annorlunda än du. Ju fortare du får feedback från skarpa användare, desto snabbare börjar boten göra rätt. Inte för att vara kinkig, men mamma, grannen och kompisarna på Facebook räknas inte. De är alldeles för snälla.
Nix. Fråga inte familjen om du vill veta sanningen
Riktiga konversationer med riktiga användare är väsentligt mer kunskapsbringande i en inledande fas, när antalet användare i boten är litet. Feedback från användare blir avgörande i prioritering av förbättringar – även om det bara sker genom att logga användning eller låta boten själv fråga.
En annan enkel funktion för att skapa tydlighet är att eka tillbaka till användaren det som just sagts. Om boten frågar efter information, är det enkelt att bekräfta att man förstått, genom att skicka berätta det för användaren. Om man har ett större antal datapunkter att fråga efter, kan det vara vettigt att kapsla in dem i ett formulär istället för att bekräfta dem en och en.
När jag måste fråga många saker, paketerar jag gärna de enkla frågorna i ett mini-formulär
Nästan varje talare på temat jag hör har ett standard-tips: Ett startmeddelande som berättar kortfattat vad boten kan hjälpa till med. Hur kommer det sig då att användare trots det frågar om middagstips, skostorlek och annat som definitivt inte står med i beskrivningen av vad boten kan? Tja, vi är väl nyfikna och av naturen. En bra tumregel är att alla texter över 150 tecken är för långa för att mottagaren ska orka läsa. Låt mig lägga ut texten lite och dela med mig av en kul spaning (utan anspråk på vetenskaplighet): ”Skostorleksfrågorna” och andra omöjliga frågor är klart överrepresenterade bland män i och strax under 40-årsålden. Av någon anledning kan de bara inte låta bli att fråga omöjligheter.
Ibland har man mycket att förklara. Här har jag tagit till ett antal olika knep för att dela upp texten i bitar
Det finns dock en lärdom i exemplet. Användare som ställer udda frågor får faktiskt inga svar och det lämnar kvar en känsla av att boten inte gör sitt jobb. Om nästa fråga är en riktig fråga och boten inte klara den heller, då riskerar den att bli värdelös i användarens ögon. Jag lutar därför kraftigt åt att kunna svara något vitsigt eller intelligent även på mindre relevanta frågor, fånga användarens uppmärksamhet och utnyttja tillfället att informera hen om vad boten faktiskt kan hjälpa till med. Jag experimenterar just nu med videosnuttar istället för längre texter. Låt mig återkomma med resultatet i ett senare blogginlägg.
För att kunna vara personlig krävs ju att man faktisk vet något om den man pratar med. Men glöm inte att om du har tillgång till data om en person och vill använda det i en bot, krävs samtycke från användaren – enligt GDPR. Har du inte tillgång till så personligt data, eller om det känns övermäktigt i ett projekt att bygga personanpassade dialogflöden, så finns det några andra enkla saker att ta till:
Även i arbetet med att utveckla din bots personlighet är jag en varm förespråkare av att iterera utvecklingen och ta lärdom av feedback från användare.
Kunskapen om bot-dialoger är inte speciellt väl utvecklad ännu. Visserligen har titlar som Dialog Designer dykt upp i Silicon Valley, men material att lära sig av är det ont om. Visst skulle man kunna ha långa utläggningar om psykologi och hur man anpassar dialoger till sammanhang och förståelse om användaren, men jag skulle vilja påstå att verktygen vi bygger botar med inte riktigt är på nivån att det med en rimlig insats går att bygga in sådan analys. Det kräver helt enkelt för mycket egen utveckling. Jag vill ändå påstå att det är bra att vara förbered – utvecklingen går fort. Sen finns det ändå några grundläggande saker vi kan göra redan idag.
Det jag tycker är viktigast att kunna hantera är bot-väldens motsvarighet till ”feta fingrar”-problemet. Det är lätt hänt att användaren skriver fel eller missuppfattar en fråga boten ställt och svarar på ett sätt som boten då inte kan förstå. En dialog som inte klarar lite felskrivningar blir snabbt en usel upplevelse – tänk att man är inne i en dialog och måste svara på två eller tre frågor innan man kan börja om och göra det som skulle göras eller att ett längre samtalsflöde spårar ur för att man tryckt fel på en tangent. Det är absolut önskvärt att undvika. Här är mina tankar på var man kan börja och vad som behöver finnas på plats för att hantera ”feta fingrar”:
När man delar upp problemet i dessa delar blir det lite lättare att hantera. Det är dock minst lika mycket arbete som att bygga själva grundfunktionen i en bot, så i vilken utsträckning det är värt att arbeta på och när i ett bot-projekt det är rätt att göra den investeringen i samtalsupplevelse beror på värdet av andra saker du skulle kunna göra istället, så klart. Hur du gör i detalj varierar mellan ramverken för bot-byggandet, men det finns en hel del hjälp att tillgå. Lycka till!