การออกแบบ VUI – ส่วนต่อประสานผู้ใช้เสียง

อุปกรณ์ควบคุมด้วยเสียง เช่น Apple HomePod, Google Home และ Amazon Echo มากขึ้นเรื่อยๆ กำลังบุกตลาด อินเทอร์เฟซผู้ใช้เสียงช่วยปรับปรุงประสบการณ์ผู้ใช้ที่แตกต่างกันทุกประเภท และบางคนเชื่อว่าเสียงจะมีอำนาจ 50% ของการค้นหาทั้งหมดภายในปี 2020

AI ที่สั่งงานด้วยเสียงสามารถจัดการได้เกือบทุกอย่างในทันที

• “มีอะไรต่อไปในปฏิทินของฉัน”
• “จองแท็กซี่ไปถนนอ็อกซ์ฟอร์ดให้ฉัน”
• “เปิดเพลงแจ๊สให้ฉันฟังบน Spotify!”

บริษัทเทคโนโลยี “บิ๊กไฟว์” ทั้งห้าบริษัท—Microsoft, Google, Amazon, Apple และ Facebook—ได้พัฒนา (หรือกำลังพัฒนา) ผู้ช่วย AI ที่เปิดใช้งานเสียง Siri ผู้ช่วย AI สำหรับอุปกรณ์ Apple iOS และ HomePod กำลังช่วยเหลือผู้ใช้มากกว่า 40 ล้านคนต่อเดือน และจากข้อมูลของ ComScore หนึ่งใน 10 ครัวเรือนในสหรัฐอเมริกามีลำโพงอัจฉริยะอยู่แล้วในปัจจุบัน

ไม่ว่าเราจะพูดถึง VUI (Voice User Interfaces) สำหรับแอปบนอุปกรณ์เคลื่อนที่หรือสำหรับลำโพงในบ้านอัจฉริยะ การโต้ตอบด้วยเสียงกำลังกลายเป็นเรื่องปกติในเทคโนโลยีในปัจจุบัน โดยเฉพาะอย่างยิ่งเนื่องจากความล้าของหน้าจอเป็นปัญหา

ผู้ใช้สามารถทำอะไรกับคำสั่งเสียง?

Alexa เป็นผู้ช่วย AI สำหรับอุปกรณ์ Amazon ที่สั่งงานด้วยเสียง เช่น ลำโพงอัจฉริยะ Echo และแท็บเล็ต Kindle Fire—ปัจจุบัน Amazon เป็นผู้นำด้านเทคโนโลยีเสียง (ในแง่ของยอดขาย)

ในร้าน Alexa แอพที่ทันสมัยที่สุดบางส่วน (เรียกว่า "ทักษะ") มุ่งเน้นไปที่ความบันเทิง การแปล และข่าวสาร แม้ว่าผู้ใช้ยังสามารถดำเนินการต่างๆ เช่น เรียกรถผ่านทักษะ Uber เล่นเพลงผ่านทักษะ Spotify หรือ แม้แต่สั่งพิซซ่าด้วยทักษะของโดมิโน

ตัวอย่างที่น่าสนใจอีกตัวอย่างหนึ่งมาจากธนาคารพาณิชย์ Capital One ซึ่งเปิดตัวทักษะของ Alexa ในปี 2559 และเป็นธนาคารแรกที่ทำเช่นนั้น ด้วยการเพิ่มทักษะของ Capital One ผ่าน Alexa ลูกค้าสามารถตรวจสอบยอดเงินคงเหลือและวันครบกำหนดและชำระบิลบัตรเครดิตได้ PayPal นำแนวคิดนี้ไปอีกขั้นโดยอนุญาตให้ผู้ใช้ชำระเงินผ่าน Siri บน iOS หรือ Apple HomePod และยังมีทักษะของ Alexa สำหรับ PayPal ที่สามารถทำได้

แต่สิ่งที่ VUI สามารถ ทำได้และสิ่งที่ผู้ใช้ใช้งานจริงนั้นเป็นสองสิ่งที่แตกต่างกัน

ComScore ระบุว่าผู้ใช้มากกว่าครึ่งที่เป็นเจ้าของลำโพงอัจฉริยะใช้อุปกรณ์เพื่อถามคำถามทั่วไป ตรวจสอบสภาพอากาศ และสตรีมเพลง รองลงมาคือจัดการนาฬิกาปลุก รายการสิ่งที่ต้องทำ และปฏิทิน (โปรดทราบว่างานเหล่านี้มีความเป็นธรรม พื้นฐานโดยธรรมชาติ)

อย่างที่คุณเห็น งานเหล่านี้หลายอย่างเกี่ยวข้องกับการถามคำถาม (เช่น การค้นหาด้วยเสียง)

ผู้ใช้ค้นหาอะไรด้วยการค้นหาด้วยเสียง

คนส่วนใหญ่ใช้การค้นหาด้วยเสียงขณะขับรถ แม้ว่าสถานการณ์ใดก็ตามที่ผู้ใช้ไม่สามารถสัมผัสหน้าจอได้ (เช่น เมื่อทำอาหารหรือออกกำลังกาย หรือเมื่อพยายามทำงานหลายอย่างพร้อมกัน) มีโอกาสโต้ตอบด้วยเสียง นี่คือรายละเอียดทั้งหมดโดย HigherVisibility

ดำเนินการวิจัยผู้ใช้สำหรับอินเทอร์เฟซผู้ใช้เสียง

แม้ว่าการรู้ว่าโดยทั่วไปผู้ใช้ใช้เสียงจะมีประโยชน์อย่างไร แต่นักออกแบบ UX จะต้องดำเนินการวิจัยผู้ใช้ของตนเองโดยเฉพาะสำหรับแอป VUI ที่พวกเขากำลังออกแบบ

การทำแผนที่การเดินทางของลูกค้า

การวิจัยผู้ใช้เป็นเรื่องเกี่ยวกับการทำความเข้าใจความต้องการ พฤติกรรม และแรงจูงใจของผู้ใช้ผ่านการสังเกตและข้อเสนอแนะ แผนที่การเดินทางของลูกค้าที่มีเสียงเป็นช่องทางไม่เพียงช่วยให้นักวิจัยด้านประสบการณ์ผู้ใช้ระบุความต้องการของผู้ใช้ในขั้นตอนต่างๆ ของการมีส่วนร่วม แต่ยังช่วยให้พวกเขาเห็นว่าเสียงสามารถเป็นวิธีการโต้ตอบได้อย่างไรและที่ใด

ในสถานการณ์ที่ยังไม่ได้สร้างแผนที่การเดินทางของลูกค้า ผู้ออกแบบควรเน้นว่าการโต้ตอบด้วยเสียงจะพิจารณาปัจจัยที่ส่งผลต่อการไหลของผู้ใช้ (ซึ่งอาจเน้นเป็นโอกาสทางการขาย ช่องทาง หรือจุดติดต่อ) หากแผนที่การเดินทางของลูกค้ามีอยู่แล้วสำหรับธุรกิจ นักออกแบบควรดูว่าโฟลว์ของผู้ใช้สามารถปรับปรุงได้ด้วยการโต้ตอบด้วยเสียงหรือไม่

ตัวอย่างเช่น หากลูกค้ามักจะถามคำถามบางอย่างผ่านโซเชียลมีเดียหรือแชทสด อาจเป็นการสนทนาที่สามารถรวมเข้ากับแอปเสียงได้

ในระยะสั้นการออกแบบควรแก้ปัญหา ผู้ใช้พบความเสียดทานและความผิดหวังอะไรบ้างระหว่างการเดินทางของลูกค้า

การวิเคราะห์คู่แข่ง VUI

จากการวิเคราะห์คู่แข่ง นักออกแบบควรพยายามค้นหาว่าคู่แข่งใช้การโต้ตอบด้วยเสียงหรือไม่และอย่างไร คำถามสำคัญที่จะถามคือ:

• กรณีการใช้งานสำหรับแอพของพวกเขาคืออะไร?
• พวกเขาใช้คำสั่งเสียงอะไร?
• ลูกค้าพูดอะไรในรีวิวแอพและเราเรียนรู้อะไรจากสิ่งนี้ได้บ้าง

### การรวบรวมความต้องการ

ในการออกแบบแอพส่วนต่อประสานผู้ใช้แบบเสียง เราต้องกำหนดความต้องการของผู้ใช้ก่อน นอกเหนือจากการสร้างแผนที่การเดินทางของลูกค้าและดำเนินการวิเคราะห์คู่แข่ง (ตามที่กล่าวไว้ข้างต้น) กิจกรรมการวิจัยอื่นๆ เช่น การสัมภาษณ์และการทดสอบผู้ใช้ก็มีประโยชน์เช่นกัน

สำหรับการออกแบบ VUI ข้อกำหนดที่เป็นลายลักษณ์อักษรเหล่านี้มีความสำคัญมากกว่าเนื่องจากจะครอบคลุมข้อกำหนดการออกแบบส่วนใหญ่สำหรับนักพัฒนา ขั้นตอนแรกคือการจับภาพสถานการณ์ต่างๆ ก่อนที่จะเปลี่ยนเป็นโฟลว์การสนทนาระหว่างผู้ใช้กับผู้ช่วยเสียง

ตัวอย่างเรื่องราวของผู้ใช้สำหรับแอปพลิเคชันข่าวอาจเป็น:

“ในฐานะผู้ใช้ ฉันต้องการให้ระบบสั่งงานด้วยเสียงอ่านบทความข่าวล่าสุด เพื่อให้สามารถอัปเดตเกี่ยวกับสิ่งที่เกิดขึ้นได้โดยไม่ต้องดูหน้าจอ”

เมื่อคำนึงถึงเรื่องราวของผู้ใช้นี้ เราก็สามารถออกแบบโฟลว์การโต้ตอบสำหรับเรื่องนี้ได้

กายวิภาคของคำสั่งเสียง

ก่อนที่จะสร้างโฟลว์การโต้ตอบ นักออกแบบต้องเข้าใจกายวิภาคของคำสั่งเสียงก่อน เมื่อออกแบบ VUI นักออกแบบจำเป็นต้องคิดอย่างต่อเนื่องเกี่ยวกับวัตถุประสงค์ของการโต้ตอบด้วยเสียง (เช่น ผู้ใช้พยายามทำอะไรให้สำเร็จในสถานการณ์นี้ )

คำสั่งเสียงของผู้ใช้ประกอบด้วยปัจจัยหลักสามประการ: เจตนา คำพูด และ ช่อง

มาวิเคราะห์คำขอต่อไปนี้: “เล่นเพลงผ่อนคลายบน Spotify”

เจตนา (วัตถุประสงค์ของการโต้ตอบด้วยเสียง)

เจตนาแสดงถึงวัตถุประสงค์ในวงกว้างของคำสั่งเสียงของผู้ใช้ และนี่อาจเป็นได้ทั้ง อรรถประโยชน์ระดับต่ำ หรือ การโต้ตอบกับยูทิลิตี้ระดับสูง

การ มีปฏิสัมพันธ์กับยูทิลิตี้ระดับสูง เป็นเรื่องเกี่ยวกับการทำงานที่เฉพาะเจาะจงมาก เช่น การขอให้ปิดไฟในห้องนั่งเล่น หรือให้ฝักบัวมีอุณหภูมิที่แน่นอน การออกแบบคำขอเหล่านี้ตรงไปตรงมา เนื่องจากชัดเจนมากว่าคาดหวังอะไรจากผู้ช่วย AI

คำขอยูทิลิตี้ต่ำ จะคลุมเครือและถอดรหัสได้ยากขึ้น ตัวอย่างเช่น หากผู้ใช้ต้องการทราบข้อมูลเพิ่มเติมเกี่ยวกับ Amsterdam อันดับแรก เราต้องการตรวจสอบก่อนว่าสิ่งนี้เหมาะสมกับขอบเขตของบริการหรือไม่ จากนั้นจึงถามคำถามเพิ่มเติมกับผู้ใช้เพื่อทำความเข้าใจคำขอให้ดีขึ้น

ในตัวอย่างที่ระบุ มีเจตนาชัดเจน: ผู้ใช้ต้องการฟังเพลง

คำพูด (วิธีที่ผู้ใช้ใช้วลีคำสั่ง)

คำพูดสะท้อนให้เห็นว่าผู้ใช้ใช้ วลี คำขอของตนอย่างไร ในตัวอย่างที่กำหนด เรารู้ว่าผู้ใช้ต้องการเล่นเพลงบน Spotify โดยพูดว่า "Play me…" แต่นี่ไม่ใช่วิธีเดียวที่ผู้ใช้สามารถร้องขอได้ ตัวอย่างเช่น ผู้ใช้ยังสามารถพูดว่า “ฉันต้องการฟังเพลง … .”

นักออกแบบต้องพิจารณาทุกรูปแบบของคำพูด ซึ่งจะช่วยให้เอ็นจิ้น AI รับรู้คำขอและเชื่อมโยงกับการดำเนินการหรือการตอบสนองที่ถูกต้อง

สล็อต (ตัวแปรที่จำเป็นหรือตัวแปรเสริม)

บางครั้งความตั้งใจเพียงอย่างเดียวไม่เพียงพอและจำเป็นต้องมีข้อมูลเพิ่มเติมจากผู้ใช้เพื่อดำเนินการตามคำขอ Alexa เรียกสิ่งนี้ว่า "สล็อต" และสล็อตก็เหมือนกับฟิลด์แบบฟอร์มดั้งเดิมในแง่ที่ว่าพวกเขาสามารถเลือกหรือไม่ก็ได้ ขึ้นอยู่กับสิ่งที่จำเป็นสำหรับการกรอกคำขอ

ในกรณีของเรา ช่องนี้ "ผ่อนคลาย" แต่เนื่องจากคำขอยังคงสามารถดำเนินการให้เสร็จสิ้นได้หากไม่มีช่องดังกล่าว ช่องนี้จึงเป็นทางเลือก อย่างไรก็ตาม ในกรณีที่ผู้ใช้บริการต้องการจองรถแท็กซี่ สล็อตจะเป็นปลายทางและจำเป็น อินพุตเสริมจะเขียนทับค่าเริ่มต้นใดๆ ตัวอย่างเช่น ผู้ใช้ที่ขอให้แท็กซี่มาถึงเวลา 16.00 น. จะเขียนทับค่าเริ่มต้นเป็น "โดยเร็วที่สุด"

การสร้างต้นแบบการสนทนา VUI ด้วยไดอะล็อกโฟลว์

นักออกแบบต้นแบบต้องคิดเหมือนนักเขียนบทและไดอะล็อกโฟลว์การออกแบบสำหรับข้อกำหนดแต่ละข้อเหล่านี้ โฟลว์การโต้ตอบคือการส่งมอบที่สรุปสิ่งต่อไปนี้:

• คำหลักที่นำไปสู่การโต้ตอบ
• สาขาที่แสดงถึงการสนทนาที่อาจนำไปสู่
• ตัวอย่างกล่องโต้ตอบสำหรับทั้งผู้ใช้และผู้ช่วย

โฟลว์การโต้ตอบคือสคริปต์ที่แสดงให้เห็นการสนทนาไปมาระหว่างผู้ใช้กับผู้ช่วยเสียง ไดอะล็อกโฟลว์เป็นเหมือนต้นแบบ และสามารถแสดงเป็นภาพประกอบได้ (เช่นในตัวอย่างด้านล่าง) หรือมีแอปสร้างต้นแบบที่สามารถใช้สร้างโฟลว์ไดอะล็อกได้

แอปสำหรับสร้างต้นแบบ VUIs

เมื่อคุณได้แมปโฟลว์การโต้ตอบแล้ว คุณก็พร้อมที่จะสร้างต้นแบบการโต้ตอบด้วยเสียงโดยใช้แอป เครื่องมือสร้างต้นแบบบางอย่างได้เข้าสู่ตลาดแล้ว ตัวอย่างเช่น Sayspring ทำให้นักออกแบบสามารถสร้างต้นแบบ การทำงาน สำหรับแอป Amazon และ Google ที่เปิดใช้งานเสียงได้ง่าย

Amazon ยังมี Alexa Skill Builder ของตัวเอง ซึ่งทำให้นักออกแบบสามารถสร้าง Alexa Skills ใหม่ได้อย่างง่ายดาย Google เสนอ SDK; อย่างไรก็ตาม มีจุดมุ่งหมายเพื่อ นักพัฒนา Google Action Apple ยังไม่ได้เปิดตัวเครื่องมือการแข่งขัน แต่จะเปิดตัว SiriKit ในไม่ช้า

UX Analytics สำหรับแอปเสียง

เมื่อคุณเปิดตัว "ทักษะ" สำหรับ Alexa แล้ว (หรือ "การกระทำ" สำหรับ Google) คุณสามารถติดตามว่าแอปนี้ใช้งานกับการวิเคราะห์อย่างไร ทั้งสองบริษัทมีเครื่องมือวิเคราะห์ในตัว อย่างไรก็ตาม คุณยังสามารถรวมบริการของบุคคลที่สามเพื่อการวิเคราะห์ที่ซับซ้อนยิ่งขึ้น (เช่น voicelabs.co สำหรับ Amazon Alexa หรือ dashbot.io สำหรับ Google Assistant) ตัวชี้วัดสำคัญบางประการที่ควรจับตามองคือ:

• ตัวชี้วัดการมีส่วนร่วม เช่น เซสชันต่อผู้ใช้หรือข้อความต่อเซสชัน
• ภาษาที่ใช้
• พฤติกรรมไหล
• ข้อความ เจตนา และคำพูด

เคล็ดลับการปฏิบัติสำหรับการออกแบบ VUI

ให้การสื่อสารง่ายและสนทนา

เมื่อออกแบบแอปมือถือและเว็บไซต์ นักออกแบบต้องคิดว่าข้อมูลใดเป็นข้อมูลหลัก และข้อมูลใดเป็นข้อมูลรอง (เช่น ไม่สำคัญเท่า) ผู้ใช้ไม่ต้องการรู้สึกว่าทำงานหนักเกินไป แต่ในขณะเดียวกัน พวกเขาต้องการข้อมูลเพียงพอที่จะทำงานให้เสร็จลุล่วง

ด้วยเสียง นักออกแบบต้องระมัดระวังมากขึ้นเพราะคำพูด (และอาจเป็น GUI ที่ค่อนข้างง่าย) เป็นสิ่งที่ต้องสื่อสารด้วย ทำให้ยากเป็นพิเศษในกรณีของการถ่ายทอดข้อมูลและข้อมูลที่ซับซ้อน ซึ่งหมายความว่าใช้คำน้อยลงจะดีกว่า และนักออกแบบจำเป็นต้องตรวจสอบให้แน่ใจว่าแอปตอบสนองวัตถุประสงค์ของผู้ใช้และอยู่ในการสนทนาอย่างเคร่งครัด

ยืนยันเมื่องานเสร็จสิ้น

เมื่อออกแบบขั้นตอนการชำระเงินอีคอมเมิร์ซ หนึ่งในหน้าจอหลักจะเป็นการยืนยันขั้นสุดท้าย ซึ่งช่วยให้ลูกค้าทราบว่าธุรกรรมได้รับการบันทึกเรียบร้อยแล้ว

แนวคิดเดียวกันนี้ใช้กับการออกแบบ VUI ตัวอย่างเช่น หากผู้ใช้อยู่ในห้องนั่งเล่นขอให้ผู้ช่วยเสียงปิดไฟในห้องน้ำโดยไม่มีการยืนยัน พวกเขาจะต้องเดินเข้าไปในห้องนั่งเล่นและตรวจสอบเพื่อเอาชนะเป้าหมายของ ” แอพ VUI ทั้งหมด

ในสถานการณ์สมมตินี้ การตอบสนอง "ปิดไฟห้องน้ำ" จะทำงานได้ดี

สร้างกลยุทธ์ข้อผิดพลาดที่แข็งแกร่ง

ในฐานะผู้ออกแบบ VUI จำเป็นต้องมีกลยุทธ์ข้อผิดพลาดที่แข็งแกร่ง ออกแบบเสมอสำหรับสถานการณ์ที่ผู้ช่วยไม่เข้าใจหรือไม่ได้ยินอะไรเลย การวิเคราะห์ยังสามารถใช้เพื่อระบุการเลี้ยวที่ผิดและการตีความที่ผิด เพื่อให้สามารถปรับปรุงกลยุทธ์ข้อผิดพลาดได้

คำถามสำคัญบางข้อที่ควรถามเมื่อตรวจสอบกล่องโต้ตอบสำรอง:

• คุณได้ระบุวัตถุประสงค์ของการโต้ตอบหรือไม่?
• AI สามารถตีความข้อมูลที่ผู้ใช้พูดได้หรือไม่?
• AI ต้องการข้อมูลเพิ่มเติมจากผู้ใช้เพื่อดำเนินการตามคำขอหรือไม่?
• เราสามารถส่งมอบสิ่งที่ผู้ใช้ร้องขอได้หรือไม่?

เพิ่มความปลอดภัยอีกชั้นหนึ่ง

Google Assistant, Siri และ Alexa สามารถจดจำเสียงแต่ละเสียงได้แล้ว เพิ่มระดับความปลอดภัยที่คล้ายกับ Face ID หรือ Touch ID ซอฟต์แวร์การรู้จำเสียงมีการปรับปรุงอย่างต่อเนื่อง และการเลียนแบบเสียงทำได้ยากขึ้นเรื่อยๆ อย่างไรก็ตาม ในขณะนี้ ระบบอาจไม่ปลอดภัยเพียงพอและอาจต้องมีการตรวจสอบสิทธิ์เพิ่มเติม เมื่อทำงานกับข้อมูลที่ละเอียดอ่อน นักออกแบบอาจต้องมีขั้นตอนการตรวจสอบสิทธิ์เพิ่มเติม เช่น ลายนิ้วมือ รหัสผ่าน หรือการจดจำใบหน้า โดยเฉพาะอย่างยิ่งในกรณีของการส่งข้อความส่วนตัวและการชำระเงิน

รุ่งอรุณแห่งการปฏิวัติ VUI

VUIs อยู่ที่นี่และจะถูกรวมเข้ากับผลิตภัณฑ์มากขึ้นเรื่อย ๆ ในปีต่อ ๆ ไป บางคนคาดการณ์ว่าเราจะไม่ใช้คีย์บอร์ดใน 10 ปีในการโต้ตอบกับคอมพิวเตอร์

แต่เมื่อเราคิดว่า “ประสบการณ์ของผู้ใช้” เรามักจะนึกถึงสิ่งที่เรามองเห็นและสัมผัสได้ ด้วยเหตุนี้ จึงแทบจะไม่มีการพิจารณาเสียงที่ใช้เป็นวิธีการโต้ตอบ อย่างไรก็ตาม เสียงและภาพไม่ได้แยกจากกันเมื่อออกแบบประสบการณ์ผู้ใช้—ทั้งคู่เพิ่มมูลค่า

การวิจัยผู้ใช้จำเป็นต้องตอบคำถามว่าเสียงจะปรับปรุง UX หรือไม่ และเมื่อพิจารณาว่าส่วนแบ่งการตลาดสำหรับอุปกรณ์ที่เปิดใช้งานเสียงนั้นเพิ่มขึ้นเร็วเพียงใด การทำวิจัยนี้อาจคุ้มค่ากับเวลาและเพิ่มมูลค่าและคุณภาพของ แอป.

• • •

อ่านเพิ่มเติมเกี่ยวกับบล็อก Toptal Design:

• eCommerce UX – ภาพรวมของแนวทางปฏิบัติที่ดีที่สุด (พร้อมอินโฟกราฟิก)
• ความสำคัญของการออกแบบที่เน้นมนุษย์เป็นศูนย์กลางในการออกแบบผลิตภัณฑ์
• ผลงานออกแบบ UX ที่ดีที่สุด – กรณีศึกษาและตัวอย่างที่สร้างแรงบันดาลใจ
• หลักการฮิวริสติกสำหรับอินเทอร์เฟซมือถือ
• การออกแบบที่คาดหวัง: วิธีสร้างประสบการณ์ผู้ใช้ที่มีมนต์ขลัง