Panduan untuk Analisis Chatbot pada tahun 2025

Membangun dan menerapkan hanyalah langkah pertama dalam membangun chatbot AI - setelah penerapan, Anda siap memantau proyek Anda dengan analitik chatbot.

Setiap proyek chatbot atau agen AI yang nyata membutuhkan pelacakan metrik untuk mengamati dan meningkatkan kinerjanya. 

Dengan pengalaman beberapa tahun dalam menerapkan chatbot perusahaan, tim kami berpengalaman dalam memantau dan mengulangi penerapan chatbot yang sukses. Tidak memanfaatkan analitik chatbot Anda secara maksimal adalah salah satu kesalahan umum yang dilakukan perusahaan saat menerapkan chatbot. 

Berikut ini panduan singkat untuk membantu Anda memulai dengan analisis chatbot.

Apa yang dimaksud dengan analisis chatbot?

Analisis chatbot adalah data dan metrik yang melacak bagaimana pengguna berinteraksi dengan chatbot. Mereka membantu mengukur kinerja, mengidentifikasi masalah, dan mengoptimalkan efektivitas bot dari waktu ke waktu.

Mereka melibatkan pelacakan, pengukuran, dan analisis kinerja dan interaksi chatbot melalui metrik yang dipilih. 

Analisis ini memberikan wawasan tentang bagaimana pengguna berinteraksi dengan chatbot, efektivitasnya, dan dampaknya secara keseluruhan terhadap tujuan bisnis.

Mengapa saya harus mengukur analitik chatbot?

Apa pun proyeknya, Anda perlu mengukur analitik chatbot AI Anda. 

Proyek chatbot AI memiliki 3 tahap: membangun, menerapkan, dan memantau. Tulang punggung tahap monitor adalah mengukur analitik chatbot yang bermakna dan mengulangi chatbot Anda. 

Pemantauan yang tepat sangat penting untuk penerapan chatbot yang sukses - melacak analitik memungkinkan Anda mengetahui area mana yang masih memiliki ruang untuk ditingkatkan dan di mana bot Anda memberikan ROI paling besar.

Cara Mengukur Performa Chatbot: Langkah demi Langkah

1. Tentukan tujuan chatbot

Mulailah dengan mengidentifikasi tujuan chatbot Anda. Hasil spesifik apa yang Anda inginkan? Chatbot dukungan pelanggan dan chatbot perolehan prospek akan memiliki tujuan yang sangat berbeda dari chatbot SDM. 

Sasaran umum termasuk dukungan pelanggan yang lebih baik, perolehan prospek yang ditingkatkan dengan AI, dukungan penjualan, atau meningkatkan keterlibatan pengguna.

2. Mengaitkan sasaran dengan KPI

Kemudian Anda dapat memilih KPI yang mencerminkan tujuan Anda:

Jika sasaran Anda adalah dukungan pelanggan yang lebih baik, KPI Anda dapat berupa waktu penyelesaian kurang dari 2 menit, tingkat pembelokan tiket minimal 40%, dan skor kepuasan pelanggan 85%+.

Jika sasaran Anda adalah perolehan prospek, KPI Anda mungkin menghasilkan 50 prospek yang memenuhi syarat per minggu, atau tingkat konversi prospek sebesar 20%.

3. Pantau metrik yang selaras dengan KPI Anda

Selanjutnya, Anda dapat mengidentifikasi metrik spesifik mana yang menginformasikan KPI Anda.

Misalnya, metrik tentang keterlibatan pengguna akan dikaitkan:

• Jumlah pengguna yang kembali
• Apakah mereka terlibat dengan rekomendasi produk dari chatbot
• Berapa banyak pengunjung situs web secara keseluruhan yang menggunakan chatbot

4. Mengaitkan metrik dengan nilai moneter

Untuk memahami keuntungan dari investasi chatbot Anda, Anda perlu mengukur dampaknya.

Sebagai contoh:

• Jika chatbot mengurangi tiket dukungan, hitung berapa banyak Anda menghemat biaya tenaga kerja dengan menyelesaikan pertanyaan secara otomatis
• Jika meningkatkan perolehan prospek adalah tujuan Anda, hitung pendapatan rata-rata per prospek dan kalikan dengan jumlah prospek yang dihasilkan bot

Langkah ini adalah bagian penting dalam menghitung ROI chatbot.

5. Ulangi dan tingkatkan

Memantau analitik chatbot adalah proses yang sedang berlangsung dan terus berkembang. 

Tinjau kinerja chatbot Anda secara teratur. Analisis data untuk mengidentifikasi pola, seperti titik putus yang tinggi, kesalahan umum, atau jalur penyelesaian yang tidak efisien.

Seiring dengan perkembangan chatbot Anda - dengan fitur-fitur baru, atau perluasan kasus penggunaan - Anda perlu beradaptasi dan memperluas metrik yang Anda lacak, di samping KPI Anda.

9 Metrik Chatbot untuk Dilacak

1. Jumlah interaksi

Salah satu metrik yang paling penting adalah yang paling mendasar: apakah orang-orang menggunakan chatbot Anda? 

Jika tidak, tim Anda perlu memberi petunjuk yang lebih baik, atau menjadikan chatbot sebagai langkah yang lebih penting dalam prosesnya (misalnya, karyawan hanya dapat menjadwalkan hari libur melalui chatbot, alih-alih memberi mereka pilihan untuk menjadwalkan melalui perwakilan HR atau chatbot).

2. Durasi obrolan rata-rata (baik lama waktu dan jumlah pesan yang dipertukarkan)

Interaksi chatbot yang ideal adalah interaksi yang efisien dan bermanfaat. Jika interaksi berlangsung terlalu lama, cobalah untuk mengidentifikasi dan mengurangi kemacetan.

3. Jumlah aliran yang dimulai

Apakah chatbot Anda mengidentifikasi dan menyelesaikan masalah dengan segera, atau apakah chatbot Anda berputar melalui beberapa alur untuk menemukan perbaikan? 

4. Jumlah aliran berulang

Jika chatbot Anda mengulangi alur yang sama, itu adalah tanda ketidakefisienan. Ini mungkin karena chatbot Anda tidak mengenali kebutuhan pengguna dengan benar sejak awal.

5. Tingkat penahanan chatbot

Tingkat penahanan chatbot mengacu pada berapa banyak pengguna yang berinteraksi dengan chatbot Anda dan menyelesaikan interaksi tanpa perlu berinteraksi dengan manusia. 

Chatbot yang sukses dapat melihat tingkat penahanan ~ 65%, karena akan selalu ada interaksi yang membutuhkan bantuan manusia. 

6. Jumlah pengguna berulang

Jika chatbot Anda bermanfaat, Anda akan melihat pengguna yang kembali.

7. Jumlah pengguna aktif per periode waktu

Mengetahui waktu pengguna berinteraksi dengan chatbot Anda dapat membantu dalam pengambilan keputusan tentang penjadwalan shift untuk agen live.

8. CSAT (skor kepuasan pelanggan)

Umpan balik langsung adalah cara mudah untuk mengukur efektivitas chatbot Anda.

9. Waktu respons rata-rata

Jika chatbot Anda memiliki tujuan untuk mengurangi waktu tunggu bagi pelanggan atau prospek Anda, pastikan untuk melacak berapa lama pelanggan harus menunggu untuk berbicara dengan agen manusia. 

Jika chatbot Anda melakukan tugasnya, itu akan mengurangi waktu tunggu secara signifikan.

Cara menggunakan analitik chatbot tingkat lanjut

Platform chatbot terbaik akan memungkinkan Anda dan tim Anda mengatur metrik khusus untuk melacak analitik chatbot. 

Analisis khusus memerlukan identifikasi tindakan bernilai tinggi dan menginstruksikan chatbot Anda untuk melacaknya. 

‍

Sebagai contoh, Botpress memungkinkan pengguna langganan untuk melacak acara apa pun yang mereka tambahkan kartu 'Lacak Acara'. 

Jenis analisis lanjutan ini memungkinkan pengguna untuk melacak peristiwa yang sangat spesifik. Sebagai contoh:

• Seberapa sering bot tidak dapat menjawab pertanyaan menggunakan Basis Pengetahuannya
• Seberapa sering pengguna menginterupsi bot selama interaksi
• Seberapa sering chatbot e-commerce gagal melakukan pembayaran
• Seberapa sering pengguna meninggalkan chatbot, khusus untuk waktu atau alur tertentu
• Seberapa sering pengguna berinteraksi dengan produk yang direkomendasikan oleh chatbot
• Seberapa sering chatbot melakukan up-selling atau cross-selling suatu produk atau layanan

Analisis tingkat lanjut memungkinkan tim Anda mengidentifikasi ruang untuk perbaikan dengan akurasi yang tepat. 

Dengan memahami bagaimana pengguna terlibat dengan setiap bagian dari alur chatbot Anda, Anda dapat mengoptimalkan proses tanpa henti untuk hasil yang lebih baik dan lebih baik lagi.

Apa yang harus dicari di dasbor analitik

Ada banyak pilihan untuk platform analitik chatbot. Sebagian besar platform chatbot akan dilengkapi dengan dasbor analitik mereka sendiri, tetapi Anda dapat meningkatkannya dengan add-on analitik. Ini juga berguna untuk analitik chatbot open source.

Saat mencari platform analitik chatbot tingkat tinggi, berikut beberapa fitur yang harus diperhatikan:

Pemantauan waktu nyata

Fitur utama dari platform analitik chatbot yang canggih adalah kemampuan untuk melacak kinerja secara real time. Tidak hanya memungkinkan tim Anda untuk melihat data terbaru, tetapi mereka juga dapat merespons dengan cepat terhadap masalah atau anomali.

Misalnya, Anda dapat mengatur peringatan waktu nyata untuk masalah, seperti tingkat penahanan yang tidak biasa atau menurun. 

Integrasi dengan sistem bisnis

Kemampuan untuk mengekspor data chatbot Anda dengan mulus ke dalam visualisasi data dan alat BI - seperti Tableu atau Google Analytics - memungkinkan Anda untuk dengan mudah berbagi wawasan di seluruh tim (tanpa perlu semua orang masuk ke platform chatbot Anda).

Metrik yang dapat disesuaikan

Metrik yang dapat disesuaikan - atau 'analisis lanjutan' - akan memungkinkan tim Anda untuk mengasah bagian tertentu dari alur chatbot Anda. 

Menerapkan chatbot bulan depan

Dengan pengalaman bertahun-tahun dalam menerapkan chatbot AI dan agen AI, Botpress adalah platform chatbot terkemuka untuk perusahaan dan pembangun solo.

Platform yang dapat diperluas dan disesuaikan tanpa henti memungkinkan pembuat bot membangun chatbot untuk kasus penggunaan apa pun, di industri apa pun. 

Menerapkannya dengan mulus di berbagai saluran dan platform dengan pustaka integrasi yang sudah dibuat sebelumnya. 

Pelajari cara membuat chatbot tingkat lanjut dengan perpustakaan edukasi yang luas dan komunitas Discord yang aktif dengan 20.000+ pembuat bot.  

‍‍Mulaimembangun hari ini. Ini gratis.

Hal-hal yang sering ditanyakan

1. Seberapa sering saya harus meninjau data analitik chatbot saya?

Anda harus meninjau data analitik chatbot Anda setidaknya sekali seminggu. Jika chatbot Anda menangani lalu lintas tinggi atau mendukung fungsi penting seperti pembuatan prospek atau triase dukungan, tinjauan harian disarankan untuk menangkap kesalahan dengan cepat.

2. Apa cara terbaik untuk menetapkan baseline sebelum mengukur peningkatan?

Untuk menetapkan garis dasar sebelum mengukur peningkatan, pantau kinerja chatbot Anda selama 2-4 minggu tanpa melakukan perubahan. Lacak metrik utama seperti jumlah sesi, tingkat penahanan, tingkat handoff, dan kepuasan pengguna sehingga Anda dapat menetapkan standar untuk perbandingan di masa mendatang.

3. Apa perbedaan antara analisis chatbot dan analisis situs web tradisional?

Analisis chatbot berfokus pada kualitas interaksi - seperti akurasi pengenalan maksud, tingkat pengiriman pesan, dan tingkat resolusi - sementara analisis situs web tradisional melacak tampilan halaman dan rasio pentalan. Data chatbot membantu Anda mengoptimalkan alur percakapan; analisis web membantu Anda mengoptimalkan navigasi dan konten.

4. Bagaimana analitik chatbot terintegrasi dengan pemetaan perjalanan pengguna?

Analisis chatbot terintegrasi dengan pemetaan perjalanan pengguna dengan menunjukkan dengan tepat di mana pengguna terlibat dalam percakapan dan bagaimana mereka maju melalui setiap langkah. Hal ini membantu Anda menunjukkan dengan tepat gesekan pada tahap tertentu seperti orientasi atau konversi dan menyempurnakan perjalanan pengguna.

5. Bagaimana analisis prediktif dapat meningkatkan alur chatbot dari waktu ke waktu?

Analisis prediktif dapat meningkatkan alur chatbot dengan menganalisis pola perilaku pengguna untuk meramalkan maksud berikutnya atau merekomendasikan konten yang dipersonalisasi. Seiring waktu, hal ini membantu bot memandu pengguna dengan lebih efektif, mengurangi pengantaran dan meningkatkan tingkat penyelesaian tugas.