Cara Menghitung ROI untuk 3 Jenis Chatbot

Tentukan KPI Anda dengan jelas

Meskipun mungkin terdengar jelas, Anda tidak dapat mengukur ROI tanpa KPI (indikator kinerja utama).

Jika Anda membuat chatbot layanan pelanggan, KPI Anda mungkin termasuk:

• Jumlah permintaan yang diselesaikan oleh chatbot
• Pengurangan waktu respons rata-rata
• CSAT
• Tingkat defleksi (berapa banyak percakapan yang dialihkan dari repetisi)
• Biaya per kueri

Chatbot SDM atau TI mungkin memiliki KPI seperti:

• Jumlah permintaan yang dialihkan dari karyawan
• Jumlah jam kerja yang dihemat dengan menyalurkan permintaan ke chatbot
• Waktu yang dibutuhkan karyawan untuk memesan hari liburan

KPI chatbot perusahaan Anda akan berubah tergantung pada jenis bot yang Anda rancang.

Mengaitkan KPI Anda dengan nilai moneter

Setiap KPI harus dikaitkan dengan nilai uang tertentu. Tidaklah cukup hanya dengan mengatakan bahwa sebuah proyek akan 'menghemat waktu' atau bahkan 'menghemat 10 jam per minggu'. Hitunglah berapa banyak uang yang akan dihemat setiap bulan atau tahun. 

Jika chatbot AI Anda akan mengurangi kebutuhan Anda untuk mempekerjakan 2 karyawan tambahan, pastikan jumlah ini juga diperhitungkan.

Mulai dari yang rendah, lalu tingkatkan

Meskipun sangat menggoda untuk memaksimalkan dampak chatbot Anda sejak awal, tim Customer Success kami merekomendasikan untuk menargetkan ROI dengan nilai minimal pada awalnya.

Fokus pada keuntungan tambahan. Setelah chatbot terbukti efektif dengan beban awal ini, tingkatkan cakupannya secara bertahap - dan optimalkan di sepanjang jalan.

Pendekatan terukur ini tidak hanya memungkinkan Anda melacak ROI dengan presisi yang lebih tinggi, tetapi juga memastikan bahwa kinerja chatbot Anda tetap tinggi seiring dengan bertambahnya tanggung jawabnya. Dengan berfokus pada peningkatan bertahap, Anda dapat meningkatkan kemampuan chatbot dengan cara yang meminimalkan risiko dan memaksimalkan kesuksesan jangka panjang.

Variabel awal

Mulai dengan:

• Gaji per jam dari perwakilan pusat panggilan
• Durasi rata-rata panggilan dukungan pelanggan
• Berapa banyak panggilan yang diterima pusat setiap bulannya

Dan temukan biaya rata-rata panggilan dukungan pelanggan untuk organisasi Anda. Jika seorang perwakilan melakukan 20 panggilan dalam satu jam dan rata-rata panggilan dukungan adalah 5 menit, maka biaya rata-rata untuk setiap panggilan dukungan adalah $5. 

Chatbot yang lebih baik membawa nilai yang lebih tinggi

Kemudian tambahkan nilai chatbot. Mengidentifikasi ekspektasi yang tepat bisa jadi rumit - kami telah melihat banyak klien yang sangat berlebihan dan meremehkan nilai chatbot. 

Nilai tambah tergantung pada beberapa faktor, termasuk:

• Kemiripan antara panggilan dukungan pelanggan (panggilan berulang = nilai tambah yang lebih tinggi dari chatbot)
• Kompleksitas chatbot Anda (bot yang lebih bodoh = nilai tambah yang lebih sedikit)

Di Botpress, tim Customer Success kami duduk bersama klien dan prospek untuk membantu mereka mengidentifikasi estimasi nilai yang realistis.

Menghitung ROI Anda

Sebagai contoh, kita akan mengasumsikan sebuah call center menerima 3000 panggilan per bulan, dan chatbot mereka akan menerima 2000 panggilan per bulan. Chatbot akan menghemat perusahaan 2000 x 5 (jumlah panggilan x harga per panggilan) setiap bulan, menambahkan hingga $10.000.

Jumlah ini akan bertambah seiring dengan berkembangnya perusahaan - alih-alih mempekerjakan 3-5 orang, mereka dapat mempekerjakan 1-2 orang untuk menangani volume panggilan yang sama ketika dibantu oleh chatbot.

Variabel awal

Mulai dengan:

• Gaji per jam dari perwakilan SDM dan rata-rata karyawan yang mencari layanan mereka
• Durasi rata-rata interaksi SDM, termasuk waktu komunikasi secara keseluruhan (misalnya, termasuk waktu yang dihabiskan antara pihak-pihak lain, seperti ketika perwakilan SDM berkonsultasi dengan akuntan atau manajer)
• Berapa banyak interaksi yang terjadi per bulan yang dapat ditangani oleh chatbot

Langkah terakhir ini akan membutuhkan pemikiran tentang layanan mana yang dapat diambil alih oleh AI. Permintaan liburan atau pertanyaan tentang kebijakan pasti dapat ditangani oleh chatbot AI, tetapi percakapan yang sensitif mungkin tidak.

Desain yang didukung data

Mengidentifikasi kasus penggunaan yang tepat sangat penting untuk merancang chatbot internal yang bernilai tinggi. Identifikasi titik-titik masalah yang paling banyak memakan waktu dari kedua belah pihak untuk mendapatkan dampak terkuat dari chatbot. 

Ini mungkin akan menjadi proses yang berulang seperti orientasi, penjadwalan, hari libur, umpan balik, tinjauan kinerja, atau pertanyaan tentang kebijakan dan prosedur.

Jumlah prospek

Seringkali klien akan memilih untuk mengukur ROI bot gen prospek dengan berapa banyak orang yang berbicara dengan chatbot. Memilih jumlah prospek yang dihasilkan oleh bot dapat menjadi KPI yang menggoda, tetapi ini meniadakan pentingnya kualitas setiap prospek. 

Kami telah melihat klien dengan chatbot penghasil prospek yang menghasilkan jumlah keseluruhan yang lebih rendah, tetapi kualitas prospek yang jauh lebih tinggi. Hal ini tidak jarang terjadi - kesalahan manusia dapat mendorong karyawan untuk memasukkan atau mengecualikan prospek berdasarkan informasi yang tidak didukung oleh data. 

Di sisi lain, chatbot AI akan mengidentifikasi prospek yang ideal berdasarkan data masa lalu dan tetap berpegang pada kerangka kerja mereka.

Jika perwakilan penjualan Anda memenuhi syarat 7/10 prospek, targetkan bot Anda memenuhi syarat 5/10.

Variabel awal

Mulai dengan:

• Jumlah kunjungan situs web bulanan
• Berapa banyak pengunjung yang berinteraksi dengan chatbot
• Berapa banyak prospek yang memenuhi syarat bot

Langkah pertama adalah menghasilkan jumlah prospek potensial yang realistis - mereka yang akan berkomunikasi dengan chatbot Anda. 

Jika Anda memiliki 100 tampilan situs web, kemungkinan besar Anda hanya memiliki 40 orang yang meluangkan waktu untuk melihat konten - banyak pengunjung situs web yang menggunakan beranda Anda untuk navigasi saja. Dengan angka-angka ini, Anda mungkin ingin menargetkan 10 dari 40 orang ini berinteraksi dengan chatbot Anda, dengan 8 dari 10 orang tersebut melakukan percakapan bolak-balik.

Mengurangi email dan formulir

Metrik yang kuat untuk dilacak untuk melihat apakah chatbot Anda memberikan nilai adalah jumlah formulir dan email yang diterima karyawan Anda tentang informasi yang dijawab oleh bot. 

Jika chatbot berhasil memberikan informasi ini kepada pengunjung situs web, jumlah email dan pengiriman formulir akan berkurang.

Anda harus bertujuan untuk melihat penurunan 20-30% setelah implementasi yang tepat, dan penurunan penuh 60-65% setelah memaksimalkan potensi chatbot Anda.

1. Berapa lama waktu yang dibutuhkan untuk melihat laba atas investasi dari chatbot?

Anda biasanya dapat mulai melihat ROI dalam waktu 3 hingga 6 bulan jika chatbot Anda menangani volume interaksi yang berarti dan telah terintegrasi dengan baik ke dalam alur kerja Anda.

2. Apa saja jebakan atau kesalahan umum saat menghitung ROI chatbot?

Salah satu kesalahan besar adalah lupa mengaitkan KPI dengan nilai dolar yang sebenarnya, seperti mengatakan bahwa bot "menghemat waktu" tanpa menghitung berapa nilai waktu tersebut. Kesalahan lainnya adalah melebih-lebihkan seberapa banyak bot akan segera digunakan.

3. Bagaimana cara memperkirakan ROI chatbot selama beberapa tahun?

Proyeksikan pertumbuhan penggunaan, peningkatan efisiensi, dan penghematan biaya Anda dari tahun ke tahun, dan perhitungkan peningkatan seperti penyetelan NLP atau integrasi tambahan yang akan meningkatkan nilai bot dari waktu ke waktu.

4. Bagaimana perbedaan ROI chatbot antara perusahaan B2B dan B2C?

Bot B2C sering kali menunjukkan ROI yang lebih cepat melalui penghematan dukungan pelanggan bervolume tinggi, sementara bot B2B mungkin memiliki lebih sedikit interaksi tetapi dapat mendorong nilai yang lebih tinggi per percakapan, terutama dalam kualifikasi prospek.

5. Data apa yang saya perlukan untuk mulai melacak agar dapat mengukur ROI secara efektif?

Lacak hal-hal seperti jumlah interaksi, tingkat resolusi, tingkat defleksi, waktu yang dihemat, biaya per interaksi, dan perubahan beban kerja tim. Pada dasarnya, apa pun yang menunjukkan bagaimana bot menghemat waktu atau meningkatkan hasil.