
5 AI-chatbot-ongelmaa, jotka maksavat sinulle asiakkaita
AI-chatbot-ongelmat voivat maksaa sinulle asiakkaita huomaamattasi. Viisi varoitusmerkkiä siitä, että bottisi heikentää konversioita asiakaspalvelussa, ja miten...

Kun AI-asiakaspalveluchatbot ei osu oikeaan, syynä on yleensä yksi kuudesta korjattavissa olevasta syystä. Näin diagnosoit ja korjaat jokaisen ilman täydellistä uudelleenrakennusta.
Tässä artikkelissa:

Useimmat tiimit pystyttävät AI-asiakaspalveluchatbotin kerran, katsovat sen toimivan hyvin ensimmäiset viikot ja lakkaavat kiinnittämästä siihen huomiota. Sitten eskalaatiot alkavat hiipiä ylös, asiakkaat alkavat toistaa itseään, eikä kukaan osaa sanoa tarkalleen miksi, koska kukaan ei ole katsonut, mikä oikeasti epäonnistuu.
Tämä on kaikkein yleisin syy ja helpoin tarkistaa. Chatbot tietää vain sen, mitä sen yhdistetyt tietolähteet sisältävät. Jos tuote muuttui, käytäntö päivittyi tai uusi ominaisuus julkaistiin eikä lähdesisältöä päivitetty vastaavasti, botti antaa luottavaisesti vanhan vastauksen.
Hae lista kysymyksistä, jotka botti saa useimmin väärin, ja tarkista jokainen todellista lähdesisältöä vasten. Jos tieto puuttuu lähteestä kokonaan, kyseessä on laajuusaukko. Jos tieto on lähteessä, mutta botti saa sen silti väärin, sisältö itsessään saattaa olla huonosti jäsenneltyä, piilotettua tai ristiriitaista muun saman lähteen sisällön kanssa.
Esimerkiksi hinnoittelusivun päivitys, joka muuttaa suunnitelman sisältämiä paikkoja, hiljaa rikkoo jokaisen chatbotin vastauksen kyseisestä suunnitelmasta, kunnes joku päivittää tietolähteen vastaamaan.
Flow, joka on rakennettu ja testattu vain siisteillä, hyvin muotoilluilla testikysymyksillä, toimii eri tavalla kuin sellainen, jota on testattu asiakkaiden todellisilla kirjoitustavoilla. Oikeat kysymykset ovat lyhyempiä, epämuodollisempia ja niistä puuttuu usein kontekstia, jonka siisti testikysymys sisältäisi.
Hae kaksikymmentä oikeaa asiakasviestiä tikettihistoriastasi, mitä sotkuisempia sen parempi, ja aja ne manuaalisesti Flow’n läpi. Merkitse ylös jokainen kohta, jossa vastaus on väärä, puutteellinen tai teknisesti oikea mutta hämmentävä. Tämä yksittäinen harjoitus paljastaa yleensä enemmän todellisia ongelmia kuin viikon aggregaattimittarit.
Jos tiimisi käyttää myös AI-vastausavustajaa asiakaspalvelijoiden vastausten luonnosteluun, samat tietolähdeongelmat, jotka rikkovat chatbotin, näkyvät myös siellä, koska molemmat ominaisuudet käyttävät samaa taustalla olevaa sisältöä.
LiveAgentin chatbot antaa sinun asettaa vähimmäismäärän AI-vastauksia ennen kuin siirto ihmiselle tulee mahdolliseksi, tai antaa AI-agentin itse päättää siirrosta. Jos tämä asetus on väärin kumpaan tahansa suuntaan, se näyttää suorituskykyongelmalta, vaikka kyseessä on todella konfiguraatio-ongelma.
Aseta kynnys liian korkeaksi, ja asiakkaat jäävät jumiin hyödyttömien bottivastausten kehään ennen kuin pääsevät ihmiselle. Aseta se liian matalaksi, ja botti eskalaa kysymyksiä, jotka se olisi voinut hoitaa, mikä nostaa eskalaatioastetta ja tuhlaa asiakaspalvelijoiden aikaa pyyntöihin, jotka eivät koskaan tarvinneet ihmistä ollenkaan.
Tarkista tämä asetus yhdessä todellisen eskalaatiodatan kanssa, älä vain kerran pystytyksen yhteydessä. Se, mikä oli oikein pienemmälle tikettimäärälle tai kapeammalle kysymysjoukolle, saattaa vaatia säätöä chatbotin laajuuden kasvaessa.
Kaikki AI-mallit eivät käsittele moniosaisia tai monitulkintaisia kysymyksiä yhtä hyvin. Malli, joka hoitaa yksinkertaiset UKK-haut hyvin, voi alkaa epäonnistua, kun asiakkaat esittävät kerroksellisia kysymyksiä, jotka vaativat kahden tai kolmen tiedon yhdistämistä.
Tämä kannattaa tarkistaa viimeisenä, ei ensimmäisenä. Mallin päivitys ei korjaa puutteellista tietolähdettä tai testaamatonta Flow’ta, ja tiimit, jotka hyppäävät suoraan mallin vaihtoon, huomaavat usein samojen virheiden toistuvan, koska todellinen ongelma ei ollut koskaan malli. Kun tietolähde ja Flow ovat kunnossa, jos monimutkaiset päättelykysymykset epäonnistuvat edelleen, silloin vahvempi malli maksaa itsensä takaisin. Mallien tarjoajat julkaisevat omia päättelyn ja ohjeiden noudattamisen vertailuarvojaan juuri tätä vertailua varten – kannattaa tarkistaa ennen kuin olettaa, että kaikki mallit käsittelevät moniosaisia kysymyksiä samalla tavalla.
Chatbot pystyy vastaamaan yli 100 kielellä siihen yhdistetystä AI-mallista riippuen, mutta kielituki toimii vain yhtä hyvin kuin taustalla oleva tietolähde sillä kielellä. Vain englanniksi kirjoitettu ja ylläpidetty tietolähde tuottaa ohuempia ja epätarkempia vastauksia asiakkaille, jotka kirjoittavat muilla kielillä, vaikka botti teknisesti “tukee” niitä.
Tarkista tikettimäärä kielittäin suhteessa siihen, kuinka paljon tietolähdettäsi on olemassa kullakin kielellä. Epäsuhta tässä näyttää täsmälleen yleiseltä suorituskykyongelmalta, mutta korjaus on kääntää lähdesisältöä, ei koskea Flow’hun tai malliin.
Hyvin viritetty chatbot ei pysy sellaisena itsestään. Tuotteet muuttuvat, asiakkaat alkavat kysyä uudenlaisia kysymyksiä, ja Flow, joka kattoi kaiken kolme kuukautta sitten, lakkaa hiljaa kattamasta sitä, mitä asiakkaat nykyään todella kysyvät.
| Merkki, jota tarkkailla viikoittain | Mitä se yleensä tarkoittaa |
|---|---|
| Eskalaatioaste nousee | Laajuus ei enää vastaa todellisia kysymyksiä |
| Sama väärä vastaus toistuu | Tietolähde on vanhentunut kyseisestä aiheesta |
| Uusia kysymysmuotoja tiketissä | Flow tarvitsee uudelleentestausta nykyistä kieltä vasten |
| CSAT laskee botin ratkaisemissa tiketeissä | Botti “ratkaisee” tikettejä, joihin asiakkaat eivät olleet tyytyväisiä |
Aseta pysyvä viikoittainen katselmus epäonnistuneista ja eskaloiduista keskusteluista ensimmäisen kuukauden ajaksi muutoksen jälkeen, siirry sitten kuukausittaiseen, kun luvut pysyvät vakaina. Tämä on ainoa korjaus tällä listalla, joka ei ole kertaluonteinen muutos. Se on tapa, joka havaitsee muut viisi ennen kuin niistä tulee asiakkaiden huomaama kaava.
Jos olet edelleen valitsemassa alustojen välillä sen sijaan, että korjaisit olemassa olevaa, oppaamme miten valita AI-chatbot kattaa samat kuusi aluetta ostajan näkökulmasta, ennen kuin sitoudut tiettyyn ratkaisuun.
Käy nämä kuusi syytä läpi järjestyksessä ennen kuin oletat, että koko järjestely tarvitsee korvaamista. Useimmat tiimit huomaavat todellisen ongelman olevan yksi tietty, korjattavissa oleva aukko, ei perustavanlaatuinen vika itse chatbotissa. LiveAgentin AI-chatbot tekee useimmista näistä vivuista – tietolähteistä, siirtokynnyksistä ja mallivalinnasta – suoraan konfiguroitavia, joten yhden näistä syistä korjaaminen vie yleensä iltapäivän, ei uudelleenrakennusta.
Jaa tämä artikkeli
Adam on LiveAgentin sisällönhallintapäällikkö. Hän on aidosti innoissaan siitä, mitä tekoälyagentit voivat ottaa pois tukitiimin pöydältä, ja yhtä lailla epäluuloinen kaikkea automaatiota kohtaan, joka tekee asiakkaan ymmärretyksi tulemisesta vaikeampaa.


AI-chatbot-ongelmat voivat maksaa sinulle asiakkaita huomaamattasi. Viisi varoitusmerkkiä siitä, että bottisi heikentää konversioita asiakaspalvelussa, ja miten...

AI-virtuaaliassistentti otettu käyttöön, mutta tukipyynnöt eivät vähene? Tunnista ja korjaa kuusi yleisintä syytä heikkoon AI-assistentin suorituskykyyn tämän 3...

Chatbotit parantavat asiakaspalvelua automatisoimalla rutiinitehtäviä, käsittelemällä useita tiedusteluja samanaikaisesti ja vähentämällä kustannuksia. Ne paran...
Evästeiden Suostumus
Käytämme evästeitä parantaaksemme selauskokemustasi ja analysoidaksemme liikennettämme. See our privacy policy.