Project Initiation Document.
Fontys Hogeschool heeft een onderzoeksprogramma opgericht voor verschillende onderwerpen. Het onderzoeksprogramma voor dit project heet Tech 4 Society met health als zwaartepunt. Dit programma gaat samen met ICT & HRM.
TEC4S bestaat uit een mix van specialisten met verschillende achtergronden. Deze achtergronden bestaan uit marketing management, ICT, HRM en psychologie, freelance content marketeer en de Universiteit Tilburg. Dit team van specialisten vormen samen het bedrijf TEC4S.
Het product bestaat uit twee chatbots, een warme chatbot en een competente chatbot. De chatbots voorziet de gebruikers van informatie over het operatief verwijderen van de verstandskies. De klant verwacht een oplevering waarbij de hoofdvraag in het procesverslag zal worden meegenomen. De hoofdvraag luidt: “Wat moet een chatbot in een medische context zeggen om het vertrouwen bij de potentiële patiënt te winnen?”.
Naast het product wordt er een adviesplan geschreven in opdracht van Fontys Hogeschool. Naar aanleiding van het probleem “hoe kan een chatbot het vertrouwen verhogen van potentiële klanten?” Daarnaast wordt er gekeken naar het stress verminderen tussen de tandarts doorverwijzing naar de kaakchirurg en informatie aan te bieden over het operatief verwijderen van de verstandskies.
Hiermee wordt bedoeld dat er in de medische context het vertrouwen moet worden gewonnen, dit relateert zich aan neuromarketing. Om vertrouwen te winnen is het mogelijk om twee kanten op te gaan, namelijk ‘warm’ en ‘competent’. Met het warme deel wordt bedoeld dat er een chatbot kan worden gemaakt die hulp-gericht is en wellicht wel met ‘je’ of ‘jij’ wordt aangesproken. Daar en tegen is competent het tegenovergestelde, deze chatbot weet alles beter en zou wellicht met ‘u’ of ‘uw’ worden aangesproken.
De doelgroep is tussen de 15-25 jaar terug te vinden in het medisch vakgebied. Hiervoor is geen licentie of toestemming nodig van de overheid om het project uit te voeren. Uiteindelijk is er besloten om potentiële patiënten van de tandarts te nemen die worden doorverwezen naar de kaakchirurg. Deze potentiële patiënten worden vaak doorgestuurd wanneer er iets operatiefs moet worden verwijderd, denk aan verstandskiezen. De chatbot is de ‘’tandarts’’ die vragen beantwoord over de doorverwijzing en de operatie van de kaakchirurg.
Het staat overigens nog niet vast op welke plaatsen er worden getest. Het is mogelijk om studenten te vragen die deze ervaring hebben meegemaakt. Eigen ervaring mag ook worden meegenomen. Door het testen van de chatbot wordt er data gegenereerd. Deze data wordt gebruikt om de chatbot te verbeteren.
Er is ook nog de mogelijkheid om meer informatie over de doelgroep te vragen bij studenten die een studie volgen richting tandartsassistent. Het zou mooi zijn als er nog een samenwerking met een de tandartsassistente opleiding of een soortgelijke opleiding komt. Hiermee wordt er voorkomen dat er informatie onjuist is. Een voordeel van deze samenwerking is het verifiëren van informatie door deze doelgroep.
Het doel luidt als volgt: hoe kan een chatbot het vertrouwen verhogen van potentiële klanten? Daarnaast wordt er gekeken naar het stress verminderen tussen de tandarts doorverwijzing naar de kaakchirurg en informatie aan te bieden over het operatief verwijderen van de verstandskies. Dit doel moet worden bereikt door middel van een chatbot. Daarnaast worden er varianten qua chatbots opgesteld, zo is er een ‘’warmere chatbot’’ en een ‘’competente chatbot.
De opdracht is het ontwikkelingen van twee chatbots, een warme en een competente chatbot. Meer hierover zie de kop warm en competent. De hoofdvraag luidt: “Wat moet een chatbot in een medische context zeggen om het vertrouwen bij de potentiële patiënt te winnen?”. Dit wordt doorverwerkt in de context van de chatbots. Daarnaast wordt er een adviesplan opgesteld. Met als doel het adviseren van het wel of niet gebruiken van chatbots. Dit adviesplan wordt met multidisciplinaire experts gedeeld, waardoor dit mogelijk is om te kunnen implementeren.
Wil je meer weten over de aanpak van het project en groepsafspraken? Check dan het hele Project Initiation Document.
Onderzoek over chatbots.
Chatbots kunnen worden gezien als een geautomatiseerde gesprekspartner, daar komt de samenvoeging 'chat' en 'bot' vandaan. Deze chatbots kunnen vragen van gebruikers op een website beantwoorden door vooraf ingestelde informatie en artificial intelligence.
Chatbots kunnen diverse voordelen hebben. Denk hierbij aan het feit dat de chatbot tegelijkertijd veel chats kan aan gaan, het is goedkoop, altijd beschrikbaar, persoonlijk afstembaar en snel.
Een aantal nadelen kan zijn dat spelfouten niet worden herkend, er soms irritatie kan ontstaan omdat de gebruiker geen bevredigend antwoord krijgt, 25% van de gebeuikers na antwoord twee al afhaakt en dat de chatbot geen sarcasme herkent.
De klant kwam aan met het idee om een chatbot te gaan programmeren en deze te testen. Voordat de chatbot daadwerkelijk wordt geprogrammeerd moet het wel zeker zijn dat dit van belang kan zijn voor het project.
De opdracht gaat vooral om het vertrouwen winnen van de potentiële patiënt, waarbij er een warme- en competente chatbot komt. Uit de voor- en nadelen komen veel voordelen, maar ook nadelen. Het is echt een trend van 2018. Mogelijk dat veel medewerkers worden vervangen door chatbots, waardoor het programmeren van de chatbot een grote voorloper voor de klant is.
Eerst inhoud voor de chatbots verzamelen voordat de chatbot daadwerkelijk geprogrammeerd kan worden.
In eerste instantie heb ik informatie uit Google gehaald. Binnen de website http://answerthepublic.com heb ik diverse zoekwoorden ingevuld, bijvoorbeeld "verstandskies pijn". Vanuit hier kwam er een hele excel lijst van suggesties voor mogelijke vragen uit. Meer over de inhoud van de chatbots in de onderstaand korte film.
Werkt de video niet?
Bekijk het op YouTube!
Het proces van hoe de chatbot wordt gebouwd en deze uiteindelijk op een website functioneert.
Werkt de video niet?
Bekijk het op YouTube!
User testen uitvoeren bij de doelgroep om zo de chatbot te kunnen verbeteren.
De conclusie van de warme chatbot is tot stand gekomen door het conversational design event.
De warme chatbot gebruikt als aanspreekvorm “je” of “ik”. Het karakter wordt gevormd door een aantal karaktereigenschappen zoals: geruststellend, behulpzaam en vrolijk. Het taalgebruik zal richting het gebruik van langere zinnen met rustmomenten tussen de berichten door, waardoor het een natuurlijke dialoog wordt. Op het begin van de chat beginnen met goedemorgen, goedemiddag of goedeavond. Hierdoor gaat het gesprek richting informele taalgebruik en wordt de gebruiker aangesproken met “jij”.
Als het om taal gaat die de warme chatbot wel gebruikt kan je denken aan: “komt goed, maak je niet druk”, “het is geen pretje”, “wat vervelend voor je” en “ik kan het me voorstellen” . Hetgeen dat de warme chatbot niet gebruikt zijn korte woorden en voorbeelden als: “hoe gestresst bent u”, “meestal” en “klopt dat?” , aangezien de gebruiker dan meer stress kan ervaren of onzekerder kan worden naar de operatie toe.
Deze conclusie is van belang om uiteindelijk te achterhalen of dit ook daadwerkelijk
klopt.
Link naar de conclusies.
Het doel van de opdracht is om in de medische context het vertrouwen van een potentiële patiënt te winnen. Er wordt gekeken naar het stress verminderen van de potentiële patiënt die tussen de tandarts doorverwijzing naar de kaakchirurg en informatie aan te bieden over het operatief verwijderen van de verstandskies.
Het doel van dit testplan is om erachter te komen of er vragen over de doorverwijzing naar de kaakchirurg kunnen worden opgesteld voor de potentiële patiënten. Hierdoor kunnen de vragen en antwoorden vervolgens worden verwerkt in de warme- en competente chatbot.
Een voorbeeld van een vraag zou kunnen zijn: “Wat kan een patiënt doen om de pijn na de behandeling te verzachten?” Waarna het antwoord zou kunnen zijn: “U krijgt een recept van de dokter mee, waarbij u sterke pijnstillers krijgt om de pijn te verzachten.”
Er wordt een scenario van het moment geschetst voor de gebruiker die de test aflegt. Het moment waarop de potentiële patiënt naar de kaakchirurg moet, waarbij de potentiële patiënt meer informatie wilt over de pijn, risico’s en gevolgen van de verstandskies operatie.
De doelgroep zijn potentiële patiënten tussen de 15 en 25 jaar die van de tandarts naar
de kaakchirurg worden doorverwezen voor een operatieve ingreep voor het laten trekken
van een verstandskies.
Mogelijk ook studenten van een opleiding die relateert aan het beroep tandarts en de
multidisciplinaire professionals.
Link naar
het testplan
Voor de user test hebben Fons en ik een klas eerst verteld wat onze opdracht is, wat wij graag willen testen en het scenario om de chatbot te kunnen testen.
Er is een camera en statief bij de ISSD geleend om een paar interviews te kunnen filmen. De andere interviews heb ik als spraakopname opgenomen. Ik heb de user testen uitgelegd voor de warme- en competente chatbot testen, waarbij de gebruikers de chatbots hebben getest, interviewvragen hebben beantwoord en de korte vragenlijst hebben ingevuld.
Conclusie van de warme chatbot:
In totaal had ik 10 user testen voor de warme chatbot uitgevoerd. De meerderhelft wist
genoeg na de conversatie met de chatbot en kreeg de juiste antwoorden terug. Een klein
deel vond dat de chatbot niet goed werkte, omdat er ingewikkeldere vragen volgens de
gebruikers werden gesteld.
De lengte van de antwoorden waren ook prima, kort, overzichtelijk en niet te kort met nuttige informatie. Een aantal potentiële patiënten vond dat de chatbot duidelijke antwoorden en conclusies gaf. De antwoorden zijn lekker simpel en hebben geen moeilijke zinsstructuur. De warme chatbot is beleefd, heeft geen spellingsfouten, kan de potentiële patiënt geruststellen, is persoonlijk, prima interpretatie en gaf antwoord.
De gevoelens qua toon verschilden per persoon van droog naar behulpzaam, helpend,
vriendelijk, rustig en neutraal. Enkele vonden het ook professioneel.
Er zijn een aantal verbeterpunten die beter kunnen:
- Vragen over allergieën toevoegen.
- Probeer te specificeren op “hoe lang” en “verdoving”, zodat hierdoor foutieve
antwoorden eruit kunnen worden gefilterd.
- Mogelijk links toevoegen voor meer informatie.
- Follow-ups creëren, waardoor het gesprek beter verloopt.
Een aantal potentiële patiënten wisten geen verbeterpunten en vindt de chatbot prima.
Op het moment scoort de chatbot een 6,6 gemiddeld op vertrouwen.
Een alle resultaten en de uitgebreide conclusie in de onderstaande link.
Link naar
testrapport 20-11-2018
Voor de user test heb ik elke gebruiker eerst verteld wat de opdracht is, wat ik graag wil testen en het scenario om de chatbot te kunnen testen.
De vragenlijsten op papier kostte redelijk wat tijd om te analyseren, omdat alle resultaten eerst moeten worden overgetypt. Er is voor deze user test besloten om de vragenlijst in Google Forms te plaatsen.
Ik heb de user testen uitgelegd voor de warme- en competente chatbot testen, waarbij de gebruikers de chatbots hebben getest en de korte vragenlijst hebben ingevuld.
Conclusie van de warme chatbot:
In totaal had ik 4 user testen voor de warme chatbot uitgevoerd.
De warme chatbot scoort voldoende op betrouwbaarheid, is goed begrijpbaar, geeft nog niet volledig de goede informatie en gaf gemiddeld ruim voldoende aandacht op het gevoel naar de gebruiker toe.
Op het moment scoort de chatbot een 6,8 gemiddeld op vertrouwen.
Daarnaast een 7,0 op warm en 6,3 gemiddeld op competent.
Een alle resultaten en de uitgebreide conclusie in de onderstaande link.
Link naar
testrapport 24-11-2018
Voor de user test hebben Fons en ik een klas eerst verteld wat onze opdracht is, wat wij graag willen testen en het scenario om de chatbot te kunnen testen.
De online vragenlijsten waren een goed plan, waardoor die voor deze user testen worden doorgevoerd. Deze worden per chatbot gedupliceerd.
Ik heb de algemene uitleg over het project gegeven en daarbij de uitleg uitgedeeld met een nummer per persoon, zodat iedereen de conversatie kan beginnen met het nummer waardoor alle vragenlijsten aan het einde kloppen met de conversaties. Zo is het beter te verklaren hoe warm of competent de gebruiker de chatbot vond.
Conclusie van de warme chatbot:
In totaal waren er veel testen afgelegd, maar er waren 4 user testen voor de warme
chatbot waarvan de data kon worden gebruikt.
Door deze user testen is het duidelijk dat er geen verband is tussen de lengte van de conversaties met het uiteindelijke warme- en competente niveau. Daarnaast is er een significant verschil tussen de lengte van de conversaties en cijfers met de uiteindelijke warme- en competente niveau.
Op het moment scoort de chatbot een 6,0 gemiddeld op vertrouwen.
Daarnaast een 5,8 op warm en 5,8 gemiddeld op competent.
Link naar
testrapport 04-12-2018
Voor deze user test heb ik weer diverse FH ICT klassen gezocht, waar de user testen konden worden afgelegd.
Elke gebruiker heeft de chatbot getest door met de chatbot te gaan chatten en vragen te stellen. Daarna heeft de gebruiker de online vragenlijst ingevuld met het juiste nummer van de conversatie. Dit werkte goed, waardoor die voor deze user testen is doorgevoerd. Deze heb ik weer per chatbot gedupliceerd.
Conclusie van de warme chatbot:
In totaal had ik 23 user testen voor de warme chatbot uitgevoerd.
Het is gebleken dat slechte conversaties automatisch lage cijfers op betrouwbaarheid, begrijpbaarheid, de juiste informatie, zorgen delen en aandacht. Daarnaast ook een lager cijfer op vertrouwen.
Op het moment scoort de chatbot een 7,4 gemiddeld op vertrouwen.
Daarnaast een 6,9 op warm en 7,3 gemiddeld op competent.
Link naar
testrapport 05-12-2018
Voor deze user test heb ik weer diverse FH ICT klassen gezocht, waar de user testen konden worden afgelegd.
Voor deze user test heb ik besloten om dialogen op te stellen en deze te testen, aangezien de user testen voorheen niet 100% correcte dialogen waren. Daardoor was de kans aanwezig dat de cijfers werden beïnvloed. Elke gebruiker heeft het dialoog gelezen en vervolgens heb ik een interview afgenomen. Het interview is dezelfde vragenlijst die andere gebruikers eerder hebben ingevuld, alleen worden deze nu gevraagd. Dit werkte goed, waardoor die voor deze user testen is doorgevoerd. De vragenlijsten heb ik weer per chatbot gedupliceerd.
Conclusie van de warme chatbot:
In totaal had ik 20 user testen voor de warme chatbot uitgevoerd.
Op het moment scoort de chatbot een 7,7 gemiddeld op vertrouwen.
Daarnaast een 7,1 op warm en 7,9 gemiddeld op competent.
Link naar
testrapport 17-12-2018
Het ontwerpen van warme- en competente chatbot is gelukt!
De warme chatbot blijkt geruststellend te zijn. Alleen werken de woorden "wees gerust", "het komt wel goed", "wat vervelend voor je" en andere soortgelijke reacties minder warm na veel herhalingen.
De competente chatbot maakt veel gebruik van vakjargon en synoniemen die niet storend blijken te zijn. Veel informatie verschaft de competente chatbot wat ook prima is.
Daarnaast is de warme chatbot competenter dan warm en is het vertrouwen hoger bij competente chatbot.
De medische context is competenter geformuleerd van aard. Waarbij niet alle antwoorden kunnen naar warm worden geformuleerd.
Daarnaast verwachten mensen mogelijk geen warme reactie in een medische context. Of willen ze geen warme reactie van een chatbot. Het is onderwerp gaat in dit geval ook over een pijn situatie, waardoor de warme context mogelijk niet is gewenst.
De website is voor de multidisciplinaire professionals.
De website is voor de multidisciplinaire professionals die onder andere aanwezig waren op het conversational design event, meer over dit event zie blog 31-10-2018. Dit is een prima doelgroep, aangezien er op de website informatie over het kiezen van de doelgroep en waarvoor de chatbot kan worden gediend, doeleinden en strategie komt te staan.
Daarnaast kunnen de multidisciplinaire professionals ook de warme- en competente chatbots testen.
In eerste instantie was mijn idee om een website met een slide functie te gebruiken voor
het stappenplan en was ik begonnen met het brainstormen van ideeën.
Zie onderstaand de schets.
Meer hier
over zien? Klik hier.
Al gauw dacht ik dat is helemaal niet handig, aangezien mijn projectgenoot niet goed kon programmeren en er altijd veel tijd in het programmeren van een website zit. Toen heb ik besloten om een Wordpress website op te zetten, aangezien ik het belangrijker vind om meer tijd in het testen van de chatbot en de inhoud van de website te steken. Zo zou het ook meteen makkelijker zijn om mijn projectgenoot tekst in te laten voegen.
Top idee! Doen! Ik dacht wel even dat het implementeren van de chatbots niet zou gaan, toen werkte al gauw een plug-in. Het was wel jammer dat de plug-in maar een chatbot kon toevoegen voor elke pagina van de website. Toen zocht ik verder en ik kon gewoon een code invoegen in de website, yes het werkt!
Bekijk snel het proces van de website in onderstaande video.
Werkt de video niet?
Bekijk het op YouTube!
Eindpresentatie van het project e-health en chatbots.
De start van het einde! Na een aantal maanden hard werken mag het eindresultaat er eindelijk zijn!
De opdracht was om het vertrouwen bij de potentiële patiënt winnen door een chatbot in de medische context. Hierbij ontstond het scenario: "de potentiële patiënt wordt door de tandarts naar de kaakchirurg doorverwezen voor een verstandskiesoperatie."
Het event voor de start van het project! De conclusie van de warme chatbot was een vriendelijk, geruststellende en behulpzame chatbot met woorden als "het komt wel goed", "wees gerust", "geen probleem". Deze informatie heb ik meegenomen in het project.
Dit was dan ook de race tegen de klok! Hierover is ook een artikel geschreven.
Lees meer.
Data uit Google halen die suggesties laten zien. Deze geëxporteerd naar een Excel bestand en suggesties geselecteerd. Vanuit hier de suggesties omgezet naar vragen en daarbij antwoorden gezocht met betrouwbare tandarts of doktersbronnen.
Niet te vergeten heb ik alle antwoorden naar warm geformuleerd. Ik heb echt alles moeten
aanpassen ten opzichte van de competente chatbot.
Dit bekijken? Check dan snel de presentatie!
In de derde week meteen van start gegaan met een cursus Dialogflow en beginnen met het programmeren van de warme chatbot!
Er zijn in totaal vijf user testen afgelegd verdeeld over ongeveer 10 FH ICT klassen en 2 neuromarketing klassen. In totaal 115 user testen afgelegd. De resultaten komen neer op dat het vertrouwen van de competente chatbot hoger ligt dan de warme chatbot. De warme chatbot scoort op het cijfer warm lager dan competent.
Weten hoe de user testen zijn afgelegd en alle resultaten bekijken?
Check dan snel de presentatie!
Het ontwerpen van warme- en competente chatbot is gelukt!
De warme chatbot blijkt geruststellend te zijn. Alleen werken de woorden "wees gerust", "het komt wel goed", "wat vervelend voor je" en andere soortgelijke reacties minder warm na veel herhalingen.
De competente chatbot maakt veel gebruik van vakjargon en synoniemen die niet storend blijken te zijn. Veel informatie verschaft de competente chatbot wat ook prima is.
Daarnaast is de warme chatbot competenter dan warm en is het vertrouwen hoger bij competente chatbot.
De medische context is competenter geformuleerd van aard. Waarbij niet alle antwoorden kunnen naar warm worden geformuleerd.
Daarnaast verwachten mensen mogelijk geen warme reactie in een medische context. Of willen ze geen warme reactie van een chatbot. Het is onderwerp gaat in dit geval ook over een pijn situatie, waardoor de warme context mogelijk niet is gewenst.
De aanpak data uit Google halen, user testen en chatbots trainen is naar mijn idee een prima optie. Dit werkt erg goed voor de resultaten. Het heeft ervoor gezorgd dat de stappen die werden uitgevoerd heel goed uitpakten.
Tot slot nog de website voor de multidisciplinaire professionals. Hierop staat een stappenplan, informatie over Dialogflow, warme- en competente chatbot en feiten over het project.
Een klein cadeau voor de klant. De sleutel tot het nieuwe succes, een Fontys usb-stick met de eindbestanden.
Voor de afsluiting zijn er nog diverse gesprekken gevoerd met de multidisciplinaire professionals en de klant. Een mooie afsluiting met een cadeau voor het draaien van het project en harde werken!
Link naar de eindpresentatie
Download de eindbestanden! Oplevering project!
Eindevement van de minor Digital Marketing.
Het eindevenement vond op 16 januari 2019 plaats op Strijp TQ. Er was voor elke projectgroep een tafel gereserveerd waar alle projecten werden getoond. Ook het project waar ik aan heb gewerkt stond er!
Er kwamen studenten, docenten, diverse professionals en mensen van buitenaf langs. Zo kwam Mark de Graaf ook langs om een interview te houden die ook wordt gepubliceerd, erg gaaf!!