تجربه GOV.UK Chat: رضایت کاربر با درستی پاسخ یکی نیست

کاربر پاسخ را مفید ارزیابی می‌کند، چون کوتاه، روشن و سریع است. کارشناس همان پاسخ را ناقص می‌داند، چون یک شرط مهم خدمت عمومی از آن حذف شده است. این دو داوری لزوماً با هم تناقض ندارند؛ یکی تجربه دریافت پاسخ را می‌سنجد و دیگری کفایت اطلاعات برای اقدام را.

GOV.UK Chat نمونه‌ای مستند برای بررسی این فاصله است. این مطلب بر گزارش‌های منتشرشده تیم اجرا تکیه دارد، نه آزمون مستقلی که خرد روی سامانه انجام داده باشد. همچنین گزارش هر مرحله را باید در تاریخ خودش خواند؛ یافته یک نمونه اولیه، وصف ثابت همه نسخه‌های بعدی نیست.

گزارش اولیه چه می‌گفت؟

تیم GDS در ژانویه ۲۰۲۴، درباره آزمایشی توضیح داد که پاسخ‌ها را بر محتوای GOV.UK متکی می‌کرد. در نظرسنجی با ۱۵۷ پاسخ‌دهنده، نزدیک به ۷۰ درصد پاسخ‌ها را مفید دانسته بودند؛ بااین‌حال تیم اعلام کرد صحت پاسخ‌ها هنوز به سطح مورد انتظار خدمات GOV.UK نرسیده است. گزارش همچنین هشدار می‌داد اعتبار نام دولت می‌تواند باعث شود برخی کاربران خطر نادرستی را کمتر جدی بگیرند.

این نتیجه، شکست قطعی ایده چت‌بات دولتی را ثابت نمی‌کرد. نشان می‌داد مفیدبودن از نگاه کاربر، برای تأیید صلاحیت سامانه به‌تنهایی کافی نیست. کاربرد عمومی باید علاوه بر تجربه خوب، پیامد اتکا به پاسخ ناقص را هم در نظر بگیرد.

در گزارش بعدی چه تغییر کرده بود؟

در مارس ۲۰۲۶، تیم از افزایش امتیاز صحت از نخستین معیار ۷۶ درصدی به ۹۰ درصد در ارزیابی خود خبر داد. در نظرسنجی کاربران اپ نیز ۷۳ درصد پاسخ را مفید دانسته و ۶۴ درصد رضایت گزارش کرده بودند. این اعداد به ابزار سنجش و نمونه‌های همان تیم وابسته‌اند؛ آن‌ها را نباید معادل احتمال درست‌بودن هر پاسخ یا ضمانت مناسب‌بودن برای همه خدمات گرفت.

اختلاف معیارها، خود یک درس مدیریتی است. سازمان باید بداند امتیاز صحت، رضایت و موفقیت کاربر در انجام کار، چگونه تعریف شده‌اند و چه نسبتی با یکدیگر دارند.

چرا برند معتبر مسئولیت را بیشتر می‌کند؟

در تحلیل خرد، رابطی که نام یک نهاد معتبر را دارد، ممکن است بیش از یک دستیار عمومی قابل اتکا به نظر برسد. بنابراین افزودن یک هشدار کلی در پایین صفحه کافی نیست. طراحی باید به کاربر کمک کند منبع را ببیند، محدودیت پاسخ را بفهمد و در موضوع حساس به مسیر رسمی مراجعه کند.

در مثال فرضی یک خدمت شهری، پاسخ «می‌توانید درخواست بدهید» بدون ذکر شرط مکانی یا مدارک لازم، شاید خوانا باشد اما کاربر را به اقدام بی‌نتیجه بکشاند. ارزیابی باید بپرسد فرد پس از پاسخ چه کرده و آیا مسئله‌اش حل شده است.

سه سنجه‌ای که نباید ادغام شوند

سنجه تجربه می‌پرسد پاسخ قابل فهم و استفاده بوده است یا نه. سنجه محتوا، صحت، کامل‌بودن و ارتباط پاسخ را بررسی می‌کند. سنجه پیامد نیز می‌پرسد خدمت درست دریافت شده، مراجعه تکراری کمتر شده یا خطای تازه‌ای به کاربر تحمیل شده است. جمع‌کردن همه این‌ها در یک نمره، تشخیص علت ضعف را دشوار می‌کند.

برای نهادهای ایرانی چه چیزی قابل انتقال است؟

این تجربه را نمی‌توان بدون آزمون به زبان فارسی، ساختار داده و فرایند خدمات ایران تعمیم داد. پیشنهاد تحریریه، شروع با خدمت محدود، منابع به‌روز، نمونه سؤالات واقعی و ارزیابی متخصص همان حوزه است. کاربر باید مسیر جایگزین غیرچت‌باتی هم داشته باشد.

ارزش تجربه GOV.UK Chat برای ما، بیشتر در انتشار روش و محدودیت‌هاست تا رقابت بر سر یک درصد. نهادی که نتیجه آزمونش را همراه با تعریف شاخص و موارد شکست منتشر می‌کند، امکان یادگیری و پاسخ‌گویی بیشتری فراهم می‌سازد.

درباره این مطلب

این مطلب با کمک ابزارهای هوش مصنوعی تهیه شده و تحلیل‌ها و پیشنهادهای آن متعلق به تحریریه خرد است. منابع اصلی در پیوندهای زیر آمده‌اند؛ مثال‌های فرضی، گزارش رویداد واقعی نیستند.

منابع اصلی

GDS؛ یافته‌های نخستین آزمایش GOV.UK Chat، ژانویه ۲۰۲۴

GDS؛ پنج آموخته از آزمون GOV.UK Chat، مارس ۲۰۲۶