Υπάρχουν όλο και περισσότερες συσκευές που ελέγχονται με φωνή, όπως το Apple HomePod, το Google Home και το Amazon Echo. Αυτό οφείλεται στο γεγονός ότι οι φωνητικές διεπαφές βελτιώνουν την εμπειρία των χρηστών, στην πραγματικότητα, η comScore (εταιρεία έρευνας μάρκετινγκ) πιστεύει ότι η φωνή θα εκτελέσει το 50% όλων των αναζητήσεων έως το 2020.
Οι πέντε μεγαλύτερες εταιρείες τεχνολογίας, η Microsoft, η Google, το Amazon, η Apple και το Facebook, έχουν αναπτύξει (ή αναπτύσσουν επί του παρόντος) φωνητικά βοηθούς AI.
Είτε μιλάμε για VUI (Voice User Interfaces) για εφαρμογές web είτε για έξυπνες οικιακές ομιλητές, οι φωνητικές αλληλεπιδράσεις είναι όλο και συχνότερες στη σημερινή τεχνολογία, ειδικά επειδή πολλοί άνθρωποι αισθάνονται κόπωση από πολλές ώρες μπροστά σε μια οθόνη.
Έτσι, ας δούμε πώς να σχεδιάζουμε διεπαφές φωνητικών χρηστών και ποιες φωνητικές εντολές ανατομής θα έπρεπε να έχουν.
Εάν διαβάσετε τις αναθεωρήσεις σε απευθείας σύνδεση των ομιλητών, θα παρατηρήσετε ότι κάποιοι άνθρωποι σχηματίζουν έναν στενό σύνδεσμο με τον ομιλητή τους με τρόπο που μοιάζει περισσότερο με ένα κατοικίδιο ζώο παρά ένα προϊόν.
Σίγουρα δεν μπορείτε να ικανοποιήσετε όλες τις προσδοκίες των πελατών με προγράμματα που βρίσκονται ακόμη σε πλήρη εξέλιξη, αλλά μπορείτε να ακολουθήσετε ορισμένες κατευθυντήριες γραμμές ως σημείο εκκίνησης.
Ένα γραφικό περιβάλλον χρήστη δείχνει στους χρήστες ό, τι μπορούν να κάνουν. Μια φωνητική διεπαφή δεν έχει κανένα τρόπο να δείξει στον χρήστη ποιες επιλογές είναι δυνατές και οι νέοι χρήστες βασίζουν τις προσδοκίες τους στην εμπειρία τους με τις ανθρώπινες συνομιλίες.
Ως εκ τούτου, μπορούν να ξεκινήσουν ζητώντας κάτι που δεν έχει νόημα στο σύστημα ή αυτό δεν είναι δυνατό. Η λύση σε αυτό είναι να προσφέρει τις επιλογές αλληλεπίδρασης χρήστη.
Για παράδειγμα, η φωνητική διασύνδεση μπορεί να πει κάτι σαν "Μπορώ να σας βοηθήσω να αγοράσετε" ή "Μπορώ να σας δώσω πληροφορίες για προϊόντα".
Σε κάθε περίπτωση, οι χρήστες θα πρέπει επίσης να έχουν εύκολη διέξοδο από ένα χαρακτηριστικό γνώρισμα, συμπεριλαμβανομένης της «εξόδου» ως μιας από τις επιλογές τους.
Στις γραφικές διεπαφές οι χρήστες μπορούν να δουν σε ποια ενότητα βρίσκονται, ενώ στις διασυνδέσεις φωνητικού χρήστη, οι χρήστες πρέπει να γνωρίζουν τη λειτουργία που χρησιμοποιούν.
Οι χρήστες μπορούν γρήγορα να μπερδευτούν σχετικά με το πού βρίσκονται στη συζήτηση ή να ενεργοποιήσουν τη λειτουργία κατά λάθος, επομένως, χωρίς περισσότερη καθοδήγηση από την ακουστική, χρειάζονται περισσότερες λεπτομέρειες.
Η διεπαφή πρέπει να απαντήσει σε μια ερώτηση σχετικά με ένα προϊόν με ολόκληρη τη φράση όπως "Το αυτοκίνητο της μάρκας X και του μοντέλου X διατιμάται στα 20.000 δολάρια και είναι εγγυημένο για 2 χρόνια".
Αυτό επιτρέπει στους χρήστες να γνωρίζουν ποια λειτουργικότητα χρησιμοποιούν και τι μιλάει ο ομιλητής.
Όταν οι άνθρωποι μιλούν, συχνά δεν εκφράζουν τις πλήρεις προθέσεις τους, πολλές φορές επειδή χρησιμοποιούν αργαλειούς, muffins, συντομεύουν λέξεις κλπ.
Μεταξύ των ανθρώπων καταλαβαίνουμε ο ένας τον άλλον, αλλά οι φωνητικές διεπαφές χρειάζονται τον άνθρωπο να εκφραστεί σωστά για να καταλάβει τις προθέσεις του.
Επιπλέον, όσο περισσότερες πληροφορίες σχετικά με τις προθέσεις τους περιλαμβάνουν έναν χρήστη σε μια πρόταση, τόσο το καλύτερο.
Ένας χρήστης μπορεί να σας ρωτήσει: "Δώστε μου πληροφορίες σχετικά με τα διαθέσιμα αυτοκίνητα, την τιμή του μοντέλου Χ παρακαλώ" και πάρτε αμέσως τις πληροφορίες που θέλουν, αντί να λέτε πρώτα: "Θέλω πληροφορίες για τα διαθέσιμα αυτοκίνητα" και στη συνέχεια να ζητήσω το μοντέλο .
Οι χρήστες ενδέχεται να μην συνειδητοποιήσουν αυτόν τον τρόπο λειτουργίας, οπότε θα πρέπει να χρησιμοποιήσετε όσο το δυνατόν περισσότερα παραδείγματα αλληλεπιδράσεων.
Όταν οι χρήστες περιηγούνται σε οπτικό περιεχόμενο ή λίστες, μπορούν να επιστρέψουν στις πληροφορίες που αγνοούσαν ή ξεχάστηκαν.
Αυτό δεν συμβαίνει με το λεκτικό περιεχόμενο. Με το λεκτικό περιεχόμενο, οι προτάσεις θα πρέπει να παραμείνουν σύντομες.
Συνιστάται να χρησιμοποιούνται περισσότερες από τρεις διαφορετικές επιλογές για μια αλληλεπίδραση.
Χρησιμοποιήστε κάποια μορφή απλής ανατροφοδότησης, ώστε ο χρήστης να γνωρίζει ότι το σύστημα ακούει.
Πρέπει να χρησιμοποιήσετε κάποιες οπτικές πληροφορίες ώστε οι χρήστες να γνωρίζουν ότι η διασύνδεση φωνητικού χρήστη ακούει, ο χρήστης μπορεί αμέσως να δει ότι αυτό που λέει καταγράφεται (παρόμοια με όταν μιλάμε με άλλους ανθρώπους και με μη λεκτική επικοινωνία που βλέπετε ακούν ).
Προτού δημιουργηθεί ροή διαλόγου, οι σχεδιαστές πρέπει πρώτα να καταλάβουν την ανατομία μιας φωνητικής εντολής. Η φωνητική εντολή ενός χρήστη αποτελείται από τρεις βασικούς παράγοντες: πρόθεση, δήλωση και χώρο. Ας αναλύσουμε το ακόλουθο αίτημα: "Αναπαραγωγή μουσικής χαλάρωσης για ύπνο".
Η πρόθεση αντιπροσωπεύει τον ευρύτερο στόχο της φωνητικής εντολής του χρήστη. Στο αίτημα του παραδείγματος, η πρόθεση είναι σαφής, ο χρήστης θέλει να ακούει μουσική.
Πώς ο χρήστης διαμορφώνει την εντολή, δηλαδή τη δήλωση. Στο παράδειγμα που χρησιμοποιήσαμε, γνωρίζουμε ότι ο χρήστης θέλει να παίξει χαλαρωτική μουσική χάρη στη λέξη "play", αλλά δεν είναι ο μόνος τρόπος να το πούμε. Ο χρήστης μπορεί επίσης να πει "Θέλω να ακούσω μουσική".
Οι σχεδιαστές συνομιλιών πρέπει να λαμβάνουν υπόψη όλες τις παραλλαγές της έκφρασης.
Μερικές φορές, μια πρόθεση από μόνη της δεν είναι αρκετή και απαιτούνται περισσότερες πληροφορίες από τους χρήστες για την ικανοποίηση του αιτήματος.
Αυτό ονομάζεται "πλαίσιο", και αυτά, όπως και στις οπτικές διεπαφές, μπορεί να είναι προαιρετικά ή να απαιτούνται για την ολοκλήρωση μιας εφαρμογής.
Σε αυτή την περίπτωση, η λέξη "χαλάρωση" θα μπορούσε να χρησιμοποιήσει το "play music" για να μάθετε ότι ζητάτε να παίξετε χαλαρωτική μουσική.
Για να σχεδιάσετε εξαιρετικές διεπαφές φωνητικού χρήστη, θα πρέπει να βρείτε έναν κομψό τρόπο παροχής στους χρήστες των σχετικών πληροφοριών χωρίς να τους κατακλύσετε.
Η αλληλεπίδραση φωνητικού χρήστη μπορεί να προκαλέσει περισσότερες προκλήσεις σε ορισμένες πτυχές από ένα οπτικό σύστημα, ωστόσο, δεν υπάρχει αμφιβολία ότι πρόκειται για έναν τρόπο αλληλεπίδρασης που θα χρησιμοποιείται όλο και περισσότερο.
