閱聽人與金融聊天機器人對話之接收分析－以銀行場域為例 - 政大學術集成

全文

(1)國立政治大學傳播學院碩士在職專班碩士學位論文. 指導教授：劉慧雯博士. 立. 政治大. ‧. ‧ 國. 學. 閱聽人與金融聊天機器人對話之接收分析－以銀行場域為例 Reception Analysis of the Dialogue between the Audience and the. Nat. n. al. er. io. sit. y. Financial Chatbot -Take the Bank Scenario as an Example.. Ch. engchi. i Un. v. 研究生：賴億華撰. 中華民國一○九年七月 DOI:10.6814/NCCU202000972.

(2) 謝辭這篇論文研究了時下最夯的金融科技發展中 AI 人工智慧應用的「聊天機器人」，也是集合了我在碩二兩門課程「訊息設計與呈現」以及「閱聽人專題」學以致用的成果展。雖然研究過程非常辛苦，但真的非常認真的投入，並且努力去完成，終於看到甜美的成果，也期待這篇論文能提供給學術與業界一些貢獻。最要感謝的是指導教授慧雯老師，歷經十幾次不斷地修正與討論，每次的討論，老師真的棒棒的，幽默風趣、妙語如珠，更重要的是每次當我跌跌撞撞、歪樓時，老師總是邏輯清楚、一針見血的掌握重點，神救援啊！也終於完成了！真的很享. 治政受每次和老師的互動討論，總是收穫滿滿，帶來不一樣的啟發與思維。也很感謝大立亞維老師和素華老師，二位口委老師提供非常多寶貴的意見給我，愛你們唷！ ‧ 國. 學. 再要謝謝我親愛的家人，在我念書這幾年一路相挺，爸爸和弟弟不辭辛勞，. ‧. 假日總是輪流騎著摩托車載我去上學。尤其是爸爸騎著摩托車，望著爸爸的背影，. sit. y. Nat. 讓我重溫了兒時舊夢，只是爸爸的頭髮還真白了不少，老人家辛苦了！媽媽也辛. io. er. 苦了，總是會幫我準備好吃的點心，姐姐妹妹也辛苦了，常常要對我精神鼓勵，喊“加油！”。也感謝我的好友小碎花姊妹們一路支持，尤其是小魚媽和小英，. al. n. iv n C 魚媽的加油打氣常常給予正能量的加持，小英知道念書人的辛苦，在 hengchi U. OranBean. Coffee 都會奉上頂級咖啡和點心，溫暖相伴。還有感謝研究所的同學們，焦哥、煜承、愷欣、芳君和心怡，彼此討論與激勵，也常分享彼此的心路歷程：「我的痛苦你懂的、你的痛苦我知道！」成為彼此堅強的後盾。也要感謝廖董一路分享畢業論文的流程，麗芳姐、有為學長、忠一學長以及 EMA107 的學弟妹們，一路為我喊加油！由衷感謝，在研究所期間支持與幫助我的所有人，謝謝 EMA106 同學們，求學過程一起成長，真的從各位身上學到很多，也留下很多歡笑與回憶。最後，以當過班代常鼓勵大家的名言送給做論文研究的人，面對論文研究「莫急、莫慌、莫發瘋！」認真做下去就對了！. i. DOI:10.6814/NCCU202000972.

(3) 摘要科技賦能金融，帶動了金融科技 3.0（Fintech 3.0）發展的熱潮。尤其是 AI 人工智慧及聊天機器人（chatbot）的應用，已成為不可逆的發展趨勢。以聊天機器人與人機互動過去的相關研究，多侷限於資訊技術的探討與使用性的趨勢了解，似乎忽略了使用者在真實使用情境是如何與機器人進行互動。互動對話過程中，使用者是在何種情境脈絡下接收機器人的對話，而這樣的情境脈絡是如何影響著使用者的解讀與詮釋，值得深入探討與研究，故引發了研究動機。因此，本研究從傳播學的觀點，使用者為閱聽人的角度、接收分析理論與閱. 政治大. 聽人研究的取徑，並以銀行場域為例，探索閱聽人與聊天機器人的對話。透過文. 立. 獻探討梳理、文本分析、觀察及深度訪談的質性研究，結果發現，閱聽人與聊天. ‧ 國. 學. 機器人對話，閱聽人所處的情境是透過對話介面，與聊天機器人一問一答的互動. ‧. 情境，呈現循環文本的模式。閱聽人對於對話的接收脈絡，則是以自身基本的金融常識與經驗造就了其識讀與理解，常以「換句話說」與「轉換關鍵字」的閱讀. y. Nat. n. al. er. io. 話的開啟與結束。. sit. 技能，來持續與機器人對話，並以主動閱聽人的身分，享有媒介近用權而主導對. Ch. i Un. v. 閱聽人對於對話文本的接收解讀與詮釋，基於「好奇心」的驅使與「實用性. engchi. 的考量」作為對話內容的解讀策略，然而千禧世代與 X 世代受其背景經驗影響產生差異的解讀模式與詮釋，但僅體現於基金這類型的投資理財話題。對話後的詮釋，兩個世代的閱聽人都認為聊天機器人似乎只能解決簡單的問題，但閱聽人需要更即時互動的直覺式體驗，對話內容與閱聽人的生活經驗相連結，才能創造良好體驗。因此，期望研究結果能提供學術佐證與業界參考改善之依據。. 關鍵字：接收分析、閱聽人、金融聊天機器人、人機互動理論. ii. DOI:10.6814/NCCU202000972.

(4) Abstract Technology empowers finance, driving the upsurge in the development of Fintech 3.0. Especially the application of AI and chatbot has become an irreversible development trend. In the past, research related to the interaction between chatbots and human-machines was mostly limited to the discussion of information technology and the understanding of usability trends, and it seemed to ignore how users interact with machines in their actual usage scenarios. In the interaction process, under what context the user receives the dialogue of the robot, and how does this context affect the user's interpretation and response, it is worth in-depth discussion and research, so it triggers research motivation. Therefore, In this research, from the perspective of communication studies, the user is from the perspective of the audience, reception analysis and the approach of the study of the audience, and taking the bank field as an example to explore the dialogue between the audience and the chatbot. Through the qualitative research of literature review, text analysis, observation and in-depth interviews, it was found that the audience and the chatbot are in the conversational user interface, and Interactive question-and-answer scenarios , Which presents a pattern of circulating text. The audience reception of dialogue are based on their basic financial knowledge and experience to create their reading and understanding. They often use the reading skills. 立. 政治大. ‧. ‧ 國. 學. Nat. y. sit. n. al. er. io. of "in other words" and "converting keywords" to talk with chatbot. And as the active readers, they have the right of access to the media and lead the opening and closing of the dialogue. The audience interpretation and interpretation of the dialogue text is based on the drive of "curiosity" and "practical considerations" as the interpretation strategy of the dialogue content. However, the interpretation mode of the difference between Millennials and Generation X is affected by their background experience Interpretation, but only reflected in the investment and financial topics of the fund. Interpretation after the conversation, the two generations of audience think that chatbots can only solve simple problems, but they need a more instant interactive intuitive experience, and the. Ch. engchi. i Un. v. dialogue can connect with the audience’s life experience to create a good experience. Therefore, it is expected that the research results can provide the basis for academic evidence and industry reference improvement.. Keywords: reception analysis, audience, financial chatbots, human–computer interaction. iii. DOI:10.6814/NCCU202000972.

(5) 目次第壹章緒論 .............................................................................................. 1 第一節研究背景 ..................................................................................................... 1 第二節研究動機與目的 ......................................................................................... 4 一、研究動機 ................................................................................................ 4 二、研究目的與研究問題 ............................................................................ 6. 第貳章文獻探討 ...................................................................................... 8. 政治大第一節金融聊天機器人立 ......................................................................................... 8. ‧ 國. 學. 一、人機互動理論下的聊天機器人 ............................................................ 8. ‧. 二、聊天機器人的對話介面 ...................................................................... 12. sit. y. Nat. 三、金融領域的聊天機器人現有案例分析 .............................................. 15. io. n. al. er. 第二節銀行的聊天機器人其使用者/閱聽人使用行為與經驗 .......................... 20. i Un. v. 第三節閱聽人之接收分析的研究 ....................................................................... 23. Ch. engchi. 一、接收分析理論 ...................................................................................... 23 二、閱聽人接收的情境與脈絡 .................................................................. 29 三、閱聽人的解讀與意涵 .......................................................................... 34. 第叁章研究方法 ....................................................................................38 第一節質性研究的研究途徑 ............................................................................... 38 第二節研究方法 ................................................................................................... 39 一、文本分析 .............................................................................................. 40. iv. DOI:10.6814/NCCU202000972.

(6) 二、觀察 ...................................................................................................... 40 三、深度訪談 .............................................................................................. 41 第三節研究設計 ................................................................................................... 41 一、聊天機器人對話文本選取 .................................................................. 42 二、訪談對象選擇 ...................................................................................... 45 三、研究執行的步驟 .................................................................................. 46 第四節小結 ........................................................................................................... 49. 政治大. 第肆章研究分析 ....................................................................................51. 立. 第一節閱聽人與聊天機器人對話文本的分析 ................................................. 54. ‧ 國. 學. 一、聊天機器人對話文本為互動的循環文本模式 .................................. 54. ‧. 二、聊天機器人對話腳本情境與互動的關鍵字 ...................................... 57. sit. y. Nat. 三、聊天機器人對話文本的優勢意義 ...................................................... 61. n. al. er. io. 第二節閱聽人與聊天機器人對話接收脈絡的分析 ......................................... 63. i Un. v. 一、基本的金融常識與經驗造就閱聽人的識讀與理解 ......................... 64. Ch. engchi. 二、「換句話說」與「轉換使用關鍵字」的閱讀技能 ......................... 66 三、主動閱聽人主導對話的開啟與結束 ................................................. 70 第三節閱聽人與聊天機器人對話解讀詮釋的分析 ......................................... 71 一、閱聽人好奇與實用性考量的解讀策略 ............................................. 71 二、閱聽人協商與抗拒的解讀模式 ......................................................... 74 三、閱聽人對於文本詮釋與日常生活經驗的共鳴 ................................. 76. 第伍章結論 ............................................................................................82. v. DOI:10.6814/NCCU202000972.

(7) 第一節研究發現與討論 ....................................................................................... 82 一、閱聽人與聊天機器人對話形成一問一答互動的情境與接收脈絡 .. 82 二、閱聽人與聊天機器人對話，閱聽人產生自我意識的解讀與詮釋 .. 83 三、不同世代背景經驗的閱聽人對於對話文本解讀詮釋的差異 .......... 84 四、閱聽人需要與日常生活需求經驗相應，產生共鳴的對話 .............. 85 五、「這不是機器人！」聊天機器人對話文本的思考 .......................... 85 第二節研究貢獻 ................................................................................................... 86. 政治大. 第三節研究限制與未來發展建議 ....................................................................... 91. 立. 參考文獻...................................................................................................93. ‧ 國. 學. 一、中文文獻 ......................................................................................................... 93. ‧. 二、英文文獻 ......................................................................................................... 97. sit. y. Nat. 附錄一、三家荷蘭銀行的任務分析 ................................................................... 103. n. al. er. io. 附錄二、受訪者基本資料表 ............................................................................... 105. Ch. engchi. i Un. v. vi. DOI:10.6814/NCCU202000972.

(8) 表次表 3-1. 台灣五家銀行的智能客服聊天機器人功能應用之比較 ............................ 44 表 4-1. 研究觀察訪談對象基本資料表 .................................................................... 52 表 4-2. 閱聽人與聊天機器人對話情境分析的重點 ................................................ 57 表 4-3. 接收分析典範的參考理論 ............................................................................ 64. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. vii. DOI:10.6814/NCCU202000972.

(9) 圖次圖 1-1. 金融服務業與其他行業採取新技術業務之比較 .......................................... 2 圖 2-1. 聊天機器人對話互動介面–Lemonade、美國銀行 Erica .......................... 17 圖 4-1.受訪者實際操作之對話介面 .......................................................................... 59. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. viii. DOI:10.6814/NCCU202000972.

(10) 第壹章緒論第一節研究背景隨著工業 4.0 與資通訊科技（information and communication technology，簡稱 ICT）的整合與開展，使得人工智慧（artificial intelligence，簡稱 AI）、區塊鏈（blockchain）、雲端（cloud）、大數據（data）等新科技興起。其中人工智慧（AI）已廣泛應用於不同產業領域中，Emerj（2018）指出人工智慧（AI）可以改善客戶經驗並藉此降低運營成本，已被廣泛用於各領域，當然也包括了金融業。. 政治大. 金融業因其行業的特性，被視為 AI 應用最好的領域之一。根據 KPMG 針對 2018. 立. 年所做的趨勢報告就指出「AI 是推動金融科技（Fintech）的核心關鍵技術」，在. ‧ 國. 學. 金融科技 3.0（Fintech 3.0）的浪潮下，帶動 AI 的科技發展應用，科技賦能金融也顛覆傳統金融的框架。因此，不管是傳統業者或新創業者，都期望藉由 AI 應. ‧. 用為服務提質增效，創造更好的經營模式。. y. Nat. sit. AI 在金融相關的創新應用，包含了：信用評價智慧分析、風險偵測、投資交. n. al. er. io. 易自動化下單、建構消費模型提供精準行銷與理財策略、聊天機器人智能客服、. i Un. v. 理財或保險推薦以及對話式 ATM 等（彭文志、黃思皓，2019）。其中，聊天機. Ch. engchi. 器人（chatbot）因為可以 24 小時地運行以提供客戶服務、改善客戶滿意度並且提高工作效率、降低營運成本，而被廣泛地運用（Jang, Jung & Kim, 2019）。因此，許多金融公司都積極地採用聊天機器人，並著重於 AI 技術、使用介面（user interface，簡稱 UI）與使用者體驗（user experience，簡稱 UX）的設計，期望透過服務的重新塑造以滿足使用者體驗需求。而對於聊天機器人的使用意願相關研究中，徐慧雯（2016）認為聊天機器人的資訊系統品質與互動程度，影響著使用者的知覺感受、使用態度與意願；周令珩（2018）則認為聊天機器人的有用性、易用性與風險認知，也影響著使用者的使用態度。顯示出多數的使用者對於這種 1. DOI:10.6814/NCCU202000972.

(11) 新科技的接受度與使用意願，都有著正面的回應。根據 Adobe《2019 年數位趨勢報告》指出，以全球 500 家企業、1 萬 3 千名企業高階主管與專家所做的意見調查，顯示目前已有 34％的金融服務業採用 AI 及聊天機器人，較其他產業 22％的比例，明顯高出許多。金融科技日漸普及，喚起 AI 人工智慧及聊天機器人應用的熱潮，已成為不可逆的發展趨勢（請見圖 1-1）。. 立. 政治大. ‧. ‧ 國. 學 sit. y. Nat. n. al. er. io. 圖 1-1. 金融服務業與其他行業採取新技術業務之比較. i Un. v. 資料來源：《2019 年數位趨勢報告》（頁 21），2019，Adobe。. Ch. engchi. 聊天機器人（chatbot）又稱為交互式代理、對話機器人、對話代理、對話介面等多種解釋名詞，是一種使用聲音或文字所建立對話的計算機程式，為人工智慧的產物（Rouse, 2018）。金融業者積極採用聊天機器人多運用於智能客服或理財保險推薦服務，以銀行業為例，2017 年美國銀行就首推出聊天機器人「Erica」，透過與機器人的對話，使用者可以查詢帳單、詢問理財相關建議等。美國運通則推出的聊天機器人會根據聊天的對話內容以推薦金融商品或告知相關活動，達到通知實時銷售的目的。同年 3 月，台灣的玉山銀行也推出全台第一個銀行聊天機器人，透過社群平台行動版的 Facebook Messenger 結合聊天機器人服務，透過互 2. DOI:10.6814/NCCU202000972.

(12) 動問答的方式，提供信用卡申辦、貸款利率等資訊的查詢。隨後，中國信託、國泰世華、台新等多家銀行也陸續推出智能客服的聊天機器人，以解決使用者信用卡查詢、理財、借貸等相關客服問題。銀行業者最初使用社群平台以開設 LINE 或 FB 的官方帳號，目的是為拓展客源，不以金融術語說明商品，而是改以說故事方式的內容行銷或建立有價值的內容，來獲得使用者的認同，以利拓展使用族群。然而，隨著客戶經營持續擴大，加上社群平台結合聊天機器人的功能興起，因此，發展出以聊天機器人運用於智能客服的應用上，讓使用者可以根據自我的喜好習慣，選擇透過電話客服或是網路文字交談的聊天機器人。除了解決客戶問題外，也逐漸應用於商品推薦與相關. 政治大. 優惠活動訊息的行銷推廣。Okuda 與 Shoda（2018）就指出「有些公司使用社群. 立. 聊天平台作為傳遞廣宣的單向渠道，但隨著使用者對於 FAQ 自動回覆的需求不. ‧ 國. 學. 斷地擴大，演變為雙向溝通渠道」。所以，引入聊天機器人以作為擴展客群的工. ‧. 具使用，或是作為提高現有用戶服務的工具使用。因此，銀行業者採用聊天機器人以做為第一線客戶服務的數位工具，格外重視於 AI 技術實務、使用者對話介. y. Nat. er. io. sit. 面與操作流程的設計體驗。. 但是，雖然發展 AI 的技術進步、聊天機器人的需求增長，但有關於聊天機. n. al. Ch. i Un. v. 器人的多項相關研究中，似乎缺乏使用者對於聊天機器人的相關看法。Baecker. engchi. 與 Buxton（1987）就指出多數的聊天機器人並非真正了解使用者的語意，只是從對話的內容中去找出關鍵字，再去對應的資料庫找出適合的答案來回答。周書暉與林祐全（2011）則認為「過去的人機互動研究，多局限於使用者介面資訊處理的探討，忽略了使用者所處的環境、與他人的互動，以至於無法確切的了解與掌握所面臨到的真實問題」。Hansson（2018）也認為越來越多的企業在開發聊天機器人來處理客戶服務以節省成本，但是很少有關於使用者如何看待這些聊天機器人的相關研究。因此，開發人員和設計人員更應該需要迫切地了解是什麼激發了使用者對於聊天機器人的需求，以及使用者對於聊天機器人的體驗感受是什麼（Brandtzaeg 3. DOI:10.6814/NCCU202000972.

(13) & Følstad , 2018）。而人機互動的聊天機器人著重於 AI 技術、使用者介面與體驗流程的設計外，也應同時重視使用者的使用反應與體驗，才能真正了解使用者的使用痛點在哪裡，以提升改善人機互動的體驗。那麼，該如何了解使用者的真實反應與體驗，使用者又是在何種情境脈絡下去接收機器人的對話並與機器人對話互動，而這樣的情境脈絡又是如何影響著使用者的解讀與反應，都是需要關注的課題。所以，本研究將以傳播的觀點，使用者為中心的角度，基於學術理論與實證研究相結合加以持續探討研究。. 第二節研究動機與目的一、研究動機. 立. 政治大. ‧ 國. 學. 經由上述的研究背景可得知，金融科技浪潮下，帶動 AI 與聊天機器人崛起，. ‧. 金融業包含銀行、證券及保險等，而聊天機器人在金融領域的應用則多集中於銀行及保險業者，用於智能客服與商品推薦上，期望藉由聊天機器人的應用以改善. y. Nat. io. sit. 客戶經驗與降低運營成本。然而，使用聊天機器人已不是新鮮事，早在 1966 年. n. al. er. 第一個名為「ELIZA」的聊天機器人推出後，聊天機器人隨 AI 技術的進步便不. Ch. i Un. v. 斷地進化，2016 年自從臉書（Facebook）社群平台宣布開放 Messenger 聊天機器. engchi. 人的 API 程式以提供串接服務使用後，更被視為聊天機器人發展的新紀元。隨後聊天機器人的應用，也陸續出現在各行各業與各種應用場景。金融業者雖然都投入了可觀的資金與人力，可是根據《遠見雜誌》2019 年所做的〈消費者 FinTech 暨數位金融使用行為大調查〉，結果顯示 20 至 49 歲的族群，使用聊天機器人的比例約 21.8％、使用智能理財／機器人理財服務的比例僅約 8.3%，似乎沒有顯著的成效。金融領域的聊天機器人受到技術水平與法規限制等因素影響，仍未能滿足客戶期望，而影響了成效（Jang et al., 2019）。尤其是銀行業者一向強調於聊天機器人的使用者體驗，重視 AI 技術與對話介面 UI/UX 的設計改善，那麼使用聊天機器人的人數比例，為何這麼低？撇開機器設備與資安等因素，是聊天機 4. DOI:10.6814/NCCU202000972.

(14) 器人在對話設計上出了問題嗎？還是使用者的使用意願低落？亦或是機器人的回答無法滿足使用者需求？人機互動的聊天機器人，在互動設計的過程中是否忽略了甚麼？翻閱近年來有關於金融的聊天機器人或人機互動相關研究，引用自計算機科學、認知心理學、神經科學和語言學等取徑時，多侷限於 AI 資訊技術程式開發的技術探討或是使用性的趨勢研究。資訊技術上的研究，強調於新科技的技術應用發展。而對於使用者的研究，則常以使用的角度切入，以科技接受模型理論（technology acceptance model，簡稱為 TAM）1或是創新擴散理論（innovation diffusion theory，簡稱為 IDT）2來研究使用者的使用意願之影響因素或是探討於. 政治大. 新科技的使用原因，也多琢磨於使用者的使用意圖探討，強調於新科技的使用趨. 立. 勢。而銀行業初期的使用，乃是因為社群平台作為行銷的用途，隨著客群的擴大. ‧ 國. 學. 經營與聊天機器人結合社群的技術興起，因此，開啟了使用聊天機器人以作為智. ‧. 能客服使用，再延伸至商品推薦的應用。但是，聊天機器人已不同於一般網站的設計，除了 UI/UX 的考量外，更強調了「互動」的概念，即是人機互動的機緣. y. Nat. er. io. sit. （affordances）3。Smestad（2018）就指出「對話」是透過彼此之間的動態關係所發生的，因此，開發人員與設計人員要如何了解與改善聊天機器人的對話，就必. n. al. Ch. i Un. v. 須研究人類互動的這些要素。所以，所謂的「人機互動」是無法只重視於聊天機. engchi. 器人單方面的建置開發技術，更應側重於人的方面，使用者對於聊天機器人的使用情境、與機器人之間對話的反應、以及整體使用的情境脈絡，才能使聊天機器. 1. 科技接受模型：Davis（1986）所提出，認為科技的有用性（perceived usefulness）與易用性. （perceived ease of use），影響著使用者的行為態度、使用意願。 2. 創新擴散理論：為傳播學理論，新觀念、新事物或新科技引入的演變過程。Rogers（1983）. 認為採用創新的速度取決於相對優勢（relative advantage）、兼容性（compatibility）、複雜性（complexity）、可試用性（trialability）和可觀察性（observability），這五個創新的特點。 3. 機緣（affordances）由 Gibson（1979）創造此概念，意指涉身體與環境的互動關係，鍾蔚. 文、陳百齡、陳順孝（2006）將機緣指為人與工具機器的互動關係。 5. DOI:10.6814/NCCU202000972.

(15) 人在開發上的意圖分類與對話腳本設計上更符合使用者需求，而這些問題，也需要進一步理解與釐清。基於上述原因，故引發本研究之研究動機。本研究試圖以銀行的場域為例，以使用者的角度為出發點，來討論使用者與銀行的聊天機器人在對話過程中，使用者對於與機器人對話的接收反應與具體情況。在人機互動對話的過程裡，對於使用者而言，與聊天機器人對話的使用情境為何？使用者在接收機器人所給回答訊息的當下，使用者的接收訊息脈絡為何？使用者是否看得懂對話內容？再者，使用者是否會受到其特定社會文化與生活背景因而影響這個過程？使用者又是如何解讀與詮釋與聊天機器人對話的內容？. 立. 二、研究目的與研究問題. 政治大. ‧ 國. 學. 然而，以使用者的角度為出發點，Norman（2004）認為過去的人機互動設計. ‧. 強調於實用性（utility）、使用性（usability）、功能性（function）及形式（form），. sit. y. Nat. 但是，同樣的一件商品可能會因為當下的使用情境、文化或過去經驗的脈絡不同，. io. er. 而影響了使用者產生不同的反應。所以，他也提出以使用者為中心，將使用者體驗視為人機互動設計中重要的一環，由此觀之，具體地了解使用情境的需求與使. al. n. iv n C 用者體驗的痛點，也才能改善流程設計，讓人機實際的互動也能更為順暢。 hengchi U. 因此，本研究之目的，不以金融的觀點而是以傳播的觀點，以使用者為閱聽人的角度，透過接收分析理論的論述及閱聽人研究的取徑，透過銀行場域所使用的聊天機器人，探索人機互動下的閱聽人與聊天機器人在對話時，其所處的真實情境對於閱聽人的接收影響以及閱聽人如何解讀對話文本內容。而本研究也將主要的研究對象，鎖定為千禧世代4與 X 世代的使用者，主要是因為目前多數的銀行業者已將千禧世代視為未來的核心客戶，X 世代則是目前使用金融數位工具與. 4. 依據維基百科定義：X 世代（Generation X）是指 1965 年到 1980 年出生，目前約 40 至 55 歲的族群，千禧世代（Millennials）是指 1981 年到 1996 年出生，目前約 24 至 39 歲的族群。 6. DOI:10.6814/NCCU202000972.

(16) 投資理財的目標族群。Brandtzaeg 與 Følstad（2017）也以創新擴散理論結合使用與滿足理論（uses and gratifications theory，簡稱為 U&G）來研究聊天機器人的使用族群，結果發現年齡介於 16 至 55 歲之間的使用者，為創新者和早期採用者對於聊天機器人的新技術大感興趣，可視為使用的目標族群。也因此，透過研究觀察不同世代的閱聽人，面對聊天機器人這種新傳播科技的媒介，會不會因其不同背景文化環境的影響而對於聊天機器人的對話內容產生不同的意義解讀與詮釋的差異。故此，本研究將透過文獻探討的梳理、對話文本的分析、閱聽人實際使用情境的觀察、以及閱聽人深度訪談的質化研究來進行，期望藉由本研究提供給學術. 政治大. 佐證外，也能做為銀行業或是其他產業以作為改善優化聊天機器人的設計依據與. 立. 行銷策略應用的參考。所以，本研究列出具體的研究問題如下：. ‧ 國. 學. （一）、閱聽人與銀行的聊天機器人在互動對話下，閱聽人所處的情境與脈絡為. ‧. 何？閱聽人是如何解讀與詮釋對話文本內容？. （二）、不同世代背景的千禧世代與 X 世代之閱聽人，對於銀行的聊天機器人其. y. Nat. er. io. sit. 對話文本內容，閱聽人是否受自身背景文化環境所影響而產生不同的意義解讀與詮釋的差異？閱聽人對於對話文本內容的詮釋，又是如何與自身的日常生活經驗. n. al. 相應而產生共鳴？. Ch. engchi. i Un. v. 7. DOI:10.6814/NCCU202000972.

(17) 第貳章文獻探討本章將以研究問題的相關文獻資料，分為三節進行說明與討論。第一節聊天機器人，依序說明人機互動的理論概念、人機互動理論下的聊天機器人其發展背景、對話介面之設計，以及金融領域的聊天機器人現有案例介紹分析。主要在探討金融領域的聊天機器人在人機互動的發展，並藉此了解從金融機構的觀點，對於聊天機器人在應用上所側重之面向，再以傳播的觀點、閱聽人的角度，去說明過去金融的觀點所忽略，但今日卻不得不重視的面向。因此，第二節也將針對金融領域中銀行的聊天機器人其使用者∕閱聽人之使用行為與經驗之探討，以了解. 政治大. 是什麼樣的族群在使用銀行的聊天機器人，使用者的使用行為與經驗，對於聊天. 立. 機器人對話介面的關係為何與影響為何？第三節則轉向傳播學取經，以閱聽人傳. ‧ 國. 學. 播理論之接收分析加以說明，閱聽人的接收情境與脈絡狀態是如何影響其接收解. ‧. 讀反應與接收後所產生的意涵。並套用於閱聽人與聊天機器人的對話文本之接收分析，根據文獻的討論以列出本研究具體研究的問題。. er. io. sit. y. Nat. 第一節金融聊天機器人. n. al. i n C U hengchi 一、人機互動理論下的聊天機器人. v. （一）人機互動理論人機互動（human–computer interaction，簡稱 HCI）的定義，在 1992 年 ACM SIGCHI 國際會議，定義為人與電腦機器資訊系統之間，透過互動方式以完成雙方訊息交換的相關現象研究。人機互動理論是集合各種學科的知識，如：電腦科學、人因工程學、認知心理學、語言學、社會學、設計學等，而人機互動早期的研究的理論多引用自認知心理學，側重於探討使用者對於資訊處理的行為（Card, Moran, & Newell, 1983）。Norman（1986）則認為設計師、系統形象及使用者三者之間是環環相扣，所以提出人機互動設計的心智模式，將使用者的需求狀態和 8. DOI:10.6814/NCCU202000972.

(18) 使用習慣都列入互動設計的考慮。Baecker 與 Buxton（1987）則指出人機互動是使用者透過一些方法、對話與行為，與電腦互動使用。由此觀之，人機互動理論側重於使用者與電腦機器之間資訊互動傳遞的過程，並以認知心理學的知識加以形塑了使用者的概念。以使用者認知心理所建構出的人機互動理論基礎，專注於探究人機互動的介面設計與使用性的研究，但是 Landauer（1990）則認為「人機互動研究，如果排除了使用者真實的使用任務情境將不具任何意義」，顯示出早期的人機互動設計似乎缺乏將使用者真實的使用情境等因素列入設計考量。於是，Bannon（1991）轉向以人因工程學的概念取徑，認為人機互動應該將使用者動機、他人影響及環. 政治大. 境等因素都納入考量。人與電腦的中介溝通模式裡加了「互動回饋」的觀點，使. 立. 用者透過電腦網路成為內容溝通的人機互動或是人際互動的溝通媒介（Hoffman. ‧ 國. 學. & Novak，1996），電腦網路融入生活成為日常，將使用者的生活脈絡經驗，融. ‧. 入人機互動的模式中，以建構使用者經驗的全貌。Norman（2004）就提出了「使用者經驗」（User Experience，簡稱 UX）的概念，以融入人機互動的設計中。換. y. Nat. er. io. sit. 言之，葉謹睿（2010）認為人機互動應該是要設計出一種互動架構，能夠讓使用者有效率的操作電腦，並且與這些數位的資訊產生互動。所以，人機互動應重視. n. al. Ch. i Un. v. 使用情境脈絡的影響，才能藉此了解產品、系統與介面對於使用者所引發的使用反應（周書暉、林祐全，2011）。. engchi. （二）人機互動理論應用的聊天機器人而聊天機器人可說是人機互動中最新的應用，最早的概念是由圖靈（1950）所提出，用於測試電腦能否表現出等同於人類智慧的智能。然而史上第一個聊天機器人「ELIZA」則是由 Weizenbaum（1966）所開發設計，是電腦與使用者互動的計算機程式，模擬了羅傑式的心理治療師角色，發展出機器對話代理（Conversational Agent，簡稱 CA）功能與對話系統，讓機器成功地與使用者對話互動，其技術也啟發了下一代的聊天機器人開發出模擬人類自然語言的技術。因此，聊天機器人已創造了人與電腦之間透過自然語言對話的可能。由此可見， 9. DOI:10.6814/NCCU202000972.

(19) 聊天機器人是一種透過對話介面、透過機器的對話代理與使用者對話的人機互動模式，且不同於以往圖形式介面與互動機制的設計，取而代之的是以自然語言的對話介面與對話內容的互動反饋。所以，對於使用者而言，透過自然語言的使用者介面，不再只是透過滾動、滑動或單擊按鈕而是改以自然語言的文字符號與電腦機器互動，而人機互動是否順利、互動在哪裡進行，都取決於使用者的輸入與透過訪問對話上下文的便利性。基於人工智慧（AI）的技術建構5，為聊天機器人提供了與使用者互動的新方法，也為人機互動領域帶來潛在革命性的改變（Hill, Ford, & Farreras, 2015；Brandtzaeg & Følstad., 2017），因此，在未來人機互動的設計重點，將更加重視於使用者的體驗，尤其是使用者與機器人對話互動的情境體驗。. 立. 政治大. 所以，聊天機器人仍是一種相對較新技術的應用，就目前聊天機器人的類型. ‧ 國. 學. 與使用功能加以說明。以目前常見的聊天機器人類型，Shevat（2017∕黃朝秋、. ‧. 賴薇如譯，2018）將聊天機器人基於「使用應用情境」分類為：商務型、客服與常見問答型、消費型、遊戲娛樂型等。其中商用型或客服型的聊天機器人，是以. y. Nat. er. io. sit. 直接切入要點的溝通方式，目的在於簡單有效率的完成任務或流程；消費型的聊天機器人，則是對話偏向於閒聊性質，較少以任務及工作為導向，側重於體驗的. n. al. Ch. i Un. v. 導向。但是，也有特殊案例，例如：銀行的聊天機器人是需要兼具商用型與消費. engchi. 型的聊天機器人。Rouse（2018）則是基於「技術應用」將聊天機器人分類為：腳本（scripts）6快速回覆的機器人、關鍵字識別的機器人、腳本與關鍵字混合型的機器人、以及基於對話上下文回覆與啟用語音回覆的聊天機器人。其中最基本的聊天機器人就是以腳本快速回覆的聊天機器人，透過分層決策樹設定出一系列. 5. 基於人工智慧（AI）的技術，包含：深度學習（deep learning，簡稱 DL）、自然語言處理. （natural language processing，簡稱 NLP）和機器學習（machine learning，簡稱 ML）等演算法 6. 腳本（scripts）是熟悉於日生活中特定的慣例和情境所發展的知識（Engel,1995），基於腳本. 回覆是最基本快速回覆的聊天機器人，透過一系列預設編好的情境問題成為腳本並當成分層決策樹，當與使用者對話互動時，就會從中去找出相對應回答的答案（Rouse, 2018）。 10. DOI:10.6814/NCCU202000972.

(20) 預先定義好的問題為腳本，再與用戶互動。關鍵字識別則是結合了可自定義的關鍵字與 AI 技術，從使用者的對話中去挑選出主要關鍵的字句做出相對的響應，但是若機器人遇到重複的關鍵字使用或是多餘的問題時，就會遇到困難。因此，混合型的聊天機器人就結合了腳本與關鍵字的應用，而上下文聊天機器人就更為複雜，使用機器學習（machine learning，簡稱 ML）的演算並且需要以數據為中心。啟用語音的聊天機器人則是聊天機器人技術的未來，透過文本語音轉換（text to speech，簡稱 TTS）技術和語音識別應用程序接口（API）來創建，例如：Google 的 Chrome、蘋果的 Siri 等，而目前國內多數銀行的聊天機器人尚未做到啟用語音的功能。. 政治大. 聊天機器人在使用的功能性質上，亦可分類為智能助理（role of a digital. 立. assistant）、訊息提供者（role of an information provider）或一般通用聊天的角色. ‧ 國. 學. （Tatai, Csorda´s, Kiss, Szalo´ & Laufer, 2003；Duijst, 2017），呈現多種的用途，. ‧. 例如：客戶服務、社交娛樂、訊息傳遞等，尤其是在客戶服務上的應用。Shevat （2017∕黃朝秋、賴薇如譯，2018，頁 32）就指出「根據實驗，客服與常見問答. y. Nat. er. io. sit. 的機器人，可以簡單地涵蓋約 40%的內部跟外部客服支援項目。」隨著 Facebook 等社群平台在 2016 年陸續提供了開發部署聊天機器人的 API 程式串接後，使得. n. al. Ch. i Un. v. 聊天機器人成為平台上傳遞訊息的新工具，聊天機器人被視為非常適用於智慧型. engchi. 手機的媒體（Brandtzaeg & Følstad , 2017）。基於 AI 技術的發展應用、手機與聊天通訊軟體的活躍，有些公司開始使用聊天機器人的服務，成為用於客戶服務、傳遞商品訊息與行銷廣告優惠的單向傳播媒介。在使用者對於客服問題的自動回覆需求隨之不斷地擴大，因而漸漸擴大使用聊天服務，成為雙向傳播的媒介，也帶動了聊天機器人的發展（Okuda & Shoda , 2018）。Rouse（2018）就認為聊天機器人減少了使用者的等待時間並提供即時答案，消除了服務人員與使用者間的對話情緒等問題，而大大提升了顧客體驗。因此，目前聊天機器人已廣泛運用於即時通訊平台與對話系統，銀行業者也已普遍應用於智能客服、廣告行銷與朝向商品推薦的開發應用。 11. DOI:10.6814/NCCU202000972.

(21) 二、聊天機器人的對話介面（一）基於腳本與關鍵字的對話介面根據維基百科的定義，介面（interface）是一種用於溝通的抽象物，使用者介面（user interface）為人機互動介面，是人類與電腦程式等互動與資訊交換的中介媒介。聊天機器人被廣義的定義為對話使用介面（conversational user interface，簡稱 CUI），是透過自然語言的對話代理，使用者透過文字或語音使用的介面（Brandtzaeg & Følstad, 2018）。因此，對話介面亦可視為使用者與聊天機器人之間所溝通的媒介，所以作為溝通的管道格外重視於對話介面的設計體驗。. 政治大. Weizenbaum（1966）就指出聊天機器人「ELIZA」在對話介面設計上，是遵循了. 立. 腳本化的規則，當使用者輸入文句時，機器人會依據輸入的文句找出關鍵字，做. ‧ 國. 學. 為觸發與分解規則的基礎，再由資料庫中選定相關聯適合的答案，來回答使用者。因此，在建立聊天機器人的對話模型，必須考慮到對話句子中的關鍵字識別、找. ‧. 出上下文的脈絡、選擇適當的轉換、並且在沒有找到關鍵字的情況下，機器人還. y. Nat. sit. 是要能機智地回應，情境腳本的設計也要有提供結束對話的能力。Florian（2000）. n. al. er. io. 則認為機器人對話語氣的文字、符號等元素，也都會影響著對話服務的可靠性。. i Un. v. Quarteroni 與 Manandhar （2009）也提出在對話介面設計上應該要重視於（1）. Ch. engchi. 對話上下文的文本情境維護（Context Maintenance）以利於理解使用者所輸入的文字內容；（2）話語理解（Utterance Understanding）藉由了解前一次的對話背景，以利調整機器人後續的對話反應；（3）必須要提供給混合計劃（Mixed Initiative）讓使用者在詢問問題時，可以有所選擇主動退出或是繼續互動；（4）透過系統應該可以請求使用者對於答案是否可以給予反饋的後續建議；（5）需要提供流暢的自然互動（Natural Interaction）對話功能。由此可見，聊天機器人的對話介面，是基於腳本的設計與關鍵字的識別，以掌握對話互動的模式。而腳本的設計更講求對話文本情境與上下文脈絡，對聊天機器人而言，所有可用的對話，都是基於腳本事先預設好所要使用的詞彙與對話 12. DOI:10.6814/NCCU202000972.

(22) 的文本內容，考量到能夠回答使用者所能想到任何問題的需求使用情境，透過關鍵字與上下文脈絡的判斷，以搜索數據庫中合適的答案加以回答。所以，任何預先編程的答案都必須考慮使用者使用情境行為才能提供合理的對話（Suchman, 1987；Hansson, 2018）。所以，不管是金融領域亦或是其他領域的聊天機器人著重對話介面 UI 的元素設計與使用者體驗 UX 的流程規劃外，更重要的是如何設計對話流暢的腳本與對話關鍵字的掌握，才能理解使用者的對話，這也點出聊天機器人在對話腳本的設計中，對話文本情境與上下文脈絡的重要性。（二）對話介面是使用者體驗的接觸點綜上所述可得知，對話介面是使用者與聊天機器人對話的接觸點，因此對於. 政治大. 使用者體驗有著重要的作用（Brien, 2017）。使用者體驗就包含了使用者在使用. 立. 情境前中後所發生的變化，例如：使用者的情感、信仰、偏好、看法、身體和心. ‧ 國. 學. 理反應，行為和素養。（ISO 9241-210, 2010；Duijst, 2017）。Duijst 進一步指出. ‧. 聊天機器人的使用者體驗，常以科技接受模式的有用性、可用性及滿意度來衡量。有用性的衡量，可利用問券測試使用者對於信息系統的接受程度；可用性的衡量，. y. Nat. er. io. sit. 則可運用系統可用性量表（the system usability scale）專注於機器人任務的性能測試，最後在滿意度的衡量，可以透過 WOz 實驗的使用者意見反饋，專注於使用. n. al. Ch. i Un. v. 者實際使用情境脈絡下所有對話任務的匯總，而不是以單一對話的查詢來衡量。. engchi. 這顯示出透過使用者實際使用情境脈絡下的觀察是非常重要的，除此之外，一般企業為減少成本並確保使用者滿意度為目標，也會將聊天機器人完成任務的時間、傳輸訊息的正確率等客觀的指標，都納入考量。這樣看來，除了對話介面對於使用者的有用性、可用性及滿意度的量測外， AI 技術、機器人的使用目標、視覺與使用介面元素、文本的顯示方式，安全性問題與實用性等也都會影響使用者體驗。所以，Shevat（2017／黃朝秋、賴薇如譯， 2018；頁 76）指出「初次登場的對話，是機器人與使用者的第一個互動，它決定了第一印象」，也決定了機器人是否能完成初次所需達成的任務。Brandtzaeg 與 Følstad（2018）也指出在早期部署聊天機器人的計劃時，常常只針對不良的用例 13. DOI:10.6814/NCCU202000972.

(23) 來做改善，而忽略了使用者需求和經驗。因此，造成體驗不佳的印象，也就影響了品牌形象及使用者後續的體驗，凸顯出對話介面影響著使用者的體驗，使用者的體驗也影響著對話介面，兩者相輔相成。所以，人機互動理論下的聊天機器人除了強調它的功能使用外，更重要的是必須思考讓聊天機器人如何聽得懂人話，了解使用者對話的語意，以能夠具體的回答出適切令人滿意的答案。（三）使用者體驗的情境與上下文脈絡 Hudson 與 Shapiro（1991）指出腳本敘事是敘事的基本文類（genres）之一，通常以經常發生或特定日常生活的常規與情境，所被重複的經驗為敘事，常使用第二人稱、簡短的句子、明確的時間序列，並以現在式的形式介紹。Sommer（2012）. 政治大. 則提出「情境敘事學」（contextualist narratologies）與「靜態／語料庫」敘事研. 立. 究（corpus-based approaches）與重視「過程」的「歷程取向」研究（process-oriented. ‧ 國. 學. approaches），講求情境敘事下，側重於上下文脈絡與語言符號前後的關係意義。. ‧. 套用於聊天機器人的對話情境敘事來論述上下文脈絡，C Li, Y Wu, W Wu, C Xing, Z Li & M Zhou（2016）則認為在對話環境中關於上下文脈絡可依據訊息的關聯. y. Nat. er. io. sit. 度分成兩種類型，一種是與上下文有相關的訊息，必須在對話中就考慮先前的對話，這表示應該是需要回覆該訊息。另一種則是與上下文無相關的訊息，這意味. n. al. Ch. i Un. v. 著即使沒有先前的對話，訊息本身仍可能需要導引合理的回應。因此，聊天機器. engchi. 人的對話文本是基於腳本而生成，需要重視於腳本情境設定與上下文脈絡，依據機器人的類型與使用目標來設定相關情境，再依據情境規劃出上下文脈絡，如果聊天機器人的設定不看上下文脈絡，也不看先前對話的轉折，缺少依賴於上下文的語言與訊息的判斷，將容易會導致機器人產生無意義的響應。而在語言符號前後的關係意義，McTear, Callejas 與 Griol（2016）也指出對話語言文字是傳達訊息的方式，識別對話行為中鄰接、交流、話語段落等結構的方法來瞭解語言符號前後的關係意義，並可透過表情符號來加強傳達情感。因此，為確定語言符號前後的關係意義，聊天機器人通常也會提出「互動」和「確認選. 14. DOI:10.6814/NCCU202000972.

(24) 擇」兩種對話設計的策略，來確認使用者的意圖。所以，對話的文本中參雜著互動與選擇相互混搭的圖文與符號，傳播與敘事論的交錯應用。因此，Shevat（2017∕黃朝秋、賴薇如譯，2018）則認為雖然聊天機器人從文本的應用情境定義、對話腳本企劃、設計開發測試到分析持續改善都有一套的設計流程，可是卻沒有一種流程可以套用所有的情境。而人和人之間的對話與聊天機器人的對話相比較，最大差別就是在於「前後文」和「記憶」。因為，人和人之間在對話時，是能夠理解彼此的對話狀態和對話的前後文脈絡。但是，機器人得被要求能記住之前的對話重點、推斷前後文、並延續對話狀態，所以，這兩個層面也是設計聊天機器人最複雜的地方。這也再次凸顯出聊天機器人設計對話. 政治大. 文本的情境與上下文脈絡的難度與重要性。. 立. 總結以上對話介面在使用者體驗的情境與上下文脈絡的設計，歸納出三個重. ‧ 國. 學. 點，第一、對話腳本的情境設計應以使用者的常規或是日常生活經驗為依歸，並. ‧. 以簡短與明確的方式來呈現；第二、對話的上下文可在後端系統上，將相關的訊息與不相關的訊息加以區分，將有助於構建聊天機器人良好的響應回答；第三、. y. Nat. er. io. sit. 聊天機器人無論是透過文字、語音或表情符號等任何方式，都必須以使用者為中心，給予使用者合理的回答與具體的響應。也就因此，Brandtzaeg 與 Følstad（2018）. n. al. Ch. i Un. v. 認為設計和開發聊天機器人是需要持續了解使用者需求和動機，目的是為了建立. engchi. 更成功的對話介面，這也意味著，人機互動的聊天機器人正在改變使用者的行為與需求，而開發人員和設計人員習慣的思考方式也必須隨著改變。. 三、金融領域的聊天機器人現有案例分析（一）金融領域的聊天機器人聊天機器人與社群平台結合，廣泛運用於各行各業，以金融領域的聊天機器人則應用於銀行、保險及證券等，銀行的聊天機器人多數應用於智能客服與推薦商品；保險的聊天機器人則是應用於以行為定價的推薦保單、理賠服務與智能客. 15. DOI:10.6814/NCCU202000972.

(25) 服等，以簡化投保的流程與理賠的申請；證券的聊天機器人而是應用於理財助理，以提供理財相關資訊的查詢。以金融業者的觀點，認為發展聊天機器人不僅能解決基本的與重複性的客服問題，也能透過聊天機器人為顧客提供金融相關資訊的查詢與推薦商品的服務。加上機器人可以 24 小時不停歇的工作，便能大大節省營運成本，而透過使用者與機器人的對話，最終期望能根據使用者的對話與行為累積的大數據分析，在未來能夠透過數據資料的分析，以開發出滿足各類使用者需求的服務。所以，Okuda 與 Shoda（2018）就指出現今的金融業，有越來越多的業者已轉向使用聊天機器人，運用於客戶服務及銷售推薦商品。以銀行的場域為例，美國銀行的聊天機器. 政治大. 人「Erica」，目前已超過為 2500 多萬的行動金融使用者提供服務，可以查詢帳. 立. 單並預約付款、轉帳、匯款等（美國銀行，2018）。以保險的場域為例，美國新. ‧ 國. 學. 創公司 Lemonade 推出 P2P（peer to peer）的網路保險平台，透過聊天機器人「Maya」. ‧. 與使用者對話互動後，即可由人與機器人互動的對話內容中，來了解使用者的需求，以提供專屬的保險服務。因此，它號稱「90 秒搞定保險、三分鐘收到保險理. y. Nat. er. io. sit. 賠金償付！」（Lemonade，2017）。新創公司 Lemonade 的聊天機器人，從行為經濟學的角度切入，取代了傳統保險中介的角色讓保費具有競爭力、公開透明的. n. al. Ch. i Un. v. 對話互動體驗程序下能夠充分掌握使用者對話的語意、對話上下文脈絡才能快速. engchi. 提供所需要的保單，以及理賠機制與營利模式等因素，而塑造了成功的案例（數位時代，2017）。美國銀行的聊天機器人則是針對使用者需求情境的了解，不斷地整合已知與重複的資訊，使得機器人在理解語言、文本與使用意圖的洞察，也同樣的掌握了使用者對話的語意、對話上下文脈絡得到很大的改善，也成為經典的成功案例（Digitime，2018）。所以，從國外保險和銀行的成功案例，不難發現，聊天機器人已取代了商業上溝通的中介角色，以及掌握了與使用者對話的語意與上下文脈絡，凸顯出對於對話情境的了解與使用者行為經驗了解的重要性（請見圖 2-1）。. 16. DOI:10.6814/NCCU202000972.

(26) 圖 2-1. 聊天機器人對話互動介面–Lemonade、美國銀行 Erica 資料來源：lemonade 官方帳號 youtube 截圖、美國銀行官網. 立. 政治大. 因此，聊天機器人應該要更重視於使用者需求的應用情境與對話互動語意的. ‧ 國. 學. 理解。Okuda 與 Shoda（2018）就認為聊天機器人必須重視腳本編輯（script editing）、詞庫生成（thesaurus generation）及用戶流功能（user stream function）。. ‧. 主要是因為使用者與聊天機器人的對話，是腳本不斷地迭代，透過 AI 機器學習. Nat. sit. y. 應用於現有常見問題解答中的文本，以呼叫資料庫中的數據，並透過用戶流功能. n. al. er. io. 加以了解使用者通過了哪些腳本。所以，在對話介面上必須提供簡單而不複雜的. i Un. v. 操作功能。不僅如此，由於金融領域的聊天機器人在對話內容上，常會有個人的. Ch. engchi. 財務數據、金融諮詢等歷史記錄查詢，對使用者而言，會特別在意對話內容的安全性及聊天對象的真實性。Cho 與 Yun（2019）就指出金融相關的聊天機器人是基於文本資料庫與對話平台相連接，以獲取訊息或使用金融服務，會因此需要使用大量的個人化訊息服務，基於對話互動資訊安全性的考量與個人化訊息的使用，金融領域的聊天機器人多數並不會使用外部的平台。由此可見，使用上安全性的考量、可靠性的互動設計以及形象建立亦是在聊天機器人設計上不可少的元素。所以，總結來說，金融領域的聊天機器人從人機互動理論下考量易用性、有用性及實用性之外，重視 UI/UX 更需要側重於使用者需求的應用情境、對話互動的理解，以及資訊安全的考量。 17. DOI:10.6814/NCCU202000972.

(27) （二）銀行場域的聊天機器人現有案例而以銀行場域的聊天機器人其實已廣泛使用於各國的銀行金融機構，專家學者們持續在研究，以了解當前正在服務的聊天機器人。Duijst（2017）就以荷蘭 ABN AMRO、Rabobank 和 ING 三家銀行為實際研究案例，並且依據可以在網站或訊息系統上完成的動作為任務（tasks）7，將任務分類為支付、儲蓄、抵押、貸款、投資、保險和退休等七項。並將任務的類別再分類為簡單、複雜與非常複雜的任務情境（請見附錄一）。簡單任務的設定是以基本資訊的查詢為主，例如：開設銀行帳戶、查詢資料等；複雜任務的設定則是以規則性的資訊諮詢，例如：貸款的計算等；非常複雜任務的設定，是針對與人互動後以提供具體建議的情況，. 政治大. 例如：推薦基金或保險等。以這三種類型的任務情境，加以實證研究發現，聊天. 立. 機器人利於執行目標明確的簡單任務，最能讓使用者覺得聊天機器人具有易用性. ‧ 國. 學. 與有用性，而機器人的使用目標、UI 視覺元素、文本顯示方式等，也都影響著使. ‧. 用者的滿意度。. Okuda 與 Shoda（2018）則以日本 Sony Bank 的聊天機器人為案例，加以研. y. Nat. er. io. sit. 究使用者體驗需求，結果也發現使用者主要的需求情境是為了想要快速的獲取所需資訊，機器人以查詢信用卡、貸款等相關服務資訊以及開立銀行新帳戶的申請. n. al. Ch. i Un. v. 程序處理，這種簡單的情境任務服務最讓人滿意。也因此，要滿足使用者快速獲. engchi. 取資訊的關鍵因素，就是在於腳本編輯與機器人對話相結合的場景，並不斷迭代更新腳本與詞庫生成。Hansson（2018）則舉出挪威 Swedbank 的聊天機器人為案例，探索 18 至 35 歲的使用者對於當前 Swedbank 聊天機器人的體驗，針對機器人的品牌個性、對話理解問題的能力、問題的質量與訊息量、以及機器人可以解決哪一類的問題等，加以實證研究。結果發現，聊天機器人無法理解問題、無法即時提供所需的訊息時，最讓人感到沮喪，因此，對於問題的質量與問題量，聊天機器人只能執行目標明確的簡單任務，例如：查詢銀行帳戶資料、進行線上繳. 7. 任務（tasks）是指聊天機器人可以在網站或對話介面上完成的動作。 18. DOI:10.6814/NCCU202000972.

(28) 扣帳單等。而圖卡式介面與預先編程的應答按鈕，及遊戲化的元素，也讓使用者與機器人的溝通更為順暢。加上行動網路與智慧型手機的適地性高，可隨時隨地提供上網服務，使用者可以利用交通等待時間或閒暇時間，方便地來處理個人的金融財務，所以，在方便的誘因下，使用者並不害怕以使用手機來進行操作敏感的銀行業務。 Cho 與 Yun（2019）則以韓國當地新韓銀行、國民銀行等 13 家國內外金融公司的聊天機器人為參考研究，來探討不同對話互動類型的銀行聊天機器人對於使用者體驗影響的因素。依據帳戶查詢、轉帳及財務相關問題問答的使用情境加以實驗結果發現，聊天機器人的對話互動如果為直觀的介面設計，使用者就可以. 政治大. 輕鬆地操作而且也比較不會出錯。就實用性而言，以回答特定主題的預設答案，. 立. 就適用於回答例如：帳戶查詢和轉帳等簡單的服務；就可用性而言，基於機器學. ‧ 國. 學. 習理解並響應使用者意圖則利於回答，例如：銀行營業時間、匯率等瑣碎的問題，. ‧. 所以，針對特定主題或簡單重複的預設答案，機器人都也可以輕鬆回答。由上述國外的研究案例中可得知，第一、銀行的聊天機器人在對話上目前只. y. Nat. er. io. sit. 利於執行規則性的任務，例如：查詢、開戶、轉帳等，屬於結構化的資料處理，對於機器人而言，是較為簡單的任務情境。而非規則性的諮詢任務或是要與人互. n. al. Ch. i Un. v. 動的特定情況，非結構化的資料處理，就較難設定對話的判斷邏輯與關鍵字的掌. engchi. 握，因此為複雜或非常複雜的任務情境，在使用者體驗上較為不佳。也藉此說明了並非所有金融服務的應用都適用於聊天機器人。第二、使用者體驗都希望透過聊天機器人能夠快速方便的獲取所需資訊，這也顯示聊天機器人在腳本設定上必須考量如何設計符合使用者需求的應用情境。第三、圖卡式介面與預先編程的應答按鈕，雖然符合了使用者現行的需求，但機器人仍會無法理解問題，所以即時響應的回答，卻無法滿足使用者的需求。因此，在訊息設計上，腳本對話情境的掌握也更為重要，因為不了解使用者的實際需求場景，不了解使用者的對話語意，使用者與聊天機器人的對話將會無法互動而持續進行下去。. 19. DOI:10.6814/NCCU202000972.

(29) 因此，聊天機器人的發展，著眼於個性化的介面設計、聊天機器人的易用性與有用性，強調於使用者的使用動機、意圖及滿意度的研究，更重視於使用者體驗，也凸顯出聊天機器人對話情境的重要性。以聊天機器人在台灣金融業的發展應用，根據金管會 2019 年 8 月所做的預估統計，2019 全年度金融業所投入金融科技的總金額約可達 219.3 億元、年成長達 86.9％；在 UI/UX 即消費者介面與體驗優化工程就佔了 42％，AI 與大數據分析也有 40.5％的比例，顯示台灣的金融業者為發展金融科技，尤其在 AI 與聊天機器人的應用上，也的確是投入了可觀的資金與人力。目前雖然已有多家的國內本土銀行與保險業者，均推出了聊天機器人的服務，卻鮮少有使用者對於聊天機器人實際使用情境與使用反應的案例研. 政治大. 究。以國外學者案例的研究，多以科技接收模式來量測有用性、易用性、使用者. 立. 行為意圖，但是使用者的體驗，在本質上可視為主觀的感受與想法，所以，本研. ‧ 國. 學. 究將以銀行場域的聊天機器人其使用者的使用行為與經驗，加以持續探討。. ‧. 第二節銀行的聊天機器人其使用者/閱聽人使用行為與經驗. sit. y. Nat. io. er. 聊天機器人被視為透過對話文本內容直接與使用者溝通互動的手段，設計者未能深入了解使用者的使用動機，就無法克服有關技術的挑戰（Malhotra, Galletta,. al. n. iv n C Kirsch, 2008）。Coniam（2014）也認為如果聊天機器人的目的不明確、反應不靈 hengchi U 通或是內容不明確就無法滿足使用者的需求，但對於聊天機器人也常缺乏有關使用者如何對機器人做出反應的知識（Brandtzaeg & Følstad , 2017）。因此，必須需要了解使用者的使用行為與經驗，才能有助於開發設計者去改善人機對話的介面設計。那麼是誰在使用金融聊天機器人？他們的使用行為與經驗又是如何？根據台灣〈2018 數位金融大調查〉所做的調查顯示，20 至 34 歲的千禧世代由於他們對於科技運用的數位金融工具使用接受度較高，因此，對於使用機器人理財方式也比較能接受。張弘一（2017）則指出銀行的聊天機器人其主要使用族群以年齡 31 至 40 歲、年收入約為新台幣 61 至 120 萬元的千禧世代。由於他們. 20. DOI:10.6814/NCCU202000972.

(30) 對於網路科技的依存度高、在理財上聊天機器人所提供的手續費與其他通路相比較較為低廉，因此，對於聊天機器人的使用以及網路金融商品的接受度也相對較高。周令珩（2018）則探討了使用者採用機器人理財的原因，結果同樣發現使用聊天機器人的族群是以千禧世代為主，他們主要的使用原因，是因為對聊天機器人的使用操作熟悉，而且可以減少搜尋時間並快速地獲取資訊，最重要的是可以減少被理專強迫推銷的壓力，安安靜靜地做理財投資決策，所以使用聊天機器人。但是 Brandtzaeg 與 Følstad（2017）則認為聊天機器人是一項新技術，若以創新擴散理論來解釋人們如何採用這種創新，會發現創新者和早期採用者因為對於新技術感到興趣、對新娛樂更感到有趣，所以，基於新體驗和學習事物的興趣. 政治大. 也就更大。他們在好奇心和新穎感的驅使下通常會使用聊天機器人，而早期和晚. 立. 期的多數人和落後者，則較為保守和規避風險。因此，聊天機器人為提高大多數. ‧ 國. 學. 人的生產力，以及建立可以持續使用的模型，將以創新者和早期採用者的群體為. ‧. 採用聊天機器人的目標族群來研究。研究發現年齡介於 16 至 55 歲之間的使用者，因為更頻繁地使用社群平台應用軟體，為聊天機器人的早期採用者，千禧世. y. Nat. er. io. sit. 代與 X 世代因而成為目標使用族群。而研究也發現，使用聊天機器人的動機，主要是基於生產力（ productivity ）、娛樂（ Entertainment ）、社交 ∕ 關係. n. al. Ch. i Un. v. （Social/relational）及新穎性∕好奇心（Novelty/Curiosity）。使用者最想要的是. engchi. 透過聊天機器人的對話介面能夠簡單、快速又方便的獲得即時想要的訊息並得到幫助，聊天機器人的使用即時的發揮作用達到了使用目的，所以，強調了聊天機器人的易用性與方便性等因素，更是具有生產力的數位工具。另外，使用者也可以在無聊的時候，使用聊天機器人來消磨時間，或是藉由聊天機器人的使用，來加強自己社交互動的能力。歸納綜合上述研究，本研究整理出兩項重點：一、聊天機器人對話介面快速、即時提供互動訊息，是吸引使用的關鍵因素：「快速」與「即時」是使用者主要想使用聊天機器人的原因，Sundar 與 Limperos（2013）指出使用者會使用聊天機器人，是基於機器人所提供的資訊具有即時性和互動性。Brandtzaeg 與 Følstad（2017）則認為聊天機器人快速反應 21. DOI:10.6814/NCCU202000972.

(31) 並且可以即時獲得想要的資訊與幫助是使用者主要的使用動機，所以，聊天機器人必須設計較為簡單、快速且方便地讓人使用，才能幫助使用者有效率地解決問題以達到使用的目的。二、千禧世代族群似乎成為國內金融聊天機器人主要使用的目標族群：許多研究指出千禧世代可視為未來使用金融聊天機器人的潛力族群，但本研究認為乃是因為考慮了銀行服務的邏輯、受限於銀行服務成本，張弘一（2017）指出大多數的傳統銀行對於帳戶資產在新台幣 150 萬元以上的客戶，才得以配置專屬的理財專員服務。也就是說年收入高或者是高資產的客戶才有機會得到理財專員的服務，那麼對於年收入較少與資產較少的年輕族群或是小資族群來說，因. 政治大. 為財力不夠但是也想理財的人就只能選擇理財機器人。也因此，不一定是千禧世. 立. 代對網路科技依存度高或是對網路產品接受度高所造成。反觀目前金融服務主力. ‧ 國. 學. 族群，座落在 X 世代與嬰兒潮世代8則具有相當大的使用潛力。根據安永聯合會. ‧. 計師事務所在 2019 年所發布的《2019 年全球財富管理研究報告》中就指出，以全球匡列出 26 個國家、2,000 位有財富管理的客戶以及 50 位的管理主管來進行. y. Nat. er. io. sit. 調查，顯示目前金融科技的使用率，千禧世代的使用率雖然已達到 39%，但不容忽視的是 X 世代的使用率已達到 44%、嬰兒潮世代也有 24%的使用率，雖然與. n. al. Ch. i Un. v. 理專互動的模式，仍是目前大眾進行財務管理的主流模式，但也預估了未來 3 年. engchi. 內 X 世代與嬰兒潮世代對於金融科技的使用，仍將會持續的提升。所以，從全球趨勢來看，顯示了 X 世代與嬰兒潮世代這兩個族群對於聊天機器人的接受度與使用度，應該不輸於千禧世代族群。然而，網路世界是不分年齡與性別的大熔爐，數位工具的使用並不是年輕人的專利，只是因為金融業者最關注的就是鎖定的客群能否帶來高報酬與足夠利潤，而劃分了客群，這顯然是金融業的迷思。然而，在大數據的年代，不能只靠客群. 8. 嬰兒潮世代：是指 1946 年到 1964 年所出生、目前約 56 歲至 74 歲的族群 22. DOI:10.6814/NCCU202000972.

(32) 基本的「人設」9，這樣是無法看出使用者的潛藏特質。因此，運用聊天機器人主要就是期望能透過人工智慧的優勢、處理數字資訊的能力，去挖掘使用者行為背後的心情和動機，以勾起使用的興趣。總結來說，以金融業的觀點，金融聊天機器人重視於使用者的使用痛點與體驗流程的改善，所以側重於 AI 技術的精進與對話介面 UI/UX 的設計改善。對於客群的理解，也常聚焦於金融商品理財買賣交易與下單等服務，所以對於聊天機器人這種數位工具的應用，也著重於使用者的使用意圖探討。但是，對於使用者接受聊天機器人互動過程中的細節反應，以及使用者是否能理解對話內容，卻是不太重視。然而，要重視使用者全貌才能提供完整的使用者體驗，重視使用者全. 政治大. 貌則是以傳播學的觀點，因此向傳播學取經。以使用者為閱聽人的角度，來了解. 立. 閱聽人與金融聊天機器人在對話過程中，閱聽人對於對話文本內容的接收情境與. ‧ 國. 學. 解讀反應，以及閱聽人是如何詮釋對話文本內容與產生何種意義加以了解，並且. ‧. 關注於周遭環境對於使用者與機器人之間的互動是否產生影響。因此，本研究認為了解使用者體驗，不是只能從科技接受模式來量測有用性、易用性、使用者態. y. Nat. er. io. sit. 度與行為意圖。從使用者的使用情境與使用反應，更能客觀、深刻地反映出使用者的使用行為與經驗。所以，將於下一節中以傳播的觀點，使用者為閱聽人的角. n. al. Ch. i Un. v. 度，來探討使用者對於與金融聊天機器人對話的接收情境與解讀反應。. engchi. 第三節閱聽人之接收分析的研究一、接收分析理論（一）接收分析的研究概況. 9. 人設：包含了人物基本設定與背景設定，例如：年齡、性別、收入等。 23. DOI:10.6814/NCCU202000972.

(33) 「接收分析」（reception analysis）是傳播理論中有關於閱聽人之研究，翁秀琪（1992）指出「在傳播理論中、關於閱聽人相關的研究裡，接收分析與其他研究最大的差異是不同的研究者透過文本及閱聽人去分析與比較，互動過程中文本的意義與閱聽人詮釋的意義，兩者之間有何異同，並藉此了解閱聽人是如何建構意義的」。因此，由於本研究主要在探討閱聽人與銀行的聊天機器人進行互動對話時，閱聽人對於對話內容的接收情境與解讀反應。所以，可視為閱聽人與數位文本之間的互動探討，透過互動對話過程中去了解閱聽人是如何接收聊天機器人的對話，又是如何去解讀對話內容以及對於閱聽人產生何種意義。故此，本研究選擇了接收分析的理論為主要的研究論述，來探討閱聽人對於聊天機器人的對話解讀。. 立. 政治大. 然而，有關於閱聽人的研究，Jensen 與 Rosengren（1990）以傳播媒介與閱. ‧ 國. 學. 聽人關係，區分為：效果研究（effects research）、使用與滿足研究（uses and. ‧. gratification research）、文學批評（literature criticism）、文化研究（cultural studies）與接收分析（reception analysis）。媒介的效果研究，重視於媒介訊息內容對於閱. y. Nat. er. io. sit. 聽人的使用成效，爾後使用與滿足的研究則轉向於媒介功能性的分析，側重於閱聽人對於媒體的使用動機層面。隨著主動閱聽人的概念逐漸興起，接收分析研究. n. al. Ch. i Un. v. 也隨之出現，視閱聽人具主動性，可以選擇媒介的使用，而且對於媒介文本也具. engchi. 有能力去詮釋。然而，接收分析理論使用了定性研究的方法，透過閱聽人與媒介互動的資料蒐集、閱聽人的訪談內容分析、及對於閱聽人接收經驗的詮釋加以了解（Jensen et al., 1990；轉引述自翁秀琪，1993）。綜合上述所言，接收分析同時強調於文本與閱聽人，而且閱聽人有能力自文本中解讀其意義，意義也是來自於閱聽人與文本互動的結果，藉此了解閱聽人是如何閱讀文本以提供一種理解文本的方式。接收分析也集合了文化研究傳統、社會心理學傳統與認知心理學傳統，. 24. DOI:10.6814/NCCU202000972.

(34) 也涵蓋了「社會科學典範」10 及「人文典範」11的觀點（翁秀琪，1992）。因此，對於接收分析在傳播學的位置，翁秀琪下了精闢的註解說：. 接收分析的研究典範一方面具有「文化研究」的特色，因其視媒介訊息為文化製碼的論域；另一方面亦具有「使用與滿足」研究的色彩，強調閱聽人的主動性，同時也不完全忽略媒介文本結構上的力量（頁 136-137）。. 以接收分析最早的研究，源起於 1973 年英國文化研究大師 Stuart Hall 製碼/. 政治大. 解碼（encoding/decoding）的理論，強調於文本製碼與閱聽人解碼的兩端， Hall. 立. （1980）針對文本優勢意義與閱聽人解讀反應而提出三種製碼/解碼不同的立場，. ‧ 國. 學. 其一、受到文本優勢意義影響，閱聽人接收文本所產製的意義並加以解碼，成為. ‧. 主導的霸權模式（dominant-hegemonic）；其二、閱聽人雖然同意文本意義但包含順從與反對的因素，予以保留協商的權力，成為協調符碼（negotiated code）；. y. Nat. er. io. sit. 其三、閱聽人則成為對抗符碼（oppositional code）以一種全然相反的模式去理解文本意義（Hall, 1980；Abercrombie & Longhurst, 1998, pp.15-18）。因此，張玉. n. al. Ch. i Un. v. 佩（2003）指出 Morley（1980）根據 Hall 解讀型態分析的觀點，則聚焦於重視. engchi. 閱聽人的解讀形態與影響解讀的因素，Jensen（1991）則以接收分析的方法論，提出對閱聽人訪談內容分析與閱聽人接收經驗的詮釋，以了解閱聽人在解讀過程中的想法感受與解讀意涵。而接收分析之所以產生出三種解讀立場，主要是在執. 10. 「社會科學典範」是以訊息、閱聽人及社會情境為傳播要件的，在既定的研究過程中，依照. 理論的假設加以觀察、分析與解釋（Jensen & Rosengren,1990；轉引自翁秀琪，1992，頁 121122） 11. 「人文典範」是以文本論域、接收者、情境者為要件的，在不既定研究程序下，敘述媒介論. 域如何使接收者在特定情境中感知其意義（Jensen & Rosengren,1990；轉引自翁秀琪，1992，頁 121-122） 25. DOI:10.6814/NCCU202000972.

閱聽人與金融聊天機器人對話之接收分析 －以銀行場域為例 - 政大學術集成

閱聽人與金融聊天機器人對話之接收分析－以銀行場域為例 - 政大學術集成