Sam was begonnen met het ontwikkelen van bots voor zijn digitale bureau.
Als onderdeel van het bedrijfsontwikkelingsproces had hij veel klanten bezocht om de voordelen van bots uit te leggen en daarbij viel hem iets interessants op.
Ongeacht alle verschillende scenario's die hij had uitgelegd (en veel klanten waren onder de indruk en geïnteresseerd door wat hij te vertellen had) waren ze allemaal geïnteresseerd in chatbots voor klantenservice use case.
De use case voor de klantenservice was iets wat ze intuïtief konden begrijpen:
- De kosten van klantenserviceagenten waren hoog.
- Een groot deel van hun tijd werd besteed aan het beantwoorden van eenvoudige, repetitieve vragen.
- Bots zouden dit soort vragen in veel gevallen beter kunnen beantwoorden dan de agents.
- De kosten van bots waren zo hoog dat als ze een aantal medewerkers van de klantenservice zouden vervangen door bots, ze de kosten van de bot heel snel zouden kunnen terugverdienen door de besparingen op arbeidskosten.
- Niet alleen dat, maar de bot werd met de tijd beter en opende de deur voor vele andere innovaties.
Sam besloot daarom om zijn botbusiness te specialiseren op klantenservicebots, omdat daar veel vraag naar was en uit gesprekken met zijn klanten en met andere bureaus had hij vastgesteld dat de rendabiliteit goed was. Zodra hij deze niche had veroverd, zou hij zich op aangrenzende markten richten.
Hij wist dat, ook al was sommige technologie rond natuurlijke taalverwerking (NLP) geavanceerd, de tools die er nu zijn zo goed waren dat bijna iedereen een goede NLP-oplossing kon implementeren. Tegenwoordig is het eerder een configuratietaak dan een datawetenschapstaak. Dit betekende dat de vaardigheden die nodig waren om de oplossing te implementeren ruim binnen de mogelijkheden lagen van zelfs zijn meest jonge ontwikkelaars.
Hij was zich er ook van bewust dat goede klantenserviceoplossingen niet te veel probeerden te doen. De technologie was niet goed genoeg om op een menselijke manier gesprekken met klanten te voeren. De NLP-engines waren heel goed in het begrijpen van de eerste vraag die de klant stelde, maar als het gesprek ingewikkelder werd dan dat of als de bot de klant de eerste keer niet begreep, was het belangrijk dat een mens onmiddellijk ingreep.
Het feit dat NLP vooral gericht was op de eerste vraag of interactie betekende ook dat de taak vanuit technisch oogpunt veel eenvoudiger was. Het is waar dat sommige bedrijven de weg insloegen van het proberen te bouwen van een echte conversatie-ervaring, maar tot nu toe had deze aanpak geleid tot toenemende complexiteit en mislukkingen. Sam had geen interesse om deze weg in te slaan.
Hij had gemerkt dat er veel opkomende aanbiedingen voor customer service bots op de markt waren, dus de markt zou wel eens competitief kunnen zijn. Tegelijkertijd had elk bedrijf dit type oplossing in een of andere vorm nodig, dus de kans was enorm! In feite zag Sam dat de markt momenteel enorm onderbediend was en hij geloofde dat dit nog minstens een paar jaar zo zou blijven.
Er waren veel bedrijven die bedrijfseigen, kant-en-klare oplossingen voor de klantenservice aanboden. Sam overwoog om een wederverkoper van dit soort oplossingen te worden, maar hij dacht niet dat deze propriëtaire oplossingen op de lange termijn de beste oplossingen waren. Hij zou ze niet voor zijn eigen bedrijf gebruiken, dus hij vond ook niet dat hij dit soort oplossingen aan zijn klanten moest aanbieden.
Hij hield om een paar redenen niet van de gedachte om vast te zitten aan een propriëtair systeem:
- Hij hield niet van het idee om de natuurlijke taalverwerkingsengine (NLP) strak te koppelen aan de rest van de software. De beste leverancier van de engine voor natuurlijke taal zou wel eens een andere kunnen zijn dan de beste leverancier van analysediensten, of de beste leverancier van de connectoren met de chatplatforms.
- Zelfs als hun natuurlijke taaloplossing op dit moment de beste was, was er geen garantie dat ze dat in de toekomst ook zouden zijn. Het moet mogelijk zijn om in de toekomst van NLP-engine te veranderen.
- Verschillende NLP engines kunnen goed zijn in verschillende dingen, dus misschien wil je er meer dan één gebruiken. De ene NLP engine kan bijvoorbeeld goed zijn voor IT-vragen, terwijl een andere goed kan zijn voor algemene FAQS.
- NLP was niet de enige vaardigheid die nodig was voor een geweldige klantenservice bot. Vertrouwen op tekst en NLP alleen was zeker niet de manier om een geweldige klantervaring te creëren.
- Tekstinterfaces zijn erg beperkt en moeten daarom worden aangevuld met grafische interfaces. Het zou niet optimaal zijn om in de toekomst te moeten vertrouwen op de leverancier om deze interfaces te leveren.
- Human in the loop functionaliteit (waardoor de bot kan worden geëscaleerd naar menselijke agenten als het niet begrijpt iets dat wordt gezegd tegen het) is van cruciaal belang voor de klantenservice. Human in the loop functionaliteit zou in de toekomst geavanceerder worden. Het zou aangepaste interfaces voor de agenten omvatten met ingeblikte antwoorden of aangepaste antwoorden. Het zou voor iedereen mogelijk moeten zijn, ook voor een interne botontwikkelaar, om de human in the loop aan te passen voor hun eigen doeleinden zonder afhankelijk te zijn van de leverancier.
- De content moet gemakkelijk beheerd kunnen worden door het contentteam, dat tools moet kunnen ontwikkelen voor A/B-tests en andere marktgerelateerde analyses.
- Interne ontwikkelaars moesten de service gemakkelijk kunnen integreren met interne systemen zonder afhankelijk te zijn van de leverancier.
- Het is mogelijk dat andere diensten uiteindelijk via het klantenservicekanaal kunnen worden aangeboden.
Een klant die navraag doet over een kamer in een hotel kan bijvoorbeeld via hetzelfde kanaal een korting krijgen en de mogelijkheid om meteen te boeken. Eigen of externe ontwikkelaars moeten deze aanvullende diensten in het kanaal kunnen coderen zonder dat ze naar de oorspronkelijke leverancier hoeven te gaan.
Hij wilde echter dat de oplossing die hij aanbood eenvoudig zou zijn. Toekomstbestendig en uitbreidbaar zijn was belangrijk, maar tegelijkertijd moest het heel eenvoudig zijn om een eerste oplossing in gebruik te nemen.
Als hij Botpress zou gebruiken, zou hij het uitbreidingsprobleem kunnen oplossen. Botpress zou effectief kunnen fungeren als middleware voor alle beste chatbot-tools op de markt en veel standaardcomponenten out of the box kunnen leveren. Deze componenten zouden kunnen worden vervangen door componenten van derden of in de toekomst naar behoefte kunnen worden aangepast.
Om zijn klant de beste oplossing te bieden, selecteerde hij een set gereedschappen waarvan hij dacht dat ze de beste waarde voor de klant hadden.
Om te beginnen zou de architectuur heel eenvoudig zijn. Hij zou de beste NLP-engine selecteren van de belangrijkste NLP-leveranciers (Google, Facebook, Microsoft, IBM, Rasa) en vervolgens de standaardcomponenten van Botpress gebruiken om verbinding te maken met het vereiste berichtenplatform en om ondersteunende mogelijkheden te bieden, zoals analytics, human in the loop en rolgebaseerde beveiliging.
Als deze basisoplossing eenmaal operationeel was bij de klant, kon hij nadenken over het verbeteren ervan als dat nodig was. Dit zou kunnen door NLP-engines toe te voegen, het analysepakket te upgraden (naar een externe leverancier indien nodig) of aanpassingen toe te voegen aan de human in the loop-functie.
Beslissingen om het systeem verder aan te passen of om nieuwe componenten of diensten aan het systeem toe te voegen, zouden natuurlijk gestuurd worden door het analyseren van de interacties van de klant met het systeem. Veranderingen kunnen snel worden doorgevoerd als dat nodig is door de juiste ontwikkelaars.
Sam besloot om eerst de oplossing voor zijn eigen bedrijf te implementeren. Hierdoor kon hij experimenteren met een aantal van de beschikbare tools en kiezen wat hij het beste aanbod vond voor de eerste installatie.
Niet alleen begon Sam meteen veel klantenserviceprojecten binnen te halen, hij merkte ook dat zodra een succesvolle implementatie van klantenservices was gerealiseerd, zijn klanten al snel andere services aan het kanaal wilden toevoegen.
Aangezien klantenservice iets is dat elk bedrijf ter wereld in meer of mindere mate nodig heeft, was er aan klanten geen gebrek.
Pas toen hij de oplossing op deze manier begon te implementeren, besefte hij hoezeer zijn klanten het waardeerden dat hij hen kon helpen de beste tools voor hun bedrijf te kiezen in plaats van hen vast te pinnen op één enkele, niet-uitbreidbare, bloatware-oplossing.
Sam en zijn team zijn heel goed geworden in het uitvinden hoe je klantenservicebots kunt gebruiken om heel snel waardevolle verbeteringen met een grote impact aan te brengen in de klantenservice van een bedrijf.
Deel dit op:
Bouw gratis je eigen gepersonaliseerde AI-chatbot
Begin met het bouwen van een gepersonaliseerde GPT bot met onze intuïtieve drag & drop interface.
Begin - het is gratis! 🤖Geen creditcard nodig
Blijf op de hoogte van het laatste nieuws over AI chatbots