Antreem con il Politecnico di Milano per il Chatbot di Wind Tre

09 Apr 2018 Federico Vidari
thumbnail

I Chatbot sono macchine in grado di rispondere a domande poste da un umano con un linguaggio naturale.

Nonostante il tema non sia nuovo in informatica, nell’ultimo anno l’uso di questo tipo di soluzione per fornire risposte agli utenti si è sviluppato molto, complice l’incremento dei canali di conversazione con linguaggio naturale. Abbiamo visto Facebook Messenger, Whatsapp, Telegram, Instagram e altri, seguire una strategia di sgancio delle funzioni di messaggistica su app indipendenti per fornire una User Experience di maggiore livello sia sotto il profilo dell’intrattenimento, mettendo a disposizione filtri di Realtà Aumentata divertenti, sia per meglio supportare proprio l’interazione con i Chatbot.

Dal punto di vista tecnologico esistono numerose piattaforme per dare vita a Chatbot senza scrivere codice. Creata la configurazione e le risposte, i Chatbot di questo tipo sono attivabili anche in parallelo su più canali come quelli citati sopra, ai quali si aggiunge il sempre valido canale web. Non si tratta quindi di applicare solo una tecnologia, che può essere già pronta per i casi più semplici o spingersi fino a soluzioni più avanzate di Intelligenza Artificiale miste o completamente su misura. Si tratta di progettare il Service Design, cioè trovare il modo più semplice per soddisfare i bisogni degli utenti.

Come Antreem abbiamo guidato Vincenzo Bisceglia – studente del Corso di Laurea Magistrale in Design della Comunicazione del Politecnico di Milano – nel progettare, per la sua tesi di laurea, il Chatbot di Wind, in collaborazione con il team digital dell’azienda stessa, dove stava svolgendo lo stage curriculare.

Classificazione dei Chatbot

Lo studio si è basato su una utile classificazione per compiti e complessità:

  • Editoriali: tramite una matrice di parole chiave, individuano una risposta all’interno di un repository e mandano l’utente a consultare tipicamente una sezione help del sito
  • Personalizzati: consentono di ricevere informazioni configurando una periodicità e una serie di interessi, ad esempio il meteo
  • Self Care: l’utente accede al proprio account e compie azioni come la modifica di un piano abbonamento, acquisti, aggiornamenti anagrafica. A questo livello entra in gioco la problematica di autenticazione cross-platform, cioè collegare l’account del canale di conversazione in uso con quello nativo del servizio.
  • Misto: attraverso la proposizione di informazioni personalizzate, l’utente riceve proposte acquistabili. Il caso della ricerca di un volo, basata su alert, che si conclude con l’acquisto del biglietto.

Personalizzazione della conversazione

Un tema centrale del design della conversazione è la personalizzazione. Questo principio guida è il nocciolo del funzionamento degli algoritmi di Google e Facebook il cui scopo è “dare all’utente ciò che vuole”. Nel caso dei Chatbot questo obiettivo si amplia fino a dare all’utente ciò che vuole e nel modo a lui più gradito. Le modalità possono comprendere sia la scelta del canale di conversazione, sia aspetti linguistici come l’uso di espressioni dialettali, fino ad arrivare a usare toni di voce che esprimono emozioni quando l’interfaccia è vocale.

La tematica è stata affrontata dagli scienziati che si occupano di robot durante gli ultimi decenni: per interagire più facilmente, le macchine hanno l’aspetto di umani e quindi i robot diventano androidi. Quindi in che misura il Chabot deve sembrare umano?

Cerchiamo di individuare diversi livelli di personalizzazione:

  • Nessuna personalizzazione: questo tipo di soluzione può essere adeguata in particolare quando il progetto vuole imporre un nuovo tipo di comportamento conversazionale, ritenendolo più efficiente.
  • Account: all’interno dei pattern di conversazione vengono inseriti semplici placeholder che usano i dati dell’utente, come un classico “Ciao Mario”
  • Account di alto livello: i contenuti dei pattern di conversazione sono molteplici e vengono selezionati sulla base di informazioni presenti nell’account. Per esempio il Chabot cambia lingua, fino a ipotizzare l’uso del dialetto totalmente o in parte.
  • Meta Account: i pattern stessi di conversazione sono molteplici e cambiano sulla base di informazioni presenti nell’account. Per esempio il livello di esperienza dell’utente, rilevato dai metadati dell’account, può portare a scorciatoie per rendere più veloce lo svolgimento di un compito.
  • Auto apprendimento: usando AI e machine learning il Chatbot può decidere il livello di personalizzazione basandosi sulla conversazione stessa e non su dati presenti nell’account. Ad esempio l’uso di un’espressione dialettale può fare cambiare lingua o abbreviare un pattern usando una scorciatoia.
  • Meta apprendimento: il Chatbot impara dall’utente e come conseguenza non solo si adatta, ma trova nuove soluzioni ai problemi che gli vengono posti.

Si considera nella personalizzazione anche la scelta del canale, in senso tecnologico, come mezzo preferito dall’utente e come modalità di conversazione: testo scritto o interfaccia vocale. Questa sta avendo enormi sviluppi, guidata da prodotti di massa come Amazon Alexa, Google Assistant, Cortana, Siri che non riguardano solo la fedeltà di produzione e comprensione della voce, ma si estendono anche agli aspetti emotivi di tonalità e vanno quindi a rientrare nel tema del piacere all’utente.

Dalla personalizzazione all’intrattenimento per presidiare attenzione e fiducia

Una conseguenza della personalizzazione diventa l’intrattenimento: nel momento in cui l’utente conversa e trova ciò che cerca, la proposizione attiva di contenuti o compiti da svolgere diventa essa stessa piacevole. Siamo in un campo molto alto come ambizione, ma fondamentale per creare consuetudine all’uso, fedeltà e maggiore soddisfazione dell’utente.

In conclusione i Chatbot sono un territorio fertile nel quale la sfida è coniugare una visione di User Experience guidata dal design insieme alle tecnologie conversazionali emergenti.

Ringraziamo il laureando Vincenzo Bisceglia, il Politecnico di Milano e Wind Tre per averci dato l’occasione di mettere a confronto i diversi progetti che abbiamo in corso in Antreem sul tema dei Chatbot con questo tema specifico.