廣泛意義上的聊天機器人主要分為簡單規則類和人工智能驅動類?，F代大部分聊天機器人已經發展為由人工智能驅動，所以該文主要探討人工智能驅動類的聊天機器人。

一、什么是聊天機器人

首先，什么是聊天機器人？

聊天機器人（Chatbot），最初名為 Chatterbot，可以通過軟件應用程序或 Web 界面以文本或語音的交互形式模仿人類與人類對話?，F代流行的人工智能驅動類聊天機器人通常在線，并且能夠以非線性自然語言與用戶保持對話，簡單來說，對話更靈活了，不是那么死板。

歷史上第一個聊天機器人名叫 ELIZA，是由 Joseph Weizenbaum 于 1966 年創建。其設計基于簡單的規則和模式匹配，主要通過檢測輸入內容的關鍵詞，匹配預先定義的模式來對用戶進行回應。雖然談不上高級，但當時用戶一致超出預期的反饋直接開啟聊天機器人的研究熱潮。

聊天機器人在許多年前就已經廣泛投入使用，主要因為全天候的無休服務和高效替代重復性勞動力的優點。但此次 chatgpt 如此出圈，不僅僅因為它是有史以來最強大的語言處理模型之一，還因為它是第一個真正能夠以人性化自然語言進行響應的聊天機器人。

用戶不需要了解背后復雜的技術，只簡單聊上幾段，就會因為 chatGPT 豐富的語言風格，像信任網絡另一端的陌生人一樣信任一個機器人。這讓很多公司都看到了人工智能驅動類聊天機器人的未來，所以各種產品也如雨后春筍般涌現。

二、聊天機器人的分類

除了前面說到的按照智能程度劃分，還有一種按照場景劃分的方式更適合應用到設計工作中：

1. 問答式：專注理解用戶意圖，給出答案，要求精準高效（chatGPT 各種 C 端智能客服）
2. 任務式：理解意圖并執行任務，要求精準高效（天貓精靈，華為小藝，siri）
3. 閑聊式：進行自然流暢對話，滿足用戶多樣化需求，適當增加情感支持（微軟小冰，replika）

不同的應用場景下，用戶的需求和期望不同，有時簡單的規則驅動足以應付，我們應該思考什么樣的場景滿足什么樣的需求適合引入人工智能，而不是因為人工智能很火而在每一個場景都加入。

Claude.jpg

三、設計參考細節

1. 多樣交互 提升容錯

目前聊天機器人的輸入支持語音與文字兩種方式，如果輸入是基于語音的，聊天機器人會使用自動語音識別（ASR）和自然語言理解（NLU）來理解上下文和用戶意圖。而基于文本則僅使用自然語言理解分析。

對于用戶來說，語音文本識別可能會存在一定的損失問題，因為口音方言與環境噪音都是不可控因素。所以嘗試在聊天機器人功能中增加多種交互形式是不錯的選擇。

Chat GPT.jpg

2. 風格化語言 賦予性格

除了純粹工具化的聊天機器人，其他將其定位為陪伴助手等角色時，大部分設計都希望可以更加擬人化，成為用戶生活的一部分。而這件事背后的本質需求在于兩點：

1. 需要情感支持時，實際上是需要有同理心共情心的幫助者。
2. 需要實際幫助時，實際上是需要有高效簡潔靈活的協助者。

所以在滿足用戶不同的需求的擬人化時，也應該匹配不同的語言風格。用流行的 MBTI 文化來講，第一種需要有 Fe Fi 功能 F 型（情感陪伴），第二種需要有 Ti Te 的 T 型（理智解決），如果聊天機器人用途更廣泛，則可以兩者兼顧，互相轉化。

X-Eva.jpg

語言風格化實例參考

1. 增刪 emoji 與表情包 MEME 圖 （?? ??）
2. 增刪語氣詞同理 （唉 哇哦）
3. 增刪口語詞同理 （真的很抱歉）
4. 同一內容增刪多樣化表達方式同理（對不起 斯密馬賽 騷瑞）

值得注意的是，擬人化越多，溝通效率可能越低，所以效率至上的場景需要在這部分做一定取舍。

3. 逐步遞進 減少認知負擔

不假思索的長篇大論不僅很難讓用戶感知到對面的擬人設計，還增加了認知負擔。所以具像化設計機器人的思索狀態，并將大段的復雜內容進行分割，更易于讓用戶接受。據說給用戶 2 秒左右的等待時間最佳。

這點效率至上的場景依然需要做一定取舍。

HiEcho&Talk Ai 練口語.jpg

4. 友善收集數據 提升體驗

未經告知收集數據會降低用戶對產品的信任度，但嘗試換一種更加友善的方式呢？個性化體驗對于打造人工智能型聊天機器人十分重要，所以不要錯過這個步驟。

Replika.jpg

5. 設定正確期望 并讓用戶監督反饋

人工智能生成的內容不可控，想要完美到每一個細節是不可能的。所以在聊天開始前，請給用戶正確的期望，告訴用戶能做什么與不能做什么，如果問題依然出現導致對話無法推進，請嘗試引導用戶在可控范圍內操作或者直接提供可反饋的渠道，必要時更需人工介入修正問題。

Speak AI 暢聊.jpg

更多參考

1. 分階段自動化

人們喜歡擁有控制權，完全失去控制的聊天會讓人感到不適，并且產生模糊效應。在聊天的過程中讓用戶有感知的分階段實現自動化會更好。或者針對不同水平的用戶，提供多個級別的自動化。

比如 AI 英語口語類，針對基礎較弱的用戶可以在前期用規則類對話幫助用戶練習熟悉的內容，對于高級用戶則可以提供多樣化個性化的對話內容，提升對話樂趣與體驗。

2. 解釋好處 而不是技術

這個點還蠻有意思的，更多出現在機器人自述上。的確注意到有很多公司為了展示自己的聊天機器人跟上時代運用了新技術，迫不及待打上生怕用戶聽懂意思的科技標簽，但對于不追趕潮流的大部分人群來說，這是不可理解的。

請從用戶需求出發把機器人自我介紹里的“AI 智能對話”修改為“與你更加自然的交流”，以及“AI 推薦”改成“更了解你喜好的推薦”。

3. 設定指標 優化體驗

分析關鍵績效的數據指標 (KPI)，例如對話完成率、響應時間和用戶反饋，以評估聊天機器人的成功和需要優化的模塊。

歡迎關注作者微信公眾號：「39Joyy」