Guida completa ai tassi di contenimento dei chatbot [2025].

1. Tracciare il totale delle interazioni e le escalation

Conta il numero totale di interazioni degli utenti con il chatbot in un determinato periodo. Questo include tutte le conversazioni, le domande o le attività avviate dagli utenti.

Quindi tracciate il numero di interazioni che vengono affidate ad agenti umani o segnalate come non risolte dal chatbot. 

Le "escalation" possono includere passaggi diretti ad agenti umani o casi in cui gli utenti richiedono esplicitamente aiuto.

2. Calcolare il tasso di contenimento

Utilizzare la formula:

Tasso di contenimento = (1- [Interazioni scalate / Interazioni totali]) × 100

Ad esempio, se il vostro chatbot ha gestito 900 interazioni su 1.000 senza escalation, calcolerete: 

Tasso di contenimento = (1-1000/100) × 100 = 90%

3. Oppure utilizzare strumenti di analisi

Sfruttate l'analisi dei chatbot o le piattaforme di assistenza clienti che tracciano e riportano automaticamente metriche come i tassi di contenimento. Questi strumenti spesso forniscono ulteriori informazioni sui motivi delle escalation e sulla soddisfazione degli utenti.

Monitorando e ottimizzando continuamente in base a questa metrica, è possibile migliorare l'efficienza del chatbot e l'esperienza dell'utente.

Utilizzare LLMs invece dei classificatori di intenti

I chatbot ad alto contenimento sono in genere alimentati da LLMs piuttosto che da classificatori di intenti. 

LLMs sono in grado di comprendere linguaggi sfumati e liberi e di adattarsi a formulazioni diverse, il che li rende ideali per gestire richieste complesse o inaspettate. 

Eliminano la necessità di una mappatura rigida degli intenti, consentendo al chatbot (talvolta chiamato agenteLLM ) di rispondere in modo flessibile e preciso a una gamma più ampia di input dell'utente.

Come spiega il nostro COO nel suo articolo, Botpress utilizza LLMs rispetto ai classificatori di intenti, a differenza dei nostri concorrenti.

Progettare per conversazioni adattive

Piuttosto che affidarsi a flussi di lavoro statici, i chatbot dovrebbero essere costruiti per adattarsi dinamicamente al comportamento degli utenti in tempo reale. 

Sfruttando la consapevolezza del contesto e gli algoritmi decisionali, il bot può modificare il proprio approccio nel corso della conversazione. In questo modo, il bot rimane pertinente anche quando gli utenti cambiano argomento, forniscono informazioni incomplete o fanno domande di approfondimento, migliorando i tassi di risoluzione complessivi.

Il modo più semplice per progettare un chatbot dinamico è quello di utilizzare l'intelligenza artificiale agenziale; in questo modo, il bot può decidere autonomamente come affrontare al meglio un problema in base agli strumenti a sua disposizione.

Sfruttare i sistemi di recupero aumentati

Combinando la retrieval-augmented generation (RAG) con integrazioni come CRM e basi di conoscenza, si sblocca il pieno potenziale di un chatbot. 

Grazie all'estrazione in tempo reale di informazioni specifiche sul dominio da fonti affidabili, il bot è in grado di rispondere a domande complesse e di completare attività in più fasi senza rivolgersi ad agenti umani.

1. Migliorare il riconoscimento delle intenzioni con LLMs

Il passaggio dai classificatori di intenti tradizionali a LLMs migliorerà probabilmente il vostro tasso di contenimento.

A differenza della mappatura rigida degli intenti, LLMs è in grado di comprendere un linguaggio sfumato e libero e di adattarsi alle diverse espressioni. Questa comprensione avanzata riduce le incomprensioni e consente ai chatbot di gestire conversazioni complesse e imprevedibili con precisione e fluidità.

2. Ampliare le basi di conoscenza

Mantenere aggiornata la base di conoscenze del chatbot è fondamentale per ottenere interazioni soddisfacenti. 

Aggiungete regolarmente nuove FAQ, informazioni sui prodotti e soluzioni ai problemi più comuni. In questo modo il chatbot è in grado di gestire una gamma più ampia di domande, garantendo agli utenti risposte accurate e tempestive.

3. Aumentare i percorsi di suggestione

Prima di rivolgersi a un umano, il chatbot cerca di risolvere le domande in modo autonomo. Se non ci riesce, provate ad aggiungere altri percorsi che gli utenti possono scegliere.

L'aggiunta di opzioni di ripiego, come domande di chiarimento o soluzioni alternative, offre maggiori opportunità di rispondere alle esigenze degli utenti. 

4. Costruire un supporto per tutto il processo

Se il vostro flusso include flussi di lavoro complessi, come la prenotazione di appuntamenti o la risoluzione di problemi, assicuratevi che questi possano essere portati a termine senza problemi dall'utente senza l'intervento di un umano. I chatbot in grado di guidare gli utenti attraverso questi processi evitano la necessità di un intervento umano.

5. Spiegate chiaramente a cosa serve il vostro chatbot

Stabilite aspettative chiare fin dall'inizio. Guidate gli utenti su ciò che il chatbot può gestire e dove eccelle. In questo modo si evita la frustrazione e si orientano le conversazioni verso le aree in cui il bot è più capace, predisponendolo al successo.

6. Monitoraggio delle prestazioni

Tracciate metriche chiave come le domande non risolte, i tassi di escalation e i punteggi di soddisfazione per misurare le prestazioni del vostro chatbot. Utilizzate queste informazioni per individuare le aree di miglioramento e valutare il successo degli aggiornamenti.