KI- und Chatbot-Analysetools:Von der Stange oder selbst entwickeln?

Die Welt der Chatbots und Konversations-KI entwickelt sich rasant. Zahlreiche Unternehmen bieten eine Reihe von Lösungen an oder integrieren sie in ihre Produkte und Dienstleistungen.

Als Geschäftsinhaber, der Verbesserungen anstrebt, sind Sie jedoch vielleicht von den Analysen, die auf diesen Plattformen zur Verfügung stehen, wenig beeindruckt.

Bot-Plattformen bieten in der Regel einen eingeschränkten Zugriff auf die Daten und eine oberflächliche Berichterstattung mit Metriken für Volumen, Eindämmung und Absichtsdaten. Chatbot-Teams sind gezwungen, ihre Bemühungen mit fragmentierten Tools und manuellen Berichten mit Hilfe von Tools wie SQL-Abfragen, manueller Suche und mehr zu ergänzen.

Diese nativen Berichtsoptionen lassen Sie oft unbefriedigt zurück, da Sie sich schwer tun, grundlegende Fragen zu beantworten:

• Worüber sprechen meine Kunden mit dem Bot?
• Wie effektiv ist der Bot bei der Beantwortung ihrer Fragen?
• Gefällt meinen Kunden das Bot-Erlebnis?
• Hilft der Bot dem Unternehmen, Geld zu sparen (oder zu verdienen); wie kann ich das beweisen?
• Welche Verbesserungen haben für mich Priorität?
• Welche Metriken sollte ich mit meinen wichtigsten Stakeholdern teilen?

Und plötzlich denken Sie darüber nach, eine Chatbot-Analysesoftware zu entwickeln.

Aber warten Sie: Bevor Sie die Zeit und die Ressourcen in die Hand nehmen, die für die Entwicklung eigener Bot-Analyse-Tools erforderlich sind, sollten Sie die folgenden sechs wichtigen Punkte beachten, darunter auch Aspekte, die bei einer Chatbot-Analyse-Software nicht fehlen dürfen.

Um herauszufinden, welche Lösung die richtige für Ihre Bedürfnisse ist, sollten Sie zunächst eine Liste der wichtigsten Funktionen definieren, die in Ihrer Chatbot-Analyse-Software enthalten sein sollten, unabhängig davon, woher sie stammt.

Dabei ist es wichtig, kurzfristig zu denken und Funktionen zu identifizieren, die als Minimum Viable Product (MVP) auf den Weg gebracht werden können. Wichtiger ist jedoch, dass das Team eine klare Vorstellung davon hat, wie das Produkt nach ein paar Iterationen aussehen wird. Ein Team, das sich nicht mit Chatbots und KI auskennt, wird immer Schwierigkeiten haben, die Funktionen zu verstehen, die in der Zukunft benötigt werden könnten. Die Entwicklung einer umfassenden Vision für ein Produkt ist der Schlüssel zum Erfolg des Produkts. Die Liste der wichtigsten Chatbot-Funktionen für die Datenanalyse muss Folgendes enthalten:

Gesprächsthemen:Effektive Bot-Analysen müssen in der Lage sein, „primäre Kontaktgründe“ aus Kundeninteraktionen sowohl mit Ihrem Chatbot als auch mit Live-Agenten zu extrahieren. Durch den Einsatz von KI-Techniken wie der Themenmodellierung sollten Sie in der Lage sein, die wahren Gründe zu erkennen, warum Ihre Kunden mit Ihnen in Kontakt treten. Um dieses Maß an Einsicht zu erreichen, ist jedoch eine Lösung erforderlich, die durch KI-Expertise unterstützt wird.

Automatisierung:Um genau zu messen, wie gut der Bot die Konversationen automatisiert, reicht es nicht aus, nur die einfachen Metriken zur Bot-Einschränkung zu betrachten. Bot-Plattformen lassen diese umfassendere Messung oft außer Acht und berücksichtigen nur, ob eine Konversation enthalten war. Eine grundlegende Metrik für die Eindämmung übersieht jedoch, ob ein Gespräch den Bedürfnissen und der Zufriedenheit des Kunden entsprach oder nicht. Eine fortschrittlichere Analyseplattform berücksichtigt zusätzliche Signale und bietet einen genauen Überblick über die Leistung der Bot-Automatisierung, wie der Bot Automation Score (BAS) von Calabrio Bot Analytics.

Kundenzufriedenheit:Um die Kundenzufriedenheit zu messen, stützen sich viele Plattformen auf Kundenumfragen. Oft liegt die Teilnahmequote jedoch unter 5 % und ist deutlich von negativen Rückmeldungen geprägt. Natürlich ist ein solcher Ansatz alles andere als ideal. Eine effektive Messung der Kundenzufriedenheit, die 100 % der Gespräche umfasst, erfordert stattdessen eine Kombination aus innovativen Signalen und fortschrittlichen KI-Modellen, um die notwendigen Eingaben zu generieren. Um dieses Maß an Intelligenz zu erreichen, ist ein hohes Maß an KI- und NLU-Fachwissen erforderlich, das eingestellt oder intern entwickelt werden müsste. Natürlich ist auch hier eine fortschrittliche Lösung wie Calabrio Bot Analytics in der Lage, die CSAT ohne Umfragen zu analysieren, und zwar mit dem Bot Experience Score (BES).

Neue Entdeckung von Absichten:Conversational Bots nutzen das Verständnis natürlicher Sprache und Intentionen als Kernmechanismus, um Kundenbedürfnisse mit Bot-Antworten abzugleichen. Es wird jedoch immer bestimmte Dinge geben, die der Bot nicht versteht, und es ist wichtig, dass Sie diese im Auge behalten.

Mit einem externen Themenmodellierer können Sie Themen in Konversationsdaten identifizieren, die in den vorhandenen Intents fehlen. Noch besser ist, dass es so konfiguriert werden kann, dass es rund um die Uhr läuft und neue Intentionen oder Themen aufdeckt, sobald sie auftauchen. Diese Funktion ist sehr wertvoll, denn sie ermöglicht es Ihnen, ihr Intent Repository zu erweitern und mehr der Gespräche zu erfassen, die ihre Kunden führen möchten, und so die Leistung ihres Bots zu verbessern.

Falsch positive Identifizierung:NLU-basierteBots können gelegentlich Fehler machen, die Kundenbedürfnisse falsch verstehen und den falschen Weg einschlagen. Bot-Plattformen bieten in der Regel keine falsch positive Identifizierung. Um dieses Problem zu lösen, benötigen Sie eine maßgeschneiderte KI-Technik, die von der NLU/Klassifikatorentwicklung getrennt ist.

Finanzielle Auswirkungen:Das Verständnis der finanziellen Auswirkungen Ihres Chatbot-Programms ist wichtig, um vergangene und zukünftige Investitionen zu rechtfertigen. In der Anfangsphase sind die Finanzkennzahlen möglicherweise nicht klar, und die Bot-Plattformen geben diese Informationen nicht ohne weiteres preis. Wenn Sie in der Lage sind, den Zusammenhang zwischen den Einsparungen im Contact Center, den Kosten pro Bot-Konversation und den Auswirkungen von Bot-Verbesserungen auf diese beiden Größen zu erkennen, können Sie fundierte Geschäftsentscheidungen über die Kosten von Conversational AI treffen.

Der Aufbau einer robusten Bot-Analyse-Engine erfordert Konnektivität zu mehreren Datenquellen: Denken Sie an Chatbot-Daten von mehreren Plattformen oder Diensten, Sprachdaten, Live-Agentendaten usw.

Zu verstehen und zu entscheiden, wie all diese Daten gespeichert, abgerufen und gemeldet werden sollen, ist keine leichte Aufgabe.

Wenn Sie sich für einen Ansatz zur Datenintegration entscheiden, sollten Sie die folgenden Fragen im Hinterkopf behalten:

• Wo sind Ihre Gesprächsdaten derzeit gespeichert und wo werden sie in Zukunft gespeichert sein?
• Planen Sie eine Ausweitung auf mehrere Chatbots, einschließlich Voicebots?
• Werden Sie Konversationsdaten in einer Datenwolke wie Snowflake, BigQuery oder Amazon Redshift speichern oder in Protokolldateien innerhalb der Bot- und Kundenbetreuungsplattformen belassen?

Pflege von Konnektoren: Sobald Sie Integrationen mit Konversationsdatenquellen eingerichtet haben, ist es wichtig, die laufende Pflege der Konnektoren zu berücksichtigen, da sich die Quellplattformen ständig ändern werden.

Die Wahl zwischen internen Teams und Anbietern: Bei der Entscheidung, ob Sie sich auf ein internes Team oder einen Anbieter mit vorgefertigten Konnektoren verlassen, sollten Sie Folgendes beachten:

• Skalierbarkeit: Anbieter mit bestehenden Partnerschaften und technologischem Know-how können Konversationsströme besser in Analyse- und Berichtssuiten integrieren und pflegen.
• Anpassungsfähigkeit: Standard-Chatbot-Analysetools sind für verschiedene Interaktionsszenarien ausgelegt und ermöglichen eine reibungslose Integration, wenn sich Ihre Chatbot-Anforderungen weiterentwickeln.

Frühzeitige Entscheidungen bestimmen die zukünftige Skalierbarkeit, einschließlich Konnektivität, Speicherung, Bereitstellung und Skalierung. Schlechte Entscheidungen zu Beginn können zu Systemengpässen, Datenfragmentierung und anderen Problemen führen, die letztlich Ihre Fähigkeit zur effektiven Skalierung auf lange Sicht beeinträchtigen.

Die Datenintegration ist bei weitem nicht die einzige infrastrukturbezogene Sorge. Die Analyse von Tausenden von mehrsprachigen Konversationen kann eine ressourcenintensive Aufgabe sein, die leistungsstarke KI-Modelle und umfangreiche Cloud-Dienste erfordert.

Für eine effektive Chatbot-Analyse ist es wichtig, das richtige Gleichgewicht zwischen Kosten und Einblick zu finden. Die Verwaltung von Analysen für mehrsprachige Chatbot-Interaktionen erfordert Ressourcen, einschließlich ausgefeilter KI-Modelle und kostspieliger Cloud-Dienste. Die Ausgewogenheit der Modellnutzung ist ein entscheidender Aspekt, um exorbitante Ausgaben zu vermeiden und gleichzeitig wichtige Erkenntnisse aus den Gesprächsdaten zu gewinnen.

Ebenso wichtig ist es, Faktoren wie die Tiefe der Analyse, die Häufigkeit, mit der das Modell ausgeführt wird, und die Notwendigkeit einer Echtzeitanalyse zu bewerten. Während einfache Analysen in der Anfangsphase ausreichend erscheinen mögen, wird der Bedarf mit der Zeit steigen und die Fragen zur Bot-Leistung werden anspruchsvoller, was zu intensiveren Analysen führt. Ist ein internes Team genauso gut ausgestattet wie ein erfahrener Anbieter, um die gewünschte Leistung zu erbringen?

Es ist hinlänglich bekannt, dass IT-Projekte häufig ihren geschätzten Zeitrahmen und ihre Kosten überschreiten. Eine ältereStudie von McKinsey und Oxford, die auch heute noch Gültigkeit hat, besagt, dass die Hälfte aller großen IT-Budgets ihr ursprüngliches Budget deutlich überschreitet.

In der Welt der Chatbots ist es für Unternehmen von entscheidender Bedeutung, die Konsequenzen eines Aufschubs der Analyse zu begreifen.

Wenn Sie die Leistung von Bots nicht in den Griff bekommen, und zwar schnell, wird sich dies negativ auf Unternehmen auswirken, die bei einer Vielzahl von Kundeninteraktionen auf diese Bots angewiesen sind.

Wenn Ihr Chatbot bereits seit einigen Monaten auf dem Markt ist, haben Sie wahrscheinlich schon gestern Einblicke in die Leistung benötigt. Wenn Sie Ihre Analyselösungen von Grund auf neu entwickeln, wird dies mit Sicherheit zu Verzögerungen führen, so dass Einnahmen, Einsparungen und Kundentreue auf der Strecke bleiben.

Die Effektivität von Analyse- und Berichterstattungslösungen hängt von der Fähigkeit eines Teams ab, die Tools zu erlernen und die gewünschten Ergebnisse zu erzielen. Dies zu erreichen ist leichter gesagt als getan. Diese Lösungen können komplex sein und erfordern umfassende Schulungsprogramme, um die Erkenntnisse und die Chatbot-Verbesserung zu maximieren.

Über die anfängliche Schulung hinaus sind eine effektive und umfassende Dokumentation sowie fortlaufende Schulungen und Produktunterstützung entscheidend für den anhaltenden Erfolg, insbesondere angesichts der Fluktuation im Team. Auf lange Sicht können externe Anbieter, die sich auf Analyseplattformen spezialisiert haben, möglicherweise eine umfangreichere und aktuellere Dokumentation und Unterstützung für Ihre Lösung anbieten.

Bei der Entscheidung, ob Sie eine Analyse- und Berichterstattungssoftware entwickeln oder kaufen sollen, müssen Sie unbedingt die Kosten für Entwicklung, Wartung und Upgrades berücksichtigen. Die Erstellung einer einfachen Tabelle zum Kostenvergleich kann Ihnen dabei helfen, zu verstehen, welche Option kostengünstiger ist. Im Allgemeinen bieten externe Anbieter, die Lösungen für mehrere Kunden anbieten oder erstellen, aufgrund der Kostenamortisation günstigere Optionen als interne Teams, die zum Selbstkostenpreis für das Projekt eines einzelnen Kunden arbeiten.

Wenn Unternehmen die Implementierung von Chatbots in ihre Produkte oder Dienstleistungen in Erwägung ziehen, ist die Ermittlung des Return on Investment (ROI) von entscheidender Bedeutung, um die richtige Entscheidung für eine effektive Analyse zu treffen.

Wenn es um die Verwaltung eines Chatbot-Programms geht, ist der Zugang zu effektiven, aufschlussreichen Analysen unbestreitbar entscheidend für den kurz- und langfristigen Erfolg. Der Gedanke, ein eigenes Bot-Analysesystem zu entwickeln, mag verlockend erscheinen, aber Sie sollten bedenken, dass damit eine erhebliche Investition an Zeit und Ressourcen verbunden ist.

Für diejenigen, die über fundiertes Fachwissen im Bereich der Verarbeitung natürlicher Sprache (NLP), Erfahrung mit mehrsprachigen großen Sprachmodellen wie GPT und BERT sowie mit dem Training und der Produktion von KI-Modellen im Allgemeinen verfügen, könnte der Aufbau einer eigenen Chatbot-Analyseplattform der richtige Weg sein – vorausgesetzt, sie verfügt über eine lange Laufzeit und umfangreiche Ressourcen. Für die Mehrheit der Chatbot-Teams und Kontaktzentren bieten Optionen wie Calabrio Bot Analytics jedoch unmittelbarere Renditen, nachhaltige Werte und zuverlässige Innovationen.

Sind Sie bereit, die Leistung Ihres Bots zu steigern? Buchen Sie noch heute eine Demo von Calabrio Bot Analytics.