Vi har analyseret 4 millioner chatbot-samtaler. Her er hvad vi fandt ud af.

I de sidste par år, chatbots har dramatisk ændret måden, de opererer på og yder service til kunderne. De er gået fra grundlæggende informationsgrænseflader til komplekse løsninger, der er i stand til at kommunikere med tredjepartssystemer. 

Disse ændringer har sammen med forbedringer i teknologien haft en betydelig indflydelse på selvbetjeningsydelsen. Hvad betyder dette for virksomheder, der bruger en avanceret, dygtig chatbot baseret på samtale AI? 

Vi hos Inbenta besluttede at tage et kig på vores kunders sessioner for at opdage og analysere selvbetjeningstendenser. Resultaterne var ret øjenåbnende og håber du finder indsigten nyttig. 

Transaktionelle vs information chatbots. Hvad er forskellen?

Information chatbots er dem, der er i stand til at identificere en anmodning og give et specifikt standardsvar, uanset om svaret kun involverer tekst, eller også billeder, videoer eller links til bestemte sider. 

Men selvom dette allerede giver mulighed for en høj grad af selvbetjening, og løser en stor del af kundeservicepuslespillet, henvender det sig stadig ikke til mere komplekse, personlige case-scenarier. 

Hvad sker der, når brugerne forventer et svar, der kun gælder dem personligt?

Hvad hvis de skal opnå eller fuldføre en specifik handling?

Tjek deres kontosaldo, få adgang til deres lægejournaler, opgradering af deres forsikringspolice, omlægning af et fly, de har reserveret – entransaktionel chatbot kan håndtere denne form for mere komplekse anmodninger, der kræver, at din chatbot interagerer med andre systemer, uden at skulle eskalere samtalen til en agent.

Disse transaktioner er normalt aktiveret af webhooks , integrationer.

Vi har implementeret avancerede, transaktionelle chatbots i et stykke tid nu i meget succesfulde projekter. Vi ved, at transaktionsprojekter tilbyder et bredere sæt af muligheder for kunderne. Vores spørgsmål var dog... 

Hvor stor indflydelse har transaktionelle chatbots i selvbetjeningspriser?

Vi besluttede at lave nogle undersøgelser med vores data for at finde ud af, om tilføjelse af transaktionalitet påvirkede relevante KPI'er i et chatbot-projekt, og i givet fald hvor meget. 

Det første vi gjorde var at tage en prøve af 4.2 millioner chatbot-samtaler fra forskellige kunder og klassificere dem afhængigt af deres karakter. De faldt i en af ​​disse kategorier:

• Sessioner fra chatbots, der udløser virksomhedstransaktioner
• Sessioner fra chatbots, der kun giver statisk information

Dette ville hjælpe os med at drage data og konklusioner vedrørende transaktionalitet.

Da vi gjorde det, tog vi et kig på forskellige KPI'er, både på globalt plan og for hver kategori. 

Den samlede selvbetjeningsrate oversteg 91 %

Det første vi lagde mærke til var en utrolig høj 91 % selvbetjeningsrate, herunder både transaktionelle og ikke-transaktionelle tilfælde. 

Tallet adskiller sig ikke meget fra vores tidligere test, som har etableret en typisk selvbetjeningsrate på 90 % for vores chatbots. 

Det er dog stadig ret imponerende, synes du ikke? Det betyder, at fra 4.2 millioner sessioner endte kun 360K i en kontakthandling. Kan du forestille dig de omkostninger, som de resterende 3.8 millioner kundeforespørgsler ville have haft for en kundeserviceafdeling?

Ikke-transaktionelle chatbots havde en lavere svarprocent

Den anden ting, vi bemærkede, var, at chatbots uden transaktionsevner havde en lavere svarprocent. Dette stemmer overens med, at en informationschatbot kun kan dække et vist antal supportanmodningssager. 

Så meget som du udfylder din chatbot med relevante svar på ofte stillede spørgsmål, hvis brugeren søger at udføre en handling, og chatbotten ikke er i stand til at gøre det, vil resultatet være en ubesvaret anmodning.

Da vi analyserede vores prøver, så vi en 7-point stigning i svarprocenten når du bruger transaktionelle chatbots versus statiske informations-chatbots, hvilket faktisk er ret fremragende.

Transaktionelle chatbots har en 28% højere selvbetjeningsrate

Det sidste, vi bemærkede, var, at med transaktionelle chatbots var der færre anmodninger, der ender med kontakthandlinger.

Vi har set, at den samlede selvbetjeningsrate for chatbot var 91 %, derfor kun 9 % af de samlede sessioner (transaktionelle og ikke-transaktionelle) nåede supportteamet.

Nå, hvis vi sammenligner sessionerne fra transaktions-chatbots med sessionerne for informationschatbots, kan vi se, at de tidligere eskalerede 28 % færre sager til støtte.

Dette beviser transaktionelle chatbots tilbyder en bedre selvbetjeningsrate og forbedrer den overordnede service. Plus, en sådan reduktion kan i høj grad påvirke arbejdsbyrden og ydeevnen for kundeserviceagenter. 

Hvordan analyserer man ydeevnen af ​​din chatbot-instans?

Kraftige chatbot-data-dashboards

At have et robust analysepanel til din chatbot er ekstremt vigtigt for at følge metrics og KPI'er. Hvordan kan du ellers vide, om din chatbot klarer sig godt eller ej?

At Inbenta, vi har bygget kraftfulde dashboards for at hjælpe kunder med at forstå alle KPI'er, for eksempel:

• Samlet antal sessioner
• Selvbetjeningspris
• Ubesvarede spørgsmål
• Eskalerede sessioner
• Andre målinger

Men hvilken effekt har implementering af en transaktionel chatbot? Med andre ord, hvor meget at tilføje transaktionalitet reducerer driftsomkostningerne?

ROI på at tilføje transaktionalitet til din chatbot

Som du har set, vil tilføjelse af transaktionalitet reducere chatbot-eskaleringer med 28 %. Så hvis vi tager det, at du havde i alt 50,000 chatbot-sessioner (samtaler) om måneden, og 10 % af dem eskalerede til en supportsag, taler vi om 5,000 supportanmodninger. At reducere det med 28 % betyder, at du i stedet vil have 3,600 supportanmodninger.

Lad os sige, at den gennemsnitlige pris pr. eskaleret sag (telefonopkald eller live assistance) er på 5 €. 

Hvis du tilføjer transaktionalitet til din chatbot, vil du spare 7,000 euro om måneden.

På den anden side, hvis du driver en e-handel eller en anden tjeneste, du kan betale for online, kan aktiveringstransaktioner også give din virksomhed yderligere indtægter. 

Lad os sige, at 5% af det samlede antal chatbot-sessioner er relateret til køb af et produkt eller en tjeneste. Lad os også anslå den gennemsnitlige ordreværdi til 50 $ (dette kan variere afhængigt af din virksomhed og produkter). 

I så fald vil chatbotten håndtere 2,500 salg om måneden alene – kan du forestille dig en butiksassistent, der laver så mange salg? Det ville betyde, at salgsassistenten laver minimum 90 salg om dagen.

Disse 2,500 månedlige salg ville tegne sig for 125,000 $ af omsætningen om måneden. Udestående, ikke?

TIP: Hvis din nuværende selvbetjeningssats er under 80 % til 90 %, der er en god chance for, at din nuværende chatbot eller det indhold, den leverer, ikke er godt nok. Hvis det ikke er transaktionsbestemt, er der også mulighed for, at dine kunder søger at løse mere komplekse forespørgsler, som en information chatbot ikke kan håndtere. 

Gør din chatbot transaktionel

Hvis du overvejer at tilføje transaktionsmuligheder til din chatbot, har du sandsynligvis brug for en løsning, der nemt kan oprette forbindelse, samt sende og modtage data fra andre platforme. 

Disse kan omfatte CRM'er, ERP'er, HRIS, CMS'er og andre systemer, meddelelser eller sociale platforme og andre kanaler, stemmeaktiverede eller på anden måde.

Hos Inbenta har vi bygget integrationer med velkendte platforme i årevis, og resultatet er Inbentas Apphub. Der kan du søge og finde dine yndlingsapps, forbinde din Inbenta Chatbot med dem og få mest muligt ud af din selvbetjeningsløsning. 

Tjek vores lignende artikler