远离聊天：来之不易的教训

已发表: 2016-05-26

自从几天前我们不再使用聊天功能后，我们已经有很多用户来询问我们为什么决定在我们的应用程序中将聊天功能降到最低限度。

虽然我们的一些用户喜欢聊天功能，但对于我们的很多用户来说，聊天是一种繁琐的做事方式（点击次数过多，如果他们自己做会更容易等）。

经过内部广泛讨论后，我们决定从我们的应用程序中逐步淘汰聊天，并使用自动化和简单的用户界面创建相同级别的体验。该应用程序的其余部分保持不变 - 但它被简化、快速且没有任何延迟。

由于很多人认为聊天是新的通用 UI（就像我们曾经坚信的那样），我认为谈论我们的经验和学习可能会很有用。

背景

早在 2015 年初，我们就认为聊天会成为一种通用 UI ，因为人们真的在手机上疯狂地使用聊天来进行 P2P 消息传递。我们认为我们可以建立一个个人助理，帮助他们通过聊天完成工作。

从 2015 年 3 月到 2015 年 6 月，我们在 3 个月的时间里建立了我们的聊天流程团队。到 2015 年 6 月——我们可能是世界上最大的 C2B（消费者对企业）聊天应用程序。可能比我们所有的印度竞争对手以及 Operator 和 Magic 等美国同行的总和还要大。我们每天进行超过 70,000 个聊天会话（不是消息，聊天会话）。这个想法是手动聊天将提供足够的训练数据来构建一个伟大的机器人。

最初，我们得到了很好的回应——客户以前从未见过这样的体验，并且喜欢在另一端有一个真人帮助他们解决问题的事实。

聊天学习

聊天的唯一问题是尝试过的客户不会回来。因此，我们更加努力，优化了第一响应时间、平均响应时间、我们的知识库、预设响应并构建了更好的仪表板来监控所有这些（同时扩展后端以适应聊天量）。那仍然没有用。

我们认为，在某些时候，用户会接受培训，以正确的方式使用聊天（例如人们如何接受培训以使用 Google）。现在即使这样想似乎也很愚蠢，但我们真的认为聊天 UI 会真正起作用，只要我们足够努力。

接下来我们想——如何使用基于NLP 的聊天机器人并尝试重新构想聊天（将其变成一系列带有图形 UI 元素的简单点击）。

聊天机器人激怒了用户（我们的数据科学团队建立了大量的训练数据，但是应对 Hinglish、SMS lingo、白话语言来编写通用聊天机器人很快就变成了一个 5 年的科学项目）。跨不同渠道分手并没有使任务变得更容易。

重新构想聊天在排列和组合非常有限的情况下起作用。例如，我们编写了一个洗衣机器人，您无需输入 - 只需选择选项即可。它在某种程度上起作用。然后我们决定用它来点餐，但在用户研究中，用户一直说用起来很痛苦。

残酷的事实（对我们而言）

终于在 2015 年 9 月的某个地方，很明显问题在于聊天（一路上学习了很多东西，但这个是最大的）。无论您做什么，完成任何事情所需的点击次数都太多了。人们经常将辩论与机器人、人工智能等混为一谈，但是当您只需点击一次并预订时，聊天打车真的有意义吗（不管您怎么想，我们的用户数据在这方面非常明显。答案是不。）。

客户出于好奇会尝试一次，但再也不会回来。其他方式（简单的 UI）只是更快，在互联网上人们总是会选择更快的方式。聊天可能非常适合长尾用例（您一直想要但无法轻易找到的随机哲学书），但印度的移动业务并没有建立在它们之上。