Guide complet des taux de confinement des chatbots

1. Suivre le nombre total d'interactions et le nombre d'interactions escaladées

Compter le nombre total d'interactions des utilisateurs avec le chatbot pendant une période donnée. Cela inclut toutes les conversations, les requêtes ou les tâches initiées par les utilisateurs.

Suivez ensuite le nombre d'interactions qui sont transmises à des agents humains ou qui sont signalées comme non résolues par le chatbot. 

Les "escalades" peuvent inclure des transferts directs vers des agents humains ou des cas où les utilisateurs demandent explicitement de l'aide.

2. Calculer le taux de confinement

Utiliser la formule :

Taux de confinement = (1- [Interactions escaladées / Interactions totales]) × 100

Par exemple, si votre chatbot a traité 900 interactions sur 1 000 sans escalade, vous calculerez : 

Taux de confinement = (1-1000/100) × 100 = 90 %.

3. Ou utiliser des outils d'analyse

Tirez parti des plateformes d'analyse des chatbots ou de service à la clientèle qui suivent et rapportent automatiquement des mesures telles que les taux de confinement. Ces outils fournissent souvent des informations supplémentaires sur les raisons des escalades et la satisfaction des utilisateurs.

En surveillant et en optimisant en permanence cette mesure, vous pouvez améliorer l'efficacité de votre chatbot et l'expérience de l'utilisateur.

Utiliser LLMs au lieu de classificateurs d'intention

Les chatbots à haut niveau de confinement sont généralement alimentés par des LLMs plutôt que par des classificateurs d'intention. 

LLMs excellent dans la compréhension d'un langage nuancé et libre et s'adaptent à des formulations variées, ce qui les rend idéaux pour traiter des requêtes complexes ou inattendues. 

Ils éliminent la nécessité d'établir des correspondances rigides entre les intentions, ce qui permet au chatbot (parfois appelé agentLLM ) de répondre avec souplesse et précision à un plus large éventail d'entrées de l'utilisateur.

Comme l 'explique notre directeur des opérations dans son article, Botpress utilise LLMs plutôt que des classificateurs d'intention, contrairement à nos concurrents.

Concevoir des conversations adaptatives

Plutôt que de s'appuyer sur des flux de travail statiques, les chatbots devraient être conçus pour s'adapter dynamiquement au comportement des utilisateurs en temps réel. 

En tirant parti de la connaissance du contexte et des algorithmes de prise de décision, le robot peut adapter son approche au milieu de la conversation. Il reste ainsi pertinent, même lorsque les utilisateurs changent de sujet, fournissent des informations incomplètes ou posent des questions complémentaires, ce qui améliore les taux de résolution globaux.

La façon la plus simple de concevoir un chatbot dynamique est d'utiliser l'IA agentique; de cette façon, votre chatbot peut décider de façon autonome de la meilleure façon d'aborder un problème en fonction des outils à sa disposition.

Tirer parti des systèmes augmentés par la recherche

La combinaison de la génération augmentée par la recherche (RAG) avec des intégrations telles que les CRM et les bases de connaissances permet de libérer tout le potentiel d'un chatbot. 

En obtenant en temps réel des informations spécifiques à un domaine à partir de sources fiables, le robot peut répondre à des questions complexes et effectuer des tâches en plusieurs étapes sans faire appel à des agents humains.

1. Améliorer la reconnaissance des intentions avec LLMs

Le passage des classificateurs d'intentions traditionnels à LLMs améliorera probablement votre taux de confinement.

Contrairement à la cartographie d'intention rigide, LLMs peut comprendre un langage nuancé et libre et s'adapter à diverses formulations. Cette compréhension avancée réduit les malentendus et permet aux chatbots de gérer des conversations complexes et imprévisibles avec précision et fluidité.

2. Élargir les bases de connaissances

La mise à jour de la base de connaissances de votre chatbot est essentielle pour que les interactions soient satisfaisantes. 

Ajoutez régulièrement de nouvelles FAQ, des informations sur les produits et des solutions aux problèmes courants. Le chatbot est ainsi en mesure de répondre à un plus grand nombre de questions, ce qui garantit que les utilisateurs reçoivent des réponses précises et opportunes.

3. Augmenter les voies d'accès suggérées

Avant de faire appel à un humain, votre chatbot tente de résoudre les questions de manière autonome. S'il n'y parvient pas, essayez d'ajouter d'autres voies d'accès pour les utilisateurs.

L'ajout d'options de repli, telles que des questions de clarification ou des solutions alternatives, lui donne davantage de possibilités de répondre aux besoins des utilisateurs. 

4. Assurer un soutien tout au long du processus

Si votre flux comprend des processus complexes - comme la prise de rendez-vous ou le dépannage - assurez-vous qu'ils peuvent être accomplis sans problème par votre utilisateur sans l'intervention d'un humain. Les chatbots qui peuvent guider les utilisateurs dans ces processus évitent l'intervention humaine.

5. Expliquez clairement à quoi sert votre chatbot

Fixez des attentes claires dès le départ. Guidez les utilisateurs sur ce que le chatbot peut gérer et où il excelle. Cela permet d'éviter les frustrations en orientant les conversations vers les domaines dans lesquels le chatbot est le plus compétent, ce qui le met sur la voie du succès.

6. Contrôler les performances

Suivez les indicateurs clés tels que les requêtes non résolues, les taux d'escalade et les taux de satisfaction pour mesurer les performances de votre chatbot. Utilisez ces informations pour identifier les domaines à améliorer et évaluer le succès des mises à jour.