AI- en chatbot-analysetools:Van de plank of zelf bouwen?

De wereld van chatbots en AI voor conversaties ontwikkelt zich snel, met tal van bedrijven die een scala aan oplossingen bieden of deze integreren in hun producten en diensten.

Maar als bedrijfseigenaar die op zoek is naar verbetering, kan het zijn dat je niet erg enthousiast bent over de analyses die beschikbaar zijn op deze platforms.

Bot-platforms bieden meestal beperkte toegang tot de gegevens, rapportage op oppervlakteniveau met statistieken voor volume, insluiting en intentiegegevens. Chatbot-teams worden gedwongen om hun inspanningen aan te vullen met gefragmenteerde tools en handmatige rapportage met behulp van tools zoals SQL-query’s, handmatig zoeken en meer.

Deze inheemse rapportagemogelijkheden geven je vaak een onvoldaan gevoel, omdat je worstelt met het beantwoorden van basisvragen:

• Waarover praten mijn klanten met de bot?
• Hoe effectief is de bot in het beantwoorden van hun vragen?
• Vinden mijn klanten de botervaring leuk?
• Helpt de bot het bedrijf geld te besparen (of te verdienen); hoe kan ik dat bewijzen?
• Aan welke verbeteringen geef ik prioriteit?
• Welke statistieken moet ik delen met mijn belangrijkste belanghebbenden?

En plotseling denk je na over het bouwen van chatbot-analysesoftware.

Maar, wacht even: voordat je de trekker overhaalt voor de tijd en middelen die nodig zijn om in-house bot analytics tools te bouwen, overweeg dan deze zes belangrijke punten, waaronder must-have aspecten van elke chatbot analytics software.

Om te bepalen wat de juiste oplossing is voor jouw behoeften, is het belangrijk om te beginnen met het definiëren van een lijst met belangrijke functies die ingebouwd moeten zijn in je chatbot analytics software, ongeacht waar deze vandaan komt.

Daarbij is het belangrijk om op korte termijn te denken en functies te identificeren die als een minimum viable product (MVP) van de grond moeten komen. Het is echter belangrijker voor het team om een duidelijke visie te hebben over hoe het product er na een paar iteraties uit zal zien. Een team zonder een extreem sterke achtergrond in chatbots en conversationele AI zal altijd moeite hebben om de functies te begrijpen die in de toekomst nodig zouden kunnen zijn. Het opbouwen van een allesomvattende visie voor een product is de sleutel tot het succes van het product. Een korte lijst van essentiële chatbotfuncties voor gegevensanalyse moet het volgende bevatten:

Gespreksonderwerpen:Effectieve bot analytics moeten in staat zijn om “primaire contactredenen” uit klantinteracties met zowel je chatbot als live agents te halen. Door AI-technieken zoals onderwerpmodellering te gebruiken, zou je in staat moeten zijn om de echte redenen te identificeren waarom je klanten met je in contact komen. Om dit niveau van inzicht te bereiken is echter een oplossing nodig die wordt ondersteund door AI-expertise.

Automatisering:Nauwkeurig meten hoe goed de bot conversaties automatiseert gaat verder dan kijken naar eenvoudige bot containment metrics. Botplatforms missen deze bredere meting vaak, omdat ze alleen rekening houden met de vraag of een conversatie werd opgenomen. Een basisinsluitingsmeting gaat echter voorbij aan het feit of een gesprek al dan niet voldeed aan de behoeften en tevredenheid van de klant. Een geavanceerder analyseplatform zal rekening houden met aanvullende signalen en een nauwkeurig beeld geven van de prestaties van botautomatisering, zoals in de Bot Automation Score (BAS) van Calabrio Bot Analytics.

Klanttevredenheid:Om de klanttevredenheid te meten, vertrouwen veel platforms op klantenenquêtes. Vaak is het deelnamepercentage echter minder dan 5% en sterk gericht op negatieve feedback. Het is duidelijk dat een dergelijke aanpak verre van ideaal is. In plaats daarvan vereist het creëren van een effectieve klanttevredenheidsmeting die 100% van de conversaties omvat een combinatie van innovatieve signalen en geavanceerde AI-modellen om de benodigde input te genereren. Om dit intelligentieniveau te bereiken, is sterke AI- en NLU-expertise nodig die intern moet worden ingehuurd of ontwikkeld. Natuurlijk kan een geavanceerde oplossing zoals Calabrio Bot Analytics CSAT analyseren zonder gebruik te maken van enquêtes, met zijn Bot Experience Score (BES).

Nieuwe intentiebepaling:Conversationele bots worden gebouwd met behulp van natuurlijk taalbegrip en intenties als het kernmechanisme om de behoeften van de klant te matchen met de antwoorden van de bot. Er zullen echter altijd bepaalde dingen zijn die de bot niet begrijpt, en het is cruciaal om deze in de gaten te houden.

Met behulp van een externe topic modeler kun je onderwerpen in conversatiegegevens identificeren die ontbreken in de bestaande intenties. Sterker nog, het kan worden geconfigureerd om 24 uur per dag te draaien, zodat nieuwe intenties of onderwerpen worden blootgelegd wanneer deze zich voordoen. Deze functie is zeer waardevol omdat het je in staat stelt om hun intentierepository uit te breiden en meer van de gesprekken vast te leggen die hun klanten willen voeren, waardoor de prestaties van hun bot verbeteren.

Fout-positieve identificatie:NLU-gebaseerdebots kunnen af en toe fouten maken, de behoeften van de klant verkeerd begrijpen en het verkeerde pad volgen. Botplatforms bieden doorgaans geen vals-positieve identificatie. Om dit probleem aan te pakken, heb je een AI-techniek op maat nodig die losstaat van het NLU/classifier-ontwerp.

Financiële impact:Inzicht in de financiële impact van je chatbotprogramma is essentieel om eerdere en toekomstige investeringen te rechtvaardigen. Het is mogelijk dat de financiële gegevens in een vroeg stadium niet duidelijk zijn en dat botplatforms deze informatie niet gemakkelijk vrijgeven. Als we in staat zijn om de punten te verbinden tussen besparingen in contactcentra, kosten per botconversatie en de impact van botverbeteringen op beide maatstaven, kunnen we gedegen zakelijke beslissingen nemen over de kosten van Conversational AI.

Het bouwen van een robuuste bot analytics engine vereist connectiviteit met meerdere gegevensbronnen: denk aan chatbotgegevens van meerdere platforms of diensten, spraakgegevens, live agentgegevens, enz.

Het is niet eenvoudig om te begrijpen en te beslissen hoe al die gegevens worden opgeslagen, geraadpleegd en gerapporteerd.

Houd bij het kiezen van een aanpak voor gegevensintegratie de volgende vragen in gedachten:

• Waar zijn je gespreksgegevens op dit moment opgeslagen en waar zullen ze in de toekomst zijn?
• Bent u van plan om uit te breiden naar meerdere chatbots, waaronder voicebots?
• Ga je conversatiegegevens opslaan in een data cloud zoals Snowflake, BigQuery of Amazon Redshift, of laat je ze achter in logbestanden binnen de bot- en customer care-platforms?

Onderhoud van connectoren: Als je eenmaal integraties met conversatiegegevensbronnen hebt opgezet, is het cruciaal om het doorlopende onderhoud van connectoren te overwegen, omdat bronplatforms voortdurend zullen veranderen.

Kiezen tussen interne teams en leveranciers: Als je moet beslissen of je vertrouwt op een intern team of op een leverancier met kant-en-klare connectoren, overweeg dan het volgende:

• Schaalbaarheid: Leveranciers met bestaande partnerschappen en technologische expertise kunnen conversatiestromen beter integreren en onderhouden met analyse- en rapportagesuites.
• Aanpasbaarheid: Kant-en-klare chatbot-analysetools zijn ontworpen om verschillende interactiescenario’s aan te kunnen, waardoor integraties soepeler verlopen als je chatbotbehoeften evolueren.

Beslissingen in een vroeg stadium bepalen de toekomstige schaalbaarheid, inclusief connectiviteit, opslag, implementatie en schaling. Slechte initiële keuzes kunnen leiden tot systeemknelpunten, gegevensfragmentatie en andere uitdagingen die uiteindelijk uw vermogen om effectief te schalen op de lange termijn belemmeren.

Gegevensintegraties zijn lang niet de enige infrastructuurgerelateerde zorg. Het uitvoeren van analyses op duizenden meertalige conversaties kan een resource-intensieve taak zijn, waarvoor krachtige AI-modellen en uitgebreide cloudservices nodig zijn.

Voor een effectieve chatbotanalyse is het essentieel om de juiste balans te vinden tussen kosten en inzicht. Voor het beheren van analyses voor meertalige chatbotinteracties zijn resources nodig, waaronder geavanceerde AI-modellen en dure cloudservices. Het in balans brengen van het modelgebruik is een cruciaal aspect om exorbitante kosten te vermijden en tegelijkertijd essentiële inzichten te verkrijgen uit gespreksgegevens.

Even belangrijk is het om factoren te evalueren zoals de diepte van de analyse, de frequentie waarmee het model wordt uitgevoerd en de behoefte aan real-time analyse. In het begin lijken basisanalyses misschien voldoende, maar na verloop van tijd zal de behoefte toenemen en zullen de vragen over botprestaties geavanceerder worden, wat resulteert in intensievere analyses. Is een intern team net zo goed uitgerust als een ervaren leverancier om de gewenste prestaties te leveren?

Het is algemeen bekend dat IT-projecten vaak de geschatte tijdlijnen en kosten overschrijden. Uit een ouderonderzoek van McKinsey en Oxfordblijkt zelfs dat de helft van alle grote IT-budgetten de oorspronkelijke begroting aanzienlijk overschrijdt.

In de wereld van chatbots is het essentieel dat bedrijven begrijpen wat de gevolgen zijn van het uitstellen van analyses.

Als je er niet in slaagt om snel grip te krijgen op de prestaties van bots, zal dat een negatief effect hebben op bedrijven die afhankelijk zijn van deze bots voor een veelheid aan interacties met klanten.

Als je chatbot al een paar maanden op de markt is, had je waarschijnlijk gisteren al inzicht nodig in je prestaties. Het vanaf nul opbouwen van uw analyseoplossingen zal zeker leiden tot vertraging, waardoor inkomsten, besparingen en klantloyaliteit op tafel komen te liggen.

De effectiviteit van analyse- en rapportageoplossingen is afhankelijk van het vermogen van een team om de tools te leren en de gewenste resultaten te behalen. Dit is gemakkelijker gezegd dan gedaan. Deze oplossingen kunnen complex zijn en vereisen uitgebreide trainingsprogramma’s om inzichten te maximaliseren en de chatbot te verbeteren.

Naast de initiële training zijn effectieve en uitgebreide documentatie, evenals doorlopende training en productondersteuning cruciaal voor blijvend succes, vooral als het team wisselt. Op de lange termijn kunnen externe leveranciers die zich toeleggen op analyseplatforms mogelijk uitgebreidere en actuelere documentatie en ondersteuning voor uw oplossing bieden.

Bij het bepalen of je analyse- en rapportagesoftware gaat bouwen of kopen, is het cruciaal om rekening te houden met de kosten voor ontwikkeling, onderhoud en upgrades. Het maken van een eenvoudige spreadsheet om de kosten te vergelijken kan helpen om te begrijpen welke optie het meest kosteneffectief is. Over het algemeen bieden externe leveranciers die oplossingen aanbieden of bouwen voor meerdere klanten meer betaalbare opties dankzij de kostenafschrijving, in tegenstelling tot interne teams die tegen kostprijs werken voor het project van één klant.

Als bedrijven overwegen om chatbots te implementeren in hun producten of diensten, wordt het bepalen van het rendement op investering (ROI) essentieel voor het maken van de juiste beslissing over het veiligstellen van effectieve analytics.

Als het gaat om het beheren van een chatbotprogramma, is toegang tot effectieve, inzichtelijke analyses onmiskenbaar cruciaal voor succes op korte en lange termijn. Het idee om je eigen botanalysesysteem te bouwen lijkt misschien aantrekkelijk, maar het is belangrijk om rekening te houden met de aanzienlijke investering in tijd en middelen die dit met zich meebrengt.

Voor mensen met diepgaande domeinexpertise in Natural Language Processing (NLP), ervaring met het werken aan meertalige grote taalmodellen zoals GPT en BERT, en AI-model training en productie in het algemeen, kan het bouwen van een eigen chatbot analytics platform de manier zijn om te gaan – zolang het wordt geleverd met een lange aanloop en aanzienlijke middelen. Voor de meeste chatbotteams en contactcentra bieden opties zoals Calabrio Bot Analytics echter meer direct rendement, duurzame waarde en betrouwbare innovatie.

Klaar om de prestaties van je bot te verbeteren? Boek vandaag nog een demo van Calabrio Bot Analytics.