Ha egy AI ügyfélszolgálati chatbot folyamatosan célt téveszt, annak általában hat kijavítható oka van. Így diagnosztizálhatja és javíthatja ki mindegyiket, teljes újraépítés nélkül.
Ebben a cikkben:
A legtöbb csapat egyszer beállít egy AI ügyfélszolgálati chatbotot, látja, hogy az első hetekben jól működik, és többé nem foglalkozik vele. Aztán az eszkalációk lassan emelkedni kezdenek, az ügyfelek ismételgetik magukat, és senki sem tudja pontosan megmondani, miért – mert senki sem nézte meg, mi hibázik valójában.
Ez a leggyakoribb ok, és a legkönnyebben ellenőrizhető. Egy chatbot csak azt tudja, amit a csatlakoztatott tudásforrások tartalmaznak. Ha egy termék megváltozott, egy szabályzat frissült, vagy egy új funkció jelent meg, és a forrástartalmat nem frissítették hozzá, a bot magabiztosan a régi választ fogja adni.
Gyűjtse ki azon kérdések listáját, amelyekre a bot a leggyakrabban rossz választ ad, és ellenőrizze mindegyiket a tényleges forrástartalommal szemben. Ha a forrásból teljesen hiányzik az információ, az hatáskörbeli hiányosság. Ha a forrás tartalmazza, de a bot mégis rosszul válaszol, a tartalom rosszul strukturált, elrejtett vagy ellentmond más részeknek ugyanabban a forrásban.
Például egy árazási oldal frissítése, amely megváltoztatja egy csomagban foglalt helyek számát, csendben tönkretesz minden chatbot-választ az adott csomaggal kapcsolatban, amíg valaki nem frissíti a tudásforrást.
Egy olyan Flow, amelyet csak rendezett, jól formált tesztkérdésekkel építettek és teszteltek, másképp működik, mint amit az ügyfelek által ténylegesen használt megfogalmazásokkal teszteltek. A valódi kérdések rövidebbek, kevésbé formálisak, és gyakran hiányzik belőlük az a kontextus, amelyet egy rendezett tesztkérdés tartalmazna.
Vegyen ki húsz valódi ügyfélüzenetet a jegyelőzményeiből – minél rendetlenebbek, annál jobb –, és futtassa le őket manuálisan a Flow-n. Jegyezze fel minden olyan pontot, ahol a válasz hibás, hiányos, vagy szakmailag helyes, de zavaró. Ez az egyetlen gyakorlat általában több valódi problémát tár fel, mint egy hét összesített mutatója.
Ha csapata az AI Válasz Asszisztensre is támaszkodik az ügynökválaszok megfogalmazásához, ugyanazok a tudásforrás-problémák, amelyek a chatbotot is elrontják, ott is megjelennek, mivel mindkét funkció ugyanabból a mögöttes tartalomból dolgozik.
Próbálja ki a LiveAgentet ingyen és győződjön meg róla.
A LiveAgent chatbotja lehetővé teszi, hogy minimális számú AI-választ állítson be, mielőtt az emberi munkatársnak történő átadás elérhetővé válik, vagy hagyja, hogy az AI ügynök maga döntse el, mikor adjon át. Ha ezt a beállítást bármelyik irányba eltéveszti, az teljesítményproblémának tűnhet, miközben valójában konfigurációs probléma.
Állítsa túl magasra a küszöböt, és az ügyfelek haszontalan botválaszok között ragadnak, mielőtt emberhez juthatnának. Állítsa túl alacsonyra, és a bot olyan kérdéseket eszkalál, amelyeket meg tudott volna oldani, ami megnöveli az eszkalációs arányt és feleslegesen veszi igénybe az ügynökök idejét olyan kérésekhez, amelyek soha nem igényeltek emberi beavatkozást.
Vizsgálja felül ezt a beállítást a tényleges eszkalációs adatai alapján, ne csak egyszer a beállításkor. Ami kisebb jegyforgalomhoz vagy szűkebb kérdéskörhöz megfelelő volt, lehet, hogy módosításra szorul, ahogy a chatbot hatóköre bővül.
Nem minden AI modell dolgozza fel egyformán jól a több részből álló vagy kétértelmű kérdéseket. Egy modell, amely jól kezeli az egyszerű GYIK-lekérdezéseket, kezdhet hibázni, amint az ügyfelek rétegezett kérdéseket tesznek fel, amelyek két-három információ összekapcsolását igénylik.
Ezt érdemes utoljára ellenőrizni, nem először. A modellfrissítés nem fogja megoldani a hiányos tudásforrást vagy a nem tesztelt Flow-t, és azok a csapatok, amelyek egyből a modellváltásra ugranak, gyakran ugyanazokat a hibákat tapasztalják, mert a valódi probléma soha nem a modell volt. Ha a tudásforrás és a Flow rendben van, de az összetett gondolkodást igénylő kérdések továbbra is hibáznak, akkor éri meg egy erősebb modell költségét. A modellszolgáltatók saját érvelési és utasításkövetési benchmarkokat publikálnak pontosan ehhez az összehasonlításhoz – érdemes ellenőrizni, mielőtt feltételeznénk, hogy minden modell egyformán kezeli a több részből álló kérdéseket.
A legfrissebb tippek és ajánlatok közvetlenül a postaládájába.
A chatbot több mint 100 nyelven képes válaszolni a hozzá kapcsolt AI modelltől függően, de a nyelvtámogatás csak annyira működik, amennyire a mögöttes tudásforrás elérhető az adott nyelven. Egy kizárólag angolul írt és karbantartott tudásforrás gyengébb, pontatlanabb válaszokat ad a más nyelven író ügyfeleknek, még akkor is, ha a bot technikailag “támogatja” azt a nyelvet.
Ellenőrizze a jegyforgalmat nyelvek szerint, szemben azzal, hogy a tudásforrás mekkora része létezik valójában az egyes nyelveken. Az eltérés pontosan úgy néz ki, mint egy általános teljesítményprobléma, de a megoldás a forrástartalom fordítása, nem a Flow vagy a modell módosítása.
Egy induláskor jól hangolt chatbot nem marad magától az. A termékek változnak, az ügyfelek új típusú kérdéseket kezdenek feltenni, és egy Flow, amely három hónapja mindenre kiterjedt, csendesen felhagy azzal, hogy lefedje, amit az ügyfelek ma ténylegesen kérdeznek.
| Mit érdemes hetente ellenőrizni | Mit jelent általában |
|---|---|
| Eszkalációs arány emelkedése | A hatókör már nem fedi a valódi kérdéseket |
| Ugyanaz a hibás válasz, ismétlődően | A tudásforrás elavult az adott témában |
| Új megfogalmazási minták a jegyekben | A Flow-t újra kell tesztelni a jelenlegi nyelvhasználatra |
| CSAT csökkenése bot által megoldott jegyeknél | A bot “megoldja” a jegyeket, de az ügyfelek nem voltak elégedettek |
Állítson be rendszeres heti felülvizsgálatot a sikertelen és eszkalált beszélgetésekről az első hónapban bármilyen változtatás után, majd térjen át havi ütemezésre, ha a számok stabilizálódnak. Ez az egyetlen javítás ezen a listán, amely nem egyszeri változtatás. Ez az a szokás, amely a másik ötöt még azelőtt elkapja, mielőtt az ügyfelek is észrevennék.
Ha még mindig platformok között választ, ahelyett hogy egy meglévőt javítana, az AI chatbot kiválasztásáról szóló útmutatónk ugyanezt a hat területet járja körül vásárlói szemszögből, még mielőtt elkötelezné magát.
Vegye végig ezt a hat okot sorrendben, mielőtt azt feltételezné, hogy az egész rendszert le kell cserélni. A legtöbb csapat azt találja, hogy a valódi probléma egy konkrét, javítható hiányosság, nem pedig magában a chatbotban rejlő alapvető hiba. A LiveAgent AI chatbotja ezen karok többségét – a tudásforrásokat, az átadási küszöböket és a modellválasztást – közvetlenül konfigurálhatóvá teszi, így ezen okok valamelyikének kijavítása általában egy délután alatt megvan, nem igényel teljes újraépítést.
Oszd meg ezt a cikket
Adam tartalomkezelő a LiveAgentnél. Őszintén lelkesíti, hogy az AI-ügynökök mennyi terhet vehetnek le egy támogatói csapat válláról, és ugyanilyen mértékben szkeptikus minden olyan automatizációval szemben, amely miatt az ügyfélnek még többet kell dolgoznia azért, hogy megértsék.
Az AI chatbot problémák csendben ügyfeleidbe kerülhetnek. Öt figyelmeztető jel, hogy a botod rontja a konverziót az ügyfélszolgálatban – és hogyan javítsd ki mi...
A chatbotok javítják az ügyfélszolgálatot az ismétlődő feladatok automatizálásával, több megkeresés egyidejű kezelésével és a költségek csökkentésével. Javítják...
Egy AI ügyfélszolgálati chatbot beállítása a LiveAgentben hat lépést igényel két rendszeren keresztül. Íme a sorrend, hogy mit csinál az egyes lépés, és mit érd...
Csatlakozzon elégedett ügyfeleink közösségéhez és nyújtson kiváló ügyfélszolgálatot a LiveAgent segítségével.
Sütik Hozzájárulás
A sütiket használjuk, hogy javítsuk a böngészési élményt és elemezzük a forgalmunkat. See our privacy policy.
