昨天在Medium上看到一篇关于用聊天机器人辅助设计研究的文章,随着对话式交互的流行,这种小型快捷的工具能帮助团队减少重复性工作,还能提升参与者的用户体验。顺手翻译了和大家分享。译的比较口语化大家见谅。
作者:Matt Cooper-Wright
原文链接
自动化如何帮助我们挖掘数据(并为我们的原型添加魔力)
自动化助理
我们总想着能找到捷径,花尽可能少的时间,了解更多的东西。这种心态促使用户研究员不断扩大数据量。除了采访得来的定性数据,我们还会汇总长时间收集的行为数据,比如记录步数、上班的路线,用以了解人们每日的行为模式。
然而,更多的数据意味着我们要花更多的时间来管理它们。约四个月前,我用代码写了这么一个小帮手,是一个帮助设计团队节省时间的自动助理。我们还给了它一点小个性让它更有趣。
机器人
这个机器人的灵感来自我们的芝加哥团队,该团队正在开发基于智能手机和手表的健康监控app, 还想加入一个私信功能。他们没有花时间写一个自动回复的系统,还是将Slack接过来收发消息。这样一来一个没有技术背景的设计研究员就可以直接从Slack发指定消息,让开发人员可以专注于其他任务。
同时,我们在伦敦跟踪40多人的日常出行。在这个项目期间,我们记录了超过16万公里的驾驶过程,所以我们开发了一个机器人来监视。每次用户完成一次出行,机器人就会发一条备忘到一个指定频道,让整个团队都能够看到活动,而非登入另一个单独的系统。这个机器人还会附加一个跳转到用户后台的链接,以备有人想要深入挖掘这些数据。
技术栈(如何实现)
芝加哥项目的机器人是参与者通过智能手表直接与设计研究员交流连接的一部分(如图)。
参与者如何与用户研究员沟通每天,参与者用Siri的语音转文字功能记录他们的活动。 Siri转录语音消息,并将文本发送到数据库,记录时间并存储。同时,参与者以团队成员的形式在Slack的聊天界面里发送消息副本。随后,设计团队的每个人都可以向用户发送消息。设计研究员只需要每天用Slack向参与者发送一个正常的消息,它就会出现在参与者的智能手表上。
我们发现他们的解决方法确实很有启发性,所以当我们开始关于旅行行为的项目时,我们寻找类似的方法来节省时间。
操作流程首先,我们选择在Parse存储每一段行程。 一段行程结束并记录后,我们用Parse的Cloud Code功能和Incoming Webhook集成向Slack发送消息。其结果是,每次行程结束,slackbot就会在Slack的聊天窗口里发出一条消息。
Cloud Code允许我们设计消息的格式,添加回到数据库的链接,这样研究员就可以更容易的了解每段行程。我们给了机器人一个语料库来添加一点个性,还给它加了emoji以符合Slack的沟通风格。
这些消息在一个特定的频道发布,团队可以选择接收或屏蔽群消息。 在这个项目期间,这是一个有用的提示,告诉我们这些驾驶模式背后有真正的人。
我们学到了什么
芝加哥团队的机器人向我们表明,我们并不总是需要技术人员操纵复杂的系统。 我们的机器人不仅节省了时间,还为原型添加了一些魔法,为我们的参与者带来了更好的体验。 它还让各相关方——设计团队、客户和技术合作伙伴——更好地了解发生了什么,并能更快速地看到数据。 我们不断寻找与客户合作的更好方式,像这样的尝试更容易让我们开展研究。
也许我们对这些工具的采用最有启发性的就是我们很快就将它们吸收到我们的团队中。新想法以惊人的速度变成了标准工具。
未来
给机器人添加智能似乎是一个明显的趋势,但可能也是一个危险的举措,它过多的包揽了我们的工作。 毕竟,我们还在习。 我宁愿有一大堆简单的“工具机器人”减少重复性工作,也不要一个代替我们决策的软件,这可能会让我们错过宝贵的见解。 我们的目标是让我们的团队更强大,而不是用机器人取代他们。
译者
作者Matt Cooper-Wright是伦敦IDEO的一位交互设计师。
他在Medium的主页
文中描述的聊天机器人只是简化了数据获取的方式,自动化地处理数据让研究员专注于分析,而不是陷于繁重的数据调取工作。Medium上还有另外一篇专访文章。
这个项目的源代码可以在Github上面找到。
不得不感慨Slack作为一个操作系统的强大,甚至随着chatbot的流行出现了Messaging Experience Design的说法 (Slack is the operating system by Ben Brown).
不过正如作者所言,这些轻量化工具的目的是提升研究员的效率而非取代决策,设计师和研究员依然需要专注于问题解决和数据分析能力的提升。
网友评论