Panduan Lengkap untuk Tarif Penahanan Chatbot [2025]

1. Melacak interaksi total dan interaksi yang meningkat

Hitung jumlah total interaksi pengguna dengan chatbot selama periode tertentu. Ini termasuk semua percakapan, pertanyaan, atau tugas yang dimulai oleh pengguna.

Kemudian lacak jumlah interaksi yang dieskalasi ke agen manusia atau ditandai sebagai tidak terselesaikan oleh chatbot. 

'Eskalasi' dapat mencakup pengalihan langsung ke agen manusia atau kasus-kasus di mana pengguna secara eksplisit meminta bantuan.

2. Hitung tingkat penahanan

Gunakan rumus:

Tingkat Penahanan = (1- [Interaksi yang Ditingkatkan / Total Interaksi]) × 100

Misalnya, jika chatbot Anda menangani 900 dari 1.000 interaksi tanpa eskalasi, Anda akan menghitungnya: 

Tingkat Penahanan = (1-1000/100) × 100 = 90%

3. Atau gunakan alat bantu analisis

Manfaatkan analitik chatbot atau platform layanan pelanggan yang secara otomatis melacak dan melaporkan metrik seperti tingkat penahanan. Alat-alat ini sering kali memberikan wawasan tambahan tentang alasan eskalasi dan kepuasan pengguna.

Dengan terus memantau dan mengoptimalkan berdasarkan metrik ini, Anda dapat meningkatkan efisiensi dan pengalaman pengguna chatbot Anda.

Gunakan LLMs sebagai pengganti pengklasifikasi maksud

Chatbot dengan konten tinggi biasanya didukung oleh LLMs daripada pengklasifikasi maksud. 

LLMs unggul dalam memahami bahasa yang bernuansa, bentuk bebas dan beradaptasi dengan frasa yang bervariasi, sehingga ideal untuk menangani pertanyaan yang rumit atau tak terduga. 

Mereka menghilangkan kebutuhan akan pemetaan maksud yang kaku, memungkinkan chatbot (kadang-kadang disebut agenLLM ) untuk secara fleksibel merespons input pengguna yang lebih luas dengan presisi.

Seperti yang dijelaskan oleh COO kami dalam artikelnya, Botpress menggunakan LLMs di atas pengklasifikasi maksud, tidak seperti pesaing kami.

Desain untuk percakapan adaptif

Daripada mengandalkan alur kerja statis, chatbot harus dibangun untuk secara dinamis beradaptasi dengan perilaku pengguna secara real time. 

Dengan memanfaatkan kesadaran kontekstual dan algoritme pengambilan keputusan, bot dapat menyesuaikan pendekatannya di tengah-tengah percakapan. Hal ini memastikan bahwa bot tetap relevan, bahkan ketika pengguna mengalihkan topik, memberikan informasi yang tidak lengkap, atau mengajukan pertanyaan lanjutan, sehingga meningkatkan tingkat penyelesaian secara keseluruhan.

Cara termudah untuk mendesain chatbot dinamis adalah dengan menggunakan AI agen; dengan begitu, bot Anda dapat secara mandiri memutuskan cara terbaik untuk menangani suatu masalah berdasarkan alat yang dimilikinya.

Sistem yang dilengkapi dengan pengambilan keuntungan

Menggabungkan retrieval-augmented generation (RAG) dengan integrasi seperti CRM dan basis pengetahuan akan membuka potensi penuh chatbot. 

Dengan menarik informasi real-time dan spesifik domain dari sumber yang dapat dipercaya, bot dapat menjawab pertanyaan yang rumit dan menyelesaikan tugas multi-langkah tanpa perlu meneruskannya ke agen manusia.

1. Tingkatkan pengenalan maksud dengan LLMs

Beralih dari pengklasifikasi maksud tradisional ke LLMs kemungkinan besar akan meningkatkan tingkat penahanan Anda.

Tidak seperti pemetaan maksud yang kaku, LLMs dapat memahami bahasa yang bernuansa, bentuk bebas, dan beradaptasi dengan frasa yang beragam. Pemahaman tingkat lanjut ini mengurangi kesalahpahaman dan melengkapi chatbot untuk menangani percakapan yang kompleks dan tidak terduga dengan akurat dan lancar.

2. Memperluas basis pengetahuan

Menjaga basis pengetahuan chatbot Anda tetap diperbarui adalah kunci untuk interaksi yang memuaskan. 

Tambahkan FAQ baru, informasi produk, dan solusi untuk masalah umum secara teratur. Hal ini akan melengkapi chatbot untuk menangani lebih banyak pertanyaan, sehingga memastikan pengguna menerima jawaban yang akurat dan tepat waktu.

3. Tingkatkan jalur saran Anda

Sebelum diteruskan ke manusia, chatbot Anda mencoba menyelesaikan pertanyaan secara mandiri. Jika tidak berhasil, coba tambahkan lebih banyak jalur yang dapat dipilih pengguna.

Menambahkan opsi fallback, seperti mengklarifikasi pertanyaan atau solusi alternatif, memberikan lebih banyak kesempatan untuk memenuhi kebutuhan pengguna. 

4. Membangun dukungan selama proses berlangsung

Jika alur Anda mencakup alur kerja yang kompleks - seperti membuat janji temu atau pemecahan masalah - pastikan bahwa ini dapat diselesaikan dengan lancar oleh pengguna Anda tanpa manusia. Chatbot yang dapat memandu pengguna melalui proses ini mencegah perlunya campur tangan manusia.

5. Jelaskan dengan jelas untuk apa chatbot Anda

Tetapkan ekspektasi yang jelas sejak awal. Pandu pengguna tentang apa yang dapat ditangani oleh chatbot dan di mana keunggulannya. Hal ini untuk menghindari frustrasi dengan mengarahkan percakapan ke area di mana bot paling mampu, menyiapkannya untuk sukses.

6. Memantau kinerja

Lacak metrik utama seperti pertanyaan yang belum terselesaikan, tingkat eskalasi, dan skor kepuasan untuk mengukur seberapa baik kinerja chatbot Anda. Gunakan wawasan ini untuk menentukan area yang perlu ditingkatkan dan mengevaluasi keberhasilan pembaruan.