Facebook Messenger聊天机器人体验分析

在今年4月下旬的昨晚的 F8 开发者大会上, Facebook messenger事业部副总裁 David Marcus,宣布了新一代 Messenger 平台的诞生——即 Messenger Platform 2.0。



即将添加的 Discover Tab 则是专属的聊天机器人寻找区,为用户所在区域内最好的聊天机器人和商业交互提供露出。在 Discover Tab,用户能找到最近使用的 chatbot ,浏览 chatbot 分类,看到正在流行的 chatbot,以及进行搜索。用户可在进入对话环节之前,看到 chatbot 的功能介绍。

目前Messenger chat平台上有11000多个机器人,覆盖娱乐、财务、食品饮料、健康健身、新闻以及效率等个大类,我们就其主要类别的聊天机器人进行了体验。

新闻媒体类

The Wall Street  JournalBBC ,CNN,washtong post都是媒体类最先加入机器人浪潮的


Messenger Chatbot 华尔街日报聊天机器人试用_腾讯视频

第一次进入华尔街日报机器人的时候,我们第一眼看到的是一个文本的欢迎页,和一些基础设置的介绍。和我们通常的移动端APP的固定的交互有些不一样,在对话页我们很少看到类似表格,按钮,复选框等复杂的形态。

CNN,Washington Post,The Wall Street Journal 等聊天机器人

在facebook聊天机器人的交互规范里,提到开发者最好发送一些结构化消息帮助用户完成任务,获取信息或者回复用户的疑惑。上图中可以看到,针对一则新闻他们以图片+标题+按钮的形式(也可以是纯文本+按钮的形式)。让用户不用过多的思考,就可以选择他们是否想继续看新闻详情,还是只是想获取该新闻的梗概,或是让机器人再给你推送一些别的新闻。总之在这种结构化的消息里,给予用户有限且有效的操作路径,这样用户会更快更好的明白你这个机器人能给他们提供什么,而不是陷入对话的死循环里。

除了基础的文本聊天,Messenger chatbot 可以使用好几种聊天类型:文本,文件,照片,语音等富媒体。

messenger chatbot借助其平台的优势,人机对话也保留了和普通用户对话时的很多有趣的功能。比如能针对某段话进行点赞,有7种情绪表情可以使用,点击情绪表情后的动效也使得功能增色不少。小疯机器人的平台也可借鉴这种功能,用户能对小疯的某段回复进行有针对性的反馈标记,比如设计几种情绪表情“不感兴趣”“喜欢”“忧伤”等贴在回复上,可以帮助小疯进行机器学习。

娱乐类

由于目前的Messenger版本还没有更新Discover Tab ,所以只搜索到了仅有的一些娱乐chatbot.  Trivia Blast是一个提供知识问答的机器人。Swelly是一个生活类的投票机器人, 值得一提的是当我进行了好几组投票之后,它会主动问我的年龄,以便推送更适合我的投票。这种循序渐进的获取用户信息的方式,会让用户更容易接受。

Trivia Blast  / Sweelly

电商类

电商类的chatbot,做的比较好的是优衣库的Uniglo IQ 和时尚购物助手chatShopper .

Uniglo IQ只给你推荐当季新品,针对服饰这种非标类的商品,建立了一套很流畅的导购闭环路径。用户点进来,第一步:先通过底部的蓝色标签让用户选择大类是”女士“还是”男士“  第二步:选了大类后会直接推送热门款式合集给你,你可以点开看,也可以继续通过标签筛选服饰品类是“衬衫”还是“T恤”。第三步:筛选衣服的型号和颜色  第四步:推送有货的门店地址给你。

优衣库的Uniglo IQ  和  时尚购物助手chatShopper

如果用户在某个环节停下来了,Uniglo IQ会很贴心的告诉用户“Or tell me exactly what you're looking for.”  。我试着打了一些不相关的话语给它,它会明确的回复“I think that's out of my territory. How about this stuff? 👖 or 👗”。它会一直跟用户强调自己的功能,是一个目的明确的chatbot

相比Uniglo IQ  ,  chatShopper更像一个时尚顾问,它不会像Uniglo IQ一样按照类目层层筛选东西给你,它一上来就会问你要不要看看这批“blue sneakers" ,你看到喜欢的可以直接购买,也可以加入心愿单。或者你还可以传一张图片让它给你找相似款。

最后我在体验中也注意到,它们的chatbot负责推荐商品完成导购这一重要环节,至于购买行为--付费+填地址等繁琐的环节,并不会放到机器人对话中来。

健康健身类

健身类我体验了这个叫kerker的瘦身机器人。对话前期,kerker对我的资料进行了搜集,我的每一句回复,都会得到它的鼓励,而且它还会贴心提醒你“这是最后一个问题了”。Kerker的说话风格和它的头像一样萌萌的,通过这些统一的具有它性格特点的语料,用户会加深对这个机器人的印象和情感。

其他

让人印象最深刻的是这个叫poncho的天气播报机器人。它不是刻板的告诉你天气,它还会给你发一张搞笑GIF图,和一段笑话。与它对话时,用户会从它的语料中感到轻松愉悦。

期待Messenger的bot 商店正式上线,这样用户就能轻松方便的体验更多有趣的聊天机器人了,

最后附上Facebook messenger 的交互操作全攻略。https://segmentfault.com/a/1190000008405685 


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,657评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,662评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,143评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,732评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,837评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,036评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,126评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,868评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,315评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,641评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,773评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,470评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,126评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,859评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,095评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,584评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,676评论 2 351

推荐阅读更多精彩内容