• No results found

Vad kan jag hjälpa dig med idag?

N/A
N/A
Protected

Academic year: 2022

Share "Vad kan jag hjälpa dig med idag?"

Copied!
92
0
0

Loading.... (view fulltext now)

Full text

(1)

Linköpings universitet/Linköping University | Institutionen för datavetenskap Kandidatuppsats, 18hp | Kognitionsvetenskap Vårterminen 2020 | LIU-IDA/KOGVET-G--22/023--SE

Vad kan jag hjälpa dig med idag?

Designcentrerad implementering av

konversationsagenter i smarta hem-system

Simon Berglund

Leelo Keevallik Mathias Broth

(2)

2020

Upphovsrätt

Detta dokument hålls tillgängligt på Internet – eller dess framtida ersättare – under 25 år från publiceringsdatum under förutsättning att inga extraordinära omständigheter uppstår.

Tillgång till dokumentet innebär tillstånd för var och en att läsa, ladda ner, skriva ut enstaka kopior för enskilt bruk och att använda det oförändrat för ickekommersiell forskning och för undervisning.

Överföring av upphovsrätten vid en senare tidpunkt kan inte upphäva detta tillstånd. All annan användning av dokumentet kräver upphovsmannens medgivande. För att garantera äktheten, säkerheten och tillgängligheten finns lösningar av teknisk och administrativ art.

Upphovsmannens ideella rätt innefattar rätt att bli nämnd som upphovsman i den omfattning som god sed kräver vid användning av dokumentet på ovan beskrivna sätt samt skydd mot att dokumentet ändras eller presenteras i sådan form eller i sådant sammanhang som är kränkande för upphovsmannens litterära eller konstnärliga anseende eller egenart.

För ytterligare information om Linköping University Electronic Press se förlagets hemsida https://ep.liu.se/ .

Copyright

The publishers will keep this document online on the Internet – or its possible replacement – for a period of 25 years starting from the date of publication barring exceptional circumstances.

The online availability of the document implies permanent permission for anyone to read, to download, or to print out single copies for his/hers own use and to use it unchanged for non - commercial research and educational purpose. Subsequent transfers of copyright cannot revoke this permission. All other uses of the document are conditional upon the consent of the copyright owner.

The publisher has taken technical and administrative measures to assure authenticity, security and accessibility.

According to intellectual property law the author has the right to be mentioned when his/her work is accessed as described above and to be protected against infringement.

For additional information about the Linköping University Electronic Press and its procedures for publication and for assurance of document integrity, please refer to its www home page:

https://ep.liu.se/.

© 2020 Simon Berglund

(3)

Abstract

Since the introduction of Microsoft's Clippy the popularity of conversational agents has been on the rise. Nowadays you can interact with them in your home, on your phone, and even when interviewing for your next job (Mitt i Stockholm, 2019). The popularity is expected to keep on growing and by the year 2024 the chatbot market is predicted to be valued at 1.3 billion dollars (Bhutani & Wadhwani, 2019). This study set out to understand how conversational agents could be used to improve the smart home experience. This was done using the Design thinking methodology, which in this study consists of five phases named empathise, define, ideate,

prototype, and test. These phases all contributed to understanding the users goals, problems, and how it might be solved by the implementation of an artifact. The artifact was also user tested which results in various feedback giving insights into the users perspective on the product. The test were evaluated with the System Usability Scale, which is a metric for usability, ranking the product from 0-100, or F to A+. The prototype received an average score of 90.3, which converts to the A+ grade. Even though the grade can be seen as promising the homogeneous and young group of participants makes the results hard to generalize to a broader population. This is an area of improvement for future studies.

(4)

Stort tack

Studieledaren vill börja med att rikta ett stort tack till sin handledare Leelo Keevallik som varit en stor hjälp under arbetets gång med värdefulla råd och insikter. Dessa råd har verkligen format studien och till det bättre. Utöver det riktas ett stort tack till Indentive och alla hjälpsamma anställda, allt från intervjudeltagare till bollplank. Ett extra stort tack riktas till Peter Paunonen som varit den externa handledaren från företaget. Ett stort tack ges till Twemoji för att de tillåter användning av deras emojis.

Sist men inte minst riktas ett stort tack till alla testdeltagare, ni har varit till enorm hjälp.

(5)

Innehållsförteckning

Innehåll

1 Inledning ... 1

1.1 Syfte... 2

1.2 Frågeställning ... 3

1.3 Avgränsning ... 3

1.4 Uppdragsgivare ... 3

2 Bakgrund ... 4

2.1 Begrepp ... 4

2.1.1 Chattbotar, konversationsagenter, digitala assistenter ... 4

2.1.2 Slutkund, kund och användare ... 5

2.2 Relevans ... 5

2.2.1 Kostnaden för konversationsagenter ... 6

2.3 Kritik mot konversationsagenter ... 7

2.4 Tidigare studier ... 8

2.4.1 The User Experience of Chatbots ... 8

2.4.2 Social Network Chatbots for Smoking Cessation ... 8

2.4.3 Umeå Energis Datainsamling ... 9

2.4.4 Smart users, smart homes, and the search for a smarter application... 10

2.5 Teori... 11

2.5.1 Jakobs law ... 11

2.5.2 Informationsuppdelning ... 12

2.5.3 Produktanthropomorphism ... 12

3 Metod... 14

3.1 Empathise - Förståelse av användare och marknad ... 14

(6)

3.1.1 Fokuspunkter ... 15

3.1.2 Befintlig data ... 15

3.1.3 Deltagare ... 16

3.1.4 Intervjumetod ... 17

3.1.5 Utformning av frågor ... 18

3.1.6 Etik ... 18

3.1.7 Intervjuprocessen ... 18

3.1.8 Bekantgörande med produkten ... 19

3.2 Define - Definiering av problem och mål ... 19

3.2.1 Personas ... 19

3.2.2 Storyboards ... 20

3.3 Ideate - Konceptgenerering ... 21

3.3.1 Genereringsprocessen ... 22

3.3.2 Effektkartläggning ... 23

3.4 Prototyping - Utformning av prototyp ... 24

3.4.1 Skissprocess ... 24

3.4.2 Agentens personlighet ... 27

3.4.3 Initiering av konversationer ... 28

3.4.4 Interaktionstyper ... 29

3.4.5 Lingvistiska aspekter ... 30

3.4.6 Valmöjligheter ... 30

3.4.7 Designguidelines ... 31

3.4.8 Interaktionsflöde ... 32

3.4.9 Utveckling av slutgiltig prototyp ... 33

3.5 Testing - Test av prototyp... 33

3.5.1 Testdeltagare ... 34

3.5.2 Uppgift ... 34

(7)

3.5.3 Metoder... 34

3.5.4 Frågor efter testet ... 35

4 Resultat... 36

4.1 Empathise - Förståelse av användare och marknad ... 36

4.1.1 Teman ... 36

4.1.2 Sammanfattning intervjuer ... 40

4.2 Define - Definiering av problem och mål ... 40

4.2.1 Studiens personas ... 41

4.2.2 Storyboards ... 43

4.3 Ideate - Konceptgenerering ... 45

4.3.1 Crazy eights-skisser ... 45

4.3.2 Prioriteringsmatris... 46

4.3.3 Effektkarta ... 47

4.4 Prototyping - Utformning av prototyp ... 48

4.4.1 Personlighetsskapande ... 48

4.4.2 Startsida... 49

4.4.3 Spegling av personlighet... 50

4.4.4 Hantering av inmatning ... 51

4.4.5 Installation ... 52

4.4.6 Support ... 53

4.4.7 Optimering ... 54

4.4.8 Hållbarhet... 55

4.4.9 Community ... 56

4.4.10 Feedback ... 57

4.4.11 Andra sidor ... 58

4.5 Testing - Test av prototyp... 59

4.5.1 System Usability Scale ... 60

(8)

4.5.2 Skillnader mellan deltagargrupper ... 61

4.5.3 Problem i appen ... 61

4.5.4 Bra saker ... 63

4.5.5 Uppfattning om Alfred ... 65

4.5.6 Slutsats ... 68

5 Diskussion... 68

5.1 Etisk problematik kring implementeringen ... 68

5.1.1 Skaparen för med sina fördomar ... 68

5.1.2 Automatiseringens påverkan på arbetsmarknaden ... 68

5.1.3 Integritetsproblem ... 69

5.2 Metoddiskussion ... 70

5.2.1 Ensam designer ... 70

5.2.2 Kontakt med slutkunder och deltagare ... 70

5.2.3 Prototyp ... 70

5.2.4 Icke-generaliserbar testgrupp... 71

5.2.5 Skillnader mellan deltagargrupper ... 71

5.3 Resultatdiskussion ... 71

5.3.1 Osäkerhet kring vad agenten klarar av ... 72

5.3.2 Språkanpassning ... 72

5.3.3 Mycket på en gång ... 72

5.3.4 Använda färger för parning ... 73

5.3.5 Uteblivna antropomorfitiska tilltal ... 73

5.4 Framtida studier ... 73

6 Slutsats ... 74

7 Referenser ... 74

8 Bilagor ... 80

8.1 Bilaga 1. Samtyckesblankett för intervju ... 80

(9)

8.2 Bilaga 2. Intervjuguide... 81 8.4 Bilaga 3. Formulär efter test ... 82

(10)

1

1 Inledning

Enda sedan introduktionen av Clippy, det för många ökända Microsoft-gemet som ivrigt studsade runt Word-dokumentet, har konversationsagenter dykt upp i en mängd olika mjukvaror. Konversationsagenterna från Clippys tid hade en enkel uppbyggnad och få variationer inom språk och funktionalitet. Idag finns

konversationsagenter överallt: i mobilen, hemmet, och till och med på jobbintervjun (Mitt i Stockholm, 2019). Agentens roll har gått från en rundvandringsguide med tveksamt hjälpkapital till ett måste i många människors vardag. Några av nutidens mest populära konversationsagenter (ibland refererade till som digitala assistenter) är Amazons Alexa, Googles Assistant, och Apples Siri, där den sistnämnda var först med att introduceras till marknaden (Budzinski, Noskova, & Zhang, 2018). Dessa agenter har kommit långt i komplexitetsnivåerna jämfört med det till synes simpla Microsoft-gemet. Agenterna bygger på extremt komplexa neurala nätverk som hjälper till med naturlig språkprocessering och är uppkopplade mot enorma

databaser fyllda med data som hjälper till med vad som ibland kan uppfattas som ett oändliga antal responsvariationer. Agenterna har tillgång till användarnas kalendrar, hemadress, jobbadress, köphistorik, kreditkort och en mängd annan personlig data.

Med hjälp av denna data kan den ge förslag på vägar som undviker trafikarbete till morgonens jobbmötet, påminna när det är dags att köpa tvättmedel, och sedan köpa tvättmedlet åt dig. Dessa digitala assistenter började dyka upp som mjukvara på användares mobiler och har på senare tid börjat dyka upp som externa enheter med egen hårdvara. Dessa enheter ser till stor del ut som högtalare och kan endast kontrolleras via röststyrning. Enheterna placeras oftast i människornas hem och kan hjälpa genom exempelvis uppläsning av recept eller styrning av belysning och andra uppkopplade enheter. När enheterna kommer i detta självständiga format tillhör de en kategori enheter som ofta kallas Internet of things (IoT). Detta är simpelt förklarat uppkopplade enheter som utbyter data. Dessa produkter kan antingen ta emot data, skicka data, eller både och. Ett exempel på en IoT-produkt som tar emot data är en lampa (kommandon om släckning eller tändning), och ett exempel på en som skickar data är en rörelsesensor. När man skapar ett system genom att koppla upp dessa enheter, kan man exempelvis låta den ena enhetens indata påverka den andra enhetens utdata. Detta kan förklaras genom ett exempel: Om man sammankopplar

(11)

2 sensorn och lampan, och ger systemet regeln att när rörelsesensorn skickar data vid upptäckt rörelse, ska det skickas en instruktion till lampan om att tändas. Om man kopplar upp och använder dessa smarta enheter i hemmet, så har man vad som brukar kallas ett “smart hem”. Då kan enheterna användas för att automatisera rutiner såsom nattbelysning, eller mer avancerad funktionalitet såsom övervakning och optimering av elförbrukning.

Denna studie undersöker hur man med hjälpa av konversationsagenter kan förbättra denna smarta hem-upplevelse. Ett redan befintligt exempel på en liknande lösning är Netatmo. Denna chattbot är integrerad i chattjänsten Messenger och hjälper användaren styra sitt hem (Dillet, 2018). Användaren kan via text eller röstkommandon såsom “sätt på lampan i vardagsrummet” styra ett specifikt rums belysning.

Studien görs utifrån ett designperspektiv och med metoden Design Thinking.

Målet blir att ta fram en prototyp som utformats utifrån användaren och marknadens behov. Denna prototyp kommer sedan testas på användare för att kunna göra slutsatser kring dess användbarhet och övriga egenskaper.

1.1 Syfte

Denna studie har som syfte att undersöka hur man genom implementeringen av konversationsagenter kan hjälpa användare med sitt smarta hem. Denna hjälp kan komma att beröra områden såsom optimering (tips om hur systemet kan förbättras), installering (hjälp med att komma igång och koppla upp systemet), och reparering (återställa enheter som tappat koppling med systemet eller av andra orsaker slutat fungera). Integrationen av konversationsagenten ska enligt krav av uppdragsgivare kunna integreras i deras nuvarande system Connective. Den långsiktiga tanken är även att agenten ska kunna integreras vidare i andra system, och bör på så sätt vara skalbar.

(12)

3

1.2 Frågeställning

Hur kan implementeringen av konversationsagenter förbättra upplevelsen hos smarta hem-användare?

1.3 Avgränsning

Denna studie kommer ha fokus på varför konversationsagenter behövs, hur de bör fungera, vad deras roll i smarta hemmet blir, och hur de utformas på bästa sätt.

Arbetet kommer vara designcentrerat, vilket betyder att störst fokus kommer att läggas på utformningen rent upplevelsemässigt, och mindre på andra aspekter av konversationsagenter, såsom mjukvaruutveckling eller lingvistiska aspekter.

Mjukvaruutvecklingen kommer endast att göras i ett prototypstadie och demosyfte, samt för att visa vad som är möjligt.

1.4 Uppdragsgivare

Denna studie görs i samarbete och på uppdrag av Indentive Operations AB. Detta är ett företag med målet att koppla upp hem, bostadsområden och samhällen. Detta gör de bland annat genom sin Connective-platform. Denna tjänst hjälper

konsumenter göra sitt hem smart genom att koppla upp smarta enheter mot deras platform. Produkten levereras i samarbeten med kunder, som i sin tur säljer

produkten vidare till slutkunder (se 2.1.2 Slutkund, kund och användare). Företaget lanserade nyligen även en app åt fastighetsbolaget Uppsalahem och har just nu bland annat ett pågående projekt som ska hjälpa konsumenter att bli mer aktiva i arbetet för hållbar konsumtion vid namn Vägvisaren. I nuläget har Indentive inga konversationsagenter men vill via denna studie undersöka huruvida detta kan implementeras för att hjälpa deras användare.

I appens nuvarande version kan användaren bland annat installera och para ihop enheter, skapa rutiner och scener, samt styra sina enheter manuellt.

Installationsprocessen ser olika ut för olika enheter men med hjälp av den medföljande manualen ska användaren utföra rätt steg för att kunna lägga till enheten till systemet, även kallat para. Dessa enheter kan vara allt från lampor till

(13)

4 rörelsesensorer. När enheten parats kan de sedan styras manuellt via ett knapptryck i appen eller via mer avancerade funktioner. En av dessa funktioner är rutiner, vilket låter användaren sätta en lista av kommandon (exempelvis tända alla lampor) som ska köras vid en viss händelse, såsom att solen går upp eller att rörelsesensorn blir aktiverad. En annan funktion är scener, vilket gör att användaren kan styra grupper av enheter genom ett klick, såsom alla lampor i ett rum. Användaren kan även använda sig av tjänster såsom larm eller värmestyrning.

2 Bakgrund 2.1 Begrepp

2.1.1 Chattbotar, konversationsagenter, digitala assistenter I denna studie används konversationsagent som term. Detta då termen anses bredare än sådana som “digitala assistenter” eller “chattbotar” och då tanken är att gå in i projektet med en bred syn kring hur implementeringen kan se ut. I annan litteratur finns en mängd olika benämningar. Vid referens till denna litteratur benämns det i största mån på samma sätt som det gjorts i originalstudien, ibland översatt från engelska. I kommande stycke berörs de olika definitionerna som finns av de olika termerna.

Det finns många olika benämningar för konversationsagenter såsom

chattbotar, digitala assistenter och intelligenta assistenter. Dessa har i sin tur många olika definitioner. Enlig Khan och Das (2018) är definitionen av en chattbot ett

mjukvaruprogram som använder användarens naturliga språkinmatning för att

generera responser kopplade till användarens inmatning. Budiu från Nielsen Norman Group definierar en chattbot som en guide som vägleder användaren genom enkla linjära flöden (Budiu, 2018). Rangkarasamee och Yodmalai (2019) har en aningen mer abstrakt definition och menar att det helt enkelt kan definieras som något som har mjukvarukomponenter som användaren kan interagera med.

Rangkarasamee och Yodmalai (2019) introducerar även en viss

kategorisering av botar. En av dessa kategorier är konsumentbotar. Dessa typer av botar har som mål att avlasta mänsklig personal från supportärenden. Botarna måste kunna hantera konversation genom att bland annat kunna förstå och hantera

(14)

5 skiftandet mellan olika ämnen. De nämner även något som kallas “business bots”

eller “enterprise bots”. Dessa typer av botar ger användaren möjlighet att nyttja företagstjänster, såsom att beställa en pizza, eller boka en resa.

Det finns även olika krav och kriterier för att något ska räknas som en chattbot eller intelligent assistent. Budiu (2018) identifierar sex olika krav som finns för att något ska kunna räknas som en intelligent assistent, vilket i Budius studie ses som en mer avancerad typ av chattbot. Dessa krav inkluderar agens, röstsyntestesering, intelligent tolkning, röststyrning, naturlig språkprocessering, samt integreringen av samtliga funktioner. För att något ska räknas som en chattbot räcker det däremot med att inneha intelligent tolkning av naturlig språkprocessering. I ett rent funktionellt tankesätt gör detta att det räcker med att boten förstår och kan handla i relation till användarens naturliga språk. Vilket, för att koppla till inledningen, låter mer som Clippy snarare än Alexa.

Denna stora mängden termer, kategorier, och krav skapar en viss problematik då det kan leda till ett mer splittrat konsensus kring vad som egentligen är en

chattbot, eller intelligent assistent, vilket då blir en av anledningarna till att just konversationsagent används som huvudterm i denna studie.

2.1.2 Slutkund, kund och användare

I denna text nämns begreppen slutkund, kund och användare kontinuerligt. En kund definieras som ett företag (exempelvis fastighetsbolag eller elbolag) som är kund hos Indentive. En slutkund är en person som nås av Indentives produkter via deras

kunder, vilket då kan vara någon som köpt kundens version av Indentives

Connective-app. Begreppet användare har en bredare bemärkelse och används när det handlar om generella brukare av system, möjliga slutkunder samt testdeltagare.

2.2 Relevans

Konversationsagenternas resa på marknaden har under de senaste åren varit väldigt framgångsrik och det går att se en stor utbredning i dess användning. I en

undersökning av Gartner (2019) uppdagades det att 52% av telekombolag använder sig av chatbotar, denna siffra låg på 38% inom hälsovård. Denna ökning ser ut att

(15)

6 fortsätta, bland annat tros chattbotsmarknaden vara värderad ungefär 1.3 miljarder dollar år 2024 (Bhutani & Wadhwani, 2019). Utbredningen tror Budiu (2018) bland annat beror på möjligheten att minska kostnaden för kundservice, samt den enorma framgång man kan se i chattbaserad appar. Enligt Yin (2019) har chattbotar hjälpt företagsledare att öka kundernas betyg av kundservice med 24%. Kundservice är däremot inte det mest vanliga området för chattbotar. Kundservice har en

marknadsandel på 37% medan förstaplatsen som består av försäljning ligger på 41%. Förutom dessa marknadsfokuserade områdena har chattbotar även setts kunnat hjälpa till inom områden som kan förbättra folkhälsan såsom coachning för att sluta röka. Detta uppdagades i en studie av där 28.9% av deltagarna lyckades

minska sin rökning i linje med det planerade målet (se 2.4 Social Network Chatbots for Smoking Cessation) (Calvaresi et al., 2019). Denna ökning tros även till stor del bero på dess möjlighet att vara tillgängliga 24-timmar om dygnet (Akhtar, Neidhardt

& Werthner, 2019). Detta är något som skiljer den från kundservice utförd av

människor, som ofta har öppet vanliga kontorstider, om ens det. Utöver det har den nästintill obefintlig svarstid och kan dessutom även återkomma med en personlig respons (Akhtar, Neidhardt & Werthner, 2019). Svarstidens betydelse är stor då man i ett dataset analyserat av Akhtar, Neidhardt & Werthner (2019) kunde se att

konversationen pågick kortare än en minut i 122540 chattsamtal av 215859.

Chattbotar har även ingen begränsning på hur många de kan hjälpa simultant (Carter & Knol, 2019). Om boten dessutom har en välintegrerad språkmjukvara kan den förstå och svara på nästan alla av världens språk (Ivanov & Webster, 2017). Ett annat vanligt argument är att företag sparar in stora summor pengar på

implementeringen ur ett långsiktigt perspektiv. Yin (2019) påstår att företagsledare under 2019 i snitt sparade ungefär 300 000 dollar genom användningen av

chattbotar. Detta gjordes främst genom minskningen av svarstid, vilket hade minskat trefaldigt. Detta resulterade i en ökad försäljning på cirka 67%.

2.2.1 Kostnaden för konversationsagenter

Som tidigare nämnt så är ett vanligt argument för implementeringen av

konversationsagenter dess låga långsiktiga pris jämfört med en mänsklig anställd.

Priset för implementeringen samt driften av en konversationsagent skiljer sig

(16)

7 markant mellan olika aktörer. En tumregel är att dyrare implementeringskostnad resulterar i lägre driftskostnad och vice versa. Vissa lösningar är så kallade “open- source” exempelvis Rasa (https://rasa.com/), vilket betyder att de har öppen källkod och är därmed gratis att använda. Googles lösning DialogFlow

(https://dialogflow.com/) har skiftande pris beroende på bland annat mängden av skickad data och varierar mellan 0-0.0004 dollar per textinmatning. Själva

implementeringskostnaden skiljer sig såklart även stort beroende på om

utvecklingen sker inom företaget eller beställs externt. Priset skiljer sig även om konversationsagenten ska vara helt skräddarsydd eller en instans av ett redan befintlig skelett. Juhan Kaarma (2020) rapporterar att en bot med

standardintegrationer kostar mellan 2000-5000 dollar att implementera. Det går även att hyra konversationsagenter vilket då inte innebär någon implementationskostnad.

Då finns bland annat en lösning av Chatbot.com där man kan få obegränsat antal chatbotar för 499 dollar i månaden (https://www.chatbot.com/).

2.3 Kritik mot konversationsagenter

Trots det ökade intresset som går att identifiera på marknaden finns det viss kritik mot implementeringen av konversationsagenter. Vissa anser bland annat att chattbotar är begränsade i de områden de kan assistera inom (Budiu & Whitenton, 2018). Enligt duon passar de bäst i ofta återkommande problem som inte är särskilt avancerade. Trots agentens etablerade plats i supportlandskapet finns det många som tror att den har en lång väg att gå för att nå upp till nivån av mänsklig

kundservice. I Yins (2019) undersökning så föredrog 87% av deltagarna mänsklig interaktion. Detta då den mänskliga respondenten ansågs ha större möjligheter att förstå komplexa situationer samt svara på en bredare mängd frågor.

Implementeringen av botar kan även kritiseras ur ett etiskt perspektiv. Vid implementeringen finns det alltid en risk att användaren är skeptisk till lösningen och upplever obehag och skräck enligt Ivanov & Webster (2017). Duon tror även att chattbotarnas framfart kan leda till att människor förlorar jobbet. Dess fördel rent kostnad- och produktivitetmässigt menar de kan leda till att företag föredrar

lösningen framför deras mänskliga anställda. Carter och Knol (2019) anser att detta

(17)

8 inte är fallet just nu då botar endast assisterar de mänskliga anställda i nuläget, men att detta kan komma att ändras på grund av den snabba utvecklingen.

2.4 Tidigare studier

Här presenteras tidigare studier som undersöker användarupplevelsen vid interaktion med konversationsagenter samt tidigare studier i samarbete med Indentive

2.4.1 The User Experience of Chatbots

En studie av Raluca Budiu (2018) undersökte användarupplevelsen vid interaktion med chattbaserad mjukvara. I studien lät de åtta deltagare ta del av chattupplevelser där samtalspartnern antingen var människa eller bot. De undersökte sedan hur användaren upplevt interaktionen och hur de olika samtalspartnerna jämförde sig med varandra. Resultatet visade att deltagarnas upplevelse med botarna antingen var neutral eller något positiv. De ansåg generellt att botarna var mindre hjälpsamma än människor, men att botinteraktionen ändå hade en del fördelar, såsom

möjligheten till snabba svar. Studien undersökte även hur gränssnittet skilde sig mellan de olika chattbaserade apparna samt dess för- och nackdelar. En av de stora nyckelaspekterna i gränssnittsgranskningen var att varje gränssnitt bör inkludera både responsförslag och fritext, då dessa används för olika syften. Denna studie ger en inblick i chattbotars styrkor och svagheter, hur de skiljer sig från människor, hur de bör utformas, samt konkreta exempel på botar tillgängliga på marknaden.

2.4.2 Social Network Chatbots for Smoking Cessation

En studie som fokuserar mer på en specifik chattbots möjligheter utfördes 2019 av Calvaresi, Calbimonte, Dubosson, Najjar samt Schumacher. Denna undersökte hur chattbotar kan användas för att hjälpa människor att sluta röka. Studien involverade 270 deltagare där samtliga uppgav att de rökte, varav 200 rapporterade att de aktivt använt boten i ett sorts förberedelse-stadie för att sluta röka. Boten i studien

utvecklades i bland annat Python och integrerades sedan i Facebooks Messenger-

(18)

9 applikation. Resultatet från studien visade att 28.9% av deltagarna uppfyllde sitt mål tre månader efter att ha rökt sin sista cigarett. Denna studie visar på botars möjlighet att sträcka sig förbi marknadsfokuset för att istället fokusera på folkhälsa och

individens välmående.

2.4.3 Umeå Energis Datainsamling

Umeå Energi är en kund till Indentive som 2018 gjorde en datainsamling där de lät tio testdeltagare använda Connective-produkten. Testdeltagarna fick sedan svara på en mängd frågor kring deras uppfattningar om produkten. Frågorna inkluderade bland annat förväntningar på produkten, om den uppfyllde dessa förväntningar, samt åsikter kring installation och funktioner. Undersökningen innehåller en blandning av statistiksiffror och åsikter formulerade via text (se citat 1 - 7).

1. “Inte användarvänlig i början, framför allt rutiner.”

2. (Rutiner) “Inte speciellt användarvänligt. Har inte fungerat varje gång”.

3. “Den följer inte riktigt min logik när jag ska sätta upp ett scenario.”

4. “Instruktionsboken har använt för tekniska termer”

5. “Att sätta upp rutinerna första gången upplevdes svårt.”

6. “Har fortfarande inte riktigt kommit på hur man skall göra utan känns som att det i misstag kopplar ihop sig på nått sätt.”

7. “Lite för dåliga instruktioner.”

Denna datainsamling visade främst på problematiken som finns med installeringsprocessen samt rutinskapandet. Hälften av användarna angav att de skulle vilja ha hjälp med att sätta upp saker och problem med installering kom upp flertalet gånger i undersökningen. Skapandet och underhållet av rutiner ansågs även vara ett stort problem, där flera användare kände att systemet inte var tillräckligt

(19)

10 användarvänligt. Sammanfattningsvis visar detta på problem med systemets

användbarhet.

2.4.4 Smart users, smart homes, and the search for a smarter application

Detta är en tidigare studie gjord i samarbete med Indentive av Alicia Hagelberg (2018). Studien är av kvalitativ form och syftar på att undersöka Connectives användbarhet och hur den kan förbättras. Studien inkluderar observationer där användare får använda appen, genom att bland annat installera enheter och skapa rutiner. Användarnas beteende antecknades och det hölls även semistrukturerade intervjuer där användarna frågades om processerna inkluderas. Även förslag på förbättringar av de huvudproblem som uppstått presenteras. Hagelbergs studie är en kontextuell undersökning, då den kombinerar kvalitativa intervjuer med observationer (Arvola, 2014). Då studien testar Connectives befintliga system ger det en insikt i vad som fungerar och inte, vilket är en bra grund vid utformandet av ett nytt gränssnitt (Kruger, 2014). Studien presenterar citat som visar på brister i plattformens användarvänlighet (se citat 8 - 15).

8. “I don’t think I can do this, there’s just too much information in these manuals... To be honest I feel a bit defeated, how am I supposed to know what to start with?”

9. “Oh, the outlet plug is a sensor? I thought you were supposed to plug in the gateway to it! They should tell you that in the app, not in the middle of the manual.”

10. “Well, you want it to be quick and easy and clear as soon as you open up the package and start the app, which it’s not at the moment. Some kind of ”quick-start guide” for both the application and the sensors would be very helpful”

11. “I’d like to get some help from the app here, but there doesn’t seem to be any... There should be a FAQ or something like that,

(20)

11 perhaps a chat or a phone number. I don’t want to contact the

company to get help with something this trivial.”

12. “I don’t think I can do this, is there some sort of help I could get? I can’t find anything on here, the only way is to send an email to the company and that doesn’t feel right!”

13. “Why does it timeout after a certain time? How am I supposed to have time to do this before it stops working, when it’s not working properly?”

14. “Oh, that’s a fun sound! Does that mean I did it right?”

15. “Wait, what was that noise? Did I do it? I did it!”

Huvudteman inom problematiken var brist på information och instruktioner, support, samt feedback vid eventuella misstag. Denna studie använde sig av System Usability Scale för att ranka systemets användbarhet. Här får användaren ranka systemet utifrån en mängd kriterier, vilket resulterar i ett slutbetyg mellan F-A+

(Usability.gov, 2020). Betyget blev här D, vilket placerar den på 2 på en 11 gradig skala, vilket är uppenbart problematiskt. Detta visar på att det finns behov av förbättring inom dessa områden.

2.5 Teori

2.5.1 Jakobs law

Jakob’s law lyder i korta drag att människor förstår ett system bättre om de upplevt liknande system innan (Nielsen Norman Group 2017). Detta betyder från en

designers perspektiv att den upplevelse man skapar bör på olika sätt efterlikna andra kända system. Detta baserar sig på att användare spenderat mer tid på andra

systemet vilket leder till att de lärt sig de systemen. När de sedan använder det nyskapade systemet kan de återanvända de heuristiker och tankesätt de skapat och lärt sig under användandet av de andra systemen. Detta är relevant för

konversationsagenter då den typen av interaktion efterliknar den struktur som

(21)

12 återfinns i SMS och andra meddelandetjänster. Dessa system är väletablerade och används dagligen av användare i ett brett åldersspann. Detta typ av tänk med liknelser ingår även i Apples designtänk, som menar att användare lär sig snabbare om systemet innehåller metaforer som kopplas till saker användaren varit med om tidigare (Apple, 2020). Att användaren lätt förstår och kommer ihåg stämmer även överens med Nielsens definition kring en bra användarupplevelse, då två av

punkterna handlar om lärbarhet samt hur väl användaren kommer ihåg det den lärt sig (Nielsen, 1993).

2.5.2 Informationsuppdelning

Steve Krugs (2014) teori kring hur vägledning fungerar som bäst stämmer överens med hur konversationsagenter fungerar. Enligt Krug bör vägledning komma i små mängder av information, under rätt tid, och på ett sätt som gör att användaren inte kan missa det. Detta går att koppla till det sekventiella flöde som en

konversationsagent innehar. Utöver detta stämmer det även överens med konceptet progressive disclosure, vilket innebär att applicera en modell som bara visar den informationen som användaren behöver vid det specifika tillfället (Weinschenk, 2011). Denna modell prioriterar inte att minimera antalet klick, då den antar att

användare inte bryr sig om hur mycket de behöver klicka om de vid varje klick får rätt information i rätt mängd. Detta blir ett sätt att vägleda användaren genom att bidra med den mängd information som krävs för att användaren ska kunna göra rätt handling. Handlingen leder sedan till att användaren får ytterligare information och så fortsätter processen. Denna modell appliceras ofta på konversationsagenter där meddelanden har en begränsad mängd information som ger användaren en idé om vad de kan skriva för att få ut mer relevant information. Detta görs ibland genom att ge användaren förslag på vad den kan fråga härnäst.

2.5.3 Produktanthropomorphism

Anthropomorphism är fenomenet att uppleva och attribuera mänskliga egenskaper till omänskliga föremål (Huang, Wan, & Wong, 2020). Produktanthropomorphism är när detta fenomen används inom produktdesign. Detta skulle exempelvis vara att

(22)

13 prata om en docka som “hon” eller en enarmad bandit som “lömsk”.

Produktanthropomorphism har visat sig ha en stor påverkan på hur konsumenter upplever, interagerar och fattar beslut kring produkten. Detta har lett till studier som exempelvis visat hur det gör konsumenter mer benägna till att behålla

bilkomponenter (Huang, Wan, & Wong, 2020) och spela bort mer pengar på

enarmade banditer (Brambilla, Riva, & Sacchi, 2015). Detta är alltså ett effektivt sätt att få användaren mer investerad och dragen till produkten. Don Norman (2013) tar även upp hur vi tenderar att projicera mänskliga egenskaper såsom övertygelser eller känslor till den maskinen vi interagerar med. Detta menar han betyder att vi vid en lyckad interaktion applicerar den härliga känslan som uppstår till maskinen, och tvärtom vid en misslyckad interaktion.

Dessa typer av antropomorphistiska projiceringar kunde Budiu & Laubheimer (2018) observera under sin studie som undersökte hur användare interagerar med chattbotar. Detta identifierades bland annat genom att deltagarna pratade om boten med ett könsbundet pronomen såsom “han” eller “hon”. Detta uppmärksammades även genom att deltagarna ibland inledde fraser med “tror du” eller “kan du” samt lade till artighetsmarkörer såsom “tack” eller “snälla”.

Denna antropomorfiska effekt kan uppnås genom att exempelvis låta en skrivbubbla uppstå när agenten pratar (se Figur 1). Ett annat exempel skulle kunna vara att agentens meddelande innehåller en vardaglig ton samt innehåller emojis (se Figur 2). Det bör dock undvikas att göra agenten för mänsklig då man riskerar att hamna i den så kallade Uncanny valley, vilket är en brytpunkt då användaren bara tycker att de antropomorphistiska dragen blir obehagliga (Muentener, Strait, & Urry, 2019).

Figur 1. Skrivbubbla

😂

Figur 2. Emoji

(23)

14 3

Metod

Den metodansats som valts för denna studie är tätt kopplat till designmetoden Design thinking. Denna metod användes för att kunna förstå och lösa

användarrelaterade problem (Gibbons, 2016). Metoden består av sex olika delar:

Empathise (skapa empati), Define (Definiera), Ideate (Utformande), Prototype (Prototyp), Test (test), och Implement (Implementera). Den sjätte och sista delen exluderades från denna studie då den innebär att introducera produkten till marknaden. Under Empathise hölls intervjuer med organisationen angående produkten, marknaden samt dess kunder. Organisationsmedlemmar inkludererade bland annat utvecklare, projektledare och produktchef. Utöver detta analyserades och sammanfattades även tidigare datainsamlingar. Efter det inleddes Define-fasen där ämnen som identifierats i förra fasen analyserades samt kategoriserades. Detta presenterades i olika typer av datamodeller såsom personas och storyboards vars mål var att representera användaren och dess upplevelser. Efter detta inleddes Ideate-fasen, vilket påbörjades med att generera koncept baserat på personas och storyboards som skapats i den föregående fasen. Dessa koncept analyserades och modifierades sedan. När konceptfasen var över och de bästa koncepten tagits fram var det dags att implementera dessa genom en prototyp, vilket kallas för Prototype- fasen. Implementeringen gjordes i stadier som börjar med pappersskisser som slutligen gick över till en programmerad prototyp. När denna prototypen tagits fram var det dags för den sista fasen Test, vilket består av användbarhetstestning. Som namnet avslöjar handlar denna fas om att testa prototypen. I denna studie gjordes detta genom att testdeltagare fick utföra testuppgifter medan de ombads tänka högt.

Efter detta fick de svara på frågor kring upplevelsen av prototypen samt betygsätta den.

3.1 Empathise - Förståelse av användare och marknad

Det första steget i studien blev att försöka empatisera med smarta hem-användare, och skaparna bakom tjänsterna. I användarundersökningar definieras vad, hur och

(24)

15 varför användaren vet saker, känner saker och gör saker (Arvola, 2014). Man bör även göra ett försök att förstå användarens mål och hur det man designar kan

påverka dom (Tidwell, 2010). Enligt Walter (2019) är det ett allt för vanligt misstag att basera utformningar på gissningar, vilket ofta resulterar i att saker blir fel. (Walter, 2019). I denna studie användes främst kvalitativa undersökningar. Detta ger en inblick i hur produkten upplevs av användarna (Walter, 2019). Detta kan ge

möjligheten att se användarens frustration och framgång när de använder produkten.

3.1.1 Fokuspunkter

Fokus för denna undersökningsprocess låg främst på att försöka förstå Indentives användare, nuvarande läge, mål, och problem. Det gjordes även ansträngningar för att begripa marknadens nuvarande läge, framtid, och Indentives plats på denna marknad. Intervjuprocessen riktade sig huvudsakligen mot Indentives interna struktur, då underlag från externa undersökningar redan fanns på plats (se 3.1.2 Befintlig data).

3.1.2 Befintlig data

Innan insamlingen av datan påbörjades undersöktes vilken befintlig data som fanns tillgänglig, då det är väldigt viktigt och hjälpsamt att bli medveten och använda sig av den datan som redan finns tillgänglig (Walter, 2019). Den befintliga datan som

upptäcktes var bland annat tidigare studier, datainsamlingar, samt personas. En av dessa var en datainsamling från Umeå Energi som undersökte testanvändares åsikter och problem med Connective-produkten (se 2.4.3 Umeå Energis

Datainsamling). Datainsamlingen består av allt från skapandet av rutiner till

installering av enheter. Förutom denna datainsamling fanns en tidigare studie gjord i samarbete med Indentive som undersöker Connective-produktens användbarhet (se 2.4.4 Smart users, smart homes, and the search for a smarter application)

(Hagelberg, 2018). Dessa datainsamlingar ansågs vara tillräckligt relevanta för att användas. Datainsamlingarna och representationerna gav en insikt i Connective- användarnas problem, mål och generella åsikter. Indentive hade även befintliga

(25)

16 personas skapade av Indentives designteam, dessa presenteras i kommande

stycke.

3.1.2.1 Indentives nuvarande personas

Indentive hade vid studiens utförande tre arketyper av sina användare som de använder vid utformning av sina produkter. Dessa hade tidigare tagits fram av

Indentives designteam. Samtliga personas användes som underlag och utvecklades sedan med underlaget inhämtat från denna studie.

3.1.2.1.1 Den okunnige

Ofta ointresserad av teknik med viss oro över att ta in den i sin vardag. Men när den okunnige ser att den löser ett problem och tillför ett tydligt värde uppskattas den ofta eftersom det har gett ökad komfort och en förenklad vardag. Utifrån kan den

okunnige ses som en bakåtsträvare eller till och med teknikfientlig men när väl den okunnige är med på spåret kan den ofta gå mot att bli en utforskande problemlösare.

3.1.2.1.2 Problemlösaren

Ser tillfredsställelse i att förenkla sin vardag samt att göra den mer komfortabel.

Eftersom problemlösaren gärna lägger tid på att utforska möjliga lösningar på sina problem görs ofta resan från okunnig till kunnig.

3.1.2.1.3 Prylnörden

Har koll på teknikmarknaden och har lätt att hitta och anamma avancerad

funktionalitet och tillfredställs av det. Genom sitt teknikintresse gillar prylnörden ofta att prata om sin upplevelse, jämför ofta lösningar sinsemellan och ser många gånger ett större värde i tekniken än i lösningen av problemet.

3.1.3 Deltagare

Vid rekrytering till intervjuer gäller det att fråga de intervjudeltagare som anses kunna bidra med relevant information. Interna intervjuerna bör enligt Kruger (2014)

inkludera deltagare med kunskap inom bland annat sälj, marknadsföring, och utveckling. Sälj kan ge insikt i produktens nuvarande status och potentiella kunder

(26)

17 och vad de vill ha, då de dagligen talar med dessa personer. Sälj kan även ge tips på vilka kunder som kan vara intressanta att intervjua. Personer som håller på med marknadsföring har troligtvis hört mycket feedback från kunder och kan via det dela med sig av unika insikter. Slutligen rekommenderar Kruger att man intervjuar

utvecklare eller ingenjörer. Dessa har bra koll på vilka integrationer som används, och vilka som inte fungerar som de ska. Dessa kan även ha problemloggar de kan dela med sig av.

Deltagarna valdes ut grundat på att de tillsammans representerar just dessa grundpelare i organisationen (Tabell 1). Varje deltagare hoppas kunna ge en unik inblick i organisationen och produkten, och därför har intervjufrågorna anpassats till varje roll. Varje intervjudeltagare fick även rekommendera andra att intervjua, vilket i sig blev ett bra sätt att få reda på intressanta intervjudeltagare.

Roll Ansvar Antal

Utvecklare Utveckla produkter 1

Quality Assurance (QA) Testa och kvalitetskontrollera produkter 1 Projektledare Leda utvecklingsgruppen i projekt 1 Sales Ta Indentives produktportfölj till

marknaden genom att skapa kontakt och samarbeten med kunder

1

Produktchef Ansvarig för utvecklingsorganisationen. 1

Designer Utforma produktupplevelser 2

Tabell 1. Deltagare interna intervjuer

3.1.4 Intervjumetod

I denna studie var intervjuerna semistrukturerade, vilket är den vanligaste

intervjutekniken att använda i designprojekt (Nielsen Norman Group 2019). Denna intervjutyp är baserad på ett antal öppna frågor, som bör ses mer som en guide

(27)

18 snarare än ett protokoll. Frågorna i guiden behöver inte ställas i rätt ordning, och mer fokus kan läggas på specifika frågor vid behov. Denna teknik öppnar upp för

följdfrågor som kan ge ytterligare insikt i specifika frågor.

3.1.5 Utformning av frågor

Frågorna till intervjuerna var delvis intervjuspecifika och till viss del generella. Detta skiljde sig mellan rollerna. Exempelvis fanns fler frågor om kunder och marknaden vid intervju av marknadsansvariga, medan teknikinriktade roller såsom utvecklare och QA fick fler och mer avancerade frågor angående IoT-teknik och smarta hem- enheter. Frågorna ställdes öppet för att deltagarna skulle få möjlighet att förklara fritt, vilket är att föredra (Arvola, 2014). En öppen fråga är då exempelvis “hur skulle du beskriva smarta hem-marknadens nuvarande status?” medan en sluten version av samma fråga skulle bli “tycker du att smarta hem-marknadens status är orolig?”.

Följdfrågor ställdes kontinuerligt under intervjun, vilket gav intervjudeltagaren en möjlighet att utveckla. Valideringsstrategier användes även, vilket betyder att man berättar sin tolkning av det personen sagt, då ger man användaren möjlighet att ändra sin formulering om det skulle vara så att ett missförstånd uppstått.

3.1.6 Etik

Innan varje intervju fick deltagaren reda på projektets syfte samt varför intervjun görs. Deltagaren skrev på ett GDPR-kontrakt där de gav samtycke till att intervjun spelades in och att materialet används anonymt i studiens slutresultat (se Bilaga 1).

Detta bör göras inför varje intervju (Arvola, 2014). Deltagaren fick presenterat möjligheten att få sin information raderad ur studien om ett sådant behov skulle uppstå. Deltagarna i studien är anonyma, vilket är att föredra (Arvola, 2014).

3.1.7 Intervjuprocessen

Intervjuerna inleddes med att deltagaren fick beskriva sin roll och vad de jobbade med i rådande stund. Sedan ställdes några generella frågor som var en del av varje intervju, såsom produktens nuvarande status, uppfattningar om användare, och hur

(28)

19 framtiden kan komma att se ut (se Bilaga 2). Även åsikter och tidigare upplevelser med konversationsagenter togs upp här. Sedan fortsatte intervjun in på mer

rollspecifika frågor. En del av frågorna täckte Indentive som organisation som helhet såsom exempelvis nuvarande status, fokus, och framtida mål. En del fokus lades även på marknaden och vart den ser ut att röra sig.

3.1.8 Bekantgörande med produkten

Utöver intervjuer och andra typer av datainsamlingar skapades förståelse för

produkten genom att interagera med den. Detta har gjorts gradvis under loppet av ett halvår, då denna rapports författare arbetat inom organisationen.

3.2 Define - Definiering av problem och mål

Under denna fas definierades och tydliggjordes de huvudproblemen som

identifierades under Empathise-fasen. Detta gjordes bland annat i form av personas och storyboards.

3.2.1 Personas

Som tidigare nämnt har Indentive redan existerande personas (se 3.1.2.1 Indentives nuvarande personas). I denna del underbyggs dessa personas med de tidigare fynd som gjorts. Personas och historier kring dom hjälper utformningen genom att det ger en tydlig bild av användarnas beteendemotivationer. Personas är ett sätt att skapa en väl underbyggd design (Arvola, 2014), samt blir en modell av målgruppen (Tidwell, 2010). Denna modell hjälper genom att ge fokus och riktning i

implementeringen. Det blir lättare att identifiera om man är på rätt spår om man kan ställa frågor såsom “skulle användaren verkligen göra så här?”. Detta görs genom att samla all data från intervjuer och observationer och sammanställa dessa (Arvola, 2014). För varje huvudgrupp som identifieras genom analysen skapas en påhittad karaktär (Tidwell, 2010). Personan bör alltså vara baserad på en grupp och inte representera en enskild individ (Arvola, 2014) Denna karaktär ska innehålla alla nyckelaspekter för den användargrupp den representerar (Tidwell, 2010). Detta bör

(29)

20 inkludera handlingar karaktären utför, erfarenhet av datorer och inom domänen (i detta fall smarta hem), samt dess mål. Enligt Arvola (2014) bör man definiera en primär persona, där huvudfokus läggs på att denna personans mål ska uppfyllas.

Man kan även definiera några sekundära personas, så länge målen av dessa inte strider mot målen för den primära personan.

3.2.2 Storyboards

Storyboards har länge varit etablerade och enligt Walter (2019) skapades den första på Walt Disney Studios år 1933. Dessa består av en grupp paneler fyllda med illustrationer och koncisa beskrivningar, vilket representerar nyckelaspekter för en historia. Dessa används av filmstudios likt Disney, men även av designers. I de sistnämnda fallen gäller historien ofta hur användaren använder produkten, alternativt hur avsaknaden av produkten påverkar användarna. Dessa produkthistorier fungerar som en typ av visuell förklaring av produkten.

Produkthistorier kan utformas på en mängd olika sätt såsom exempelvis en karta, video, eller storyboard. I denna studie väljs det sistnämnda alternativet för

utformningen. Storyboards är kopplade till personas och visar hur dessa beter sig olika sammanhang (Walter, 2019).

En storyboard kan potentiellt hjälpa utvecklingsgrupper samt andra nyckelparter i processen att bilda ett gemensamt mål (Arvola, 2014). Storyn kan hjälpa att ge insikt i hur produkten påverkar användarnas vardag. Storyboarden behöver inte vara förankrad i nutiden. Det är snarare ett sätt att visualisera framtiden och vad som kan hända om produkten tas fram på ett visst sätt. Storyboards hjälper designern att kliva ur skaparrollen och istället försöka anta rollen som användare för att se saker från deras perspektiv. Storyboarden kan även visas för användare för att få dom att förstå hur produkten kan förbättra deras liv.

En storyboard kan göras i sex olika steg: 1. Datainsamling, 2. Val av

detaljnivå, 3. Grunddefinierng, 4. Planering, 5. Utformning, 6. Distribuering (Krauser, 2018). Datainsamlingen kan ske på olika sätt såsom exempelvis intervjuer, test, eller kvantitativ statistik, i denna studie användes alla till en viss mån. För detaljnivå beslutades det att inleda med skisser på papper, som sedan fördes in i

mjukvaruprogrammet Sketch, där slutversionen med högre detaljrikhet togs fram.

(30)

21 Detta är inte ovanligt enligt Krauser, som menar att storyboards kan ligga på många olika detaljnivåer. Efter detta kopplades skapades ett scenario för samtliga personas.

Enligt Krauser ska varje storyboard hålla sig till en specifik riktning. Om flera riktningar eller personas är av intresse bör flera storyboards skapas, något som gjordes i denna process. Sedan utformades de olika stegen i scenariot. Varje steg bör enligt Krauser innehålla en kort beskrivning samt en känsla kopplad till steget.

Stegen kopplas sedan samman sekventiellt. Efter att storyboarden planerats valdes passande illustrationer och undertexter skrevs. Distribueringssteget som beskrivs av Krauser blir i detta fall själva studien där dessa storyboards inkluderas.

3.3 Ideate - Konceptgenerering

I denna fas genererades koncept för att lösa de problem som presenterats i tidigare faser. Ett koncept för en design fungerar som ett kommunikationsverktyg (Arvola, 2014). Konceptet bör vara utan tekniska uttryck, och kan på så sätt sträcka sig över flera yrkesdiscipliner. Koncepten i denna studie är kopplade till personas och

storyboards, vilket är bra då koncept bör fungera som en typ av hypotes kring vad folk gör, känner, och vet angående produkten. Detta ska likt storyboards ses utifrån ett framtidsperspektiv, alltså hur nya implementeringar kan komma att påverka användarna.

När man tar fram ett koncept specificeras “vad”, “hur”, samt “varför” (Arvola, 2014). “Vad” specificeras genom att konceptet innehåller att fokuspunkter för vad som ska designas. Detta bör ge ett helhetsperspektiv som kan identifieras av användare. “Hur” representerar vilken produkttyp det är, vilka principer den innehåller, samt eftersträvande kvalitet. “Varför” blir helt enkelt den motiveringen som finns för själva implementeringen. Det finns även enligt Arvola (2014) en del hörnstenar som bör finnas på plats vid framtagningen av ett koncept. Först och främst bör konceptet ha ett specifikt namn, såsom “HomeBot”. Därefter bör det innehålla ett huvudsyfte såsom “Erbjuda installation och reparationshjälp”. Konceptet bör även innehålla designprinciper, såsom “Förenkla och snabba på installation- och reparationsprocessen, samt göra den roligare”. Under konceptgenereringsprocessen bör även etiska, organisatoriska, estetiska, sociala, tekniska, samt praktiska

aspekter tas i åtanke (Arvola, 2014).

(31)

22 3.3.1 Genereringsprocessen

Processen för konceptgenerering kan inledas med skiss, som sedan går över i analys och kritik, vilket fortsätter med konvergens, och tillslut landar i prioritering och val (Kaplan, 2017). Detta tillvägagångssätt hjälper till att hålla processen

strukturerad. Eftersom huvudkonceptet redan är bestämt (någon typ av

konversationsagent) togs istället variationer på agenter samt sub-koncept för de huvudteman som identifierades i defineringsfasen fram. Alltså genererades först generella koncept för hur agenten skulle kunna vara utformad, sedan genererades åtta koncept per huvudproblem.

3.3.1.1 Skiss

Skissning låter designern rama in problemet samt dela med sig av tankar till

intressenter (Arvola, 2014). Tidsbaserad skissningssessioner är ett effektivt sätt att generera idéer (Kaplan, 2017). I denna studie användes Crazy eights som

skissningsmetod, vilket är ett sätt att generera och visualisera koncept (Kaplan, 2017). Crazy eights är en konceptgenereringsteknik där designern börjar med att dela upp ett papper eller annan skissyta i åtta delar. Sedan ska designern generera åtta koncept på åtta minuter, alltså har den en minut på sig per koncept (Google, 2020). Detta gjordes för varje huvudproblem samt två gånger för generella koncept som berörde agentens utformning överlag. De koncept som genereras via denna metod behöver inte vara bra eller detaljerade, här gäller kvantitet före kvalitet.

3.3.1.2 Analys och modifiering

Efter att konceptskisserna tagits fram var nästa steg att analysera och modifiera koncepten. Detta gjordes genom tre olika metoder prioriteringsmatris, Thinking hats, samt SCAMPER.

3.3.1.2.1 Prioriteringsmatris

En prioriteringsmatris är en metod för att prioritera funktioner (Gibbons, 2018). Detta görs genom att måla ut en tvådimensionell matris där ena axeln är Impact (inverkan) och andra är Effort (ansträngning). Impact är en prognos på hur stor potential

(32)

23 konceptet har för att lösa problemet och Effort är hur mycket ansträngning det

kommer krävas för att implementera samt uppehålla konceptet. Detta gjordes för samtliga huvudproblem. Här vill man då identifiera de koncept som har hög Effort men ändå låg Impact. Dessa placerar sig då ofta i matrisens nedre högra hörn.

3.3.1.2.2 Thinking hats

Detta är ett typ av diskussionsramverk som består av sex metaforiska hattar

(Kaplan, 2017). Dessa hattar har alla ett bundet tankesätt till sig, vilket gör att man i perioder kan analysera koncepten på olika sätt. Exempelvis är den vita hatten

kopplat till fakta, gula till optimism och den röda till känslor. Detta gör att man kan se produkten från en vinkel i taget. Då studieledaren är ensam i detta fall så undviks den sjätte hatten, vilken är till för att kontrollera att samtliga hattbärare håller sig till riktlinjerna. Detta ramverk applicerades på koncepten för att ge en tydligare bild på dess fördelar, nackdelar, möjligheter, samt funktionskrav

3.3.1.2.3 SCAMPER

SCAMPER är en metod som låter designers utveckla och utforska koncepten vidare genom kombination och manipulation (Kaplan, 2017). SCAMPER är ett engelskt anagram för Substitute (utbyte): byta ut ett element mot ett annat, Combine

(Kombinera): kombinera olika element, Adapt (Anpassa): modifiera ett koncept för att lösa ett nytt problem, Magnify or Minimize (Maximera eller minimera): Öka eller minska inflytandet av ett element, Put to another use (Använd på ett annat sätt):

Tänk om kring hur elementet används, Eliminate (Eliminera): Ta bort element som inte känns relevanta, Reverse or Rearrange (Omvänt eller ombytt): Kreativt tänk kring hur koncept kan förändras ex. ordningsmässigt. Detta ramverk öppnade upp för att generera nya modifierade koncept, vilket bidrog till en ny uppsättning koncept.

3.3.2 Effektkartläggning

Effektkartläggning är ett sätt att visa kopplingen och relationen mellan marknadsmål, deltagare, beteenden samt de leveransobjekt som bör skapas för att uppnå dessa mål (Schrader, 2017). Detta ramverk delar upp de olika beståndsdelarna i Pain (Smärtor), Goal (Mål), Who (Vem), How (Hur) samt What (Vad). Pain (Smärtor) blir

(33)

24 de huvudsakliga problemen som identifierats i Empathise- samt Define-fasen såsom installation, optimering, och hållbarhet. Goal (Mål) blir de mål som finns kopplat till problemet samt till vilken grad problemen ska lösas. Detta bör vara procentuella mål (exempelvis: minska supportsamtal med 20%) men då det finns brist på befintlig statistik blir sådana mål svåra att sätta. Who (Vem) är de personas som interagerar med produkten och som upplever problemet. I detta fall kopplas detta till personas.

Detta kan även kopplas till personer som på andra sätt interagerar med användaren, exempelvis supportpersonal. How (Hur) är på vilket sätt personerna bör agera för att målet ska uppnås. What (Vad) är det som bör levereras för att målet ska uppfyllas.

Detta kan då exempelvis vara supporthjälp direkt i appen.

3.4 Prototyping - Utformning av prototyp

I denna fas utformades de koncept som tagits fram. Utformningsprocessen bestod av att designa och utveckla en prototyp som kan användas för

användbarhetstestningen. Målet med prototypen är att efterlikna en så verklig produkt som möjligt. För att uppnå detta utvecklades den fullständiga versionen av prototypen genom programmering.

3.4.1 Skissprocess

Skissprocessen är i denna studie uppdelad i tre olika stadier: LoFi, MidFi, samt HiFi.

Varje steg tar designen till en ny detaljnivå och fyller sin unika funktion.

3.4.1.1 LoFi

Implementeringsfasen inleddes med så kallade low-fidelity-skisser av prototypen (se Figur 3). Denna prototyp har en detaljnivå som är långt ifrån den slutgiltiga produkten och kan ses som simplifierade versioner av prototypen som ofta görs på papper eller kartong (Preece, Rogers, & Sharp, 2002). LoFi-prototyper är enkla och snabba att producera, vilket gör det lätt att snabbt upptäcka och utforma nya idéer. Dessa fungerar bäst i början av ett projekt och bör endast användas för att upptäcka olika lösningar. Detta är även praktiskt i den mån att dess låga detaljnivå bjuder in till feedback och kritik (Walters, 2019). Dessa kan användas för

(34)

25 användbarhetstestningen men dess navigations- och flödesbegränsningar gör att det inte är optimalt.

Figur 3. LoFi-sketcher för några av prototypens sidor

3.4.1.2 MidFi

MidFi är en prototyp utvecklad i ett designverktyg, vilket i denna studie var Sketch.

Skillnaden mellan MidFi och HiFi är att MidFi inte använder bilder eller färg (se Figur 4). Detta görs för att kontrollera att hierarki och kontrast fungerar utan starka färger, vilket inte är en självklar aspekt för användare med synsvårigheter eller färgskadade skärmar.

(35)

26 Figur 4. MidFi-sketch av prototypens startsida

3.4.1.3 HiFi

Målet med detta prototypstadie är en prototyp som till stor del efterliknar den slutgiltiga produkten (se Figur 5) (Preece et al., 2002). Detta byggs likt MidFi med hjälp av mjukvaruprogram. Denna prototyp bör vara så pass verklighetstrogen att användare inte misstänker att det bara är en prototyp (Walters, 2019).

(36)

27 Figur 5. HiFi-sketch av appens startsida

3.4.2 Agentens personlighet

Något som kan vara svårt och kontroversiellt vid skapandet av AI är att ta rollen som skaparen (Gheerawo, Poggi, & Spencer, 2018). När en designer tar fram en agent och dess personlighet så följer även personens etik, bias, och förutfattade meningar med i skapandet, och färgar därav agentens personlighet. Att skapa en agents personlighet är alltså en väldigt komplicerad process. Att hålla balansen mellan en agent vars personlighet inte diskriminerar, är engagerande samt stämmer överens med intressentens värden kan vara svårt att uppnå (Carter & Knol, 2019). Det finns dock starka fördelar med att ge agenten en personlighet. I en studie av Bond et al.

(2019) rapporterade deltagarna att de uppskattade när chattbotar hade en personlighet. Om boten betedde sig vänligt och positivt ansågs interaktion

uppmuntrande. Personas letar efter anknytningar under en konversation, vilket leder till att en agent utan personlighet lätt blir ett problem (Carter & Knol, 2019). Detta

(37)

28 stämmer även överens med den positiva effekten av produktantropomorphism (se 2.5.3 Produktantropomorhpism).

3.4.2.1 Saker att undvika vid personlighetsskapandet

Det finns en del saker man bör undvika vid utformandet av en agents personlighet.

En av dessa saker är att göra agenten för generisk, då sådana meddelanden generellt inte uppskattas av användaren (Bond et al, 2019). Agenten bör alltså vara personligt och specifikt riktat mot användaren. Dessa personliga meddelanden gör att användaren upplever agenten som sympatisk. Det är även viktigt att låta

personligheten måla hela konversationen (Carter & Knol, 2019). Om agenten byter personlighet under processen blir användaren förvirrad, vilseledd och besviken. Ett annat misstag är att inte vara tydlig med huruvida användaren pratar med en människa eller en bot (Budiu, 2018). Deltagarna i Budius studie föredrog när

implementationen gjorde det tydligt att det var en bot, då detta ändrar användarnas förväntningar samt språk. Språket kan exempelvis ändras genom att vara mer direkt, utesluta artighetsfraser såsom “tack”, eller “snälla” samt baseras mer på nyckelord.

Detta typ av språk är ofta mer framgångsrikt vid samtal med botar. Det finns även fördelar med att helt undvika personlighet, då användare isåfall slipper bry sig om agentens känslor och att konversationen på så sätt blir mer objektiv (Budiu &

Laubheimer, 2018). Däremot anses de fördelar som presenterats vara tillräckligt stora för att utforma en personlighet.

3.4.3 Initiering av konversationer

Innan varje konversation behöver någon form av initiering ske, vilket bland annat kan ske från agentens sida vid upptäckt av intressant data eller vid en viss händelse där användarens uppmärksamhet krävs. Initieringen kan även göras genom att placera konversationsämnen som användaren kan välja för att påbörja konversationen. Att ge användaren dessa typer av förslag är ett sätt att ge en inblick i vad den kan börja med (Tidwell, 2010). Konversationsämnen är även ett sätt att tydligt visa användaren vilka funktioner agenten besitter, vilket är viktigt (Budiu, 2018). Dessa ämnen

representerar inte alla agentens funktioner men tanken är att kunna samla de mest använda och uppskattade funktionerna direkt på startsidan. Detta stämmer även

(38)

29 överens med Paretoprincipen. Denna princip lyder att det finns en trend i mån om orsak och verkan som ligger kring 80/20. Sauro (2012) tar upp ett exempel där 27%

av problemen representerade 72% av användarproblemen. Detta fenomen kan även ses i funktionalitet, där ungefär 80% av tiden spenderas på cirka 20% av

funktionerna. Tanken är att dessa 20% ska identifieras och placeras på startsidan så att användaren smidigt kan nå sina favoritfunktioner.

3.4.4 Interaktionstyper

Något många förknippar med en chattupplevelse är textfältet där man matar in texten man vill skicka, vilket även ofta förekommer vid interaktionen med en chatbot.

I utformningen av en chatbotsupplevelse är det även vanligt att använda sig av förslagsknappar (se Figur 6). Dessa knappar ger förslag på responser som använder kan klicka på istället för att skriva en respons. Användaren uppskattar dessa knappar samt förväntar sig att de kommer finnas (Budiu, 2018). Denna typ av navigation håller konversationen på rätt spår och gör kontrollerandet av kontext lättar

(Rangkarasamee & Yodmalai, 2019). Detta betyder dock inte att användaren ska tas ifrån möjligheten att skriva i fritext. Textinmatning är flexibelt och tillåter användaren att avvika från agentens nuvarande mönster (Budiu, 2018). Knapparna och textfältet har olika användningsområden och därför bör båda alternativen vara närvarande. I en studie utförd av Budiu (2018) uppmärksammade användarna att de blev irriterade när de tvingades skriva varje respons. Samma irritation uppstod dock när det enda alternativet var knapparna, därav borde båda alternativen finnas på plats. Dessa standardval tar dock uppmärksamhet, och användaren lär läsa igenom varje alternativ innan de istället väljer att skriva, förutsatt att de anser att ingen av alternativen är hjälpsamma (Tidwell, 2010). Därför bör inte för många alternativ presenteras, vilket går hand i hand med Hick’s law som lyder att tiden det tar att göra ett beslut ökar i takt med antalet val och dess komplexitet (Proctor & Schneider, 2018).

(39)

30 Figur 6. Förslagsknappar

3.4.5 Språkliga aspekter

Det finns även en del språkliga aspekter som togs till hänsyn vid utformning av prototypen. Bland annat sågs det till att språket inom systemets interaktiva

komponenter följer de riktlinjer Richards (2013) tar upp i sin artikel. Enligt Richard bör texten på en knapp kunna läsas både efter frågan exempelvis “Vill du?” samt den villkorliga exempelvis “Jag vill”. Ett exempel på detta kan vara om agenten frågar “Kan du börja med att ta en bild på förpackningens streckkod?” där ett interaktionsalternativ är “Fota streckkod”. Hade detta varit en vanlig konversation hade kanske “Ja” verkat som ett rimligt svar men en fördel med att hålla denna typ regler är bland annat att användaren inte behöver tolka frågan korrekt, då

handlingen går att förstå i sin ensamhet. Hade handlingens text endast varit “Ja”, vilket är ett rimligt svar, hade användaren behövt läsa hela agentens text samt tolkat den korrekt. Richard (2013) uttrycker även vikten av att kunna bibehålla det

vardagliga språket så att det inte tappar sin mänsklighet. Detta implementerades bland annat genom användningen av emojis, vilket även är ett sätt att öka

produktantropomorphismen.

3.4.6 Valmöjligheter

I Weinschenk (2011) beskrivs ett experiment där deltagarna fick välja mellan att använda valörerna på ett roulettebord med ett hjul eller ett med två hjul. Deltagarna föredrog det med två hjul, trots att alla hjul var identiska. Weinschenks poäng är att understryka vikten av att ge användaren möjlighet till flera val. Användare föredrar ofta fler än en möjlighet att utföra en uppgift och kommer inte alltid varken ta eller föredra den snabbaste vägen till att uppnå dess mål. Därför bör man ge användaren

References

Related documents

Råd för rutiner och underhåll av teleslinga Faktablad som riktar sig till ansvariga med teleslinga i sina lokaler/verksamheter.. Råd rutiner och underhåll av teleslinga (pdf)

Grundat i erfarenheter från församlingars vardag och med inspiration från Latour och andra tänkare diskuterar Jonas Ideström om hur teologisering handlar om att både urskilja och

I lopp utskrivna med autostart och högst 100.000 kr, samt alla 2-åringslopp med auto tillämpar Åby en I lopp utskrivna med autostart och högst 100.000 kr, samt alla 2-åringslopp

packningar, tidningar och farligt avfall kallas för restavfall och är precis som det låter, de rester som blir kvar när du sorterat ut allt annat.. Är du duktig på att sortera

Whatever is left behind after sorting out the food waste, packaging, magazines and hazardous waste is called residual waste and it’s exactly as it sounds, residual waste is

På samma sätt som för kvalitet bör normnivåfunktionen för nätförluster viktas mot kundantal inte mot redovisningsenheter.. Definitionerna i 2 kap 1§ av Andel energi som matas

Detta kan i sin tur skapa besparingar för fastigheter när det kommer till uppvärmning, vilket i detta fall är vad 60 procent av den totala kostnaden för fastigheterna står

• I filmerna saknas trygga vuxna som är, ansvars- tagande och som bryr sig om - eller som når fram. • Vuxenförebilderna ofta personer som inte är det i andras