Există tot mai multe dispozitive controlate prin voce, cum ar fi Apple HomePod, Google Home și Amazon Echo. Acest lucru se datorează faptului că interfețele vocale îmbunătățesc experiența utilizatorului, de fapt, comScore (o companie de cercetare de marketing) consideră că vocea va executa 50% din toate căutările până în 2020.
Cele mai mari cinci companii de tehnologie, Microsoft, Google, Amazon, Apple și Facebook, au dezvoltat (sau se dezvoltă în prezent) asistenți AI cu voce.
Indiferent dacă vorbim despre VUI (Interfațe de utilizare vocală) pentru aplicații web sau difuzoare inteligente pentru casă, interacțiunile vocale sunt din ce în ce mai frecvente în tehnologia de astăzi, mai ales că multe persoane se simt obosite de la a fi multe ore în fața unui ecran.
Așadar, să vedem cum să proiectați interfețe de utilizator vocal și ce comenzi vocale de anatomie ar trebui să aibă.
Dacă citiți recenzii online despre difuzoarele de acasă, veți observa că unele persoane formează o legătură strânsă cu difuzorul lor într-un mod care arată mai mult ca un animal de companie decât ca un produs.
Cu siguranță nu puteți îndeplini toate așteptările clienților cu programe care sunt încă în plină desfășurare, dar puteți urma câteva orientări ca punct de plecare.
O interfață grafică de utilizator arată utilizatorilor tot ceea ce pot face. O interfață vocală nu are cum să îi arate utilizatorului ce opțiuni sunt posibile, iar utilizatorii noi își bazează așteptările pe experiența lor cu conversațiile umane.
Prin urmare, pot începe prin a cere ceva care nu are sens pentru sistem sau care nu este posibil. Soluția pentru aceasta este de a oferi opțiunilor de interacțiune utilizatorului.
De exemplu, interfața vocală poate spune ceva de genul „te pot ajuta să cumperi" sau „îți pot oferi informații despre produse".
În orice caz, utilizatorilor ar trebui să li se ofere și o ieșire ușoară dintr-o caracteristică, inclusiv „ieșirea" ca una dintre opțiunile lor.
În interfețele grafice utilizatorii pot vedea în ce secțiune se află, în timp ce în interfețele de utilizator vocal, utilizatorii trebuie să știe ce funcționalitate folosesc.
Utilizatorii se pot confunda rapid cu privire la locul în care se află în conversație sau pot activa funcționalitatea din greșeală, prin urmare, fără mai multe îndrumări decât cele auditive, au nevoie de mai multe detalii.
Interfața trebuie să răspundă la o întrebare despre un produs cu o frază întreagă, precum „Mașina mărcii X și modelul X are un preț de 20.000 USD și este garantată timp de 2 ani".
Acest lucru permite utilizatorilor să știe ce funcționalitate folosesc și despre ce vorbește vorbitorul.
Când oamenii vorbesc, de multe ori nu își exprimă intențiile depline, de multe ori, deoarece folosesc argou, brioșe, scurtează cuvinte etc.
Între oameni ne înțelegem reciproc, dar interfețele vocale au nevoie ca omul să se exprime corect pentru a-și înțelege intențiile.
În plus, cu cât mai multe informații despre intențiile sale includ un utilizator într-o propoziție, cu atât mai bine.
Un utilizator poate să întrebe: „Dă-mi informații despre mașinile disponibile, prețul modelului X vă rog" și să obțineți informațiile pe care le doresc imediat, în loc să spună mai întâi: „Vreau informații despre mașinile disponibile" și apoi să solicite modelul .
Este posibil ca utilizatorii să nu realizeze acest mod de operare, așa că ar trebui să utilizați cât mai multe exemple de interacțiuni.
Când utilizatorii răsfoiesc conținut vizual sau liste, pot reveni la informațiile pe care le-au trecut cu vederea sau au uitat.
Nu este cazul conținutului verbal. Cu conținut verbal, propozițiile ar trebui să fie scurte.
Se recomandă utilizarea a mai mult de trei opțiuni diferite pentru o interacțiune.
Folosiți o formă de feedback simplu pentru ca utilizatorul să știe că sistemul ascultă.
Ar trebui să utilizați câteva informații vizuale, astfel încât utilizatorii să știe că interfața utilizatorului vocal ascultă, utilizatorul poate vedea imediat că ceea ce spune este înregistrat (similar cu când vorbim cu alte persoane și printr-o comunicare non-verbală puteți vedea că ascultă ).
Înainte de a putea fi creat un flux de dialog, proiectanții trebuie să înțeleagă mai întâi anatomia unei comenzi vocale. Comanda vocală a unui utilizator constă din trei factori cheie: intenție, declarație și spațiu. Să analizăm următoarea solicitare: „Joacă muzică relaxantă pentru a dormi".
Intenția reprezintă obiectivul mai larg al comenzii vocale a unui utilizator. În solicitarea de exemplu, intenția este clară, utilizatorul vrea să asculte muzică.
Modul în care utilizatorul formulează comanda, adică declarația. În exemplul folosit știm că utilizatorul dorește să joace muzică relaxantă datorită cuvântului „play", dar nu este singura modalitate de a o spune. Utilizatorul poate spune și „Vreau să ascult muzică".
Designerii conversației trebuie să țină seama de toate variațiile expresiei.
Uneori, o intenție singură nu este suficientă și sunt necesare mai multe informații ale utilizatorului pentru a îndeplini solicitarea.
Acesta se numește „context", iar acestea, ca și în interfețele vizuale, pot fi opționale sau necesare pentru a completa o aplicație.
În acest caz, cuvântul „relaxare" ar putea folosi contextul „redă muzică" pentru a ști că solicitați să redați muzică relaxantă.
Pentru a proiecta interfețe de utilizator vocale excelente, trebuie să găsiți o modalitate elegantă de a oferi utilizatorilor informații relevante fără a le copleși.
Interacțiunea vocală cu utilizatorii poate reprezenta mai multe provocări în anumite aspecte decât un sistem vizual, cu toate acestea, nu există nici o îndoială că este un mod de interacțiune care va fi tot mai folosit.
