Sáu nguyên tắc hội thoại sẵn sàng thay đổi thiết kế Giao diện giọng nói người dùng (Voice User Interface – VUI)

Bởi James Giangola
Minh họa: Philippe Cao

Bằng cách sử dụng những tín hiệu tự nhiên và đầy sắc thái của giọng nói, thế hệ kế tiếp của công nghệ giao diện đang dẫn dắt chúng ta tiến xa hơn so với những hạn chế có sẵn của tính năng lướt, chạm và nhấp chuột. Các kỹ thuật thiết kế và phương pháp ẩn dụ của giao diện đồ họa (graphical user interfaces – GUIs) thường không áp dụng trong xu thế tương tác giọng nói hiện nay. Làn sóng mới về giao diện người dùng thoại (voice user interface – VUI) phải được dựa vào hội thoại – cách thức giao tiếp mà con người chúng ta đã học đầu tiên và hiểu rõ nhất.

Hội thoại là hình thức giao tiếp phức tạp nhưng có hệ thống với cách xác định các yếu tố tinh tế hơn và thuyết phục hơn so với những kiểu nhắc nhở phổ thông ví dụ như “Đừng bắt đầu câu nói bằng “Và”, hoặc “Không được ngắt lời”. Khi tương tác với người khác, chúng ta không hề coi trọng độ phức tạp của một cuộc hội thoại; điều đã trở thành thói quen tự nhiên. Nhưng khi chúng ta buộc phải nói chuyện thông qua một thiết bị vô tri vô giác mà không hiểu rõ bản chất thật sự của cuộc hội thoại sẽ khiến người dùng có cảm giác thất vọng. Và vì giọng nói là dấu ấn cá nhân tạo nên bản sắc xã hội, sự tìm ẩn rủi ro là rất cao : Người sử dụng các giao diện người dùng thoại được thiết kế kém than phiền rằng bản thân cảm thấy “dại dột”, “ngớ ngẩn” và bị thao túng bởi công nghệ, do vậy họ đã tránh tiếp tục sử dụng. Nhưng vấn đề này có thể được thay đổi.

Sáu quy tắc dưới dây dựa trên những nguyên lý của một cuộc hội thoại thông thường không chỉ khiến câu chuyện vẫn đi theo đúng quỹ đạo, mà còn giúp các nhà thiết kế giao diện người dùng thoại – VUI – định hướng một kỷ nguyên mới của giao diện người dùng (User interface design – UI) với người sử dụng làm trung tâm và không gây mệt mỏi thêm nữa.

1. Đem lại cá tính cho giao diện người dùng thoại – VUI

Người dùng có thể nghĩ rằng ứng dụng giọng nói đơn thuần không cần phải có cá tính, nhưng vấn đề không phải là “cần” một cá tính. Hãy thử so sánh hai ứng dụng lịch này, ứng dụng đầu tiên với sự hỗ trợ của một nhân vật , hay còn gọi là “persona” (hình mẫu người dùng mang cá tính) mặc định, và ứng dụng thứ hai với persona được thiết kế:

Dù bạn có muốn hay không, tất cả các giọng nói đều hướng đến một hình mẫu nhất định . Như trong ví dụ đầu tiên, giao diện người dùng thoại được thiết kế với ý định không có persona luôn bị đánh giá thấp các đặc điểm cá nhân như “tính thân thiện” và “tính hữu ích”, trong khi đó mức độ “nhàm chán” lại áp đảo.

Trải qua hàng trăm nghìn năm tiến hóa, loài người chúng ta không thể không đánh giá lời nói thông qua  tính cách – ngay cả khi đó là một chiếc đồng hồ thông minh hoặc là hệ thống GPS đang chỉ dẫn. Đây không phải là ý kiến riêng mà thực tế đã được các nhà xã hội học (như Labov 1964) ghi lại bằng văn bản, cho rằng thậm chí các mẫu lời nói ngắn cũng gợi lên ấn tượng về tính cách của người nói. Chúng ta đang dần phát triển để có thể trở thành chuyên gia trong việc phân biệt con người dựa vào giọng nói.

Trong một nghiên cứu thú vị của Giles & Powesland năm 1975, các giáo viên được yêu cầu đánh giá 8 sinh viên hư cấu dựa trên ba tiêu chí: một mẫu bài viết, một bức ảnh và một mẫu lời nói được ghi âm. Kết quả thật ấn tượng, các ấn tượng tích cực nhờ vào giọng nói áp đảo so với các ấn tượng tiêu cực từ tác phẩm viết và ảnh. Ngược lại, những ấn tượng bất lợi từ lời nói của một sinh viên lại áp đảo những ấn tượng tốt đẹp so với hai nguồn kia. Các nghiên cứu khác cho thấy chúng ta dựa vào lời nói để đánh giá người khác về mức độ thân thiện, trung thực, sự tin cậy, thông minh, trình độ học vấn, chuyên cần, rộng lượng, lãng mạn, sự đặc cách và mức độ phù hợp với công việc. Nói tóm gọn: lời nói chứa đầy sức mạnh.

Kết luận: Đừng bỏ qua việc tạo ra hình mẫu người dùng cho giao diện người dùng thoại (VUI Persona). Ngay từ ban đầu, nên tạo ra một “nhân viên lý tưởng” để đại diện cho thương hiệu của bạn. Chúng trông ra sao? Chúng nên nói chuyện như thế nào? Và quan trọng nhất, cách cư xử của hình mẫu ấy.  Hãy dùng persona như một mỏ neo ghi lại trải nghiệm người dùng và tạo ra tính thống nhất. Tìm hiểu thêm về thiết kế persona, truy cập Actions on Google  và tham khảo codelab ở mục Crafting a Character

2. Dẫn dắt cuộc hội thoại

Trong cuộc hội thoại hàng ngày, có rất nhiều câu hỏi chỉ cần câu trả lời là “có” hoặc “không”. Nhưng thực chất, thứ ta cần làm là thêm nhiều thông tin hơn. Sau đây là hai ví dụ:

Có lẽ người dùng băn khoăn tại sao những người nói trong đoạn ví dụ dường như không hợp tác với nhau. Đó là do họ đã phá vỡ một quy tắc cốt lõi của cuộc trò chuyện được gọi là phương châm về số lượng. Theo quy tắc hành vi giao tiếp này, người nói cung cấp cho người nghe càng nhiều thông tin cần thiết thì sẽ càng thúc đẩy mục đích của việc tương tác. Vì vậy, ngay cả khi người nói có giải quyết được ý đồ thật sự  của câu hỏi, sự tương tác cũng sẽ không gây thỏa mãn nếu họ không hướng cuộc đối thoại trở nên đầy đủ thông tin hơn. Trong những ví dụ này, chúng ta không bao giờ biết những ai sẽ đến dự tiệc, cũng như chúng ta không thỏa mãn với lí do vì nó không gắn kết với một giọng điệu phù hợp.

Ứng dụng hỗ trợ ảo thật sự cũng giống như cách mà những người nói này mặc cho chúng ta muốn có nhiều thông tin hơn. Hãy so sánh hai cách xử lý tình huống dưới đây, khi giá hàng bị đẩy lên khiến người dùng không hài lòng:

VUI trong đoạn clip này đề xuất nhiều ý kiến cho người dùng, duy trì quá trình hội thoại như đoạn hội thoại tự nhiên của con người.

Rõ ràng là cá tính của VUI trong clip thứ hai làm hài lòng và dễ chịu hơn.

VUI không chỉ là trợ lý thông minh về mặt xã hội để tương tác hội thoại mà còn là người sử dụng giọng nói của chính bạn. Và đây gần như là bản năng. Sau đây là ví dụ về người dùng đang cố gắng hướng đến thực hiện hội thoại như thể là anh ta đang trò chuyện với một người:

Hiện tại, nếu tiêu chí ngữ pháp nhận giọng nói được thiết kế chỉ để yêu cầu những con số , như “hai”, nhằm cung cấp thông tin thì người dùng sẽ bị báo lỗi nhắc nhở. Nếu không được nhận biết để xử lý câu trả lời, thì hãy cân nhắc việc bắt đầu cuộc hội thoại với cách lặp lại hội thoại dễ dàng, như “Xin lỗi, có bao nhiêu người?” (lên giọng ). Nghiên cứu cho thấy rằng, trong trường hợp lỗi nhận dạng sai, người dùng thường chỉ đơn giản lặp lại một lời nhắcKhông cần phải chú ý đến những sai phạm máy móc, rập khuôn nặng nề như “Xin lỗi vì tôi không hiểu. Nào vui lòng cho biết số người trong bữa tiệc của bạn. Bạn có thể nói, ví dụ, ‘hai’. “

Kết luận:Hãy nhìn thoáng hơn là chỉ một mực dẫn dắt cuộc nói chuyện trở nên trôi chảy. Thử dự đoán những khoảnh khắc để VUI của bạn có thể tiếp tục cuộc hội thoại bằng cách cung cấp thêm thông tin và để chúng nhận ra những câu trả lời tương ứng. Đồng thời nhớ rằng thứ gọi là “lỗi nhận dạng” (recognition error) thực chất là kết quả của những xung đột để từ đó có thêm các đóng góp mang tính hợp tác cao và đầy đủ thong tin hơn.

3. Ngắn gọn, súc tích

Không giống như văn viết, lời nói gắn bó vô cùng chặt chẽ với thời gian. Một ai chiếm lĩnh diễn đàn càng lâu thì họ càng áp đặt người nghe. Chúng ta chỉ có thể xử lý nhiều thông tin cho đến khi mọi thứ trở nên quá bão hòa trong bộ nhớ ngắn hạn. Nghe thường được coi là một kỹ năng “thụ động” trái ngược với nói, vốn được cho là “chủ động” và “hiệu quả hơn.” Trong thực tế, việc  đòi hỏi rất nhiều công đoạn. Do vậy điều quan trọng đối với giao diện người dùng thoại của bạn là cho người nghe một khoảng thời gian nghỉ và sau đó trao trả lại lượt nói cho người nghe. So sánh hai ví dụ này, VUI trong clip đầu tiên hoàn toàn áp đảo người nghe quá nhiều trong khi giao diện thứ hai là ngắn gọn hơn:

Không giống như “tính dài dòng văn tự” của văn bản viết, lời nói chỉ là tạm thời, thoáng qua. Tín hiệu lời nói dài dòng tạo nên những thông tin không liên quan, hay đặc biệt chán ngắt trong các thiết kế VUI, bởi vì không giống như giao diện đồ họa GUI,  bạn không thể chỉ lướt qua giao diện thoại. Bằng cách bắt buộc người dùng phải vất vả đọc những thông tin chẳng bổ ích, những VUI được thiết kế qua loa sẽ biến mất theo thời gian. Tôi cho rằng sự dài dòng là lý do khiến người dùng chán ghét các ứng dụng dịch vụ khách hàng. Nhiều nhà thiết kế và phát triển VUI nhét thêm chi tiết dư thừa vào các thông điệp dành cho công chúng, dưới dạng tin nhắn quảng cáo, pano và ngay cả khi hướng dẫn. Bạn chắc hẳn đã quá quen thuộc với hướng dẫn hiển nhiên như “nhập số điện thoại gồm mười chữ số của bạn, bắt đầu bằng mã vùng.”

Nhận thức của người sử dụng về lợi ích là mấu chốt. Con người thường không đánh giá cao việc dành thêm thời gian hoặc chỉ nhảy bổ vào để tìm tòi hoặc để hoàn thành công việc. Theo nghiên cứu, nếu một VUI không đem lại lợi thế rõ ràng về việc tạo ra nhiều cách khác nhau để hoàn thành công việc, người dùng sẽ bỏ qua ứng dụng đó. Sau tất cả thì mấu chốt là gì? Mộtthiết kế VUI thành công cần phải mang lại những lợi ích về sự tương quan và thích hợp.

Kết luận: Hãy giữ các thông điệp thật ngắn gọn và súc tích. Hãy để người dùng sử dụng lượt của họ. Không đi vào chi tiết khó hiểu cho đến khi hoặc trừ khi người sử dụng được hưởng lợi rõ ràng.

4. Ảnh hưởng của ngữ cảnh

Để có nội dung thích hợp, ta phải chú ý vào ngữ cảnh: Một người tham gia hội thoại tốt phải theo dõi cuộc đối thoại, có trí nhớ về hội thoại trước đó và tương tác, và dữ liệu nhận thức về hoàn cảnh của người dùng – ví dụ như họ ở nước ngoài, có một cơn bão quái ác đang đổ bộ vào, hoặc hôm nay họ đã thử ba lần để thay đổi một số cài đặt.

Tương tự như vậy, việc thiết kế VUI nên thúc đẩy bối cảnh của người dùng càng nhiều càng tốt. Nếu người dùng giao phó thông tin của họ cho giao diện thì giao diện sẽ phản hồi dựa trên những thông tin đó, ví dụ, những gì họ đã làm, những gì họ đã biết, và những gì đã được nói trước đó trong hộp thoại. Việc không tham gia vào ngữ cảnh sẽ làm suy yếu khả năng nhận thức của ứng dụng hỗ trợ thông minh. Một ví dụ nổi tiếng không được ưa thích là VUI đã yêu cầu trong tương tác “Hãy cẩn thận lắng nghe vì các Menu tùy chọn của chúng tôi gần đây thay đổi”. Đây là một phiên bản khác:

Loại thông điệp này, vốn là tâm điểm của một thể loại mà tôi gọi là “VUI màu mè”, tức là rất khó chịu vì nó lờ đi ngữ cảnh của người dùng Hãy thử nghĩ đến các giả định được vui vẻ chấp nhận. Nó giả định rằng người dùng đã gọi trước đó. Giả định rằng người dùng đã gọi và nghe một thiết kế khác (“một lựa chọn khác” theo như trong audio) – dù họ đã không gọi vài phút trước. Giả định rằng “gần đây”  được hiểu là “cách đây vài tháng”. Nó thậm chí còn giả định rằng người dùng thực sự nhớ hết các thiết kế khác nhau họ nghe được! Bởi vì những lời nhắc này không xem xét bối cảnh của người dùng, nên chúng thường kết thúc chẳng liên quan đến thực tế của tất cả những người nghe câu nhắc, và chúng ta đã bàn luận tại sao và như thế nào VUI lại khiến chúng ta cảm thấy như cực hình.

Kêt luận: Chúng ta nói rất nhiều về việc cá nhân hóa, trí tuệ nhân tạo, và sự đổi mới dữ liệu công nghệ. Tuy nhiên, những thiết kế đơn giản theo dõi cuộc hội thoại và vẫn “nhận biết” được ngữ cảnh của người dùng sẽ thúc đẩy nhận thức về trí tuệ nhân loại một cách hiệu quả.

5. Chỉ đạo sự tập trung của người dùng thông qua trật tự từ và nhấn giọng

Nhận biết của VUI về những gì đã được nêu cũng rất quan trọng để xác định các thông điệp cá nhân nên có cấu trúc thế nào. Hay nói cách khác, việc không theo dõi quá trình hội thoại gây khó hiểu cho người nghe và tạo nên sự mơ hồ. Hãy nghe hai ví dụ sau của VUI khác nhau phản hồi về yêu cầu của người dùng khi họ đặt một chuyến bay vào ngày không tồn tại trong năm:

Tại sao ở bản ghi âm đầu tiên có vẻ kỳ lạ và máy móc trong khi bản ghi âm thứ hai tự nhiên như một cuộc hội thoại? Câu giải thích là nguyên tắc tiêu điểm ở cuối câu. Theo nguyên tắc này trong cuộc hội thoại – nói đơn giản ở đây – thì người dùng ngôn ngữ luôn có mong đợi mang tính vô thức về các thông tin được trình bày trong câu thoại. Thông tin “mới” theo mặc định xuất hiện ở hoặc gần cuối câu và được nhấn mạnh, trong khi thông tin “cũ” xếp trước đó. Trong những ví dụ bạn vừa nghe, “thông tin” mới là thông tin “30 ngày”, vì vậy xuất hiện đúng lúc ở cuối câu và nhấn mạnh một cách thích hợp. Trong bản ghi âm nghe có vẻ là lạ đầu tiên, thông tin cũ, chủ đề “Tháng 6” đã được phân bổ như thể nó là thông tin mới cho người nghe. Để phát âm tự nhiên, –nó lẽ ra không nên nhấn mạnh hoặc đặt ý chính ở cuối câu.

Các vi phạm tiêu điểm cuối câu gây ra sự  bất đồng lớn trong tương tác. Tuy nhiên, bằng cách tôn trọng sự mong đợi của người dùng về cách cấu trúc thông tin, người dùng không chỉ trải nghiệm trực quan theo bản năng mà còn được thêm nhiều lợi ích trong việc xác nhận rằng VUI đã nghe chính xác.

Ví dụ này cho thấy bằng cách đặt thông tin cũ lên trên đầu (“Thủ tướng của Ấn Độ”), người dùng sẽ biết ngay nhận dạng đã nghe “Thủ tướng của Ấn Độ”, trái ngược vậy, nếu trả lời rằng, “Thủ tướng của Ý”, trường hợp đó ta không cần phải chú ý đến tên (sai) xếp sau nữa.

Kết luận: Để gây sự chú ý của người dùng vào việc nào quan trọng, hãy tác động bằng trật tự từ và vị trí trọng âm. Trừ khi persona VUI của bạn dựa theo nhân vật Yoda trong Chiến tranh giữa các vì sao, đặt thông tin đã biết đứng trước thông tin mới khi có thể.

6. Không truyền đạt “mệnh lệnh” – nói theo bản năng

Một trong những điều khiến tôi khó chịu nhất là thiết kế VUI amateur (không chuyên): “Dạy” người dùng cách nói như thế nào, như hai ví dụ sau đây:

Những thông điệp sau ngụ ý rằng người dùng cần học cách sử dụng tiếng Anh; nếu không VUI sẽ không thực hiện theo những hướng dẫn mà người dùng đưa ra. Mẫu câu gợi ý “Để THỰC HIỆN….., hãy nói /làm X”, “Để VIỆC THỰC HIỆN…., hãy nói/làm X”, vv… là tín hiệu của các ứng dụng touchtone (âm chạm) để phục vụ khách hàng, như: “Để được hỗ trợ kỹ thuật, nhấn phím 1. Để tính tiền và thanh toán, nhấn phím 2… ” Thực tế, những thông điệp này là thông tin… nhưng chỉ dùng trong thế giới touchtone. Đó là bởi vì không ai lớn lên tự biết rằng “phím 1” có nghĩa là “hỗ trợ kỹ thuật” , nên chúng ta không có trực giác về ý nghĩa mà i chuyên viênhoặc người thiết kế đã ấn định cho từng phím thăng. Tuy nhiên trong thế giới của VUI, các kiểu nhắc lệnh như trên lại vô nghĩa. Điều này cho thấy rất khó để hiểu rằng toàn bộ quan điểm và lợi ích thực sự của việc sáng tạo ra VUI cho cộng đồng chính là lời nói theo bản năng và không cần phải được dạy.

So sánh những lời nhắc kiểu âm chạm với phương án hội thoại được chấp thuận này …

Thật khó tưởng tượng ai đó gặp khó khăn với những lời nhắc đơn giản, rõ ràng như vậy. Và nếu họ làm theo, người dùng sẽ giải quyết vấn đề này bằng một lời nhắc lại. Chúng ta đã nói về vấn đề ngắn gọn, súc tích, và tận dụng bối cảnh. Vì vậy, một lần nữa, giải quyết các lỗi chỉ khi cần thiết.

Kết luận: Tránh sử dụng “mệnh lệnh” trong VUI. Nếu người dùng phải giái thích câu lệnh, sẽ có điều gì đó sai ở đây, hãy quay lại từ đầu. Thay vì quá nhiều câu lệnh, tại sao không hỏi một câu và giải thích rõ ràng để người dùng có thể dễ dàng sử dụng – điều này có nghe quen thuộc với bạn không ?  Vì đấy là điều một cuộc hội thoại thật sự luôn có !

Với sự ra đời của chatbot, ứng dụng hỗ trợ, và các ứng dụng đình đám khiến vô số người dùng phấn khởi, giờ đây chúng ta có cơ hội để truyền tải với cả thế giới rằng hội thoại chính là chìa khóa dẫn đến trải nghiệm người dùng thành công. Điều này không có nghĩa là một thứ nghe có vẻ bình dân, hay nói vắn tắt đi, hoặc chỉ đơn giản gợi ý về một cây kem cho bạn. Hội thoại là một trong những kiệt tác vĩ đại nhất của Tự nhiên và là phương tiện giao tiếp sử dụng âm thanh mạnh mẽ nhất. Chúng ta sẽ thật ngớ ngẩn nếu không định hình sự tương tác bằng chính các quy tắc đã quen thuộc từ lúc khởi thủy của loài người. Bước đầu tiên là hãy nhận thức, theo đúng nghĩa đen, hội thoại thật sự là về những điều gì.

Nguồn tham khảo:

Voice User Interface Design by Michael Cohen, James P. Giangola and Jennifer Balogh

The Social Stratification of English in New York City by William Labov (PDF)

Speech Style and Social Evaluation by Howard Giles and Peter Powesland

The Media Equation: How People Treat Computers, Television, and New Media Like Real People and Places by Clifford Nass and Byron Reeves

“Logic and Conversation” by H. P. Grice (PDF)

A Concise Grammar of Contemporary English by Randolph Quirk and Sidney Greenbaum

James Giangola là nhà ngôn ngữ học và là Creative Lead của Design team Google. Ông cũng là đồng sáng chế và nhà ngôn ngữ học về “Thiết kế VUI kết hợp với một phong cách riêng” của Hoa Kỳ và là đồng tác giả của sách  Thiết kế VUI – Voice User Interface Design. Với hơn mười năm kinh nghiệm làm giáo viên ngành ngôn ngữ, ông cũng là tác giả của cuốn Phát âm tiếng Bồ Đào Nha – Brazil và u aufabetu brazileiru regularizadu, một đề xuất cho việc chuyển tiếp giảng dạy bảng chữ cái nhằm đem lại khả năng biết chữ chỉ trong vài tháng chứ không phải nhiều năm cho những người Brazil, cả trẻ lẫn già.

Theo Google Design

Dịch: Ayami
Chỉnh sửa: Lệ Lin