Event link: https://fdctaipei.kktix.cc/events/fdc201709

用 OLAMI 打造各種形式的中文聊天機器人

講者：Ryan Hang (威盛電子 OLAMI Team)

• OLAMI 中文自然語言處理平台 （威盛電子開發）
  • https://olami.ai
  • 歷程
    • 5 年前開始做，從 rule-based 開始，還沒用 Machine Learning。
    • 到現在都還是很推薦用 rule-based，為什麼？
      • Machine Learning 的開發速度較緩慢，更新的速度可能更不上產品的需求，rule-based 就比較容易做到。
• OLAMI AI 對話系統資訊流概觀
  • 輸入 => NLI 自然語言互動系統 (+ 客製化語意理解) =>
• IoT 語音互動
  • OLAMI Voice Kit
• Live Demo
  • 速度還滿快的，感覺可以試試看，API 接一接應該不難。

商務 Chatbot 體驗設計要訣

講者：Calvin Lin (Yoctol)

• Business Chatbot 簡介
  • 目的為實際商業應用，非純娛樂性質
  • 主要功能包含
    • 智慧客服：自動回覆常見問題，減少客服人員負擔。
    • 訊息推播：文章訂閱、優惠訊息、活動通知
    • 資訊查詢：查詢最新優惠、查股價、物流到貨查詢
    • 商業互動：下單付款、預約登記、風險屬性評測
• Chatbot 體驗的關鍵問題
  • 預設用途
    • 可以輸入任意文字並得到適當的回應
    • 期待過高 => 體驗不如預期 => 失望
    • Business Chatbot 的限制
      • 不能呼攏使用者
      • 回覆內容要可控制
        • 完全生成式的流程在商業應用上是有疑慮的，因為不知道會回出什麼樣的內容。
  • 指意
    • 文字輸入框太過於自由，會讓使用者不知道要輸入什麼。得不到使用者期望的回答就會造成使用者的失望進而不想繼續使用。
    • 為 Chatbot 添加指意
      • 選單式引導(Generic Template, Button Template, Image map (LINE))
      • 適時的文字提示（例句提示、Quick Reply）
• NLP 對體驗的影響
  • 影響能力範圍
    • 極致的 NLP：
      • 可以輸入任意文字並得到適當的回覆 => 滿足預設用途
      • 使用者體驗會超極好，但實務上基本上做不太到，開發成本過高。
    • 完全沒有 NLP
      • 封鎖輸入框 => 能力大幅受限
  • NLP 的實作方式
    • 完全字串比對、關鍵字
    • 正規表達式
    • RNN （遞迴式類神經網路）
      • 輸入一些同樣意思的例句，讓 AI 去歸納和推論這些都是相同的意思。
      • 實作比較複雜，訓練難度也比較高，會花比較多時間。
      • 需要一點時間計算，所以在實務上回應使用者的時間會有點太長。
    • 視情況而定
      • 比較明確的狀況使用字串比對或正規表達式，速度會比較快，使用者體驗會比較好。
      • 比較複雜的狀況就採用 RNN
• 體驗設計要訣
  1. 不同的使用者族群
     • 既有客戶
       • 有明確的問題想問 => 確保重要的問題能被回應
     • 新客戶、潛在客戶
       • 認真想瞭解，但沒有明確的問題 => 引導客戶探索主要功能
     • 湊熱鬧的路人
       • 只是剛好路過看到一個 bot，隨便玩一玩覺得你什麼都答不出來，然後說一句「好笨」就走了。XD
       • 隨便玩 => 明確提示使用範圍，縮小期望落差。
  2. 開場引導
     • 用了 Generic Template 或 Button Template 的時候，可以再加些文字引導使用者，讓使用者覺得不是只有可以點按鈕而已
  3. 迷途引導
     • 用提醒引導使用者回去使用正常的功能
  4. 請求更多資訊
     • 向使用者確認其目的
  5. 不要停止引導
     • 只要出現斷點，使用者就容易：
       • 不知所措得離開
       • 亂問不在範圍內的問題
     • 引導方式
       • 接續目前的互動
       • 推薦相關的選項
       • 探索其他功能
• 使用情境 Demo

如何用 Messenger Bot 提升 EC/O2O 成交轉換率

講者：Lucas (AsiaYo Product Lead)

• 緣由
  • 一年前團隊就在討論要不要用 Chatbot 取代真人客服
  • 結論是被否決的，因為能解決的問題像是使用者的行李和 check-in 的問題很難用 chatbot 解決，並不會減少真人客服的負擔
  • LINE 的 chatbot => 3 steps before interaction
• 那為什麼後來做了 Facebook Messenger Bot
  • Facebook Messenger bot => 1 steps before interaction
  • 直接接觸到使用者的成本低了很多
    • OTA's users have longer decision funnel
      • 會和朋友討論、可能還會在期間去其他民宿網比價、轉換流失率很高
      • 對應機制
        • Agoda: 不斷寄 email => 需要拿到使用者的個人資料（email 或電話）
        • 透過 retargeting ad 讓使用者不管到哪裡都會看到 => 花費高
  • 需要的 Designer 少很多
• Key Metrics
  • 同意授權 > 第一次互動 > 轉換
• System Architecture
  • Facebook checkbot plugin => Chatfuel (JSON API) => AsiaYo API => Chatfuel (JSON API) => Chatfuel Blocks (1st message)
    • hmm... 沒想到 Chatfuel JSON API 可以拿來這樣做，這樣應該連自己的 webhook server 都不用架了？跟 Facebook server 溝通那邊就由 Chatfuel 幫忙處理掉，跟 Facebook 那邊溝通的確會是花最多時間的地方，畢竟 Facebook 沒有官方的 Messenger Bot Framework，第三方的也不盡理想。
• 第一次互動
  • 要具有趣味性與互動性
    • 對話設計成像遊戲
    • 隨機彩蛋 + 優惠碼
  • 實用性 & Cross Promotion
• Takeaways
  • Context matters
  • Createing Aha moments
    • 讓使用者有眼睛一亮的感覺
• Future Works
  • Cart abandoned
  • Check order status