Gdy chatbot AI dla obsługi klienta nie trafia w sedno, zwykle ma to jedną z sześciu możliwych do naprawienia przyczyn. Oto jak zdiagnozować i naprawić każdą z nich bez konieczności przebudowy od zera.
W tym artykule:
Większość zespołów konfiguruje chatbota AI dla obsługi klienta raz, obserwuje, jak działa dobrze przez pierwsze kilka tygodni, a potem przestaje zwracać na niego uwagę. Później eskalacje rosną, klienci zaczynają się powtarzać i nikt nie potrafi powiedzieć dlaczego, bo nikt nie sprawdził, co właściwie zawodzi.
To najczęstsza przyczyna i najłatwiejsza do sprawdzenia. Chatbot wie tylko tyle, ile zawierają jego podłączone źródła wiedzy. Jeśli produkt się zmienił, polityka została zaktualizowana lub pojawiła się nowa funkcja, a treści źródłowe nie zostały zaktualizowane, bot będzie z pewnością udzielał starych odpowiedzi.
Zbierz listę pytań, na które bot najczęściej udziela błędnych odpowiedzi i sprawdź każde z nich względem rzeczywistej treści źródłowej. Jeśli w źródle w ogóle brakuje informacji, to luka w zakresie. Jeśli źródło ją zawiera, ale bot nadal odpowiada źle, sama treść może być źle skonstruowana, pogrzebana lub zaprzeczona w innym miejscu tego samego źródła.
Na przykład aktualizacja strony cenowej, która zmienia liczbę stanowisk w danym planie, po cichu zepsuje każdą odpowiedź chatbota na temat tego planu, dopóki ktoś nie zaktualizuje źródła wiedzy.
Flow zbudowany i testowany tylko na schludnych, dobrze sformułowanych pytaniach testowych zachowuje się inaczej niż ten testowany na tym, jak klienci faktycznie piszą. Prawdziwe pytania są krótsze, mniej formalne i często pozbawione kontekstu, który zawierałoby starannie przygotowane pytanie testowe.
Weź dwadzieścia prawdziwych wiadomości od klientów z historii zgłoszeń, im bardziej niechlujnych, tym lepiej, i przepuść je ręcznie przez Flow. Zanotuj każde miejsce, w którym odpowiedź jest błędna, niekompletna lub technicznie poprawna, ale myląca. To jedno ćwiczenie zwykle ujawnia więcej rzeczywistych problemów niż tydzień zagregowanych wskaźników.
Jeśli Twój zespół korzysta również z Asystenta odpowiedzi AI do przygotowywania odpowiedzi dla agentów, te same problemy ze źródłem wiedzy, które psują chatbota, pojawią się także tutaj, ponieważ obie funkcje korzystają z tych samych treści źródłowych.
Wypróbuj LiveAgent za darmo i przekonaj się sam.
Chatbot LiveAgent pozwala ustawić minimalną liczbę odpowiedzi AI przed umożliwieniem przekazania do człowieka lub pozwolić agentowi AI decydować o przekazaniu samodzielnie. Ustawienie tego parametru nieprawidłowo w dowolnym kierunku sprawia, że problem wygląda jak problem wydajnościowy, podczas gdy w rzeczywistości jest to problem konfiguracyjny.
Ustaw próg zbyt wysoko, a klienci utkną w pętli niepomocnych odpowiedzi bota, zanim będą mogli trafić do człowieka. Ustaw go zbyt nisko, a bot będzie eskalował pytania, które mógłby obsłużyć samodzielnie, co zawyża wskaźnik eskalacji i marnuje czas agentów na zgłoszenia, które w ogóle nie wymagały człowieka.
Przeglądaj to ustawienie wraz z rzeczywistymi danymi o eskalacjach, nie tylko raz podczas konfiguracji. To, co było odpowiednie dla mniejszej liczby zgłoszeń lub węższego zakresu pytań, może wymagać dostosowania w miarę rozszerzania się zakresu działania chatbota.
Nie wszystkie modele AI radzą sobie równie dobrze z pytaniami wieloczęściowymi lub niejednoznacznymi. Model, który dobrze obsługuje proste zapytania z FAQ, może zacząć zawodzić, gdy klienci zadają pytania wymagające połączenia dwóch lub trzech informacji.
Warto to sprawdzić na końcu, a nie na początku. Uaktualnienie modelu nie naprawi niekompletnego źródła wiedzy ani nieprzetestowanego Flow, a zespoły, które od razu przechodzą do zmiany modelu, często odkrywają, że te same błędy nadal występują, bo prawdziwy problem nigdy nie leżał w modelu. Gdy źródło wiedzy i Flow są solidne, a złożone pytania wciąż zawodzą, wtedy silniejszy model zaczyna być opłacalny. Dostawcy modeli publikują własne testy porównawcze rozumowania i podążania za instrukcjami właśnie do tego porównania — warto je sprawdzić, zanim założymy, że wszystkie modele radzą sobie z pytaniami wieloczęściowymi tak samo.
Najnowsze porady i oferty prosto na Twoją skrzynkę.
Chatbot może odpowiadać w ponad 100 językach w zależności od podłączonego modelu AI, ale obsługa języka działa tylko tak dobrze, jak źródło wiedzy w tym języku. Źródło wiedzy napisane i utrzymywane tylko po angielsku będzie generować uboższe, mniej dokładne odpowiedzi dla klientów piszących w innych językach, mimo że bot technicznie je „obsługuje".
Sprawdź wolumen zgłoszeń według języka w porównaniu z tym, jaka część Twojego źródła wiedzy faktycznie istnieje w każdym z nich. Brak dopasowania wygląda dokładnie jak ogólny problem wydajnościowy, ale rozwiązaniem jest tłumaczenie treści źródłowych, a nie zmiana Flow lub modelu.
Chatbot, który był dobrze dostrojony podczas uruchomienia, nie pozostaje taki sam z własnej woli. Produkty się zmieniają, klienci zaczynają zadawać nowe rodzaje pytań, a Flow, który obejmował wszystko trzy miesiące temu, po cichu przestaje pokrywać to, o co klienci faktycznie pytają dzisiaj.
| Sygnał do cotygodniowego sprawdzenia | Co zwykle oznacza |
|---|---|
| Rosnący wskaźnik eskalacji | Zakres nie pokrywa się już z rzeczywistymi pytaniami |
| Ta sama błędna odpowiedź, powtarzana | Źródło wiedzy jest nieaktualne w tym temacie |
| Nowe wzorce sformułowań w zgłoszeniach | Flow wymaga ponownego testowania względem bieżącego języka |
| Spadający CSAT w zgłoszeniach rozwiązanych przez bota | Bot „rozwiązuje" zgłoszenia, z których klienci nie byli zadowoleni |
Ustaw stały cotygodniowy przegląd nieudanych i eskalowanych rozmów przez pierwszy miesiąc po każdej zmianie, a następnie przejdź do przeglądów miesięcznych, gdy liczby się ustabilizują. To jedyna poprawka na tej liście, która nie jest jednorazową zmianą. To nawyk, który wyłapuje pozostałe pięć, zanim staną się wzorcem zauważalnym dla klientów.
Jeśli wciąż decydujesz się między platformami, zamiast naprawiać istniejącą, nasz poradnik jak wybrać chatbota AI omawia te same sześć obszarów z perspektywy kupującego, zanim zdecydujesz się na konkretne rozwiązanie.
Przejdź przez te sześć przyczyn w kolejności, zanim założysz, że cała konfiguracja wymaga wymiany. Większość zespołów odkrywa, że prawdziwym problemem jest jedna konkretna, możliwa do naprawienia luka, a nie fundamentalna wada samego chatbota. Chatbot AI LiveAgent umożliwia bezpośrednią konfigurację większości tych elementów — źródeł wiedzy, progów przekazania i wyboru modelu — więc naprawienie jednej z tych przyczyn zwykle zajmuje popołudnie, a nie przebudowę od zera.
Udostępnij ten artykuł
Adam jest content managerem w LiveAgent. Szczerze cieszy go, jakie zadania agenci AI mogą zdjąć z barków zespołu wsparcia, ale z równą podejrzliwością podchodzi do każdej automatyzacji, która zmusza klienta do większego wysiłku, by został zrozumiany.
Problemy z chatbotami AI mogą po cichu kosztować Cię klientów. Pięć znaków ostrzegawczych, że Twój bot szkodzi konwersjom w obsłudze klienta, i jak naprawić każ...
Wirtualny asystent AI wdrożony, ale liczba zgłoszeń nie spada? Zdiagnozuj i napraw sześć głównych przyczyn słabej wydajności asystenta AI dzięki 30-dniowemu pla...
Chatboty poprawiają obsługę klienta poprzez automatyzację rutynowych zadań, obsługę wielu zapytań jednocześnie i redukcję kosztów. Zwiększają efektywność i skal...
Dołącz do naszej społeczności zadowolonych klientów i zapewnij doskonałą obsługę klienta z LiveAgent.
Zgoda na Pliki Cookie
Używamy plików cookie, aby poprawić jakość przeglądania i analizować nasz ruch. See our privacy policy.
