기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
시작하기 모범 사례
대화 설계 원칙
처음부터 이러한 대화 설계 원칙을 따르면 자연적인 상호 작용을 제공하는 보다 효과적이고 유지 관리 가능하며 사용자 친화적인 Amazon Lex V2 챗봇을 구축하는 데 도움이 됩니다.
핵심 설계 원칙
-
사용자 목표 시작 - 시스템에서 수행할 수 있는 작업이 아니라 사용자가 달성하고자 하는 작업을 중심으로 봇을 설계합니다. 사용자의 여정과 원하는 결과에 집중합니다.
-
자연어 사용 - 프롬프트와 응답을 대화로 작성합니다. 기술적인 전문 용어를 피하고 도움이 되는 사람처럼 말하세요.
-
명확한 옵션 제공 - 사용자가 멈출 때 일반 도움말 텍스트가 아닌 말할 수 있는 내용의 구체적인 예를 제공합니다.
-
단순 유지 - 기본 기능으로 시작하고 점진적으로 복잡성을 높입니다. 사용자는 일반적인 작업을 빠르게 완료할 수 있어야 합니다.
-
오류 정상 처리 - 봇이 이해하지 못하면 단순히 "I't understand"라고 말하는 대신 유용한 지침을 제공합니다.
-
중요 작업 확인 - 주문 또는 정보 삭제와 같이 쉽게 취소할 수 없는 작업을 수행하기 전에 항상 확인합니다.
-
이스케이프 경로 제공 - 필요한 경우 항상 사용자에게 다시 시작하거나, 도움을 받거나, 사람과 연결할 수 있는 방법을 제공합니다.
대화 흐름 모범 사례
-
기대치 지우기 설정 - 봇이 대화 초기에 수행할 수 있는 작업과 수행할 수 없는 작업을 사용자에게 알립니다.
-
점진적 공개 사용 - 여러 질문으로 사용자에게 부담을 주지 않고 한 번에 하나씩 정보를 요청합니다.
-
컨텍스트 제공 - 이미 수집한 정보와 여전히 필요한 정보를 사용자에게 상기시킵니다.
-
쉽게 수정 - 사용자가 완전히 다시 시작하지 않고도 정보를 수정할 수 있습니다.
실제 사용 사례 및 예제
이 실제 예제에서는 새로운 Amazon Lex V2 사용자가 직면하는 일반적인 시나리오에 대화 설계 원칙을 적용하는 방법을 보여줍니다.
사용 사례 1: 예약
시나리오: 진료소가 예약 일정을 자동화하려고 합니다.
해결 과제: 사용자는 여러 정보(서비스 유형, 날짜, 시간, 연락처 정보)를 제공해야 하며 세부 정보를 변경할 수 있습니다.
솔루션 접근 방식:
-
Start Broad: "어떤 유형의 약속을 예약하시겠습니까?" (치과, 눈 검사, 상담)
-
아래로 좁히기: "언제 치과 진료 예약을 선호하시나요?" ("다음 주" 또는 "금요일 오후"와 같은 유연한 입력 허용)
-
변경 사항 확인 및 제안: "3월 15일 금요일 오후 2시에 치실 청소를 예약했습니다. 이 방법이 효과가 있나요?"
-
변경 사항 처리: 사용자가 "대신 오후 3시를 할 수 있나요?"라고 말하면 전체 프로세스를 다시 시작하지 않고 시간을 업데이트합니다.
주요 기법:
-
유연한 날짜/시간 입력AMAZON.Time에 AMAZON.Date 및 사용
-
약속 유형에 대한 사용자 지정 슬롯 유형 생성
-
예약을 완료하기 전에 확인 프롬프트 사용
사용 사례 2: 주문 상태 조회
시나리오: 전자 상거래 회사는 고객이 지원을 호출하지 않고 주문 상태를 확인하려고 합니다.
해결 과제: 사용자가 주문 번호를 가지고 있지 않거나 다른 방식으로를 요청할 수 있습니다.
솔루션 접근 방식:
-
여러 진입점: "내 주문 위치", "내 패키지 추적" 또는 "주문 상태" 수락
-
유연한 식별: "주문을 추적할 수 있도록 도와드릴 수 있습니다. 주문 번호가 있습니까? 아니면 이메일 주소를 사용하시겠습니까?"
-
유용한 지침: "주문 번호는 일반적으로 확인 이메일에 있으며 'ORD-'로 시작합니다."
-
결과 지우기: "주문 #ORD-12345는 어제 배송되었으며 내일 오후 8시까지 도착합니다. 세부 정보를 추적하시겠습니까?"
주요 기법:
-
주문 번호에 AMAZON.AlphaNumeric과 같은 기본 제공 슬롯 유형 사용
-
주문을 식별하는 여러 방법 제공(이메일, 전화, 주문 번호)
-
응답에 명확하고 실행 가능한 정보 제공
사용 사례 3: FAQ 및 지원
시나리오: 소프트웨어 회사가 일반적인 지원 질문을 자동으로 처리하려고 합니다.
해결 과제: 사용자는 여러 가지 방법으로 동일한 질문을 하며, 일부 문제는 사람의 도움이 필요합니다.
솔루션 접근 방식:
-
광범위한 의도 인식: “로그인할 수 없음”, “로그인 문제”, “암호가 작동하지 않음”과 같은 변형을 인식하도록 의도를 교육합니다.
-
안내 문제 해결: "몇 가지 간단한 단계를 시도해 보겠습니다. 먼저 암호 재설정을 시도했나요?"
-
에스컬레이션 경로: "이 단계가 작동하지 않으면 지원 팀에 연결해 드릴 수 있습니다. 그렇게 하시겠습니까?"
-
후속 조치: "이렇게 하면 문제가 해결되었습니까? 다른 도움이 필요한 경우 언제든지 '도움'이라고 말할 수 있습니다.'
주요 기법:
-
많은 샘플 발화를 사용하여 사용자가 문제를 표현하는 다양한 방법을 캡처합니다.
-
긴 설명이 아닌 step-by-step 지침 제공
-
자동화된 도움으로 충분하지 않은 경우 항상 인적 지원 경로를 제공합니다.
복잡한 시나리오 처리
단순한 봇도 복잡한 상황에 직면합니다. 다음은 정상적으로 처리하는 방법입니다.
-
사용자가 생각을 바꾸는 경우:
-
사용자: "실제로 튜립 대신 장미를 원합니다"
-
봇: "문제 없습니다! 주문을 장미로 업데이트했습니다. 장미는 금요일 오후 2시에 픽업할 준비가 됩니다. 맞나요?"
-
-
정보가 명확하지 않은 경우:
-
사용자: "다음 주에 꽃이 필요합니다"
-
봇: “도와드리겠습니다! 다음 주에 가장 적합한 날은 어디입니까? '월요일' 또는 '다음 화요일'과 같은 말을 할 수 있습니다.'
-
-
봇이 이해하지 못하는 경우:
-
사용자: "긴 어간이 있는 보라색 어간을 원합니다"
-
봇: "이 문제를 제대로 해결하려고 합니다. 보라색 꽃을 찾고 계신가요? 보라색 장미, 보라색 튜립, 보라색 홍채를 사용할 수 있습니다.”
-
-
사용자가 다시 시작해야 하는 경우:
-
사용자: "이것을 취소하고 다시 시작하겠습니다"
-
봇: "물론입니다! 현재 주문을 지웠습니다. 오늘 어떤 유형의 꽃을 주문하시겠습니까?"
-