[edit 2022] Nasz raport powstał na początku 2018 roku. Od tamtego czasu możliwości chatbotów mocno się rozwinęły. Jeżeli chcesz poznać drugą generację chatbotów i zrozumieć, czym różni się od pierwszej – kliknij tutaj.
A jeżeli interesuje Cię pierwszy ogólnopolski raport, w którym analizujemy najciekawsze rodzime wdrożenia – wypełnij formularz i pobierz swój egzemplarz:
Poniżej przeczytasz charakterystykę polskich wdrożeń AI oraz kilka słów o metodologii naszego badania. Szczegółową analizę przebadanych botów znajdziesz w pełnym wydaniu raportu.
Pojęcie “robota”, jako istoty wyręczającej człowieka w ciężkiej i monotonnej pracy, zostało po raz pierwszy użyte przez czeskiego pisarza Karela Čapka w roku 1920, w sztuce “Rossumovi Univerzální Roboti”. Po upływie niemal stu lat roboty przemysłowe faktycznie pracują w fabrykach, autonomiczne samochody kursują samodzielnie po drogach, a automatyczne odkurzacze sprzątają nasze mieszkania. Fantastyczna i niszowa niegdyś fikcja literacka materializuje się na naszych oczach, a R2-D2 i Wall-E wyparli Bolka i Lolka z posad idoli najmłodszego pokolenia.
W świecie technologii informatycznych “botami” nazywane są programy komputerowe symulujące działanie żywych użytkowników lub – mówiąc szerzej – funkcjonujące w przestrzeni przeznaczonej z założenia dla ludzi. Boty internetowe odpowiadają obecnie za ponad 50% wszelkiego ruchu w Internecie – uwzględniając przeglądanie stron www, publikowanie treści, odtwarzanie mediów czy pobieranie plików.
Chatboty to boty internetowe funkcjonujące na różnego rodzaju “czatach”, czyli prowadzące konwersacje w komunikatorach internetowych (jak Messenger, Skype czy Slack) lub w oknach typu “live chat” osadzonych na stronach www.
Obecnie zdecydowanie najpopularniejszym środowiskiem działania chatbotów jest komunikator Facebook Messenger, który zgromadził już ponad 1,3 mld użytkowników na świecie.
Dominacja komunikatora z niebieską chmurką jest widoczna również w naszym raporcie – spośród 18 chatbotów zgłoszonych do badania aż 16 zintegrowanych zostało właśnie z Messengerem. W raporcie rozszerzyliśmy także pojęcie chatbota o asystenta głosowego, funkcjonującego na infolinii telefonicznej, ponieważ w warstwie architektury interfejsu konwersacyjnego rozwiązania te mają wiele cech wspólnych.
Ponieważ spotykane obecnie chatboty najczęściej koncentrują się na realizacji pojedynczych funkcji, możemy pokusić się o zaproponowanie uproszczonej systematyki ich podziału:
Oczywiście powyższa logika podziału nie wyklucza sytuacji, w której jeden chatbot realizuje wszystkie z wymienionych funkcji jednocześnie: wysyła powiadomienia, pozwala na realizację procesów biznesowych oraz odpowiada na swobodnie zadawane pytania. Najpewniej w takim właśnie kierunku – poszerzania zakresu funkcjonalnego – rozwijać będą się obecne, proste wdrożenia.
Postrzeganie chatbota jako jednolitego, “monolitycznego” tworu jest całkowicie mylne. Każdy chatbot jest faktycznie złożonym wdrożeniem, integrującym wiele niezależnych od siebie rozwiązań. Jeśli końcowy efekt takiej integracji daje rozmówcy spójne doświadczenie użytkownika, możemy powiedzieć, że twórca chatbota wykonał dobrze swoją pracę. Z jakich elementów zbudowany może być chatbot?
Użytkownik wchodzi w interakcję z chatbotem w jednym z kanałów komunikacji, np. w Messengerze. Musimy zdać sobie sprawę, że w tym miejscu ma on styczność jedynie z elementami interfejsu wspomnianego komunikatora, stanowiącymi zarazem “klocki”, z których zbudowana jest konwersacja z chatbotem. Jest to zazwyczaj bardzo ograniczona i wystandaryzowana paleta dostępnych elementów, z których korzystać mogą twórcy interfejsów konwersacyjnych. Często hamuje to ich kreatywność, ale zarazem wprowadza pewną spójność doświadczeń obcowania z różnymi chatbotami.
Chatbot może mieć swój graficzny wizerunek, nazywany awatarem. W przypadku botów osadzonych na stronach www, awatar chatbota może być elementem bardzo rozbudowanym, animowanym i zmieniającym swoje zachowanie w zależności od przebiegu rozmowy.
Ciekawostka: prawdopodobnie najodważniejszym i najbardziej interaktywnym przypadkiem awatara na rodzimym rynku była Wirtualna Asystentka InPostu, która po wpisaniu sekretnego hasła robiła striptiz, ściągając jedną część garderoby za każdą prawidłową odpowiedź użytkownika na zadawane przez nią pytania.
Niestety kreatywność twórców botów ponownie bardzo ogranicza komunikator Messenger, gdzie awatar rozmówcy sprowadzony jest do niewielkiego, statycznego i okrągłego obrazu. W tym przypadku jedynym sposobem na wprowadzenie animowanych reakcji awatara na przebieg rozmowy jest umieszczenie ruchomych GIF-ów z awatarem pośród tekstowych odpowiedzi chatbota.
W tym miejscu kończą się elementy budowy chatbota widoczne dla jego rozmówcy, stanowiące jednak zaledwie “czubek góry lodowej” elementów składających się na całe wdrożenie.
Platformy do tworzenia chatbotów oferują gotowe “konektory” – rozwiązania pozwalające na prostą i szybką integrację chatbota z wybranym kanałem kontaktu z użytkownikami. na przykład każdy komunikator internetowy wymaga innego rodzaju integracji, a zatem innego konektora użyjemy do podłączenia chatbota do Messengera, a innego do Slacka. Ten sam chatbot może być natomiast podłączony do wielu kanałów kontaktu, korzystając z wielu konektorów.
Silnik przetwarzania języka naturalnego (ang. Natural Language Processing) stanowi fundament dojrzałych rozwiązań chatbotowych, pozwalających użytkownikom na zadawanie pytań i wydawanie poleceń przy użyciu swobodnego języka. Każda wiadomość przychodząca ze strony użytkownika jest przez silnik NLP poddawana drobiazgowej analizie, której podstawowym celem jest wyłowienie potrzeby (ang. intent) oraz istotnych parametrów (ang. entities). Wyniki analizy przekazywane są następnie do warstwy logiki biznesowej.
Warstwa logiki biznesowej decyduje, jakie operacje chatbot powinien wykonać w odpowiedzi na wiadomość użytkownika. Najczęściej mogą zostać wyzwolone następujące scenariusze:
Baza wiedzy jest zestawem gotowych odpowiedzi (“faktów”), które chatbot może udzielać na pytania zadawane przez swoich rozmówców. Pytania te formułowane mogą być w różnorodny sposób, w różnym kontekście i przy użyciu różnych słów, stąd porównanie bazy wiedzy do typowego “FAQ” (zbudowanego z par pytanie-odpowiedź) jest mylące. Przygotowanie dobrej bazy wiedzy chatbota jest długotrwałym i czasochłonnym procesem, obejmującym m.in. prace analityczne i redakcyjne oraz konsultacje z ekspertami zapewniającymi merytoryczną poprawność każdej odpowiedzi.
Ciekawostka: chatboty zdolne do spontanicznego i samodzielnego generowania odpowiedzi (ang. Natural Language Generation, NLG) są obecnie intensywnie rozwijane, jednak ich wykorzystanie w biznesie budzi obawy związane z trudnością kontroli nad wypowiedziami chatbota, które mogłyby pociągnąć za sobą odpowiedzialność prawną dla jego właściciela.
Najczęściej dopiero dzięki integracji z zewnętrznymi systemami informatycznymi, chatbot jest w stanie zaoferować swoim rozmówcom naprawdę użyteczną funkcjonalność. Taka integracja oznacza w praktyce dodanie dodatkowego interfejsu konwersacyjnego do istniejącego już wcześniej rozwiązania informatycznego. Rolą chatbota jest wówczas zidentyfikowanie potrzeby użytkownika oraz zebranie danych niezbędnych do jej zaspokojenia, a następnie przekazanie ich do zintegrowanego systemu informatycznego, który jest w stanie wykonać niezbędną operację. Ponownie możemy posłużyć się przykładem zamówienia pizzy – chatbot pozwala rozmówcy na sprecyzowanie oczekiwanych parametrów zamówienia (np. Margherita, na cienkim cieście, z podwójnym serem) oraz podanie adresu dostawy, a następnie przekazuje te dane do systemu informatycznego Pizzerii, który przyjmuje zamówienie. W kolejnych krokach system może informować zwrotnie chatbota (a ten z kolei swojego rozmówcę) o postępach procesu przygotowania zamówienia (np. Przyjęliśmy zamówienie > Pizza trafiła do pieca > Zamówienie zostało zapakowane i czeka na dostawcę > Dostawca jest w drodze > Pizza dostarczona pod wskazany adres – smacznego!).
Ponieważ technologie chatbotowe są wciąż niedoskonałe (typowa sprawność silnika NLP pozwala na prawidłową interpretację ok. 80% najpopularniejszych zapytań użytkowników), możliwość przekazania rozmowy od chatbota do człowieka ma ogromne znaczenie i pozwala na istotną poprawę satysfakcji użytkowników z obsługi w tym kanale. W idealnej sytuacji operator contact center powinien być gotowy do przejęcia rozmowy, gdy tylko chatbot przestaje sobie radzić. Ponieważ zapewnienie tak dużej dyspozycyjności operatorów jest możliwe jedynie dla największych organizacji, ustalenie szczegółowych zasad eskalacji rozmowy od bota do człowieka wymaga indywidualnego podejścia do każdego wdrożenia. Decyzje podejmowane na tym etapie mogą dotyczyć następujących zagadnień:
“Osobowością” chatbota potocznie nazywamy całokształt zabiegów i rozwiązań, służących stworzeniu złudzenia posiadania przez bota unikalnej tożsamości, znajdującej wyraz w używanym przez niego języku oraz sposobie prowadzenia konwersacji. W tym ujęciu postrzegana osobowość chatbota jest tworzona stopniowo, wraz z każdą jego wypowiedzią.
W procesie budowania “osobowości”, istotną rolę odgrywa opracowanie dodatkowej bazy wiadomości, zawierająca odpowiedzi na powitania, pożegnania, pozdrowienia, podziękowania oraz inne uniwersalne i generyczne wiadomości, które choć nie stanowią części dziedzinowej bazy wiedzy, pojawiają się w każdej niemal konwersacji.
Stworzenie oryginalnej i ciekawej osobowości może istotnie wpłynąć na postrzeganie chatbota przez użytkowników, czyniąc z niego atrakcyjnego i angażującego rozmówcę, do którego chętnie będą powracać.
Ten sam proces biznesowy może być realizowany przez nudnego i formalnego, jak również dowcipnego i wyluzowanego chatbota. Z którego chętniej będziesz korzystać?
Dla zapewnienia wygody zarządzania zawartością wiadomości wysyłanych przez chatbota wiele platform oferuje wizualne edytory treści, łatwe do obsługi dla osób bez kompetencji programistycznych. Najprostsze edytory pozwalają na zarządzanie tekstem odpowiedzi, bardziej zaawansowane dają możliwość projektowania złożonych dialogów chatbota poprzez układanie schematów blokowych. W przypadku subskrypcyjnych funkcji chatbota, przydatny jest także panel do planowania harmonogramu i sekwencji wysyłek wiadomości w przyszłości.
W każde wdrożenie chatbota nieodłącznie wpisany jest okres optymalizacji i stabilizacji jego działania, pozwalający “dostroić” go do jak najefektywniejszej obsługi rozmówców. W tym celu niezbędne jest śledzenie i analizowanie statystyk rozmów obejmujących takie zagadnienia jak:
Nasze badanie rozpoczęliśmy od ogólnego researchu botów na polskim rynku. W pierwszym etapie zdecydowaliśmy się na pominięcie chatbotów o niskim zasięgu oraz tych, których celem nie była komunikacja marketingowa (np. bot wysyłający cytat dnia).
W ten sposób na naszej liście znalazło się ponad 50 wdrożeń, z których chęć do współpracy przy raporcie wyrazili autorzy 32 rozwiązań. Finalnie do badania zakwalifikowaliśmy 18 chatbotów dostępnych w komunikatorze Messenger, na stronie www lub w infolinii telefonicznej.
Na chatboty w badaniu postanowiliśmy spojrzeć z trzech różnych perspektyw:
Aby poznać trzy wyżej wymienione perspektywy, przygotowaliśmy dla każdej z grup ustandaryzowane ankiety.
Ankieta przygotowana dla klienta skupiała się na kontekście biznesowym wykorzystania chatbota oraz na efektach jego wdrożenia. W ankiecie przygotowanej dla twórcy skupiliśmy się na sposobie budowy oraz działania chatbota, natomiast w ankietach przygotowanych dla użytkowników postawiliśmy na użyteczność, łatwość obsługi oraz to, jakie wzbudzały emocje.
Za pomocą portali społecznościowych zrekrutowaliśmy grupę 20 respondentów, w wieku od 13 do 70 lat, zachowując parytet płci: 50% kobiet + 50% mężczyzn. Wybierając osoby, które finalnie wzięły udział w badaniu, zwracaliśmy uwagę, aby każdy z respondentów miał doświadczenie w użytkowaniu Messengera oraz aby ich stopień zaawansowania w świecie cyfrowym był jak najbardziej zróżnicowany.
Badanie przeprowadziliśmy w formie wywiadów bezpośrednich, indywidualnie z każdym z użytkowników, w laboratorium K2. Uczestnicy korzystali ze smartfonów (z systemami operacyjnymi Android oraz iOS) otrzymanych od nas oraz z utworzonych na potrzeby badania fikcyjnych kont, które zapewniły im pełną anonimowość. Nie byli wynagradzani finansowo za udział w badaniu, natomiast otrzymali od nas drobne upominki, w podziękowaniu za fatygę.
Założyliśmy, że jeden uczestnik w ciągu godziny przeprowadzi rozmowy z maksymalnie 5 botami.
Przeprowadzenie indywidualnych wywiadów z użytkownikami było dla nas zdecydowanie najciekawszą częścią pracy przy raporcie oraz zaowocowało wieloma nieoczywistymi wnioskami i obserwacjami na temat chatbotów.
Na kolejnych stronach zagregowaliśmy nasze obserwacje zebrane w toku prowadzonego badania. Staraliśmy się zwrócić uwagę na aspekty najbardziej użyteczne dla twórców chatbotów, ostrożnie wyciągając wnioski zarówno z zachowań i subiektywnych wypowiedzi respondentów badania, jak też z bezwzględnych danych liczbowych dotyczących poszczególnych konwersacji z chatbotami i skuteczności realizacji zadanych scenariuszy biznesowych.
Wszyscy zrekrutowani przez nas respondenci są aktywnymi użytkownikami komunikatora Messenger, jednak większość z nich w czasie badania miała styczność z chatbotem po raz pierwszy w życiu. Pomimo tego nie mieli oni trudności w komunikacji z chatbotem i realizacji powierzonych im zadań (scenariuszy biznesowych). W zdecydowanej większości odbiór chatbotów był bardzo pozytywny, a uczestnicy badania deklarowali, że w przyszłości analogiczne zadanie (np. zakup biletu do kina) chętnie powtórnie wykonają w tym nowym kanale kontaktu.
Potwierdza to naszą tezę, że interfejsy konwersacyjne mają niski “próg wejścia” dla nowych użytkowników, a internauci są już otwarci na pierwsze kontakty z chatbotami.
Respondenci badania mieli trudności z wyszukiwaniem botów, z którymi polecono im przeprowadzić testową rozmowę. Wyszukiwarkę Messengera wykorzystują oni przede wszystkim do odnajdywania znajomych, dodanych wcześniej świadomie na Facebooku, stąd nie kojarzy się im ona z narzędziem do eksploracji nowych rozmówców. Sekcja “Odkryj” (“Discover”) sama pozostaje nieodkryta nawet przez zaawansowanych użytkowników Messengera, którzy tam po prostu nie zaglądają.
Potwierdza to prawidłowość znaną ze świata aplikacji mobilnych, których nie wystarczy tylko “opublikować w sklepie”, aby organicznie i samodzielnie zdobyły sobie użytkowników. Analogicznie należy od samego początku zadbać o aktywną promocję chatbota standardowymi działaniami online i offline, aby zgromadzić dla niego wartościową i liczną grupę rozmówców.
Respondenci badania mieli trudności w samodzielnym ustaleniu zakresu funkcji testowanych chatbotów. Najczęściej nie odkrywali oni pełnego wachlarza oferowanych im możliwości, skupiając się jedynie na podstawowym scenariuszu użycia wybranego chatbota. Ekrany powitalne, które mogą na Messengerze pełnić zadanie swoistego wprowadzenia w rozmowę, są niestety zazwyczaj bardzo szybko pomijane, traktowane przez użytkowników jako zbędna instrukcja.
Na tej podstawie wnioskujemy, że bardzo ważnym elementem każdego chatbota jest jego onboarding, czyli proces wprowadzenia nowego użytkownika w zasady działania i zakres oferowanych przez niego funkcji. Wspomniany onboarding powinien być realizowany w najbardziej naturalny dla interfejsu konwersacyjnego sposób, czyli w formie rozmowy, rozbity na zwięzłe i łatwo przyswajalne wiadomości.
Interfejs komunikatora Messenger jest użytkownikom znany tylko w podstawowej formie, wykorzystywanej do rozmów ze znajomymi. Elementy interfejsu dedykowane specjalnie dla chatbotów, jak np. karuzele kart i “hamburger” (tzw. persistent) menu, nie były dla uczestników badania zrozumiałe, a ich pojawianie się w ramach konwersacji w komunikatorze traktowali jako nienaturalne.
Na tej podstawie rekomendujemy, aby w największym możliwym stopniu do budowy konwersacji z chatbotem korzystać z podstawowych elementów interfejsu komunikatora (np. proste wiadomości tekstowe, obrazy), znanych użytkownikom z rozmów ze znajomymi w tym kanale.
Niektóre spośród chatbotów biorących udział w badaniu miały awatary, czyli graficzne wizualizacje ich postaci. Chcieliśmy ustalić, jaki jest ich wpływ na postrzeganą osobowość chatbota i ogólne doświadczenie użytkowników, jednak badanie nie dało w tym zakresie wyraźnych konkluzji.
Uczestnicy badania mieli trudność ze wskazaniem po zakończeniu testów, które boty miały awatary. Dopiero zapytani wprost o wybranego chatbota potrafili przywołać fakt, że miał on również graficzną postać. Niektóre z najlepiej ocenionych w badaniu botów nie miały wcale swoich awatarów.
Choć intuicyjnie czujemy, że awatar może mieć korzystny wpływ na budowanie atrakcyjnego user experience, nie znaleźliśmy dla tej tezy na razie potwierdzenia. Wpływ na to może mieć fakt, że Messenger nie daje przestrzeni do atrakcyjnej prezentacji animowanego awatara, innej niż przestrzeń konwersacji.
Respondenci wysoko oceniali “naturalność” konwersacji chatbotów, które obficie korzystały z emotikonek i gifów, mimo iż najczęściej chatboty te nie były wyposażone w silniki NLP i faktycznie nie umożliwiały im swobodnej rozmowy.
Ta obserwacja nasuwa tezę, że dobrze opracowany copywriting, dostosowany do charakterystyki Messengera i wykorzystujący gify i emoji, ma obecnie kluczowe znaczenie dla budowania “naturalnej” rozmowy z użytkownikami.
Respondenci badania nie oczekiwali od chatbotów iluzji “sztucznej inteligencji” i zdolności do prowadzenia swobodnej, ludzkiej konwersacji. Zadowalające były dla nich konwersacje zbudowane w postaci liniowego dialogu, w którym wybierali kolejne wypowiedzi, klikając w podpowiadane im “szybkie odpowiedzi” (ang. “quick replies”).
Oczekiwania użytkowników zmieniały się jednak już po pierwszych doświadczeniach z chatbotami wyposażonymi w NLP i pozwalającymi na prowadzenie rozmowy podobnie jak robią to ze swoimi znajomymi.
Na tej podstawie stawiamy tezę, że gdy tylko chatboty wyposażone w silniki NLP zaczną się upowszechniać, wzrosną również oczekiwania użytkowników, którzy liczyć będą na możliwość swobodnej rozmowy, wzorem typowych konwersacji, jakie prowadzą w komunikatorze internetowym.
Dziękujemy wszystkim osobom, które pomogły nam w procesie przygotowania i przeprowadzenia badania oraz sporządzenia niniejszego raportu. Wierzymy, że poświęcony przez Was czas istotnie przyczyni się do upowszechnienia aktualnej wiedzy na temat wyjątkowych możliwości, jakie niesie ze sobą popularyzacja interfejsów konwersacyjnych i głosowych.
Dziękujemy uczestnikom badania, którzy w naszym laboratorium przeprowadzili testowe rozmowy z chatbotami, wskazując ich silne i słabe strony.
Dziękujemy wykonawcom zgłoszonych do badania chatbotów, za udostępnienie cennych danych liczbowych i komentarzy dotyczących przebiegu każdego wdrożenia.
Dziękujemy zleceniodawcom i sponsorom chatbotów, za komentarze dotyczące tła powstania każdej z tych innowacji.
Dziękujemy zespołowi K2:
Magdzie Bickiej i Maćkowi Lipcowi - za pomoc w opracowaniu oryginalnej metodologii badania chatbotów
Oli Pałce - za wnikliwą redakcję tekstów
Kasi Plewie - za digitalizację i agregację informacji zebranych w badaniu
Arturowi Kończyńskiemu i Łukaszowi Lewandowskiemu - za wsparcie merytoryczne i organizacyjne w realizacji tego przedsięwzięcia badawczego
Klaudii Rakowskiej-Zając i Ani Ćwiklińskiej - za promocję raportu w mediach cyfrowych
Tomkowi Elżbieciakowi - za skład graficzny raportu i wprowadzenie 14325 ponadprogramowych poprawek
