Sam hatte eine Bot-Entwicklungsabteilung für seine Digitalagentur gegründet.
Im Rahmen des Geschäftsentwicklungsprozesses hatte er viele Kunden besucht, um ihnen die Vorteile von Bots zu erklären, und dabei etwas Interessantes festgestellt.
Unabhängig von all den verschiedenen Szenarien, die er erläuterte (und viele Kunden waren beeindruckt und interessiert von dem, was er zu sagen hatte), waren alle an chatbots als Anwendungsfall für den Kundenservice interessiert.
Der Anwendungsfall des Kundendienstes war etwas, das sie intuitiv verstehen konnten:
- Die Kosten für die Kundenbetreuer waren hoch.
- Sie verbrachten einen Großteil ihrer Zeit mit der Beantwortung einfacher, sich wiederholender Fragen.
- Bots könnten diese Art von Fragen in vielen Fällen besser beantworten als die Agenten.
- Die Kosten für die Bots waren so hoch, dass sie, wenn sie einige Kundendienstmitarbeiter durch Bots ersetzten, die Kosten für den Bot sehr schnell durch die Einsparungen bei den Arbeitskosten wieder hereinholen konnten.
- Und nicht nur das: Der Bot wurde mit der Zeit immer besser und öffnete die Tür für viele weitere Innovationen.
Sam beschloss daher, sein Bot-Geschäft auf Kundendienst-Bots zu spezialisieren, da diese sehr gefragt waren und er in Gesprächen mit seinen Kunden und anderen Agenturen festgestellt hatte, dass die Wirtschaftlichkeit gut war. Sobald er diese Nische besetzt hatte, würde er auf angrenzende Märkte ausweichen.
Er wusste, dass die Tools für die Verarbeitung natürlicher Sprache (NLP) zwar technisch anspruchsvoll waren, aber inzwischen so gut, dass fast jeder eine gute NLP-Lösung implementieren konnte. Heutzutage war es eher eine Konfigurationsaufgabe als eine Aufgabe der Datenwissenschaft. Das bedeutete, dass die für die Implementierung der Lösung erforderlichen Fähigkeiten selbst bei den jüngsten Entwicklern gut aufgehoben waren.
Er war sich auch bewusst, dass gute Kundendienstlösungen nicht zu viel versuchten. Die Technologie war nicht gut genug, um menschenähnliche Gespräche mit Kunden zu führen. Die NLP-Engines waren sehr gut darin, die erste Frage des Kunden zu verstehen, aber wenn das Gespräch komplizierter wurde oder der Bot den Kunden beim ersten Mal nicht verstand, war es wichtig, dass ein Mensch sofort eingriff.
Die Tatsache, dass der Schwerpunkt des NLP auf der ersten Frage oder Interaktion lag, bedeutete auch, dass die Aufgabe vom technischen Standpunkt aus viel einfacher war. Es stimmt, dass einige Unternehmen versuchten, ein wirklich konversationelles Erlebnis zu schaffen, aber bisher hatte dieser Ansatz zu zunehmender Komplexität und Misserfolgen geführt. Sam hatte kein Interesse daran, diesen Weg zu gehen.
Er hatte beobachtet, dass es viele neue Angebote für Kundenservice-Bots auf dem Markt gab, so dass der Markt vielleicht umkämpft sein könnte. Gleichzeitig brauchte jedes Unternehmen diese Art von Lösung in irgendeiner Form, also war die Chance riesig! Tatsächlich sah Sam den Markt als derzeit massiv unterversorgt an und glaubte, dass dies zumindest für einige Jahre so bleiben würde.
Es gab viele Unternehmen, die proprietäre Lösungen von der Stange für den Kundendienst anboten. Sam zog in Erwägung, ein Wiederverkäufer dieser Art von Lösungen zu sein, aber er war nicht der Meinung, dass diese proprietären Lösungen auf lange Sicht die besten Lösungen waren. Er würde sie nicht für sein eigenes Unternehmen nutzen und war daher der Meinung, dass er diese Art von Lösungen auch nicht seinen Kunden anbieten sollte.
Der Gedanke, an ein proprietäres System gebunden zu sein, gefiel ihm aus mehreren Gründen nicht:
- Ihm gefiel die Idee nicht, die Engine für die Verarbeitung natürlicher Sprache (NLP) eng mit dem Rest der Software zu koppeln. Der beste Anbieter der Engine für natürliche Sprache könnte ein anderer sein als der beste Anbieter von Analysediensten oder der beste Anbieter von Konnektoren für die Chat-Plattformen.
- Selbst wenn ihre natürlichsprachliche Lösung im Moment die beste war, gab es keine Garantie, dass sie auch in Zukunft der beste Anbieter sein würde. Es sollte möglich sein, NLP-Engines in Zukunft zu wechseln.
- Verschiedene NLP-Engines können für unterschiedliche Dinge gut sein, so dass Sie vielleicht mehr als eine verwenden sollten. Eine NLP-Engine könnte zum Beispiel gut für IT-Fragen sein, eine andere für allgemeine FAQ.
- NLP war nicht die einzige Fähigkeit, die für einen großartigen Kundenservice-Bot benötigt wurde. Sich allein auf Text und NLP zu verlassen, war definitiv nicht der richtige Weg, um ein tolles Kundenerlebnis zu schaffen.
- Die Textschnittstellen sind sehr begrenzt und müssen daher durch grafische Schnittstellen ergänzt werden. Sich darauf zu verlassen, dass der Anbieter diese Schnittstellen in Zukunft zur Verfügung stellt, wäre nicht optimal.
- Die Human-in-the-Loop-Funktionalität (die es dem Bot ermöglicht, an menschliche Agenten weiterzuleiten, wenn er etwas nicht versteht) ist für den Kundenservice von entscheidender Bedeutung. Die Human-in-the-Loop-Funktionalität wird in Zukunft noch ausgefeilter werden. Sie würde maßgeschneiderte Schnittstellen für die Agenten umfassen, die vorgefertigte Antworten oder individuelle Antworten enthalten. Jeder, auch ein interner Bot-Entwickler, sollte in der Lage sein, den Human-in-the-Loop für seine Zwecke anzupassen, ohne sich auf den Anbieter verlassen zu müssen.
- Die Inhalte sollten vom Content-Team leicht verwaltet werden können, das in der Lage sein sollte, Tools für A/B-Tests und andere marktbezogene Analysen zu entwickeln.
- Interne Entwickler mussten die Möglichkeit haben, den Dienst in interne Systeme zu integrieren, ohne sich auf den Anbieter verlassen zu müssen.
- Es ist möglich, dass auch andere Dienste über den Kundendienstkanal angeboten werden.
Einem Kunden, der sich nach einem Zimmer in einem Hotel erkundigt, kann z. B. über denselben Kanal ein Preisnachlass und die Möglichkeit zur sofortigen Buchung angeboten werden. Eigene oder fremde Entwickler müssen in der Lage sein, diese zusätzlichen Dienste im Kanal zu kodieren, ohne sich an den ursprünglichen Anbieter wenden zu müssen.
Die von ihm angebotene Lösung sollte jedoch einfach sein. Es war wichtig, dass sie zukunftssicher und erweiterbar ist, aber gleichzeitig sollte es sehr einfach sein, eine erste Lösung zum Laufen zu bringen.
Wenn er Botpress verwenden würde, könnte er das Problem der Erweiterbarkeit lösen. Botpress könnte effektiv als Middleware für die besten Chatbot-Tools auf dem Markt fungieren und viele Standardkomponenten standardmäßig bereitstellen. Diese Komponenten könnten gegen Komponenten von Drittanbietern ausgetauscht oder in Zukunft nach Bedarf angepasst werden.
Um seinen Kunden die beste Lösung zu bieten, wählte er eine Reihe von Werkzeugen aus, von denen er glaubte, dass sie die beste Lösung für den Kunden darstellten.
Zu Beginn wäre die Architektur sehr einfach. Er würde die beste NLP-Engine von den wichtigsten NLP-Anbietern (Google, Facebook, Microsoft, IBM, Rasa) auswählen und dann die Standardkomponenten von Botpress verwenden, um eine Verbindung mit der erforderlichen Nachrichtenplattform herzustellen und unterstützende Funktionen wie Analysen, Human in the Loop und rollenbasierte Sicherheit bereitzustellen.
Sobald diese Basislösung beim Kunden in Betrieb war, konnte er darüber nachdenken, sie bei Bedarf zu verbessern. Dies könnte durch das Hinzufügen von NLP-Engines, das Aufrüsten des Analysepakets (ggf. zu einem Drittanbieter) oder das Hinzufügen von Anpassungen für die Funktion "Mensch in der Schleife" geschehen.
Natürlich würden Entscheidungen über weitere Anpassungen oder das Hinzufügen neuer Komponenten oder Dienste zum System auf der Grundlage der Analyse der Kundeninteraktionen mit dem System getroffen. Änderungen könnten je nach Bedarf von den zuständigen Entwicklern schnell vorgenommen werden.
Sam beschloss, die Lösung zunächst für sein eigenes Unternehmen zu implementieren. So konnte er mit einigen der verfügbaren Tools experimentieren und das seiner Meinung nach beste Angebot für die Ersteinrichtung auswählen.
Sam begann nicht nur sofort, viele Kundendienstprojekte zu gewinnen, er stellte auch fest, dass seine Kunden, sobald eine erfolgreiche Implementierung von Kundendienstleistungen erreicht war, schnell weitere Dienstleistungen in den Kanal aufnehmen wollten.
Da Kundendienst etwas ist, das jedes Unternehmen auf der Welt mehr oder weniger braucht, gab es keinen Mangel an Kunden.
Erst als er begann, die Lösung auf diese Weise zu implementieren, erkannte er, wie sehr seine Kunden die Tatsache zu schätzen wussten, dass er ihnen bei der Auswahl der besten Tools für ihr Unternehmen helfen konnte, anstatt zu versuchen, sie an eine einzige, nicht erweiterbare Bloatware-Lösung zu binden.
Sam und sein Team sind sehr gut darin geworden, herauszufinden, wie man Kundenservice-Bots einsetzen kann, um sehr schnell hochwertige und wirkungsvolle Verbesserungen für den Kundenservice eines Unternehmens zu erzielen.
Teilen Sie dies auf:
Erstellen Sie kostenlos Ihren eigenen personalisierten AI-Chatbot
Beginnen Sie mit der Erstellung eines personalisierten GPT-Bots mit unserer intuitiven Drag & Drop-Oberfläche.
Legen Sie los - es ist kostenlos! 🤖Keine Kreditkarte erforderlich
Bleiben Sie auf dem Laufenden über AI chatbots