Cómo crear una acción genial para el Asistente de Google. Lifehacks de Just AI

El ecosistema alrededor del Asistente de Google está creciendo increíblemente rápido. En abril de 2017, solo 165 acciones estaban disponibles para los usuarios, y hoy solo en inglés hay más de 4,500. La diversidad y el interés del rincón de habla rusa del universo de Google Assistant dependerá de los desarrolladores. ¿Existe una fórmula de acción ideal? ¿Por qué separar el código y el contenido del script? ¿Qué se debe recordar al trabajar en una interfaz conversacional? Le pedimos al equipo de Just AI, los desarrolladores de tecnologías de IA conversacional, que compartieran trucos para crear aplicaciones para el Asistente de Google. En la plataforma Aimylogic de Just AI, se han creado varios cientos de juegos de acción, entre los cuales hay juegos muy populares: más de 140 mil personas ya han jugado al juego "Sí, mi señor" . Cómo construir adecuadamente el trabajo en la acción soñada, dice Dmitry Chechetkin, jefe de proyectos estratégicos de Just AI.

Agitar pero no mezclar: el rol del script, el contenido y el código

Cualquier aplicación de voz consta de tres componentes: un guión interactivo, contenido con el que interactúa la acción y lógica programable, es decir. código

El escenario es quizás lo principal. Describe qué frases puede hablar un usuario, cómo debe reaccionar una acción ante ellas, en qué estados entra y cómo responde exactamente. He estado programando durante 12 años, pero cuando se trata de crear una interfaz de conversación, recurro a varias herramientas visuales.

Para empezar, no está de más dibujar un esquema simple del guión en papel. Entonces usted decide qué y qué sigue en el diálogo. Luego puede transferir el script a algún producto para visualizarlo. Google ofrece crear un diálogo de Dialogflow totalmente personalizado, y para los escenarios más simples y cortos que no requieren una comprensión amplia del lenguaje, Actions SDK . Otra opción es un diseñador visual con Aimylogic NLU ( cómo crear una acción para el Asistente de Google en Aimylogic ), en el que puede crear un script sin ninguna habilidad de programación en profundidad, y también probar inmediatamente la acción. Utilizo Aimylogic para ver cómo funcionarán todas las transiciones en mi diálogo, para probar y validar la hipótesis en sí y la idea de lo que quiero implementar.



La lógica programable a menudo se requiere. Por ejemplo, su sitio puede verse bien, pero para que "sepa cómo", tendrá que hacer referencia al código en el servidor y el código podrá calcular algo, guardar y devolver el resultado. Lo mismo con el script de acción. El código debería ejecutarse sin problemas, y mejor si es completamente gratis. Hoy no hay necesidad de pagar miles de dólares para que un código de 50, 100, 1000 líneas esté disponible para su acción 24/7. Utilizo varios servicios para esto a la vez: Google Cloud Functions , Heroku, Webtask.io, Amazon Lambda. Google Cloud Platform ofrece una gama bastante amplia de servicios de forma gratuita en su nivel gratuito .

El script puede acceder al código utilizando las llamadas http más simples a las que todos estamos acostumbrados. Pero al mismo tiempo, el código y el script no se mezclan. Y esto es bueno, porque puede mantener ambos componentes actualizados, expandirlos a su gusto, sin complicar el trabajo en la acción.



El tercer componente es el contenido. Estos son datos que pueden cambiar todo el tiempo, sin afectar la estructura del script en sí. Por ejemplo, preguntas de preguntas o episodios en nuestro juego Sí Sí . Si el contenido viviera con el script o con el código, dicho script se volvería más engorroso. Y en este caso, no importa qué herramienta use para crear una acción, trabajar con ella seguirá siendo un inconveniente para usted. Por lo tanto, recomiendo almacenar el contenido por separado: en una base de datos, en un archivo en el almacenamiento en la nube o en una tabla a la que el script también pueda acceder a través de la API para recibir datos sobre la marcha. Separando el contenido del guión y el código, puede atraer a otras personas para que trabajen en la acción: podrán reponer el contenido independientemente de usted. Y el desarrollo del contenido es muy importante, porque el usuario espera de la acción, a la que regresa una y otra vez, contenido fresco y diverso.



¿Cómo usar tablas ordinarias en la nube para no almacenar todo el contenido en el script mismo? Por ejemplo, en el juego "Primero o Segundo" utilizamos una hoja de cálculo Excel basada en la nube donde cualquiera de los participantes del proyecto podría agregar nuevas preguntas y respuestas para la acción. El script de Aimylogic accede a esta tabla utilizando una única solicitud http a través de una API especial. Como puede ver, el script en sí es pequeño, porque no almacena todos los datos de la tabla, que se actualiza todos los días. Por lo tanto, separamos la secuencia de comandos interactiva del contenido, lo que nos permite trabajar con el contenido de forma independiente y reponer colectivamente la secuencia de comandos con datos nuevos. Por cierto, 50 mil personas ya han jugado este juego.

Lista de verificación: cosas para recordar al crear una interfaz conversacional

Cualquier interfaz tiene componentes con los que el usuario interactúa: listas, botones, imágenes y más. La interfaz conversacional existe de acuerdo con las mismas leyes, pero la diferencia fundamental es que una persona se comunica con el programa por voz. A partir de esto debemos construir, creando nuestra propia acción.

La acción correcta no debería ser capaz de hacer todo en el mundo. Cuando una persona habla con un programa, no puede mantener mucha información en su cabeza (recuerde cómo escucha las ofertas personales de varios pisos de un banco u operador de telefonía móvil por teléfono). Renunciar a lo superfluo y centrarse en una sola, pero la función más importante de su servicio, que se realizará más convenientemente con su voz, sin tocar la pantalla.

Por ejemplo, tiene un servicio de tickets. No debe esperar que el cliente ponga en escena el escenario habitual con una voz: busque un boleto de acuerdo con cinco o seis criterios, elija entre transportistas, compare y pague. Pero una aplicación que le indica el precio mínimo en la dirección elegida puede ser útil: esta es una operación muy rápida, y es conveniente realizarla por voz sin abrir el sitio, sin tener que pasar por el guión de "llenado de formularios" cada vez (cuando completa los campos y selecciona filtros )

La acción se trata de la voz, no del servicio en su conjunto. El usuario no debe arrepentirse de haber lanzado la acción en el Asistente, y no fue, por ejemplo, a la aplicación o al sitio. Pero, ¿cómo entender que no se puede prescindir de una voz? Para comenzar, prueba la idea de la acción en ti mismo. Si puede realizar fácilmente la misma acción sin voz, no tendrá sentido. Una de mis primeras aplicaciones de Asistente fue Yoga para los ojos . Este es un entrenador personal virtual que ayuda a hacer ejercicios para la visión. No hay duda de que se necesita una voz aquí: sus ojos están ocupados con ejercicios, está relajado y concentrado en las recomendaciones orales. Asomarse al memorando, distrayéndose del entrenamiento, sería inconveniente e ineficaz.

O aquí hay un ejemplo de un script fallido para una aplicación de voz. A menudo escucho sobre cómo otra tienda en línea quiere vender algo a través de un asistente virtual. Pero llenar la canasta con voz es inconveniente y poco práctico. Y es poco probable que el cliente entienda por qué lo necesita. Pero la capacidad de repetir el último pedido por voz o lanzar algo sobre la marcha en la lista de compras es otra cuestión.

Recuerda sobre UX. La acción debe ser junto con el usuario: acompañarlo y guiarlo en el curso del diálogo para que comprenda fácilmente lo que se debe decir. Si una persona se detiene, comienza a pensar: "¿Y qué sigue?" Es un fracaso. No hay necesidad de esperar que su usuario siempre consulte la ayuda. Los "callejones sin salida" deben ser monitoreados (por ejemplo, en análisis en la Consola de acciones ), y el usuario debe recibir ayuda con preguntas o sugerencias sugerentes. En el caso de la acción de voz, la previsibilidad no es un vicio. Por ejemplo, en nuestro juego "Sí, mi señor", cada frase termina para que el participante pueda responder "sí" o "no". No está obligado a inventar algo por su cuenta. Y no es que este sea un juego tan elemental. Es solo que las reglas están organizadas para que el usuario sea muy claro.


"¡Él habla bien!" La acción "escucha" bien gracias al Asistente, y bien "habla", gracias al desarrollador del script. Una actualización reciente le dio al Asistente de Google nuevas opciones de voz y una pronunciación más realista. Todo es genial, pero el desarrollador debe reflexionar sobre la frase, su estructura, sonido, para que el usuario pueda entender todo la primera vez. Organice el estrés, use pausas para hacer que las frases de acción suenen humanas.

Nunca cargue al usuario. Para los juegos de acción que expresan noticias o leen cuentos de hadas a los niños, esto no es un problema. Pero escuchar el discurso de un asistente de voz sin parar cuando quieres pedir pizza es difícil. Intente hacer réplicas concisas, pero no monosilábicas y variadas (por ejemplo, pensar en varias opciones para saludos, despedidas e incluso frases en caso de que el asistente no haya entendido algo). El diálogo debe sonar natural y amigable, para esto puede agregar elementos de habla coloquial, emociones, interjección a las frases.

El usuario no perdona la estupidez. La gente suele culpar a los asistentes de voz por la estupidez. Y, básicamente, esto sucede cuando un asistente o una aplicación para él no pueden reconocer diferentes variaciones de la misma frase. Deje que su acción sea tan simple como configurar una alarma, es importante que aún comprenda sinónimos, diferentes formas de palabras que tienen un significado idéntico y que no fallan si el usuario responde de manera impredecible.

¿Cómo salir de situaciones cuando una acción se niega a entender? En primer lugar, puede diversificar las respuestas en la intención de reserva predeterminada: use no solo el estándar proporcionado, sino también los personalizados. Y en segundo lugar, puedes entrenar la intención alternativa con todo tipo de frases de spam que no están relacionadas con el juego. Esto enseñará a la aplicación no solo a responder adecuadamente a solicitudes irrelevantes, sino que también aumentará la precisión de la clasificación de otros tipos de solicitudes.



Y un consejo más. Nunca, nunca haga un menú de botones de su acción para facilitar la vida del usuario: molesta, distrae del diálogo y le hace dudar de la necesidad de usar la voz.

Enseñar la acción de cortesía. Incluso la acción más genial debería terminar. Idealmente, adiós, después de lo cual quieres volver a él nuevamente. Por cierto, recuerde que si la acción no hace una pregunta, sino que simplemente responde a la pregunta del usuario, debe "cerrar el micrófono" (de lo contrario, la aplicación no se moderará y no se publicará). En el caso de Aimylogic, solo necesita agregar el bloque "Finalización del script" al script.

Y si cuenta con la retención, es importante proporcionar otras reglas de buen tono en el guión: la acción debe funcionar en un contexto: recuerde el nombre y el género del usuario y no vuelva a preguntar qué se ha especificado.

Cómo trabajar con calificaciones y reseñas

Los usuarios de Google Assistant pueden calificar los juegos de acción y, por lo tanto, influir en su calificación. Por lo tanto, es importante aprender a usar el sistema de calificación para su ventaja. Parece que solo necesita darle al usuario un enlace a una página con su acción y pedirle que deje una reseña. Pero hay reglas. Por ejemplo, no ofrezca evaluar la acción en el primer mensaje: el usuario debe comprender lo que está calificando. Espere hasta que la aplicación realmente cumpla con alguna misión de usuario útil o interesante, y solo entonces ofrezca dejar una revisión.



Y es mejor no intentar expresar esta solicitud con su voz, con la ayuda de la síntesis de voz: solo pasa su tiempo. Además, puede que no siga el enlace, pero diga "Apuesto cinco", y esto no es lo que necesita en este caso.

En el juego "Sí, mi señor", mostramos el enlace para recibir comentarios solo después de que el usuario haya jugado la siguiente ronda. Y al mismo tiempo, no expresamos la solicitud, sino que simplemente mostramos un enlace a la pantalla y ofrecemos volver a jugar. Volveré a prestar atención: ofrezca este enlace cuando se garantice que el usuario recibirá algún beneficio o placer. Si hace esto en el momento equivocado, cuando la acción no comprende algo o se ralentiza, puede recibir comentarios negativos.

En general, pruebe nuestras acciones de Aimylogic "Yoga para los ojos" , los juegos "Primero o Segundo" y "Sí, mi señor" (y pronto aparecerán transacciones en él, ¡y será más fácil para mi señor mantener su poder y riqueza!). Y recientemente, lanzamos la primera búsqueda de voz para el Asistente de Google "Lovecraft World" , un drama interactivo en el estilo místico "Call of Cthulhu", donde las escenas son expresadas por actores profesionales, la trama se puede controlar por voz y hacer pagos en el juego. Esta acción ya está desarrollada en Just AI Conversational Platform, una solución empresarial profesional.

Tres secretos del asistente de Google

1. El uso de la música. De los asistentes de voz en ruso, solo el Asistente de Google te permite usar música directamente en el guión de acción. La disposición musical suena muy bien en los juegos de acción, y desde el yoga hasta la música hay sensaciones completamente diferentes.
   
   
2. Opciones de pago dentro de la acción. Para compras en la aplicación, el Asistente de Google utiliza la plataforma Google Play. Las condiciones para trabajar con la plataforma para creadores de acción de juego son las mismas que para los desarrolladores de aplicaciones móviles: el 70% de la transacción se deduce al desarrollador.
3. Moderación Para una moderación exitosa, la acción debe tener una Política de procesamiento de datos personales. Debe colocarlo en sites.google.com , indicar el nombre de su acción y correo electrónico, el mismo que el del desarrollador en la consola del desarrollador, y escribir que la aplicación no utiliza los datos del usuario. La moderación de una acción sin transacciones dura de 2 a 3 días, pero la moderación de una aplicación con pagos integrados puede demorar de 4 a 6 semanas. Más sobre el procedimiento de revisión

Más trucos para la vida, más casos y épicas instructivas esperan a los desarrolladores en la conferencia sobre conversaciones de AI conversacionales , que se realizará del 27 al 28 de junio en San Petersburgo. Andrey Lipatsev, Gerente de Desarrollo de Socios Estratégicos de Google, hablará sobre la experiencia internacional y los detalles rusos del Asistente de Google. Y en el Día del Desarrollador, Tanya Lando, una lingüista líder de Google, hablará con los participantes sobre cuadros de diálogo, señales y metodologías y cómo elegirlos para sus tareas; y los propios desarrolladores compartirán su experiencia personal en la creación de aplicaciones de voz para asistentes, desde una secretaria virtual para Google Home hasta juegos de voz y acciones B2B que pueden funcionar con la infraestructura cerrada de la compañía.

Y, por cierto, el 28 de junio, como parte de la conferencia, Google y Just AI realizarán un hackathon abierto para desarrolladores profesionales y novatos: ¡puedes trabajar en acciones para el Asistente, experimentar con UX conversacional, síntesis de voz y herramientas NLU y competir por premios en efectivo! Regístrese - ¡el número de asientos es limitado!