الدليل الكامل لمعدلات احتواء Chatbot [2025]

1. تتبع التفاعلات الإجمالية والمتصاعدة

حساب إجمالي عدد تفاعلات المستخدم مع chatbot خلال فترة معينة. يتضمن ذلك جميع المحادثات أو الاستفسارات أو المهام التي بدأها المستخدمون.

ثم تتبع عدد التفاعلات التي تم تصعيدها إلى وكلاء بشريين أو تم الإبلاغ عنها على أنها لم يتم حلها من قبل chatbot. 

يمكن أن تشمل "حالات التصعيد" عمليات التسليم المباشر للوكلاء البشريين أو الحالات التي يطلب فيها المستخدمون المساعدة صراحةً.

2. حساب معدل الاحتواء

استخدم الصيغة:

معدل الاحتواء = (1- (1- [التفاعلات المتصاعدة / إجمالي التفاعلات]) × 100

على سبيل المثال، إذا كان موقعك chatbot تعاملت مع 900 من أصل 1000 تفاعل دون تصعيد، يمكنك حساب 

معدل الاحتواء = (1-1000/100/100) × 100 = 90%

3. أو استخدام أدوات التحليلات

استفد من تحليلاتchatbot أو منصات خدمة العملاء التي تتعقب المقاييس وتبلغ عنها تلقائياً مثل معدلات الاحتواء. غالبًا ما توفر هذه الأدوات رؤى إضافية حول أسباب التصعيد ورضا المستخدمين.

من خلال المراقبة والتحسين المستمرين استنادًا إلى هذا المقياس، يمكنك تحسين كفاءة chatbotوتجربة المستخدم.

استخدم LLMs بدلاً من مصنفات النوايا

وعادةً ما يتم تشغيل روبوتات الدردشة الآلية عالية الاحتواء بواسطة مصنفات LLMs بدلاً من مصنفات النوايا. 

LLMs التفوق في فهم اللغة الدقيقة والحرة والتكيف مع الصياغة المتنوعة، مما يجعلها مثالية للتعامل مع الاستفسارات المعقدة أو غير المتوقعة. 

فهي تلغي الحاجة إلى تعيينات النوايا الجامدة، مما يسمح chatbot (يُطلق عليه أحيانًا وكيلLLM ) بالاستجابة بمرونة لمجموعة واسعة من مدخلات المستخدم بدقة.

كما يوضح مدير العمليات لدينا في مقاله، فإن Botpress يستخدم LLMs على مصنفات النوايا، على عكس منافسينا.

تصميم للمحادثات التكيفية

بدلاً من الاعتماد على تدفقات العمل الثابتة، يجب تصميم روبوتات الدردشة الآلية للتكيف ديناميكيًا مع سلوك المستخدم في الوقت الفعلي. 

من خلال الاستفادة من خوارزميات الوعي بالسياق وخوارزميات اتخاذ القرار، يمكن للبوت تعديل نهجه في منتصف المحادثة. وهذا يضمن بقاءه على صلة بالموضوع، حتى عندما يغيّر المستخدمون المواضيع، أو يقدمون معلومات غير مكتملة، أو يطرحون أسئلة متابعة، مما يحسّن معدلات حلّ المشكلات بشكل عام.

إن أسهل طريقة لتصميم chatbot ديناميكي هو استخدام الذكاء الاصطناعي العميل؛ وبهذه الطريقة، يمكن للبوت الخاص بك أن يقرر بشكل مستقل كيفية التعامل مع المشكلة بشكل أفضل بناءً على الأدوات المتاحة له.

الاستفادة من الأنظمة المعززة للاسترجاع

يؤدي الجمع بين التوليد المعزز بالاسترجاع (RAG) مع عمليات التكامل مثل CRMs وقواعد المعرفة إلى إطلاق الإمكانات الكاملة لـ chatbot. 

من خلال سحب المعلومات الخاصة بالمجال في الوقت الفعلي من مصادر موثوقة، يستطيع الروبوت الإجابة عن الأسئلة المعقدة وإكمال المهام متعددة الخطوات دون تصعيدها إلى الوكلاء البشريين.

1. تحسين التعرف على النوايا باستخدام LLMs

من المرجح أن يؤدي التحول من مصنفات النوايا التقليدية إلى LLMs إلى تحسين معدل الاحتواء.

على عكس تخطيط النوايا الجامد، يمكن لـ LLMs فهم اللغة الدقيقة والحرة والتكيف مع الصياغات المتنوعة. يقلل هذا الفهم المتطور من سوء الفهم ويزود روبوتات الدردشة الآلية للتعامل مع المحادثات المعقدة وغير المتوقعة بدقة وسلاسة.

2. توسيع قواعد المعرفة

يعد تحديث قاعدة معارفك chatbotالخاص بك أمرًا أساسيًا لإرضاء التفاعلات. 

إضافة أسئلة وأجوبة جديدة بانتظام، ومعلومات عن المنتجات، وحلول للمشاكل الشائعة. وهذا يجهز الموقع chatbot للتعامل مع مجموعة واسعة من الاستفسارات، مما يضمن حصول المستخدمين على إجابات دقيقة وفي الوقت المناسب.

3. زيادة المسارات المقترحة

قبل التصعيد إلى بشري، يحاول chatbot حل الاستفسارات بشكل مستقل. إذا لم تنجح، حاول إضافة المزيد من المسارات ليختارها المستخدمون.

إن إضافة خيارات احتياطية، مثل الأسئلة التوضيحية أو الحلول البديلة، يمنحها المزيد من الفرص لتلبية احتياجات المستخدم. 

4. بناء الدعم في جميع مراحل العملية

إذا كان التدفق الخاص بك يتضمن تدفقات عمل معقدة - مثل حجز المواعيد أو استكشاف الأخطاء وإصلاحها - فتأكد من إمكانية إنجازها بسلاسة من قبل المستخدم دون الحاجة إلى تدخل بشري. تمنع روبوتات المحادثة التي يمكنها توجيه المستخدمين خلال هذه العمليات الحاجة إلى التدخل البشري.

5. اشرح بوضوح ما هو chatbot الخاص بك

ضع توقعات واضحة منذ البداية. قم بتوجيه المستخدمين حول ما يمكن أن يتعامل معه chatbot وأين يتفوق. يؤدي ذلك إلى تجنب الإحباط من خلال توجيه المحادثات نحو المجالات التي يكون فيها الروبوت أكثر قدرة، مما يهيئه للنجاح.

6. مراقبة الأداء

تتبَّع المقاييس الرئيسية مثل الاستفسارات التي لم يتم حلها، ومعدلات التصعيد، ودرجات الرضا لقياس مدى جودة أداء chatbot الخاص بك. استخدم هذه الرؤى لتحديد مجالات التحسين وتقييم نجاح التحديثات.

1. كيف تؤثر معدلات الاحتواء على رضا العملاء والاحتفاظ بهم على المدى الطويل؟

عندما تتعامل روبوتات الدردشة الآلية مع الأمور بسلاسة دون الحاجة إلى عمليات تسليم، يشعر العملاء بالمساعدة بشكل أسرع، وهذا يبني الثقة. وبمرور الوقت، هذا النوع من الدعم الخالي من الاحتكاك يجعل الناس أكثر ميلاً للالتزام بعلامتك التجارية والتوصية بها.

2. ما هو العائد على الاستثمار في تحسين معدلات احتواء chatbot مقابل توظيف المزيد من الوكلاء البشريين؟

تعزيز الاحتواء يعني عددًا أقل من التذاكر لفريقك، مما يقلل من التكاليف ويزيد من سرعة التوظيف. Plus ذلك، فإنه يحرر الوكلاء البشريين للتعامل مع الأمور الصعبة وذات القيمة العالية، مما يوفر المال ويحسن جودة الخدمة.

3. ما هو معدل الاحتواء المثالي المستهدف للمؤسسات، وكيف يتم تحديده؟

لا يوجد رقم سحري، ولكن غالبًا ما تُعتبر نسبة 70-90% نسبة قوية. تعتمد النقطة المثالية على حالة الاستخدام الخاصة بك: ما الذي يهدف الروبوت الخاص بك إلى التعامل معه، ومدى تعقيد الاستفسارات، ومقدار اللمسة البشرية التي تريد علامتك التجارية الاحتفاظ بها.

4. ما هو الدور الذي تلعبه حلقات التغذية المرتدة للمستخدمين في تحسين الاحتواء؟

إنها ذهبية. تساعدك ردود فعل المستخدم مثل "لم يساعدك ذلك" أو "تحدث إلى إنسان"، على اكتشاف الثغرات بسرعة وإعادة تدريب الروبوت على الاستجابة بشكل أفضل في المرة القادمة.

5. ما هي أنواع عمليات التكامل (نظم إدارة علاقات العملاء، ونظم تخطيط موارد المؤسسات، وما إلى ذلك) التي لها أكبر الأثر على الاحتواء؟

تعد إدارة علاقات العملاء ومكاتب المساعدة وقواعد المعرفة مكاسب كبيرة. إذا كان بإمكان الروبوت الخاص بك سحب البيانات في الوقت الفعلي، مثل حالة الطلب أو معلومات العميل أو خطوات استكشاف الأخطاء وإصلاحها، فيمكنه الإجابة عن المزيد من الأسئلة دون الحاجة إلى الاستعانة ببشر.