- Sinusukat ng rate ng pagpigil sa chatbot kung gaano karaming mga pakikipag-ugnayan ng user ang nareresolba ng chatbot nang walang tulong ng tao, na ang mga target ng enterprise ay kadalasang mula 70–90% depende sa kaso ng paggamit.
- Ang 100% na rate ng pagpigil ay hindi ang layunin dahil ang ilang mataas na halaga o sensitibong pag-uusap ay dapat palaging idulog sa mga ahente ng tao para sa personal na paghawak.
- Ang mga mababang rate ng pagpigil ay karaniwang nagmumula sa mga isyu tulad ng mahinang pagkilala sa layunin, hindi napapanahong mga base ng kaalaman, kawalan ng pangangasiwa sa konteksto, o nawawalang pagsasama sa mga mahahalagang system.
Ang mataas na rate ng pagpigil sa chatbot ay tanda ng isang matagumpay na AI chatbot .
Ngunit ano ang rate ng pagpigil? At paano ito mapapabuti?
Nasa tamang lugar ka – sumisid tayo sa mga rate ng pagpigil sa chatbot, pinakamahuhusay na kagawian, kung paano sukatin ang mga ito, kung bakit napakababa ng ilan, at kung paano mo ito maaayos.
Magsimula na tayo!
Ano ang chatbot containment rate?
Ang rate ng pagpigil ng chatbot ay tumutukoy sa porsyento ng mga pakikipag-ugnayan ng user o mga query na matagumpay na pinangangasiwaan ng isang chatbot nang hindi nangangailangan ng pagdami sa isang tao.
Sinusukat nito kung gaano kabisang niresolba ng chatbot ang mga isyu o nagbibigay ng impormasyon sa loob ng mga kakayahan nito. Karaniwan itong ginagamit bilang sukatan ng tagumpay para sa mga chatbot ng enterprise , gaya ng:
- Mga chatbot ng suporta sa customer
- Mga chatbot ng suporta sa tech
- Mga chatbot ng HR
- At iba pang mga chatbot na nakabatay sa tulong
Ang isang mas mataas na rate ng containment ay karaniwang nagpapahiwatig na ang chatbot ay nakakatugon sa mga pangangailangan ng gumagamit nang mahusay, na binabawasan ang workload sa mga ahente ng tao at pagpapabuti ng kahusayan sa pagpapatakbo.
Pagbalanse ng automation at pagdami ng tao
Walang kumpanya ang dapat magnanais ng 100% na rate ng pagpigil. Palaging may mga pagkakataon kung saan gugustuhin ng iyong team na makipag-usap sa isang user – tulad ng paggawa ng mga benta na may mataas na halaga o paglutas ng mga sensitibong isyu na nangangailangan ng personal na ugnayan.
Ang layunin ay hindi ganap na palitan ang pakikilahok ng tao ngunit upang magkaroon ng balanse kung saan pinangangasiwaan ng automation ang mga paulit-ulit o diretsong gawain, na nagbibigay-laya sa iyong team na tumuon sa mga pakikipag-ugnayan na nagdudulot ng pinakamalaking halaga.
Sa pamamagitan ng pagdidisenyo ng iyong chatbot upang walang putol na mapunta sa isang tao kapag kinakailangan, tinitiyak mong natatanggap ng mga user ang tamang suporta sa tamang oras, na nagpapahusay sa kahusayan at kasiyahan ng customer.
Paano ko susukatin ang aking rate ng pagpigil sa chatbot?
Upang sukatin ang iyong rate ng pagpigil sa chatbot, sundin ang mga hakbang na ito:
1. Subaybayan ang kabuuan at dumami na mga pakikipag-ugnayan
Bilangin ang kabuuang bilang ng mga pakikipag-ugnayan ng user sa chatbot sa isang partikular na panahon. Kabilang dito ang lahat ng pag-uusap, query, o gawaing pinasimulan ng mga user.
Pagkatapos ay subaybayan ang bilang ng mga pakikipag-ugnayan na itinataas sa mga ahente ng tao o na-flag bilang hindi nalutas ng chatbot.
Maaaring kabilang sa 'Escalation' ang mga direktang handoff sa mga ahente ng tao o mga kaso kung saan ang mga user ay tahasang humihiling ng tulong.
2. Kalkulahin ang rate ng containment
Gamitin ang formula:
Rate ng Containment = (1− [Escalated Interaction / Total Interaction]) × 100
Halimbawa, kung pinangasiwaan ng iyong chatbot ang 900 sa 1,000 na pakikipag-ugnayan nang walang pagdami, kakalkulahin mo ang:
Rate ng Containment = (1−1000/100) × 100 = 90%
3. O gumamit ng mga tool sa analytics
Gamitin ang chatbot analytics o mga platform ng serbisyo sa customer na awtomatikong sumusubaybay at nag-uulat ng mga sukatan tulad ng mga rate ng containment. Ang mga tool na ito ay kadalasang nagbibigay ng mga karagdagang insight sa mga dahilan ng mga pagdami at kasiyahan ng user.
Sa pamamagitan ng patuloy na pagsubaybay at pag-optimize batay sa sukatang ito, mapapahusay mo ang kahusayan at karanasan ng user ng iyong chatbot.
Bakit mababa ang rate ng pagpigil sa chatbot ko?
Ang mababang rate ng pagpigil sa chatbot ay kadalasang nangyayari kapag nahihirapan ang bot na maunawaan ang mga query, kulang sa tamang data, o hindi makayanan ang mga kumplikadong gawain. Pinapataas ng mga user ang kanilang mga isyu kapag naramdaman nilang hindi natutugunan ng chatbot ang kanilang mga pangangailangan.
Narito ang mga karaniwang dahilan para sa mababang rate ng containment:
- Hindi magandang pagkilala sa layunin o mga maling kahulugan ng mga query
- Limitado o hindi napapanahong base ng kaalaman
- Kawalan ng kakayahang mapanatili ang konteksto sa mga pag-uusap
- Kakulangan ng mga pagsasama sa mga pangunahing mapagkukunan ng data
- Hindi malinaw na saklaw kung ano ang magagawa ng chatbot
Pinakamahuhusay na Kasanayan para sa Mga Chatbot na Mataas ang Containment
Gamitin LLMs sa halip na mga intent classifier
Ang mga chatbot na may mataas na nilalaman ay karaniwang pinapagana ng LLMs sa halip na mga intent classifier.
LLMs mahusay sa pag-unawa ng nuanced, free-form na wika at pag-angkop sa iba't ibang parirala, na ginagawang perpekto ang mga ito para sa paghawak ng kumplikado o hindi inaasahang mga query.
Inalis nila ang pangangailangan para sa mahigpit na mga pagmamapa ng layunin, na nagpapahintulot sa chatbot (minsan ay tinatawag na ahente LLM ) na madaling tumugon sa mas malawak na hanay ng mga input ng user nang may katumpakan.
Tulad ng ipinaliwanag ng aming COO sa kanyang artikulo , Botpress gamit LLMs over intent classifiers, hindi katulad ng aming mga kakumpitensya.
Disenyo para sa adaptive na pag-uusap
Sa halip na umasa sa mga static na daloy ng trabaho, dapat na buuin ang mga chatbot upang dynamic na umangkop sa gawi ng user sa real time.
Sa pamamagitan ng paggamit ng contextual awareness at mga algorithm sa paggawa ng desisyon, maaaring isaayos ng bot ang diskarte nito sa kalagitnaan ng pag-uusap. Tinitiyak nito na ito ay nananatiling may-katuturan, kahit na ang mga gumagamit ay lumipat ng mga paksa, magbigay ng hindi kumpletong impormasyon, o magtanong ng mga follow-up na tanong, pagpapabuti ng pangkalahatang mga rate ng paglutas.
Ang pinakamadaling paraan upang magdisenyo ng isang dynamic na chatbot ay ang paggamit ng agentic AI ; sa ganoong paraan, ang iyong bot ay makakapagdesisyon kung paano pinakamahusay na lapitan ang isang isyu batay sa mga tool na magagamit nito.
Gamitin ang retrieval-augmented system
Ang pagsasama-sama ng retrieval-augmented generation (RAG) sa mga integrasyon tulad ng mga CRM at knowledge base ay magbubukas sa buong potensyal ng isang chatbot.
Sa pamamagitan ng pagkuha ng real-time, impormasyong tukoy sa domain mula sa mga mapagkakatiwalaang source, masasagot ng bot ang mga kumplikadong tanong at kumpletuhin ang mga multi-step na gawain nang hindi dumadami sa mga ahente ng tao.
Paano ko mapapabuti ang aking rate ng pagpigil sa chatbot?
Sa kabutihang palad, mayroon kang kapangyarihan na taasan ang iyong rate ng pagpigil sa chatbot. Ang lahat ay nasa kung paano mo bubuuin ang iyong chatbot at ipaalam ang layunin nito sa iyong mga user.
Narito ang 6 na paraan para mapahusay ang iyong rate ng pagpigil sa chatbot:
1. Pagbutihin ang pagkilala sa layunin gamit ang LLMs
Ang paglipat mula sa tradisyonal na mga intent classifier sa LLMs malamang na mapabuti ang iyong rate ng pagpigil.
Hindi tulad ng mahigpit na layunin sa pagmamapa, LLMs nakakaunawa ng nuanced, malayang anyo na wika at umangkop sa magkakaibang parirala. Binabawasan ng advanced na pag-unawa na ito ang mga hindi pagkakaunawaan at binibigyang-daan ang mga chatbot upang pangasiwaan ang kumplikado, hindi mahuhulaan na mga pag-uusap nang may katumpakan at pagkalikido.
2. Palawakin ang mga base ng kaalaman
Ang pagpapanatiling updated sa knowledge base ng iyong chatbot ay susi sa kasiya-siyang pakikipag-ugnayan.
Regular na magdagdag ng mga bagong FAQ, impormasyon ng produkto, at solusyon sa mga karaniwang isyu. Sinasangkapan nito ang chatbot na pangasiwaan ang mas malawak na hanay ng mga query, na tinitiyak na makakatanggap ang mga user ng tumpak at napapanahong mga sagot.
3. Palakihin ang iyong mga mungkahi na landas
Bago maging tao, sinusubukan ng iyong chatbot na lutasin ang mga query nang nakapag-iisa. Kung hindi ito magtagumpay, subukang magdagdag ng higit pang mga pathway para sa mga user na pumili.
Ang pagdaragdag ng mga opsyon sa fallback, tulad ng paglilinaw ng mga tanong o alternatibong solusyon, ay nagbibigay dito ng mas maraming pagkakataon upang matugunan ang mga pangangailangan ng user.
4. Bumuo ng suporta sa buong proseso
Kung ang iyong daloy ay may kasamang mga kumplikadong daloy ng trabaho - tulad ng mga appointment sa pag-book o pag-troubleshoot - tiyaking magagawa ang mga ito nang maayos ng iyong user nang walang tao. Ang mga chatbot na maaaring gumabay sa mga user sa mga prosesong ito ay pumipigil sa pangangailangan para sa interbensyon ng tao.
5. Malinaw na ipaliwanag kung para saan ang iyong chatbot
Magtakda ng malinaw na mga inaasahan mula sa simula. Gabayan ang mga user sa kung ano ang kayang hawakan ng chatbot at kung saan ito mahusay. Iniiwasan nito ang pagkabigo sa pamamagitan ng pagdidirekta ng mga pag-uusap patungo sa mga lugar kung saan ang bot ay pinaka-may kakayahan, na nagse-set up para sa tagumpay.
6. Subaybayan ang pagganap
Subaybayan ang mga pangunahing sukatan tulad ng mga hindi nalutas na query, mga rate ng pagtaas, at mga marka ng kasiyahan upang masukat kung gaano kahusay ang performance ng iyong chatbot. Gamitin ang mga insight na ito upang matukoy ang mga lugar para sa pagpapabuti at suriin ang tagumpay ng mga update.
Bumuo sa Pinaka Flexible na Platform
Ang pagsuporta sa mga tagabuo ng chatbot ang pinakamahusay na ginagawa namin. Gamit ang pinakamakapangyarihan at flexible na platform ng ahente ng AI sa merkado, nag-deploy kami ng mahigit 750,000+ chatbots sa buong mundo.
Ito ay madaling bumuo sa Botpress na may drag-and-drop na visual flow builder, malawak na pang-edukasyon na library, at aktibong komunidad ng Discord na may 20,000+ bot builder .
Ang aming napapalawak na platform ay nangangahulugan na maaari kang bumuo ng anuman, at ang aming Pagsasama Hub ay puno ng mga pre-built na konektor sa pinakamalaking channel.
Simulan ang pagtatayo ngayon. Ito'y LIBRE.
Mga FAQ
1. Paano nakakaapekto ang mga rate ng containment sa kasiyahan at pagpapanatili ng customer sa pangmatagalang panahon?
Kapag maayos na pinangangasiwaan ng mga chatbot ang mga bagay nang walang handoffs, mas mabilis na nakadarama ng tulong ang mga customer, at nagkakaroon ng tiwala. Sa paglipas ng panahon, ang ganitong uri ng walang alitan na suporta ay ginagawang mas malamang na manatili ang mga tao at magrekomenda ng iyong brand.
2. Ano ang ROI ng pagpapabuti ng mga rate ng pagpigil sa chatbot kumpara sa pagkuha ng mas maraming ahente ng tao?
Nangangahulugan ang pagpapalakas ng pagpigil sa mas kaunting mga tiket para sa iyong koponan, na mas mabilis na nakakabawas ng mga gastos at mas mabilis kaysa sa pag-hire. Plus , pinalalaya nito ang mga ahente ng tao na pangasiwaan ang mahihirap at may mataas na halaga upang makatipid ka ng pera at mapahusay ang kalidad ng serbisyo.
3. Ano ang perpektong target ng containment rate para sa mga negosyo, at paano ito tinutukoy?
Walang magic number, ngunit 70–90% ay madalas na itinuturing na malakas. Ang sweet spot ay depende sa iyong kaso ng paggamit: kung ano ang ibig sabihin ng iyong bot na pangasiwaan, kung gaano kakumplikado ang mga query, at kung gaano karaming tao ang gustong panatilihin ng iyong brand.
4. Anong papel ang ginagampanan ng mga feedback loop ng user sa pagpapabuti ng containment?
Ginto sila. Ang mga reaksyon ng user tulad ng "hindi iyon nakatulong" o "makipag-usap sa isang tao", ay tumutulong sa iyong makita ang mga puwang nang mabilis at muling sanayin ang bot upang tumugon nang mas mahusay sa susunod na pagkakataon.
5. Anong mga uri ng pagsasama (CRM, ERP, atbp.) ang may pinakamalaking epekto sa pagpigil?
Ang mga CRM, help desk, at knowledge base ay malaking panalo. Kung nakakakuha ang iyong bot ng real-time na data, tulad ng status ng order, impormasyon ng customer, o mga hakbang sa pag-troubleshoot, mas marami itong masasagot na tanong nang hindi nagtatag ng tao.
.png)
