Strategi Merek untuk Antarmuka Percakapan Intelijen Data PlatoBlockchain. Pencarian Vertikal. ai.

Strategi Merek untuk Antarmuka Percakapan


Strategi Merek untuk Antarmuka Percakapan Intelijen Data PlatoBlockchain. Pencarian Vertikal. ai.

At Dashbot, kami baru-baru ini mengadakan pertemuan di NYC untuk membahas strategi merek dalam antarmuka percakapan. Seiring dengan semakin matangnya ruang, semakin banyak merek yang terlibat dan beralih dari penerapan eksperimental ke produksi. Kami mengumpulkan sekelompok pakar industri yang hebat untuk berbagi pemikiran dan tip mereka untuk merek yang ingin membangun chatbot atau keterampilan suara.

Panelis kami antara lain:

Untuk kasus penggunaan apa merek dikembangkan?

Panelis kami melihat beragam kasus penggunaan mulai dari layanan pelanggan, alat produktivitas, dan berbagi informasi hingga hiburan dan inisiatif pemasaran.

Di IBM, mereka bekerja dengan semua orang mulai dari pengembang individu hingga perusahaan Fortune 20. Namun, kasus penggunaan yang paling umum adalah layanan pelanggan. Perusahaan besar beralih ke IBM karena kemampuan mereka untuk menangani data sensitif di seluruh industri dan peraturan geografis.

Google bekerja dengan rentang pengguna dan perusahaan yang serupa. Kasus penggunaan untuk Tindakan Asisten Google bergantung pada konteksnya โ€” di rumah (resep, otomatisasi rumah), seluler (game, pencarian lokal), atau di dalam mobil saat bepergian (komunikasi, perpesanan).

Reprise Digital, agen pemasaran global, cenderung bekerja dengan merek yang ingin bereksperimen di platform baru, memasarkan produk mereka, atau memberikan informasi dan FAQ. Mengingat suara adalah platform baru, ada beberapa merek yang ingin menjadi yang pertama di dalamnya. Kami juga sering melihat ini dengan tim inovasi yang bereksperimen dengan suara. Di sisi chatbot teks, Reprise umumnya melihat merek yang ingin mempromosikan produk mereka atau menjawab FAQ.

Realogy, perusahaan induk real estat untuk Century21, Coldwell Banker, Sotheby's, dan banyak lagi, mengembangkan keterampilan suaranya sendiri, AgentX. Agen X adalah keterampilan produktivitas yang memungkinkan agen real estat mendapatkan informasi dengan cepat, termasuk janji temu, riset pasar, dan informasi daftar โ€” semuanya tanpa perlu membuka laptop.

Kiat dari para ahli โ€” apa yang berfungsi dengan baik untuk antarmuka percakapan?

Konteks adalah kuncinya

Tema umum sepanjang malam adalah pentingnya konteks. Di mana pengguna? Apa yang mereka lakukan saat ini? Apa yang mereka cari atau lakukan? Apa kemampuan perangkat?

Selain tiga konteks yang ditunjukkan Alec sebelumnya (di rumah, ponsel, dan di dalam mobil), ia merekomendasikan juga untuk mempertimbangkan kapan pengguna akan berinteraksi dengan chatbot dan bagaimana pengguna berharap untuk berinteraksi dengannya. Jika pengguna berada di dalam mobil, mereka tidak dapat menggunakan tangan. Jika mereka di rumah mendapatkan resep, memiliki sesuatu yang visual dapat membantu. Jika pengguna ingin bermain game, tetapi menggunakan perangkat tanpa layar, mungkin kuis lebih baik.

Apakah antarmuka diaktifkan suara atau teks saja adalah penting. Seperti yang ditunjukkan Anamita, pengguna berbicara secara berbeda dari yang mereka ketik.

Kepercayaan juga bisa menjadi faktor penting. Karena IBM bekerja dengan banyak perusahaan global yang menangani data sensitif, salah satu area yang dilihat Anamita adalah bahwa pengguna mungkin lebih percaya berinteraksi di komputer, di mana identitas dapat lebih mudah diverifikasi, daripada melalui suara.

Manfaatkan sifat percakapan antarmuka

Antarmuka percakapan sedikit berbeda dari situs web dan aplikasi seluler โ€” apa yang berfungsi dengan baik di dalamnya mungkin tidak berfungsi dengan baik di chatbot atau keterampilan suara.

Di Reprise, Antonio terkadang melihat merek yang ingin mentransfer apa yang saat ini mereka miliki di situs web atau aplikasi seluler mereka ke chatbot atau antarmuka suara. Sedangkan situs web adalah tentang menavigasi dari satu tautan ke tautan lain untuk menelusuri secara vertikal apa yang dicari pengguna, dengan percakapan, pengguna harus dapat mengatakan, atau menulis, apa yang mereka inginkan dan langsung mendapatkan informasinya.

Sama halnya dengan Realogy, agen mencari informasi yang disimpan di berbagai lokasi dan ingin dapat mengambilnya kembali dengan cepat dan mudah. Contoh Agen X yang ampuh adalah ketika agen listing sedang melakukan presentasi dengan penjual dan ingin mengetahui waktu rata-rata di pasar atau harga rata-rata listing untuk sebuah properti, mereka bisa dengan cepat mendapatkan infonya, tanpa perlu membuka laptop. dan mulai mencari.

Seperti yang Alec tambahkan, ada toleransi yang rendah di antara pengguna keterampilan suara. Jika keterampilannya tidak berguna, atau mereka tidak langsung melihat nilainya, mereka akan melompat ke hal lain. Jika mereka melihat kasus penggunaan yang hebat, mereka akan menginvestasikan waktu ekstra. Penting untuk tidak meniru apa yang sudah Anda miliki di situs web atau aplikasi Anda, tetapi untuk mempertimbangkan apa yang akan menambah nilai bagi pengguna dan apa yang lebih cepat untuk digunakan.

Tetap sederhana, berikan panduan

Tema umum lainnya di antara panel kami adalah memulai dari yang sederhana.

Seperti yang ditunjukkan Alec, dengan suara, sangat penting untuk menjaga interaksi tetap sederhana daripada bolak-balik yang rumit. Misalnya, memesan pengiriman makanan dari awal bisa jadi agak rumit. Namun, memesan ulang pengiriman sebelumnya jauh lebih mudah, dan lebih cocok untuk suara. Kami melihat hal yang sama dengan klien pengiriman makanan yang bekerja dengan kami. Kami juga belajar dari kami survei suara, bahwa sekitar 53% pembelian melalui antarmuka suara adalah untuk pengiriman makanan.

Secara umum, proses yang Alec lihat diikuti oleh pengembang dengan Google Actions adalah pertama-tama membangun fondasi dan memastikan Action berfungsi, lapisan berikutnya dalam visual dan membuatnya lebih interaktif, dan akhirnya menyenangkan pengguna sehingga mereka kembali dan terlibat kembali.

Kesederhanaan juga merupakan tujuan utama dari Realology. Salah satu kasus penggunaan paling populer adalah hanya mencari daftar real estat. Mereka berencana untuk membangun kemampuan baru di tempat yang masuk akal. Mereka tidak hanya melakukan suara demi suara.

Untuk memulai, Brian merekomendasikan untuk mengikuti latihan desain di https://alexa.design/cdw dan membacaโ€ Pahami bagaimana pengguna menggunakan keterampilan khusus โ€œ untuk menambahkan variasi ke dalam model interaksi.

Selain memulai dari yang sederhana, penting untuk memberi tahu pengguna apa yang bisa dilakukan chatbot atau keterampilan suara. Sementara Alec menyarankan interaksi awal dapat memperkenalkan apa yang dapat dilakukan oleh chatbot, namun tidak harus melakukannya setiap saat. Jika pengguna kembali, izinkan pengguna untuk mengambil langkah selanjutnya. Anamita merekomendasikan untuk menyertakan Intent โ€œfallbackโ€ untuk menangkap kasus yang tidak ditangani oleh chatbot. Jika fallback dipicu, chatbot dapat merespons, "maaf saya tidak dapat melakukan X, tetapi saya dapat melakukan enam hal ini."

Kepribadian bisa menjadi penting

Tergantung pada kasus penggunaan chatbot atau keterampilan suara, kepribadian dapat menjadi faktor penting.

IBM memiliki "perangkat empati" termasuk penganalisis nada dan wawasan kepribadian. Saat diimplementasikan di chatbot layanan pelanggan, jika pengguna mengatakan mereka mengalami hari yang buruk, chatbot dapat memahaminya dan memberikan pengalaman yang berbeda.

Saat pengguna menjadi lebih nyaman berinteraksi dengan chatbots dan suara, memberikan kepribadian bisa sangat berguna. Seperti yang dijelaskan Anamita, awalnya chatbot dibuat untuk efisiensi atau untuk mengotomatisasi tugas, tetapi sekarang orang-orang membuat hubungan dengan mereka. Anak-anak tumbuh dengan bot yang telah diantropomorfisasi, seperti robot lada.

Apakah akan mengaktifkan empati atau kepribadian di chatbot kembali ke konteks. Anamita melihat kasus penggunaan pengajaran dan terapi lebih cocok untuk empati dibandingkan sesuatu yang lebih transaksional. Seperti yang ditambahkan Brian, agen real estat berkisar dari "Tipe A" hingga "Tipe A", jadi mereka menjaga kepribadian dan kelucuan seminimal mungkin. Saat ini tujuannya adalah untuk membantu dan seproduktif mungkin, tetapi ada ruang untuk kepribadian di masa depan.

Di Reprise, copywriter mencoba menyuarakan merek โ€” nama dan deskripsi persona dan cara mereka berbicara. Mereka menggunakan ini di semua salinan karena penting agar suara merek sama di seluruh pengalaman, baik itu di Internet atau perangkat suara.

Mengenai penggunaan aktor suara di Alexa atau Google Home, panel secara umum berpikir mereka bisa bermanfaat tergantung pada kasus penggunaan. Misalnya, Antonio menunjukkan bahwa jika pengguna berinteraksi dengan keterampilan Jimmy Fallon, mereka mungkin akan lebih terlibat jika itu adalah suaranya daripada suara perangkat default.

Akuisisi dan penemuan pengguna adalah tantangan

Panelis kami umumnya setuju bahwa akuisisi dan penemuan pengguna adalah tantangan.

Pendidikan menjadi salah satu persoalan mendasar. Beberapa pengguna bahkan tidak tahu ada aplikasi suara pihak ketiga. Seperti yang kami catat di awal kami survei suara, salah satu masalahnya adalah pengguna cenderung tidak tahu apa yang disebut aplikasi suara.

Demikian pula, sementara Antonio menemukan pengguna cenderung tidak memahami cara menjalankan aplikasi suara, meningkatkan permintaan dapat menyebabkan peningkatan akuisisi. Mengaitkan nama panggilan dengan merek atau sesuatu yang populer dapat membantu.

Memanfaatkan Intent "dapat memenuhi" di Alexa atau Google Home dapat menyebabkan peningkatan akuisisi juga. Jika pengguna meminta sesuatu yang cocok dengan Intent "dapat memenuhi", keterampilan dapat disajikan sebagai opsi yang memungkinkan bagi pengguna.

Discovery dapat bergantung pada use case. Menurut Anamita, promosi dari mulut ke mulut cenderung berhasil saat pengguna mencari chatbot untuk kebutuhan atau kesenangan. Jika kasus penggunaan lebih transaksional, perusahaan dapat menyarankan pengguna untuk mencoba chatbot sebagai gantinya.

Bahkan promosi internal di dalam perusahaan bisa menjadi tantangan. Di Realology, ada banyak inisiatif pemasaran internal yang bersaing. Apa yang berhasil bagi Brian adalah memberi insentif kepada orang-orang dengan hadiah perangkat. Dia merekomendasikan untuk menyalurkan pembawa acara game internal Anda โ€” โ€œada sedikit Steve Harvey di dalam diri kita semua.โ€

Tim Alec di Google sedang mengerjakan solusi untuk meningkatkan akuisisi dan penemuan pengguna. Mereka tidak hanya mencari untuk membantu menghasilkan akuisisi awal, tetapi dengan retensi juga untuk membuat pengguna kembali. Salah satu tantangannya adalah pengguna terkadang tidak ingat bagaimana mereka menemukan aplikasi suara tertentu dan kemudian bagaimana kembali ke aplikasi itu.

Analisis sangat penting

Semua panelis kami setuju bahwa analitik itu penting. Seperti yang ditunjukkan Alec, Anda memerlukan analitik hebat untuk mengidentifikasi apa yang mendorong penggunaan dan bagaimana meningkatkannya.

Penggunaan reallogi Dashbot untuk mendapatkan wawasan tentang bagaimana agen berinteraksi dengan Agen X. Mereka ingin tahu apakah agen tahu cara berinteraksi dengan keterampilan dan fitur mana yang digunakan lebih banyak daripada yang lain. Dashbot membantu menjawab pertanyaan-pertanyaan itu. Mereka juga menemukan ada keinginan besar untuk kemampuan baru.

Melalui Dashbot, Reprise juga mampu meningkatkan interaksi. Mereka mengetahui untuk salah satu Google Actions klien mereka, bahwa sebagian besar Intent tidak sedang digunakan. Ternyata masalahnya ada pada semua Intent yang terlalu rumit. Berdasarkan analitik, mereka meluncurkan versi baru yang jauh lebih sederhana.

Selain analitik, Anamita merekomendasikan untuk menambahkan loop umpan balik langsung di pengalaman. Sebagian besar chatbot internal IBM menyertakan prompt jempol ke atas/bawah yang menanyakan pengguna apakah chatbot menjawab pertanyaan dengan benar atau memberikan info yang mereka butuhkan. Di Dashbot, kami dapat menunjukkan skor kepuasan pelanggan (CSAT) ini, dan jalur yang mengarah ke sana, untuk membantu memungkinkan peningkatan dalam efektivitas respons.

Apa berikutnya

Kami bertanya kepada panel kami apakah mereka memiliki pemikiran tentang masa depan ruang. Ada rasa optimisme dan kegembiraan yang besar untuk masa depan.

Anamita memprediksi manusia digital menjadi lebih nyata โ€” memiliki antarmuka dengan reaksi wajah manusia.

Brian menantikan lompatan generasi dalam kemampuan perangkat โ€” apa yang dia umpamakan dari satu konsol game ke konsol berikutnya.

Antonio melihat pengguna menjadi lebih nyaman dengan memiliki perangkat suara di rumah mereka serta area untuk perbaikan agar ruang dapat lebih lepas landas. Tiga bidang utama adalah pendidikan (mengetahui cara menggunakan perangkat), penemuan (bagaimana menemukan apa yang dibutuhkan), dan pengalaman pengguna (memberikan nilai kepada pengguna). Pengalaman pengguna adalah yang paling penting untuk membuat orang mengadopsi perangkat.

Alec membayangkan perpaduan aplikasi suara dan chatbots untuk memberikan pengalaman terbaik tergantung pada konteksnya, daripada pengalaman yang terpisah. Suara bisa menjadi jembatan untuk melompat dari titik awal hingga akhir.

Di Dashbot, kami sangat senang dengan masa depan antarmuka percakapan. Kami berharap dapat melihat merek perusahaan apa yang terus berkembang.

Tonton panel lengkapnya

Tentang Dashbot

Dashbot adalah platform analitik percakapan yang memungkinkan perusahaan dan pengembang untuk meningkatkan keterlibatan pengguna, akuisisi, dan konversi melalui wawasan dan alat yang dapat ditindaklanjuti.

Selain analitik tradisional seperti keterlibatan dan retensi, kami menyediakan metrik khusus percakapan termasuk efektivitas respons NLP, analisis sentimen, analitik percakapan, dan transkrip sesi obrolan lengkap.

Kami juga memiliki alat untuk mengambil tindakan pada data, seperti orang langsung kami mengambil alih sesi obrolan dan pemberitahuan push untuk keterlibatan kembali.

Kami mendukung Alexa, Google Home, Facebook Messenger, Slack, Twitter, Kik, SMS, obrolan web, dan antarmuka percakapan lainnya.

Strategi Merek untuk Antarmuka Percakapan Intelijen Data PlatoBlockchain. Pencarian Vertikal. ai.


Strategi Merek untuk Antarmuka Percakapan awalnya diterbitkan di Majalah Chatbots on Medium, di mana orang-orang melanjutkan pembicaraan dengan menyoroti dan merespons cerita ini.

Stempel Waktu:

Lebih dari Majalah Chatbots