Reka Bentuk Chatbot: Segala yang Anda Perlukan untuk Membina Bot Lebih Baik pada 2025

Semasa kecil, saya menghabiskan berjam-jam mereka bentuk bandar Lego: kedai kecil, jalan berliku, dan figura mini yang sentiasa ceria. Dulu saya fikir cukup sekadar ada baldi bata. Tapi sebenarnya, Lego pun perlukan pemikiran reka bentuk.

Rupanya, naluri zaman kanak-kanak itulah asas kerja saya sekarang: membina chatbot AI.

Dengan latar belakang dalam UI/UX dan kini sebagai penyelidik AI di Botpress — platform di sebalik ratusan ribu chatbot yang telah digunakan, termasuk beberapa chatbot yang memenangi anugerah — saya sendiri melihat teknologi sahaja tidak mencukupi.

Apa yang membezakan chatbot hebat ialah reka bentuk chatbot.

Artikel ini berkongsi pelan terbukti yang saya gunakan untuk mereka bentuk chatbot yang benar-benar berkesan. Saya akan terangkan bagaimana reka bentuk chatbot mengubah bot asas menjadi bot hebat, apa yang menjadikan perbualan lancar, dan cara membina chatbot yang disukai pengguna.

Apa itu reka bentuk chatbot?

Reka bentuk chatbot ialah titik pertemuan antara pengalaman pengguna (UX), antara muka pengguna (UI), dan teknologi AI seperti AI perbualan untuk mencipta chatbot AI dan pembantu AI yang berkesan.

Matlamat reka bentuk chatbot adalah untuk menjadikan perbualan chatbot lebih lancar, supaya pengguna mudah mendapatkan apa yang mereka perlukan tanpa rasa keliru.

Mengapa reka bentuk chatbot penting?

Reka bentuk chatbot penting kerana setiap interaksi chatbot membentuk persepsi pengguna terhadap produk anda.

Jika pengalaman mengelirukan, pengguna akan berhenti. Lebih teruk lagi, mereka akan membawa tanggapan negatif terhadap jenama anda. Sebaliknya, apabila reka bentuk berfungsi, pelanggan akan kembali.

Dan ini semakin penting kerana 67% orang telah menggunakan chatbot untuk sokongan pelanggan dalam setahun lalu.

Di Botpress, kami membantu VR Bank membina chatbot AI untuk mengurus aliran gadai janji dan persaraan yang kompleks — kedua-duanya proses yang sangat dikawal selia dan biasanya manual.

Dengan menggabungkan kepakaran UX, input pakar bidang, dan pemahaman bahasa semula jadi yang pintar, kami mencipta chatbot yang membimbing pengguna membuat keputusan kewangan sensitif dan terus memasukkan data ke dalam CRM mereka.

Melalui chatbot ini, kami membantu VR Bank menjimatkan lebih €530,000 setahun.

Itulah hasil reka bentuk chatbot yang hebat. Ia menjadikan interaksi lebih membantu dan memberi kesan langsung kepada keuntungan organisasi.

Apa beza reka bentuk UI chatbot dan reka bentuk UX chatbot?

Reka bentuk UI chatbot berkaitan dengan apa yang pengguna lihat, manakala reka bentuk UX chatbot berkaitan dengan bagaimana pengguna rasa semasa berinteraksi.

UI (antara muka pengguna) merangkumi perkara seperti tetingkap chat, butang, warna, ikon, dan gelembung mesej.

Ringkasnya: UI menjadikan chatbot kelihatan menarik.

UX (pengalaman pengguna) pula tentang keseluruhan perjalanan pengguna. Ia meliputi sejauh mana bot berkomunikasi dengan jelas dan membantu pengguna dari A ke Z. UX juga termasuk bagaimana bot bertindak balas terhadap kesilapan.

Ringkasnya: UX menjadikan chatbot mudah dan seronok digunakan.

Amalan Terbaik Reka Bentuk UX Chatbot

Cara pengguna berinteraksi dengan bot anda boleh menentukan sama ada mereka mendapat bantuan yang diperlukan atau terus berputus asa.

Amalan terbaik berikut adalah yang paling memberi kesan dalam pelaksanaan bot sebenar. Ia praktikal dan penting untuk pelaksanaan chatbot.

Menyatu Dalam Perjalanan Pengguna

Kesilapan terbesar yang saya lihat dalam pelaksanaan chatbot ialah menganggap bot sebagai ciri tambahan.

Chatbot hanya memberikan nilai apabila ia disepadukan ke dalam perjalanan pengguna, membimbing mereka ke arah yang mereka sudah ingin tuju.

Contoh sempurna (dan lazat) ialah Fromeo, chatbot yang kami bina untuk Les Producteurs de lait du Québec.

Fromeo terletak di tengah laman utama Fromages d’ici, bertindak sebagai “pelayan keju” digital yang menjemput pengguna ke pengalaman yang mereka tidak sangka perlukan.

Tugas Fromeo? Membantu orang meneroka ratusan keju Quebec dengan memberikan cadangan peribadi melalui perbualan. Daripada memaksa pengguna melayari kategori keju yang banyak, Fromeo menawarkan pengalaman mudah “Apa yang anda inginkan hari ini?”.

Ini contoh klasik menyatu chatbot dalam aliran pengguna. Ia mengubah sesi melayari pasif menjadi perjalanan interaktif yang bernilai tinggi.

Tetapkan Jangkaan Jelas dari Awal

Ruby Labs menggunakan pendekatan ini semasa meningkatkan sokongan untuk enam aplikasi berasaskan langganan.

Apabila pengguna membuka chatbot sokongan mereka, empat pilihan mudah terus dipaparkan:

• Batalkan akaun saya
• Soalan bil
• Selesaikan isu teknikal
• Tanya soalan umum

Butang-butang ini membimbing pengguna ke arah hasil yang berjaya dengan memaparkan keperluan paling biasa dengan segera.

Ia bukan soal teknologi canggih. Ia tentang menunjukkan dengan jelas apa yang bot boleh bantu.

Pendekatan ini sangat membantu Ruby Labs mengautomasikan lebih 4 juta sesi sokongan setiap bulan dengan kadar penyelesaian 98%.

Penting juga untuk jujur tentang apa yang chatbot tidak boleh lakukan. Jika ia tidak menguruskan perkara seperti bayaran balik atau bantuan akaun terperinci, maklumkan dari awal.

Reka Bentuk untuk Aliran Perbualan

Salah satu sebab saya kerap menggunakan ChatGPT ialah perbualannya terasa semula jadi.

ChatGPT berhenti seketika dan membalas dengan cara yang terasa seperti perbualan sebenar. Rentak ini memudahkan saya memahami maklumat dan kekal fokus, terutamanya bila bertanya soalan kompleks.

Itulah rupa aliran perbualan yang baik dan cara saya menjadikan chatbot lebih mesra manusia.

Beberapa tip dan trik lain yang saya gunakan untuk mereka bentuk aliran perbualan ialah:

• Pastikan jawapan ringkas dan terus kepada perkara.
• Tambah jeda ringkas antara mesej supaya pengguna ada masa untuk memahami apa yang dipaparkan

Cara Menstruktur Reka Bentuk UX Chatbot

1. Selami Penyelidikan Pengguna dan Penemuan Niat

Sebelum anda melakar aliran atau menulis satu mesej, anda perlu tahu siapa yang anda reka bentuk untuk mereka. Bukan sekadar persona umum—pengguna sebenar, matlamat sebenar, cabaran sebenar.

Di sinilah kebanyakan bot gagal: ia dibina berdasarkan andaian, bukan bukti.

Mulakan dengan menjawab tiga soalan asas:

• Siapakah pengguna tipikal? (cth., pelawat baru, pelanggan tetap, pekerja?)
• Apa matlamat mereka? (cth., dapatkan bantuan, buat pembelian, jejak sesuatu, batalkan langganan?)
• Apa yang mengecewakan mereka dalam pengalaman sekarang?

Anda tidak akan dapat jawapan ini hanya dengan sesi sumbang saran. Bercakaplah dengan pasukan seperti sokongan pelanggan, jualan, dan produk untuk mengetahui di mana pengguna paling banyak menghadapi masalah.

Kemudian semak tiket sokongan, transkrip chat, atau carian pusat bantuan untuk mencari corak.

Melalui penyelidikan ini, anda membina peta niat: senarai perkara yang bot anda perlu uruskan, dan bagaimana pengguna biasanya menyatakan permintaan tersebut.

2. Tetapkan Tujuan Jelas untuk Chatbot Anda

Chatbot anda tidak perlu buat semua perkara. Ia hanya perlu lakukan satu perkara dengan sangat baik.

Sebelum anda menulis satu mesej, kenal pasti kes penggunaan paling berimpak — sesuatu yang benar-benar diperlukan pengguna dan boleh diautomasikan dengan yakin oleh pasukan anda.

Cari proses yang memenuhi kriteria berikut:

• Kerap digunakan
• Menyusahkan pengguna
• Mengikut corak yang boleh dijangka

Sebagai contoh, dalam e-dagang, biasanya penjejakan pesanan atau carian produk: kedua-duanya kerap, berstruktur, dan berisiko rendah untuk diautomasikan.

Setelah anda menetapkan fokus, tulis satu baris misi untuk bot anda. Contohnya: “Bimbing pengguna membatalkan akaun tanpa campur tangan ejen dalam masa kurang dua minit.”

Sekarang, tentukan kejayaan secara berangka. Adakah anda menyasarkan 80% automasi? Penurunan masa pengendalian purata? Kurang eskalasi?

3. Reka Bentuk Perjalanan Chat End-to-End

Rancang keseluruhan perjalanan pengguna sebelum anda menulis satu mesej pun. Ini adalah asas UX chatbot.

Cara Memetakan Perjalanan Chatbot Seperti Pakar

Ini proses yang saya gunakan untuk setiap projek, sama ada untuk sokongan pelanggan, onboarding, atau penangkapan prospek:

1. Di mana pengguna menemui bot? Laman utama? Pusat bantuan? Halaman pembayaran?
2. Bagaimana bot mengenal pasti kehendak pengguna? (kata kunci, butang, input pengguna)
3. Apa yang berlaku selepas setiap niat? Lakarkan semua variasi
4. Bila dan bagaimana aliran berakhir? Adakah ia meningkat, menyiapkan tugas, atau memulangkan data?
5. Apa yang berlaku jika sesuatu tidak kena?

Contoh Perjalanan: Bot Penjejakan Pesanan

Ini aliran asas sebagai rujukan:

1. [Mesej alu-aluan]: “Hai 👋 Nak jejak pesanan, semak status penghantaran, atau ada soalan?”
   → Balasan pantas: “Jejak pesanan saya”, “Info penghantaran”, “Bercakap dengan sokongan”‍
2. [Pengguna pilih ‘Jejak pesanan saya’]
3. [Bot meminta nombor pesanan]: “Baik! Boleh masukkan nombor pesanan anda?”‍
4. [Semak pangkalan data]
   → Jika dijumpai: “Pesanan anda sedang dihantar dan dijangka tiba menjelang jam 4 petang hari ini.”
   → Jika tidak dijumpai: “Hmm, saya tak dapat cari nombor itu. Mahu cuba lagi atau hubungi sokongan?”‍
5. [Tindakan pengguna]
   → Cuba lagi atau tingkatkan kepada ejen‍
6. [Akhir perbualan]: “Gembira dapat membantu. Ada apa-apa lagi sebelum anda pergi?”

4. Tulis dan Uji Dialog Contoh

Selepas anda memetakan aliran chatbot, tiba masa untuk fokus pada perincian yang paling penting: kata-kata sebenar yang diucapkan bot anda.

Ini peraturan yang saya pegang setiap kali: Jika anda tak boleh tulis perbualan contoh yang realistik untuk sesuatu niat, anda belum bersedia untuk membinanya.

Mulakan dengan menulis 3 hingga 5 dialog contoh untuk kes penggunaan utama anda: senario sebenar dan khusus berdasarkan penyelidikan pengguna anda. Dialog ini harus mencerminkan bahasa sebenar yang digunakan orang, bukan salinan korporat yang terlalu formal.

Contohnya:

• Pengguna yang baru sahaja dicaj dua kali dan berasa kecewa.
• Seseorang yang cuba menetapkan semula kata laluan tetapi tidak menerima emel.
• Pengguna kali pertama yang tidak pasti cara membatalkan percubaan mereka.

Tulis keseluruhan interaksi, termasuk kes tepi dan laluan pelik. Jika seseorang beri jawapan separuh atau keluar dari skrip, bagaimana bot mengendalikannya?

Pastikan mesej ringkas dan jelas. Pecahkan penjelasan kepada langkah logik dan gunakan baris baru untuk memudahkan pembacaan.

Selepas ditulis, lakonkan dialog bersama pasukan anda atau lebih baik, dengan pengguna sebenar.

Baca dengan kuat.

Ini boleh dikatakan cara terbaik untuk menambah baik aliran.

5. Bina Chatbot Anda

Sekarang aliran dan kandungan anda sudah siap, tiba masa untuk bina chatbot AI anda.

Anda akan perlukan:

• Mesej alu-aluan
• Niat teras (FAQ, bantuan akaun, semakan pesanan, dsb.)
• Logik serahan kepada sokongan
• Pengendalian cubaan semula dan fallback

Pasukan anda juga perlu putuskan bagaimana bot akan menyimpan data seperti nombor pesanan atau keutamaan pengguna. Adakah ia perlu panggil API untuk dapatkan data penghantaran atau ketersediaan kalendar? Perlukah ia ingat interaksi lepas?

Integrasi dengan alat seperti Calendly atau Google Calendar untuk penjadualan, Zendesk untuk sokongan, dan Stripe atau Shopify untuk transaksi. API tersuai boleh membantu sambung dengan sistem dalaman anda.

6. Uji dan Perbaiki Secara Berterusan

Sebaik sahaja bot anda aktif, anda akan cepat tahu apa yang berkesan dan apa yang tidak.

Dan untuk itu, kita boleh katakan: terima kasih, analitik chatbot.

Tiada yang menandingi data dunia sebenar daripada pengguna sebenar untuk menambah baik bot anda.

Beberapa Metrik Utama untuk Dipantau Selepas Pelancaran:

• Niat paling kerap digunakan
• Nod dengan kadar keluar tinggi
• Frasa berulang yang menyebabkan fallback
• Masa setiap sesi / kadar kejayaan

Tip Pakar: Cipta "Log Penambahbaikan Bot".

Saya cadangkan semak log ini setiap dua minggu. Jejak kemas kini dan kesannya. Latih semula pengecaman niat apabila corak baru muncul.

Alat Terbaik untuk Reka Bentuk UX Chatbot

Alat Perancangan & Pemetaan

Alat ini membantu anda melakar logik chatbot sebelum menulis kod. Ia sesuai untuk memvisualkan aliran dan mengenal pasti kes tepi.

Lucidchart

‍

Sebagai seseorang yang suka bina chatbot (dan bekerja di syarikat AI), ini memang antara alat kegemaran saya untuk merancang perbualan.

Ia sangat bagus untuk mencipta pokok perbualan terperinci, laluan fallback, dan logik keputusan.

Saya paling suka gunakannya bila bekerjasama dengan jurutera atau pasukan sokongan kerana semuanya sangat visual dan mudah untuk diselaraskan.

Bonus: kerjasama masa nyata sangat membantu untuk kerja pasukan secara asinkron.

Miro

Saya biasanya mulakan bengkel reka bentuk chatbot dalam Miro. Ia bagus untuk mencurahkan idea mentah seperti niat dan contoh frasa ke dalam ruang visual.

Jika Lucidchart tempat saya formaliskan sesuatu, Miro ialah tempat idea kreatif yang belum siap berlaku. Ia juga tempat yang baik untuk sesi sumbang saran awal atau kumpul maklumat pengguna selepas penyelidikan.

Whimsical

Ini adalah pilihan utama saya apabila mahu membina draf perbualan ringkas atau melakar aliran ciri kecil.

Ia sesuai bila saya bekerja sendiri atau perlu tunjuk konsep kepada seseorang tanpa perlu "setup" alat yang rumit.

Ia juga bagus untuk kekalkan gambaran ringkas dan tahap tinggi tanpa masuk ke perincian terlalu awal.

Alat Ujian & Penyelidikan

Tiada strategi chatbot lengkap tanpa menguji interaksi pengguna sebenar. Alat ini membantu anda sahkan reka bentuk perbualan dan kumpul maklum balas sebelum pelancaran.

PlaybookUX

‍

Saya pernah gunakan PlaybookUX untuk jalankan ujian tanpa moderator pada prototaip chatbot, dan ia sentiasa beri maklum balas yang sangat berguna.

Anda dapat reaksi pengguna dan tingkah laku navigasi tanpa perlu menjadualkan temu bual.

Ia sangat berguna untuk kesan di mana pengguna salah faham bot atau ambil laluan tak dijangka dalam aliran.

Maze

Saya suka guna Maze untuk ujian isyarat pantas.

Apabila anda hanya ingin tahu: Adakah aliran ini masuk akal?

Lookback

Lookback menyokong temu bual langsung dan rakaman skrin supaya anda boleh lihat reaksi masa nyata dan isu kebolehgunaan.

Secara peribadi, saya pernah kesan isu masa atau ayat yang kurang jelas hanya dengan lihat pengguna teragak-agak selama tiga saat semasa perbualan.

Platform Chatbot AI

Ini ialah platform hujung-ke-hujung yang digunakan semasa pelaksanaan chatbot untuk membina dan melancar pengalaman perbualan. Selalunya termasuk alat untuk logik, integrasi, dan pengendalian bahasa semula jadi.

Botpress

‍

Saya bina semuanya di Botpress: ia seimbang antara tanpa kod dan fleksibiliti penuh untuk pembangun.

Botpress menawarkan platform lengkap untuk membina AI perbualan dengan sokongan NLU, RAG, dan aliran tersuai.

Pembina visualnya intuitif untuk pereka bentuk, dan platform ini menyokong ujian serta penyahpepijatan masa nyata.

Dan ia sangat sesuai untuk pasukan yang mahu bergerak dari konsep ke pengeluaran dengan kod minimum.

Paling baik? Ia percuma!

Rasa

Sebagai seseorang dari latar belakang bukan teknikal, saya akui Rasa lebih memerlukan kemahiran kejuruteraan. Saya pernah guna Rasa untuk bot tersuai berasaskan ML, contohnya apabila saya perlukan kawalan penuh ke atas model niat.

Tetapi jika pasukan anda ada pengalaman Python dan mahu bina sesuatu di luar logik seret dan lepas, Rasa sangat berkuasa.

Dialogflow

Dialogflow bagus untuk bot ringkas atau bila tumpuan anda memang pada Google Cloud.

Saya pernah gunakannya untuk bina helpbot IT berasaskan suara yang dihubungkan dengan Google Calendar dan Sheets.

Ia tidak begitu fleksibel untuk aliran lanjutan atau logik tersuai, tetapi sangat lancar jika keperluan anda mudah.

Alat Analitik & Pengoptimuman

Sebaik sahaja chatbot anda aktif, anda perlukan maklumat tentang prestasinya. Alat analitik menjejak tingkah laku pengguna, kejayaan perbualan, titik keluar, dan banyak lagi.

Botpress (terbina dalam)

‍

Satu lagi aspek Botpress yang saya suka ialah tab analitik terbina dalam.

Sangat mudah untuk menyahpepijat aliran dalam konteks dan melihat apa yang ditaip pengguna sebelum bot menjadi keliru.

Dashbot

Jika anda mengendalikan beberapa bot atau mahukan papan pemuka khusus untuk penglibatan dan prestasi, Dashbot sangat sesuai.

Ia memberikan pengguna pandangan terstruktur tentang perkara seperti pengekalan pengguna dan pencetus fallback.

Google Analytics (acara tersuai)

Saya sangat mengesyorkan Google Analytics untuk pasukan pemasaran yang ingin melihat bagaimana bot mempengaruhi penukaran, kadar lantunan, atau penglibatan halaman secara keseluruhan.

Ia bukan khusus untuk chatbot, tetapi sangat bagus untuk analisis corong yang lebih luas.

Reka Bentuk Chatbot yang Lebih Pintar

Reka bentuk chatbot adalah asas kepada setiap pengalaman chatbot yang hebat.

Botpress ialah platform ejen AI yang memberikan semua orang alat untuk membina dan melancarkan ejen pintar dengan dialog semula jadi.

Dengan alat reka bentuk terbina dalam, templat boleh guna semula, dan enjin NLU yang berkuasa, Botpress memudahkan penciptaan bot yang bukan sahaja berfungsi tetapi juga terasa seperti manusia.

Mula bina hari ini. Ia percuma.

Soalan Lazim

Berapa lama masa yang diambil untuk mereka bentuk dan melancarkan chatbot?

Mereka bentuk dan melancarkan chatbot yang berfungsi dengan baik boleh mengambil masa dari beberapa jam hingga beberapa minggu, bergantung pada tahap kerumitan. Bot FAQ ringkas mungkin boleh dilancarkan dalam 2 hingga 3 jam, manakala bot yang lebih canggih yang mengendalikan tugas kompleks boleh mengambil masa beberapa hari atau lebih untuk memastikan kualiti dan kebolehpercayaan.

Adakah saya perlukan kemahiran pengekodan untuk mereka bentuk chatbot?

Kemahiran pengekodan tidak semestinya diperlukan untuk mereka bentuk chatbot, terima kasih kepada pembina visual dan alat tanpa kod yang ditawarkan oleh platform seperti Botpress (atau Dialogflow). Namun, integrasi kompleks atau ciri khusus selalunya mendapat manfaat daripada sokongan pembangun untuk memperluaskan keupayaan bot.

Bolehkah chatbot mengendalikan pelbagai bahasa atau dialek dalam satu bot?

Chatbot boleh mengendalikan pelbagai bahasa atau dialek dalam satu bot jika ia direka menggunakan model pemahaman bahasa semula jadi (NLU) berbilang bahasa dan menyokong data latihan khusus bahasa. Banyak platform chatbot moden menawarkan keupayaan berbilang bahasa terbina dalam, tetapi anda masih perlu merancang terjemahan dengan teliti dan menguji nuansa frasa, konteks budaya, dan jangkaan pengguna di pelbagai rantau.

Bagaimana saya boleh mengukur sama ada reka bentuk chatbot saya berjaya selepas dilancarkan?

Kejayaan reka bentuk chatbot diukur selepas pelancaran menggunakan metrik seperti kadar penyelesaian tugas, skor kepuasan pengguna, kadar fallback, dan purata masa penyelesaian. Log perbualan dan maklum balas pengguna membantu mengenal pasti titik geseran dan keberkesanan keseluruhan.

Apakah kesilapan biasa yang perlu dielakkan semasa mereka bentuk perbualan chatbot?

Kesilapan biasa dalam reka bentuk chatbot termasuk menggunakan bahasa yang terlalu robotik atau formal, tidak menjelaskan keupayaan bot, mencipta aliran yang terlalu kaku sehingga mengabaikan input tidak dijangka, dan kekurangan mesej fallback yang berkesan. Ujian bersama pengguna sebenar membantu memastikan perbualan yang semula jadi dan interaksi yang lancar serta membantu.