Sådan sætter du lyd til din chatbot

Voiceteknologi har været nogle år undervejs på dansk. Vi har kigget misundeligt på de engelsksprogede virksomheder, der har mange gode platforme at vælge imellem og derfor hurtigere har kastet sig ud i fede voiceløsninger. I Danmark har en del virksomheder efterhånden chatbots, så nu hvor voiceteknologien for alvor er klar på dansk, er det oplagt, at lave en ”voiceificering” af sin chatbot. Fordi det er så oplagt og teknisk ”nemt” kan man let overse de ting, der bør laves om, hvis ikke man vil gå fra en fed chatbot til en halvsløj voicebot.

Når jeg mener den bliver ”halvsløj”, så er det fordi, at en voicebot brugerne har svært ved at lytte til – for eksempel på grund af for lange monologer eller monotone opremsninger – har den konsekvens, at information går tabt. Og går informationen tabt, så lever voicebotten ikke op til sit formål om at hjælpe hurtigt døgnet rundt. Så vi må sikre voicebots, der taler sådan, at brugerne kan lytte, forstå og huske, hvad de siger.

Så her kommer de 7 vigtigste tommelfingerregler til dig, der har en chatbot og vil i gang med voiceteknologi.

Jeg anbefaler som oftest, at chatbots har et sprog, der ligner talesprog mere end det ligner skriftsprog. Simpelthen fordi det er kortere og nemmere at læse i det grafisk og visuelt set lille vindue, som chatbots ofte ”bor” i. Med voicebots er det en nødvendighed at fatte sig i korthed. Det er ikke muligt for en bruger, at lytte til en længere monolog i en voicebot uden at ende med kognitivt overload. Så tager dine svar 20-30 sekunder for voicebotten, bør du opdele dialogen i mindre bidder med flere turtagninger mellem bruger og bot.

Det giver sig selv, at man også skal have luget ud i bullets, emojis, GIFs, billeder, links og knapper. Det er alt det, jeg ellers plejer at anbefale, man bruger for at sikre, at chatbotten er nem at afkode, har personlighed og formidler letforståeligt på skrift. I tale har vi stemmen og ordene at arbejde med i stedet.
 

Der er også andre elementer, vi skal have luget ud af chatbottens sprog, hvis den skal blive til en veltalende voicebot. Det gælder f.eks. bindestreger i opremsninger: ”Jeg kan hjælpe dig med ferie-, sygdoms- og overarbejdsregistering”. Omformuler, så det bliver tydeligere, at der er tale om tre forskellige ting: ”Jeg kan hjælpe dig med at registrere ferie, sygdom og overarbejde”. Den sidste variant er i øvrigt også bedre i en chatbot, fordi det er mere ligetil at læse og forstå. Ikke desto mindre skriver mange myndigheder som i eksemplet i den første sætning.
 

Ind imellem møder jeg virksomheder, der mener at det er af mindre betydning, hvordan en voicebot taler. Det kan man godt mene. Ligesom man kan mene, at det ikke betyder noget, hvordan medarbejderne i kundeservice taler. Hvis du har ringet til kundeservice bare en enkelt gang, så tror jeg du vil give mig ret i, at det er ikke lige meget, hvordan medarbejderen i den anden ende af røret taler med dig. Det samme gælder voicebots.

Personlighed er svær at få plads til i voicebottens ordvalg – det bliver for langt og føles ineffektivt for brugeren. Så derfor er det afgørende, at man fjerner overflødige ord og i stedet flytter bottens personlighed ind i stemmen og stemmevalget. Til tilpasning af stemmer bruges SSML (ligesom HTML, bare til stemmer). Med det kan du tilpasse taletempo, pitch, udtale mm. Så du får din stemme til at lyde effektiv, alvorlig, tålmodig eller hjælpsom. 

Os, der ikke normalt arbejder med stemmen som fagfelt kan have svært ved at vurdere, hvad der skal justeres for, at en digital stemme objektivt set signalerer det, den skal. Derfor har vi i KPMG indledt et samarbejde med virksomheden Ministry of Music, der arbejder med performancetræning og stemmer – så vi sikrer, at de digitale stemmer vi skaber, får det udtryk vi ønsker, uanset om det er at lyde venlige, troværdige eller sjove – eller hvad du har brug for, at dit brand signalerer.
 

Ligesom der skal to til at skabe en god samtale rundt om bordet til et middagsselskab, plejer jeg at sige, at vi også har et fælles ansvar for, at samtalen går fremad, når vi taler med bots. Det betyder, at voicebotten skal tage noget af ansvaret for at modtageren ved, hvad næste turtagning skal indeholde. På skrift har vi ofte knapper, der hjælper modtageren videre, men i en voicebot skal det være tydeligt uden visuel hjælp.

Mange steder vil man læse at voicebots skal afslutte deres svar med et spørgsmål. Det er en god teknik, men det er helt afsindig ensformigt og trættende at være modtager. Det føles mere som et krydsforhør end en egentlig samtale. Så derfor gælder det også om at være grundig, når du laver dine svarmuligheder – hvilke typer af input kan modtageren finde på at komme med, i hvilke situationer? Er voicebotten godt lavet, så vil den kende de forskellige udfald. For at få det fulde billede af udfald, vil voicebotten kræve flere brugertests end chatbotten.
 

Når en chatsamtale slutter, så skriver brugerne ind imellem ”tak”. Oftest er det dog bare sådan, at brugeren forlader samtalen, når hun har fået det svar, der var efterspurgt. Det føles ikke uhøfligt, at ”ghoste” en chatbot. Der er det anderledes med en voicebot. Der vil det for de fleste føles underligt at smide røret på, ligeså så snart man har fået de oplysninger, man behøvede. Så derfor skal vi tage højde for, hvordan brugerne kommer ud af samtalen – hvis de selv siger ”Tak for det” eller voicebotten kan tage initiativet ved at spørge, om der er andet den kan hjælpe med? Det forudsætter selvfølgelig, at brugeren har oplevet at botten kunne hjælpe med det første brugeren kom med – ellers er det bare et irritationsmoment.

Så brug mere energi på, hvordan samtalen skal afsluttes. Det er en ærgerlig brugeroplevelse at have en vellykket samtale, der så ender med en voicebot, der kører i jeg-forstår-dig-ikke-cirkler som afslutning.
 

Det er i fejlhåndteringen din bot har mulighed for at virke rigtig skarp. Det lyder forkert. Men det er de akavede fejlhåndteringer, der frustrerer mange brugere og dermed opretholder opfattelsen af ”dumme bots” – selvom botten måske har klaret det meste af samtalen helt perfekt.
Der findes især to typer af fejl:

1. De fejl, hvor botten ikke hører noget. Det er enten fordi brugeren er lidt paf og ikke siger noget, de tænker sig om længere end sædvanligt eller også er der sket en teknisk fejl, der gør at voicebotten ikke hører noget.
2. De fejl, hvor voicebotten hører forkert. Her er det afgørende at brugeren kan komme tilbage på ret køl. Som voicebotdesigner skal du tage højde for, hvilke svar der skal være mulige af afbryde, og hvordan brugerne enten kommer tilbage i samtalen eller videre til et menneske, der kan hjælpe.
   

Ensartede fejlbeskeder er noget, der kan gøre de fleste mennesker rasende. Også selvom for eksempel en hjemmeside, der melder samme fejl to gange, ikke får nogen op i det røde felt. Vi har andre forventninger til samtaler, og derfor hører man ofte folk skælde ud på Siri eller fortælle den at den er dum, når hun gentagende gange siger, ”Det er jeg ikke sikker på jeg forstår.

Du får selvfølgelig det bedste resultat, hvis du tester din voiceificerede chatbot på samme måde som hvis du havde bygget en voicebot helt fra bunden – med for eksempel back to back eller Wizard of Oz-testing. En helt simpel måde at teste det på er ved bare at læse dine svar højt. Der fanger man en del kringlede ord og lange svar. Hvis du er lidt mere ambitiøs, så må du igennem alle varianter af alle flows. På den måde sikrer du, at udtalen af alle ord er hensigtsmæssig, så botten ikke får sagt ”Hav (🌊) en god dag”, men det korrekte ”Ha’ en god dag”. Det opdager du kun, hvis du lytter alt igennem.

Og ellers er det bare med at kaste dig ud i at få bygget en god voicebot. De er ikke svære at lave og kan meget mere, end de fleste aner. God fornøjelse!
 

Skrevet af Linea Svendsen