Nu je virtuele agent live is, verwacht je dat de bot alles aankan. Klanten stellen hun vraag, krijgen telkens het juiste antwoord, gesprekken verlopen volledig geautomatiseerd en vlekkeloos en iedereen is tevreden.
Maar, laten we eerlijk zijn, zo gaat het eigenlijk niet, toch?
Het is eerlijk gezegd nog niet mogelijk om je elk scenario voor te stellen en diepgaande en zinvolle content voor elke interactie te ontwerpen, zelfs niet als je je uiterste best doet. Klanten stellen vragen op hun eigen verschillende en unieke manieren, of ze vragen over dingen die de bot nog nooit eerder is tegengekomen en hij heeft geen antwoord: Nieuwe producten? Controleren. Beleidsupdates? Controleren. Meer details over bestaande reacties? Controleren.
Het antwoord op dit knagende maar veelvoorkomende probleem – of in ieder geval het mogelijke antwoord – is ontdekking met voorbedachten rade. Maar hoe stimuleer je effectieve ontdekking voor je bots op een manier die schaalbaar en duurzaam is?
Wat is ontdekking met voorbedachten rade? En waarom staat dit centraal bij botverbetering en -evolutie?
Het doel van een intelligente virtuele agent is om zelfbediening door de klant mogelijk te maken en klanten naar het juiste antwoord te leiden, zonder dat escalatie door een agent nodig is. Maar hoe kan ze dat doen als klanten vragen stellen die ze niet aankan?
Gespreks-AI is veel dingen, maar het is geen magie, ook al kunnen de nieuwste modellen behoorlijk magische dingen doen. Dat betekent dat de belangrijke verantwoordelijkheid om ervoor te zorgen dat je virtuele agent getraind is en klaar staat om te reageren, bij het chatbotteam komt te liggen.
Dat kan er natuurlijk op verschillende manieren uitzien: Misschien stellen je klanten vragen op onverwachte manieren en heeft de bot extra NLU-training nodig. Het kan zijn dat gesprekken zijn vastgelopen en je kunt de automatisering upgraden door intenties te verfijnen met subonderwerpen. Of het kan gewoon zo zijn dat een compleet nieuw onderwerp plotseling een stijging in het aantal aanvragen laat zien en dat je snel nieuwe intenties moet ontwerpen en introduceren.
Ongeacht de uiteindelijke corrigerende maatregel, is de onderliggende sleutel tot het corrigeren van prestaties het efficiënt kunnen vinden en herstellen van die conversaties die ervoor zorgen dat je virtuele agent struikelt.Intent discovery, het proces van het automatisch identificeren en categoriseren van de onderliggende doelen of doeleinden achter gebruikersberichten die naar een chatbot worden gestuurd, is hier cruciaal. Maar het is niet altijd eenvoudig.
Het probleem met intentie- en onderwerpzoeken die niet ontworpen zijn voor schaalbaarheid
Effectieve intentiebepaling is een enorme uitdaging voor chatbotteams – een die zich vaak in het volle zicht verschuilt.
Elke dag behandelt je virtuele agent duizenden, zo niet tienduizenden vragen. En voor een (hopelijk klein) deel van die vragen zal de chatbot gewoon niet in staat zijn om een nuttig antwoord te geven. Het werk van chatbotintentie en het ontdekken van onderwerpen, en vervolgens het ontwerpen van een werkplan om tekortkomingen te verhelpen, maakt integraal deel uit van de dagelijkse activiteiten van een chatbotteam.
Sommige teams wenden zich tot SQL om hen te helpen. Voorgevoelens volgen, zoekopdrachten schrijven – soms voelt het als een spelletje Whac-a-Mole.
We kennen ten minste één team dat prioriteit gaf aan een dagelijkse taak van het scrollen door 100 conversaties per dag om die lastige momenten te vinden, waarbij elk moment handmatig werd beoordeeld om te evalueren of dit een kans was om de bot te behouden of een nieuwe intentie op te bouwen. Het beheren van enorme spreadsheets was een dagelijkse praktijk die veel tijd en energie kostte.
Om het nog erger te maken: hoe langer een virtuele agent in productie is en hoe meer volume er naar de bot gaat, hoe moeilijker het is om handmatig door de gegevens te scrubben en er wijs uit te worden. En dat is als je het geluk hebt om toegang te hebben tot actuele gespreksgegevens. Veel teams hebben dat niet en ervaren lange wachttijden als ze toegang proberen te krijgen.
Andere teams vertrouwen op gespecialiseerde bronnen met diepgaande expertise op het gebied van datawetenschap: voor deze teamleden is het misschien geen prioriteit, ze begrijpen de vraag misschien niet altijd en als het rapport terugkomt, is het niet altijd bruikbaar – het moet vaak worden ontcijferd, georganiseerd, in twijfel getrokken. Helaas duurde dat proces bij ten minste één team dat we kennen meer dan zes maanden. Wat een gemiste kans om vragen van klanten aan te pakken en betere geautomatiseerde ervaringen op te bouwen!
Als je virtuele agent op grote schaal conversaties beheert, kun je het je gewoonweg niet veroorloven om weken of maanden te wachten en gefrustreerde conversaties en escalatie van agenten te blijven serveren.
Om een virtuele agent responsiever en grondiger te maken en de geautomatiseerde ervaring te bieden die u zoekt, is een andere benadering van intent discovery nodig.
Een ondankbare taak verlichten met AI-gestuurde intent discovery en chatbotanalyse
Van de nieuwste tot de meest gevestigde bedrijven, virtuele agenten krijgen altijd te maken met vragen die ze niet kunnen beantwoorden. Conversational AI ontwikkelt zich snel, maar in de praktijk betekent dit dat gesprekken met virtuele agenten alleen maar complexer worden. Chatbot-teams hebben de juiste tools nodig om hen te helpen niet-succesvolle conversaties op te sporen, door deze complexiteit te navigeren en efficiënt betere conversaties op te bouwen.
Het goede nieuws is dat er innovatieve technologieën bestaan die deze problemen eenvoudig kunnen lokaliseren, waarmee je ze kunt identificeren als trainingsmogelijkheden of nieuwe intenties, en die je vervolgens helpen bij het prioriteren van een werklijst om de problemen aan te pakken.
Ontdek zelf hoe Calabrio’s chatbot analytics platform je kan helpen verbeteringen te versnellen. De unieke Bot Automation Score van het Bot Analytics platform helpt teams snel specifieke onderwerpen te identificeren die onderzocht moeten worden, waardoor het proces van het creëren van nieuwe intenties en het leveren van betere ervaringen wordt vereenvoudigd. Leer meer over de kracht van Calabrio Bot Analytics als u vandaag nog een demo boekt.
