國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第肆章 研究分析
本章的研究分析將根據研究問題，結合觀察及深度訪談所得到的資料，將資 料梳理後再進行深入的分析，以回答本研究之研究問題。針對閱聽人與聊天機器 人的對話文本、閱聽人對於文本的接收脈絡及解讀詮釋，分為三個小節加以探討：
第一節閱聽人與聊天機器人對話文本的分析；第二節閱聽人與聊天機器人對話接 收脈絡的分析；第三節閱聽人與聊天機器人對話解讀與詮釋的分析。
本研究總共招募十位受訪者進行了觀察與訪談，在進行資料分析之前，先對 於觀察訪談對象的背景資料與實測結果做簡單的說明。受訪者的背景說明，十位 受訪者中有五名為女性以及五名為男性，其中五位為年齡介於 31 至 40 歲的千 禧世代；另外五位則是年齡則介於 41 至 50 歲的 X 世代。其職業以均為不同產 業與職業背景，包含：一般公司內勤行政人員、食品公司美術設計人員、咖啡廳 業主、公務人員、IC 設計公司研發主管、軟體設計公司軟體設計人員、廣告行銷 公司關鍵字操作行銷人員、行銷公司產品經理、銀行理財專員及保險公司具聊天 機器人開發實務經驗的網站企劃人員。而在十位受訪者中，學歷多集中於碩士，
共有五位；年收入 80 萬元以下有四位、91 至 100 萬元有三位、100 萬元以上有 三位。
然而，十位受訪者均有申辦過信用卡的經驗，申辦或接觸過基金的經驗則有 七位受訪者，包含了五位 X 世代及二位千禧世代。對於使用或接觸過聊天機器 人與其他數位工具（包含：網路銀行、行動 APP、行動支付等）的調查，十位受 訪者均有使用過網路銀行及行動 APP 的經驗，行動支付則是共有五位受訪者包 含了一位 X 世代及四位千禧世代的受訪者，有使用過的經驗。然而，銀行的聊天 機器人則是僅有一位 X 世代與三位千禧世代，共四位的受訪者有使用過的經驗。
顯示出銀行的聊天機器人使用率尚未普及，但其他兩位未使用過的千禧世代受訪 者則表示，雖然未使用過銀行的聊天機器人，但有使用過其他行業的聊天機器人，
詳見表 4-1.說明。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
的簡單任務說明：十位受訪者均有申辦過信用卡的經驗，對於信用卡相關的專有 名詞與申辦相關的內容都有相當程度的認識與了解。因此，在測試申辦信用卡的 情境任務時，全數的受訪者都因有足夠的先備知識與經驗，都能夠很快速的向聊 天機器人提出問題，而且對於機器人的回答也都有自我詮釋的想法。反觀聊天機 器人在此任務的過程中，在這方面的資料庫可能比較足夠些，所以對於受訪者的 話語比較能理解，讓受訪者覺得機器人的回答比較不會是一直出現重複相同的回 答。但還是會有得不到滿意的答案或是答非所問的情況出現，不過若是與推薦基 金的複雜任務相比較，機器人在回答有關於申辦信用卡任務的情況，還是讓人感 到比較滿意。
第二、「推薦基金」的複雜任務說明：五位 X 世代的受訪者均有申辦與投資 基金的相關經驗，所以對於「基金」並不陌生，基金相關的專有名詞及申辦相關 的內容都有基本的認識與了解。千禧世代則是其中兩位受訪者因為工作的關係，
所以有申辦過基金與基金投資的相關經驗，其他三位千禧世代的受訪者均未接觸 過基金，所以，對於「基金」相對來說是感到非常陌生的。在測試推薦基金的任 務情境時，有經驗的 X 世代與千禧世代受訪者都是以投資基金相關的術語來詢 問問題，例如：可以直接說出哪一檔或是哪一類的基金，機器人是否可推薦，或 是以報酬率、基金績效等金融術語來詢問機器人。其他三位沒有申辦經驗的千禧 世代受訪者則以「推薦基金」的概念為出發，所以，以較為生活化的問法，例如：
有什麼賺錢的基金可以推薦？有什麼風險低的基金可以推薦？而聊天機器人在 此任務的過程中，對於受訪者對話中關鍵字的判斷、話語理解的能力與後端的資 料庫似乎尚未完善，加上推薦基金的問項較多也比較複雜，機器人因此更常出現 文不對題、答非所問的狀況。不然就是很大部分的情形是機器人問了受訪者很多 問題後，最後卻是連結回官網，讓受訪者無法在第一時間就得到適切滿意的答案。
所以，在推薦基金的複雜任務，全數受訪者與聊天機器人對話的時間，都比申辦 信用卡簡單任務的時間來得短，尤其是三位沒有接觸過基金的千禧世代，與其他 人相比，對話時間還要短。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
整體而言，執行成效上以「申辦信用卡」的簡單任務優於「推薦基金」的複 雜任務。十位受訪者在過程中都能快速解讀與詮釋聊天機器人的對話內容，但機 器人的回答卻不能滿足受訪者。因此，我們將從聊天機器人對話文本、閱聽人接 收脈絡及閱聽人解讀詮釋，來加以分析說明。
第一節 閱聽人與聊天機器人對話文本的分析
游美惠（2000）指出文本結構的分析，包含：互為正文性與語境分析這兩個 概念，其中，語境分析將文本視為情境，了解上下文脈絡與社會情境脈絡，適切 地加以詮釋。而聊天機器人的對話文本是基於腳本與關鍵字的互動所生成，因此 介面設計更加側重於對話上下文的文本情境與話語理解（Quarteroni & Manandhar, 2009），尤其在情境敘事下更講求於上下文脈絡與語言符號前後的關係意義
（Sommer, 2012）。然而，機器人透過閱聽人的問話去尋找其中的關鍵字，以了 解並判斷出閱聽人對話中語言符號前後的關係意義。所以，本研究將從對話文本 的結構、對話腳本情境與互動的關鍵字、以及對話文本的優勢意義，來分析探討 閱聽人與聊天機器人的對話文本。
一、聊天機器人對話文本為互動的循環文本模式
所有的受訪者因已具備基本的金融常識與使用社群平台的經驗，所以，對於 銀行的聊天機器人操作並不陌生。在人機互動的過程中，一開始的情境都是由受 訪者登入對話介面後，對話介面就會先出現個資宣告的訊息與銀行相關活動的圖 卡及功能選單，受訪者必須主動開啟對話，聊天機器人才會開始對話。因此，受 訪者具有主動性與主導性能夠決定開啟對話或是結束對話。一開始受訪者會以自 身經驗與想法主動地先詢問問題來開啟對話，而聊天機器人接收到受訪者的問題 後，就會掌握其對話句子中的關鍵字即時響應的回答，形成一種一問一答的對話 互動狀態，也如同第一代接收分析的論述，形成製碼與解碼的模式。張玉佩（2003）
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
就指出閱聽人在接收原始文本訊息後，以主體經驗與意識再產生回饋的文本，形 成不斷循環的接收關係而產生了「循環文本」。
因此，在對話文本的結構上形成一種互動的循環文本模式，只是在這互動循 環對話的模式下，閱聽人一旦從機器人的回答中得不到滿意的答案或是覺得機器 人不能理解所問問題、答非所問的時候，閱聽人會想要終止對話。分別說明這兩 種情境，首先說明當閱聽人得不到滿意答案的情況，X4 受訪者就表示說：
信用卡回答上還可以，但它回我的這些內容很制式的回答，而且它 直接導引去看網站，那直接看網站就好，加上停滯超過 60 秒未對話，
連線就會中斷，又要重新打字，讓我不想花時間來用聊天機器人。（編 號 X4，43 歲，男，碩士，公務人員）
X4 受訪者點出機器人「直接導引去看網站」的要點，而另一位 Y1 的受訪者 也明白地指出「物流的服務」與「客服電話」的重點，她說：
當我得不到答案時就想結束對話，不想使用機器人，但是，像淘寶 的機器人有物流的服務，可以詢問送貨進度，像這種特定的問題就會想 使用它；或是像客服電話要一直轉接情況下，才會想使用聊天機器人。
（編號 Y1，31 歲，女，碩士，設計公司軟體設計人員）
從上述受訪者們的反應中，我們分別可以發現兩個重點，第一、聊天機器人 似乎被設計成進入網站的導引介面。對話中聊天機器人的回答導引至網站，往往 會讓受訪者在使用過程中跳離現有的畫面，尤其是手機上的操作，更不容易回到 原來的對話介面，這樣反而讓人在使用的過程中容易迷路。訪談過程中，X1 受 訪者就曾表示說：「它如果跳到其他頁面時，讓我常常不知道要怎麼回到原來的 畫面。」X3 受訪者也曾說：「它如果盡量不要跳出它的視窗介面，會比較友善！」
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
然而，對於銀行的聊天機器人這樣的設計，或許是因為要回答的資訊過多，以貼 心的設想才導回至網站，是想讓受訪者能夠得到更詳細地說明。但是，這樣的聊 天機器人很容易被誤認為只是進入網站的一個導引介面而已，聊天機器人設計使 用的初衷是為減輕或取代客服人力，以改善解決重複的與固定的客服問題。使用 者就是因為不想等待客服電話才來使用聊天機器人，但卻未能在第一時間就解決 使用者的問題，也就失去了使用聊天機器人的意義。
第二、排他的功能。以 Y1 受訪者提到，物流業的聊天機器人在使用上有很 不錯的對話體驗， X3 受訪者因為是咖啡店業主，常需要物流服務運送咖啡豆給 客戶，因此，也常使用物流業的聊天機器人，她也不約而同的提到說：
我自己測試了很多產業的聊天機器人，圖卡式介面設計其實都大同
我自己測試了很多產業的聊天機器人，圖卡式介面設計其實都大同