Complete gids voor Chatbot-inperkingspercentages

1. Totale en geëscaleerde interacties bijhouden

Tel het totale aantal gebruikersinteracties met de chatbot gedurende een bepaalde periode. Dit omvat alle conversaties, vragen of taken geïnitieerd door gebruikers.

Houd vervolgens bij hoeveel interacties worden geëscaleerd naar menselijke agenten of worden gemarkeerd als onopgelost door de chatbot. 

Escalaties' kunnen directe doorverwijzingen naar menselijke agenten zijn of gevallen waarin gebruikers expliciet om hulp vragen.

2. Bereken het insluitingspercentage

Gebruik de formule:

Inperkingsfactor = (1- [geëscaleerde interacties / totale interacties]) × 100

Als je chatbot bijvoorbeeld 900 van de 1000 interacties afhandelt zonder escalatie, dan zou je dat berekenen: 

Insluitingspercentage = (1-1000/100) × 100 = 90%

3. Of gebruik analysetools

Maak gebruik van chatbotanalyses of platforms voor klantenservice die automatisch statistieken zoals insluitingspercentages bijhouden en rapporteren. Deze tools bieden vaak extra inzicht in redenen voor escalaties en gebruikerstevredenheid.

Door voortdurend te controleren en te optimaliseren op basis van deze metriek, kun je de efficiëntie en gebruikerservaring van je chatbot verbeteren.

Gebruik LLMs in plaats van intentieclassificeerders

Chatbots met een hoge mate van betrokkenheid worden meestal aangedreven door LLMs in plaats van intentieclassifiers. 

LLMs blinken uit in het begrijpen van genuanceerde, vrije taal en het aanpassen aan verschillende formuleringen, waardoor ze ideaal zijn voor het verwerken van complexe of onverwachte vragen. 

Ze maken starre intentietoewijzingen overbodig, waardoor de chatbot (ook wel een LLM genoemd) flexibel en nauwkeurig kan reageren op een breder scala aan gebruikersinputs.

Zoals onze COO in zijn artikel uitlegt, gebruikt Botpress LLMs in plaats van intent classifiers, in tegenstelling tot onze concurrenten.

Ontwerp voor adaptieve gesprekken

In plaats van te vertrouwen op statische workflows, moeten chatbots worden gebouwd om zich dynamisch en in realtime aan te passen aan het gedrag van de gebruiker. 

Door gebruik te maken van contextueel bewustzijn en besluitvormingsalgoritmes kan de bot zijn aanpak halverwege het gesprek aanpassen. Dit zorgt ervoor dat de bot relevant blijft, zelfs als gebruikers van onderwerp veranderen, onvolledige informatie geven of vervolgvragen stellen, waardoor de algehele oplossingspercentages verbeteren.

De eenvoudigste manier om een dynamische chatbot te ontwerpen is door agentische AI te gebruiken; op die manier kan je bot autonoom beslissen hoe hij een probleem het beste kan aanpakken op basis van de tools die hij tot zijn beschikking heeft.

Gebruik maken van systemen met toegevoegde waarde

Door retrieval-augmented generation (RAG) te combineren met integraties zoals CRM's en kennisbanken wordt het volledige potentieel van een chatbot ontsloten. 

Door in realtime domeinspecifieke informatie uit betrouwbare bronnen te halen, kan de bot complexe vragen beantwoorden en taken met meerdere stappen uitvoeren zonder escalatie naar menselijke agenten.

1. Intentieherkenning verbeteren met LLMs

Overschakelen van traditionele intentieclassificeerders naar LLMs zal waarschijnlijk uw insluitingspercentage verbeteren.

In tegenstelling tot rigide intent mapping, kan LLMs genuanceerde, vrije taal begrijpen en zich aanpassen aan verschillende formuleringen. Dit geavanceerde begrip vermindert misverstanden en stelt chatbots in staat om complexe, onvoorspelbare gesprekken accuraat en vloeiend af te handelen.

2. Kennisbestanden uitbreiden

De kennisbank van je chatbot up-to-date houden is de sleutel tot bevredigende interacties. 

Voeg regelmatig nieuwe FAQ's, productinformatie en oplossingen voor veelvoorkomende problemen toe. Dit stelt de chatbot in staat om een breder scala aan vragen te behandelen, zodat gebruikers accurate en tijdige antwoorden krijgen.

3. Vergroot uw suggestiepaden

Voordat hij escaleert naar een mens, probeert je chatbot vragen zelfstandig op te lossen. Als dat niet lukt, probeer dan meer paden toe te voegen waar gebruikers voor kunnen kiezen.

Door terugvalopties toe te voegen, zoals verduidelijkende vragen of alternatieve oplossingen, zijn er meer mogelijkheden om in te spelen op de behoeften van gebruikers. 

4. Bouw ondersteuning in tijdens het hele proces

Als je flow complexe workflows bevat, zoals het boeken van afspraken of het oplossen van problemen, zorg er dan voor dat deze soepel door je gebruiker kunnen worden uitgevoerd zonder tussenkomst van een mens. Chatbots die gebruikers door deze processen kunnen leiden, voorkomen de noodzaak voor menselijke tussenkomst.

5. Leg duidelijk uit waar je chatbot voor is

Stel vanaf het begin duidelijke verwachtingen. Leid gebruikers door wat de chatbot aankan en waar hij in uitblinkt. Dit voorkomt frustratie door gesprekken te sturen in de richting van gebieden waar de bot het meest capabel in is, zodat hij klaar is voor succes.

6. Prestaties bewaken

Volg belangrijke statistieken zoals onopgeloste vragen, escalatiepercentages en tevredenheidsscores om te meten hoe goed je chatbot presteert. Gebruik deze inzichten om verbeterpunten aan te wijzen en het succes van updates te evalueren.