Conversational Commerce Conference Sharing

Conversational Commerce (對話式商務) 在2016年由Uber的Chris Messina提出後,在業界深受關注,也就是在即時通訊的聊天機器人中整合商業服務。Opus Research是一個專注於Conversational Commerce的機構,致力於智能助理、智慧型認證技術的分析與推廣。Opus Research分別在倫敦、舊金山、開普敦舉辦C3會議,全名為Conversational Commerce Conference,集結了業界人士分享與討論對話式商務的應用與發展。在2018年5月的倫敦會議中,大多的廠商與講師來自於歐洲與美國。

這場會議專注於討論智慧型助理(IA)或虛擬助理(VA),目前三大AI領域分別是Customer Care, Call Center, Digital Marketing Platform,對於客戶服務來說,最明顯的好處就是減少打電話的次數,進而減少成本。對於剛要進入這個領域的公司來說,最好是先設定目標,從能快速增長ROI的任務做起,使用既有的知識,盡可能在6個月內上線,可以透過調查的方式了解從何開始,下圖的調查顯示,一般用戶比較能接受讓BOT回答帳戶餘額資訊、更新個人資料、查詢商品,但是讓BOT來做付款或取消的動作,是目前用戶比較不放心的,因此我們可以從簡單的任務著手,並且讓VA在BOT與真人助理中做切換。以下將分享幾個chat bot在商務上應用的case study。

(from Brainfood Consulting 2018 C3 London presentation slide)

Case Study: Amazon Alexa and Ocado
Ocado是一間線上超市,每個星期約有260,000張訂單,每筆訂單約有50個品項,在Amazon Alexa上的Ocado Skill可以偵測用戶意途、傳送訊息,管理對話。

(from Max Amordeluso, 
David Sharp 2018 C3 London presentation slide)

首先,先列出用戶可能的意圖,像是add, remove, suggest, check, confirm等等,再為每個意圖展開可能的表示法
“Please add some {grocery item}”
“Please can I have some {grocery item}”
“Please put some {grocery item} in my basket”
“I need a {grocery item}”

最後再列出所有的grocery item
該BOT目前能記錄用戶之前買過的商品,提供個人化的服務,能總結在購物車裡的商品項目、回答用戶特別的問題,以及了解使用情境,像是當用戶提出移除的需求時,系統能知道是哪個商品需要被移除。然後,Ocado也提出他們遇到的挑戰,包括

  • 語音判斷錯誤 (voicos)的問題
  • 連接到其它非Ocado shop list的問題
  • intent偵測不到的問題
  • 機器無法做common sense reasoning的問題
  • ambiguity的問題

這些問題都有待更聰明的機器分析與學習來解決。此服務上線後,得到客戶良好的回饋,尤其是正在煮菜時需要購買商品的情境,此時透過語音方式購買,並且確認購物籃裡的品項,這比在app上操作容易多了。

Featured Case Study: Lidl UK
Lidl是一家德國的連鎖超級市場,它在FB上有個Margot Wine BOT,這個BOT人數目前有8000名用戶,平均每人與BOT有18次的互動,以女性和25-34歲的用戶居多。Lidl在設定BOT時,先列出用戶最想了解的幾個問題,像是What makes a wine organic? What wine goes with pizza? Where’s my nearest Lidl? 因此歸納出幾項服務:Food Pairing, Wine, Quiz, FAQ, Store Locator,進而為每個服務設計對話 (如下dialog圖)。在Youtube上可以看到他們的demo影片 https://youtu.be/n35nylRbV9U

(from Alex Murray 2018 C3 London presentation slide)

M&S – Our Virtual Assistant Journey

M&S是英國的零售商,總公司位於倫敦,全世界有超過30個國家760間分店。他們最想解決的是與日俱增的客服案件、提升服務品質、減低成本,因此,他們統計了用戶的問題,發現有95%的問題是可以直接被回答的,他們列出了三個最常被發問而且適合用BOT回答的問題,1. 錯誤的promo code 2. 忘記密碼 3. 退貨問題。另外一個特別的點是,M&S的chat bot並非出現在一個固定的位置,或是chat room,而是當用戶操作產生錯誤時,才會跳出協助用戶,在問答結束後,會詢問用戶意見以得到回饋。

(from Ian Mahoney 2018 C3 London presentation slide)

Case Study: Europ Assistance Italia

Europ Assistance是歐洲一家提供救援服務的公司,在義大利,每年有超過50萬次的道路救援,包括充電、拖車、砍樹等等,他們做了一位名為Lisa的BOT,當用戶來電時,IVR會先析此問題適合由機器人回答或是轉接真人客服,目前Lisa獨自能解決60%的案件,無法解決的問題包括,高速公路上的救援、意外、不確定的地方或不明確的資訊。Lisa已經處理了49,300個案件,並得到8.5的用戶回饋分數,法國、德國將會是之後使用Lisa服務的國家。

(from Francesco Clivio 2018 C3 London presentation slide)

除了case study後,有一場由Google主辦的Conversional design workshop,讓現場人員實際設計Chat Bot的對話。Conversational design主要是讓chat bot的對話更接近人類,對話設計師必須考量用戶需求、用戶現況/資源以及技術上的限制,設計出multimodal的對話流程。機器人不如人類,需要有個啟動點,像是“Ok Google”,但機器能超越人類的能力,能快速找到答案,對重覆的問題不會厭倦,不會被激怒。

在設計對話時,可以遵守 Grace’s four “maxims” 原則
Quality: 說實話
Quantity: 提供正確的資訊
Manner: 有組織且易理解的表現形式
Relevance: 只說有關聯的事

這是設計對話時的流程

首先,需要了解這個問題是否可以用「對話」解決,「對話」不見得適用於所有情況,像是找尋餐廳營業時間是適合的,但瀏覽菜單就不適合。因此需要先了解,此對話是否存在於真人對話中?用對話的型式是否能節省用戶的時間?用戶在詢問時是否不方便使用手和眼睛?周圍是否有其它的人?

接著,了解你的用戶,列出主要的應用情境,並且了解技術上的限制。
為BOT建立Persona,模擬真人的性格。Persona的建立方式可以從列舉一些形容詞開始,選出一個適合的角色,並且創造一個虛擬的代表。
從簡單的對話開始設計,從一個user persona的一個use case開始,由真人扮演用戶與系統,並且記錄下對話,直到所有use case都記錄下來,不建議只是簡單的yes or no的流程,它應該是一個複雜的對話過程。以下是兩個對話的範例。

範例 1

範例 2

之後就是測試以及循環的過程,可以找不熟悉這項project的人來測試你的流程,看是否生效,也可以使用Wizard of Oz prototyping的方式,以人工來模擬系統,檢視流程是否順暢。

在對話設計時,有些原則是值得參考的,像是可以用不同的方式回應用戶,而非總是相同的答案;不要用命令的方式;避免用太專業的用語;避免過度道歉;該結束時就要結束等。在使用「確認」回覆時,可分為隱性確認 (implicit)、顯性確認 (explicit confirm) 以及不確認 (no confirm),使用何種確認方式取決於你的failure risk。另外,錯誤的發生不是用戶的錯,通常是語法、辨識或設計上的問題。錯誤在不同的情境下,可以分為no match和no input,當no match發生時,不需詳述或過度解釋問題,再詢問用戶一次即可。當no input發生時,直接回答 “sorry, I didn’t hear you” 是不適當的,因為用戶不出聲可能是在忙,或者已經離開裝置。

設計對話可以從spoken開始,之後再延續到multimodal,將你的BOT擴展用到不同的裝置上。當對話發生在smart speaker 或是headphones時,採用spoken prompts的呈現是適合的。當對話發生在車子或是用戶不方便使用螢幕的情境下,spoken prompts為主要輸出,screen用來輔助視覺化的資訊。對話發生在電視、電腦、手機、手錶上時,可以讓用戶自行決定用語言還是視覺的模式繼續 。

(all pictures in this session come from google conversation design website)

在workshop實作的過程中,每個group各自選譯主題,定義你的用戶與use case,創造persona,設計對話,並考量multimodal,最後發表你設計出來的對話。如何衡量一個對話流程是否設計的好呢?除了設計用戶反饋機制外,需要分析用戶與BOT之間的對話內容與互動次數,尤其是在no match, no input的情況下,與用戶對話次數愈多並不是好的,BOT應該盡量在短時間之內滿足用戶的需求。

在此次會議中,聽到許多不錯的分享,了解目前在歐洲地方企業對於VA的應用以及面臨到的挑戰,也與不少boost上廠商聊天各種應用情況,大多客戶仍然是發展智能客服為主,在歐洲,自然語言處理以及語音辨識技術似乎滿成熟,不同口音的問題也能夠被解決。另外,Web Chat在歐洲的應用似乎比Message Chat更為常見,許多公司都先以Web Chat為主,之後再串接Messager。資料安全性的問題、認證問題也都在本次會議的討論範圍,隨著GDPR的公告,各家廠商也都小心奕奕地處理用戶資訊。在LINE裡,除了平日的工作外,公司鼓勵員工參加conference,無論是國內或國外,無論是submit paper或者是單純的交流,只要是你有興趣的議題都可以申請參加,一方面是提升員工的個人能力,一方面也是將新的技術與知識帶回公司內部。